中介效應(yīng)的SPSS及Amos方法

1、一、中介效應(yīng)概述中介效應(yīng)是指變量間的影響關(guān)系(X-Y)不是直接的因果鏈關(guān)系而是通過一個或一個以上變量(M) 的間接影響產(chǎn)生的，此時我們稱 M為中介變量，而X通過M對Y產(chǎn)生的的間接影響稱為中介效應(yīng)。中介效應(yīng)是間接效應(yīng)的一種， 模型中在只有一個中介變量的情況下， 中介效應(yīng)等于間接效應(yīng)； 當中介變量不止一個的情況下， 中介效應(yīng)的不等于間接效應(yīng)，此時間接效應(yīng)可以是部分中介效應(yīng)的和或所有中介效應(yīng)的總和。 在心理學研究當中， 變量間的關(guān)系很少是直接的， 更常見的是間接影響，許多心理自變量可能要通過中介變量產(chǎn)生對因變量的影響， 而這常常被研究者所忽視。 例如， 大學生就業(yè)壓力與擇業(yè)行為之間的關(guān)系往往不是直接

2、的，而更有可能存在如下關(guān)系：d就業(yè)壓力一個體壓力應(yīng)對一擇業(yè)行為反應(yīng)。此時個體認知評價就成為了這一因果鏈當中的中介變量。在實際研究當中， 中介變量的提出需要理論依據(jù)或經(jīng)驗支持， 以上述因果鏈為例，也完全有可能存在另外一些中介因果鏈如下：就業(yè)壓力一個體擇業(yè)期望一擇業(yè)行為反應(yīng)；就業(yè)壓力一個體生涯規(guī)劃一擇業(yè)行為反應(yīng)；因此，研究者可以更具自己的研究需要研究不同的中介關(guān)系。當然在復(fù)雜中介模型中， 中介變量往往不止一個， 而且中介變量和調(diào)節(jié)變量也都有可能同時存在， 導致同一個模型中即有中介效應(yīng)又有調(diào)節(jié)效應(yīng)，而此時對模型的檢驗也更復(fù)雜。假設(shè)所有的變量都已經(jīng)中心化， 則中介關(guān)系可以用回歸方程表示如下：Y=cx+

3、e1)M=ax+e22)Y=c X+bM+e33)上述3個方程模型圖及對應(yīng)方程如下：-晶二、中介效應(yīng)檢驗方法中介效應(yīng)的檢驗傳統(tǒng)上有三種方法，分別是依次檢驗法、系數(shù)乘 積項檢驗法和差異檢驗法，下面簡要介紹下這三種方法：1.依次檢9法(causual steps)。依次檢驗法分別檢驗上述 1) 2) 3) 三個方程中的回歸系數(shù)，程序如下：首先檢驗方程1) y=cx+ e,如果c顯著(H0：c=0被拒絕)，則繼續(xù) 檢驗方程2),如果c不顯著(說明X對Y無影響)，則停止中介效應(yīng) 檢驗；在c顯著性檢驗通過后，繼續(xù)檢驗方程 2) M=ax+e2,如果a顯 著(Ho：a=0被拒絕)，則繼續(xù)檢驗方程3);如果

4、a不顯著，則停止檢 驗；在方程1)和2)都通過顯著性檢驗后，檢驗方程3)即y=cx + bM+ e3,檢驗b的顯著性，若b顯著(H0:b=0被拒絕)，則說明中介效應(yīng) 顯著。此時檢驗c：若c'顯著，則說明是 不完全中介效應(yīng)；若不顯著， 則說明是完全中介效應(yīng)，x對y的作用完全通過 M來實現(xiàn)。評價:依次檢驗容易在統(tǒng)計軟件中直接實現(xiàn)，但是這種檢驗對于較弱的中介效應(yīng)檢驗效果不理想，如a較小而b較大時，依次檢驗判定 為中介效應(yīng)不顯著，但是此時 ab乘積不等于0,因此依次檢驗的結(jié) 果容易犯第二類錯誤（接受虛無假設(shè)即作出中介效應(yīng)不存在的判斷）。 2.系數(shù)乘積項檢驗法（products of coeff

5、icients）。此種方法主要檢驗ab 乘積項的系數(shù)是否顯著，檢驗統(tǒng)計量為 z = ab/ Sab,實際上熟悉統(tǒng)計 原理的人可以看出，這個公式和總體分布為正態(tài)的總體均值顯著性檢 驗差不多，不過分子換成了乘積項，分母換成了乘積項聯(lián)合標準誤而 已，而且此時總體分布為非正態(tài)，因此這個檢驗公式的Z值和正態(tài)分 布下的Z值檢驗是不同的，同理臨界概率也 不能采用正態(tài)分布概率曲 線來判斷。具體推導公式我就不多講了，大家有興趣可以自己去看相 關(guān)統(tǒng)計書籍。分母Sab的計算公式為：Sab=a2Sb2b2Sa2 ,在這個公式 中，Sb2和Sa2分別為a和b的標準誤，這個檢驗稱為sobel檢驗，當 然檢驗公式不止這一種

6、例如 Goodman I檢驗和Goodman II檢驗都可 以檢驗（見下），但在樣本比較大的情況下這些檢驗效果區(qū)別不大。在AMOS中沒有專門的soble檢驗的模塊，需要自己手工計算出。而 在lisrel里面則有，其臨界值為z2或za/2（P N三200）。關(guān)于臨界 值比率表見附件（虛無假設(shè)概率分布見 MacKinnon表中無中介效應(yīng). 表，雙側(cè)概率，非正態(tài)分布。這個臨界表沒有直接給出 .05的雙側(cè)概率值，只有.04的雙側(cè)概率值；以N=200為例，.05的雙側(cè)概率值在其表中大概在士左右，而不是溫忠麟那篇文章中提出的。關(guān)于這一點，我看了溫的參考文獻中提到的 MacKinnon那篇文章，發(fā)現(xiàn)溫對于.

7、97的解釋是直接照搬 MacKinnon原文中的一句話<For example, the empirical critical value is .97 for the .05 significance level rather than for the standard normal test of ab 4 0. We designate this test statisticby z8 because it uses a different distribution than the normal distribution.，實際上在 MacKinnon的概率表中，這個.97的值是

8、在 N=200下對應(yīng)的.04概率的雙側(cè)統(tǒng)計值，而不是.05概率雙側(cè)統(tǒng)計值， 因為在該表中根本就沒有直接給出.05概率的統(tǒng)計值。為了確定這點， 我專門查了國外對這個概率表的介紹，發(fā)現(xiàn)的確如此，相關(guān)文章見附件。當然，從統(tǒng)計概率上來說，大于在這個表中意味著其值對應(yīng)概率 大于.05,但是當統(tǒng)計值小于時而大于，其值對應(yīng)概率的判斷就比較麻煩了，此時要采用作為P<.05的統(tǒng)計值來進行判斷。之所以對溫的 文章提出質(zhì)疑，是因為這涉及到概率檢驗的結(jié)果可靠性， 我為此查了 很多資料，累）。Goodman I檢驗公式如下Goodman II檢驗檢驗公式如下珅工a%：十十仃:*V 工-蟾 +- o：蝙注：從統(tǒng)計學

9、原理可知，隨著樣本量增大，樣本均值和總體均值的差 誤趨向于減少；因此從這兩個公式可看出，的值隨著樣本容量增大而 呈幾何平方值減小，幾乎可以忽略不計算，因此 MacKinnon et al.(1998)認為乘積項在樣本容量較大時是“trivial ”(瑣碎不必要的)的,因此sobel檢驗和Goodman檢驗結(jié)果在大樣本情況下區(qū)別不大，三個檢驗公式趨向于一致性結(jié)果，因此大家用soble檢驗公式就可以了(詳情請參考文獻 A Comparison of Methods to Test Mediation andOther Intervening Variable Effects. Psychologi

10、cal Methods2002, Vol. 7, No. 1,83T04)。評價：采用sobel等檢驗公式對中介效應(yīng)的檢驗容易得到中介效應(yīng)顯 著性結(jié)果，因為其臨界概率(MacKinnon) P<.05的Z值為z2>或z /2<,而正態(tài)分布曲線下臨界概率 P<.05的Z值為za/2>或za/2<,因此 用該臨界概率表容易犯第一類錯誤(拒絕虛無假設(shè)而作出中介效應(yīng)顯 著的判斷)3 .差異檢驗法(difference in coefficients)。此方法同樣要找出聯(lián)合標準 誤，目前存在一些計算公式，經(jīng)過 MacKinnon等人的分析，認為其 中有兩個公式效果較好

11、，分別是Clogg等人和Freedman等人提出的， 這兩個公式如下：Clogg差異檢驗公式Freedman差異檢驗公式c c'C C 'tN 3tN 2 ，rxmsc'J SC2 SC'2 2SCSCJ1x；這兩個公式都采用t檢驗，可以通過t值表直接查出其臨界概率。Clogg 等提出的檢驗公式中，力的下標N-3表示t檢驗的自由度為N-3, 為自變量與中介變量的相關(guān)系數(shù)，為 X對Y的間接效應(yīng)估計值的標 準誤；同理見Freedman檢驗公式。評價：這兩個公式在a=0且b=0時有較好的檢驗效果，第一類錯誤率接近，但當a=0且b?0時，第一類錯誤率就非常高，有其是 C

12、logg 等提出的檢驗公式在這種情況下第一類錯誤率達到 100%,因此要謹 慎對待。4 .溫忠麟等提出了一個新的檢驗中介效應(yīng)的程序，如下圖：中介教完主中介中介效中介效應(yīng) F與X相關(guān)不顯著 應(yīng)顯著 效應(yīng)顯著 應(yīng)品著 不顯著停止中介效應(yīng)分析這個程序?qū)嶋H上只采用了依次檢驗和 sobel檢驗，同時使第一類錯誤 率和第二類錯誤率都控制在較小的概率， 同時還能檢驗部分中介效應(yīng) 和完全中介效應(yīng)，值得推薦。三中介效應(yīng)操作在統(tǒng)計軟件上的實現(xiàn)根據(jù)我對國內(nèi)國外一些文獻的檢索、分析和研究，發(fā)現(xiàn)目前已經(jīng) 有專門分析soble檢驗的工具軟件腳本，可下掛在 SPSS當中；然而在AMOS中只能通過手工計算，但好處在于能夠方便

13、地處理復(fù)雜中介模型，分析間接效應(yīng)；根據(jù)溫忠麟介紹，LISREA也有對應(yīng)的SOBEL檢驗分析命令和輸出結(jié)果，有鑒于此，本文擬通過對在SPSS AMOS中如何分析中介效應(yīng)進行操作演示，相關(guān) SOBEL檢驗?zāi)_本及臨界值 表（非正態(tài)SOBEL僉驗臨界表）請看附件。1 .如何在SPSS實現(xiàn)中介效應(yīng)分析這個部分我主要講下如何在 spss中實現(xiàn)中介效應(yīng)分析（無腳本， 數(shù)據(jù)見附件spss中介分析數(shù)據(jù)，自變量為工作不被認同，中介變量 為焦慮，因變量為工作績效）。第一步：將自變量（X）、中介變量（M）、因變量（Y）X寸應(yīng)的潛變量的項 目得分合并取均值并中心化，見下圖tor文件 編蕾© 視圖切 數(shù)據(jù) 轉(zhuǎn)操

14、口 分析 圖表 工具叫 窗口也 幫助如或舊晝/ 匐曲|闔堂fe圜幽匿|叵to：工作不浚認同領(lǐng)導不認叫同事不認明客尸不認可緊張坐立不安效率低效率下降13242n 2222111222.2勺4I1-14個i在這個圖中，自變量（X）為工作不被認同，包含3個觀測指標，即領(lǐng)導不認同、 同事不認可、客戶不認可；中介變量（M）焦慮包含3個觀測指標即心跳、緊張、 坐立不安；因變量（Y）包含2個觀測指標即效率低和效率下降。工暢?£5 戲隊莒初 SPSS fit a Editcr輻舊可生整紀&電解心切機電蹣蒯邙M窗口甲看助于昌廚L力晶1rli葭%6:理不散同3第導市可同事不k引客F不認彳心跳|監(jiān)

15、張1蚯不妥假率倒效率下用工作不就認副 ti 1工作饋橄324Z 22-23J01卯?30I127212 l.r ZGD 2DCDescriptive Statistics工作不被認同焦慮工作績效Valid N (listwise)NMean489489489489靖嘮?。ㄖ幸?guī)國。制t勤 轉(zhuǎn)換仁己析切賺它工且國口姬需購工作不破伙Fl隹店 I工作統(tǒng)成不敬認同中心化）焦慮中心化二件建取七中心化11002.C02.50,92的21002.LXI2.001 00-.092931.001.331.5Dd 00-?5百R今鳥 3軸廣一匚亞反唇G工隹不夠人司2上面三個圖表示合并均值及中心化處理過程， 生成3個

16、對應(yīng)的變量并中心化（項目均值后取離均差）得到中心化X、M、Y。第二步：按溫忠麟中介檢驗程序進行第一步檢驗即檢驗方程y=cx+e中的c是否顯著，檢驗結(jié)果如下表：Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.678(a).460.459.70570.4601487.000a Predictors: (Constant),不被認同(中心化)Coe fficients aModelUnst

17、andardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1（Constant）不被認同（中心化）.002.804.032.040.678.05120.354.959.000a. Dependent Var iable:工作績效(中心化)由上表可知，方程y=cx+M回歸效應(yīng)顯著，c1.678顯著，性為p<.000, 可以進行方程m=ax+麗方程y=c'x+bm+e的顯著性檢驗；第三步：按溫忠麟第二步檢驗程序分別檢驗 a和b的顯著性，如果都顯著，則急需檢驗部分中介效應(yīng)和完全中介效應(yīng)； 如果都不顯著，則停止

18、檢驗；如果a或b其中只有一個較顯著，則進行sobel檢驗，檢驗結(jié)果見下表:Model Summ aryAR Square RadjustedStd.SquaretheError ofR SquEstimateChanChange StatisticsareieF Changedf1df2Sig. F Change3a.284.283.76763>84193.24：，1487.000Constant）,不被認同（中心化）Coe fficients aModelUnstandardizedCoefficientsStandardized CoefficientstSig.BStd. Erro

19、rBeta1（Constant）不被認同（中心化）.001.597.035.043.533.03413.901.973.000a. Dependent Var iable:焦慮(中心化)由上面兩個表格結(jié)果分析可知，方程 m=ax+e中，a值顯著性p<.000,繼續(xù)進行方程y=c'x+bm+e的檢驗，結(jié)果如下表:Model Summ aryR SquareARadjustedSquareStd. theE rror of EstimateR SquChan(Change StatisticsareieF Changedf1df2Sig. F Change2a.492.490.684

20、85.4192235.49()2486.000Constant）,焦慮（中心化），不被認同（中心化）Coe fficients aModelUnstandardizedCoefficientsStandardized CoefficientstSig.BStd.ErrorBeta1(Constant).001.031.044.965不被認同（中心化）.670.045.56414.773.000焦慮（中心化）.225.040.2135.577.000a. Dependent Var iable:工作績效(中心化)由上面兩個表的結(jié)果分析可知，方程 y=c'x+bm+e中，b值為顯著性為p&

21、lt;.000，因此綜合兩個方程m=ax+琲口y=c'x+bm+e的檢驗2果，a和b都非常顯著，接下來檢驗中介效應(yīng)的到底是部分中介還是完全中介；第四步:檢驗部分中介與完全中介即檢驗c'的顯著性: 由上表可知，c值為.564其p值.000，因此是部分中介效應(yīng)，自變量對因變量的中介效應(yīng)不完全通過中介變量焦慮的中介來達到其影響， 工作不被認同對工作績效有直接效應(yīng)， 中介效應(yīng)占總效應(yīng)的比值為：effectm=ab/c= x =，中介效應(yīng)解釋了因變量的方差變異為 sqrt （%）小結(jié) 在本例中， 中介效應(yīng)根據(jù)溫忠麟的檢驗程序最后發(fā)現(xiàn)自變量和因變量之間存在不完全中介效應(yīng)，中介效應(yīng)占總效應(yīng)比

22、值為,中介效應(yīng)解釋了因變量%的方差變異。2 .在spss運用spssmaro腳本來分析中介效應(yīng)下面我們采用Preacher（2004設(shè)計的spssmaro腳本來進行中介效應(yīng)分析，該腳本是美國俄亥俄和州立大學Preache訴口 Haye汗2004年開發(fā)的在sps卻計算間接效應(yīng)、直接效應(yīng)和總效應(yīng)的腳本，對間接效應(yīng)的計算采用了 sobel檢驗，并給出了顯著性檢驗結(jié)果，這個腳本可在如下網(wǎng)址下載： 。腳本文件名為sobel_sps§關(guān)于如何在spss®用該腳本請看附件（附件 為pdf文件，文件名為runningscripts）。在運行了腳本后，在打開的窗 口中分別輸入自變量、中介變量

23、和調(diào)節(jié)變量，在選項框中可以選擇bootstrap （自抽樣）次數(shù)，設(shè)置好后，點擊 ok,運行結(jié)果如下：后 Preacher and Hayes 120(14) Simple Vediation ScriptX領(lǐng)導不認可同事不認可客戶不認可 心跳Independent Variable (X)> I叵作不被以同Proposed Mediator |MCancel緊架坐立不安About效主低效圭下降不被認同（中心化）焦慮（中心化） 工作績效（中心化）Dependent Variable Y I工作績效Sobel Test Standard Error Second order Bootstr

24、ap SamplesSave Bootstrap EstimatesRun MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MODELY工作績效X不被認同M焦慮DESCRIPTIVES STATISTICS AND PEARSON CORRELATIONSMeanSD 工作績效不被認同焦慮工作績 _1.0000.9590.6780.5139不被認同.8085.6780.5330焦慮(中 .0000.9063.5139.5330SAMPLE SIZE489DIRECT And TOTAL EFFECTSCoeff.tSig(two)b(YX).804

25、2.039520.3535.0000cb(MX).5975.043013.9013.0000ab.2255.0404.0000bb.6695.045314.7731.0000c注：b(yx)相當于c, b(my)相當于a, b相當于b, b相當于c'INDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTIONValue . LL 95 CI UL 95 CI Z Sig(two)Effect .1347.0261.0836.1858.0000(sobel)BOOTSTRAP RESULTS For INDIRECT EFFECTD

26、ata Mean . LL 95 CI UL 95 CI LL 99 CI UL 99 CIEffect .1347.1333.0295.0800.1928.0582.2135NUMBER OF BOOTSTRAP RESAMPLES 1000FAIRCHILD ET AL. (2009) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT: .2316*NOTES *END MATRIX -從spssmacrO卻本運行的結(jié)果來看，總效應(yīng)、中介效應(yīng)、間接效應(yīng)達到了顯著值，其中c為，a值為，b值為,C值為，間接效應(yīng)（在本例中為中介效應(yīng)）解釋了自變量的方差

27、，中介效應(yīng)占中效應(yīng)的比例為。下面用對加載腳本前后的計算結(jié)果進行比較見下表：c a bc'效應(yīng)比 中介效應(yīng)方差變異-rr-Prt J *_ .無腳本%Spssmacrao*%從比較結(jié)果可以看出，加載腳本后分析中介效應(yīng)結(jié)果，了，但效應(yīng)比沒有多大變化（），說明中介效應(yīng)實際上提高了；中介效應(yīng)對因變量的方差變異的解釋比例也提高了了近5個百分點，說明采用bootstrap抽樣法能更準確地估計總體效應(yīng)和間接效應(yīng)。3.如何在AMOS中實現(xiàn)中介效應(yīng)分析無論變量是否涉及潛變量，都可以利用結(jié)構(gòu)方程模型來實現(xiàn)中介效應(yīng)分析，下面我來談?wù)勅绾卧?AMOS中實現(xiàn)中介效應(yīng)分析，數(shù)據(jù)見附件（AMOS中介效應(yīng)分析數(shù)據(jù)）。

28、第一步：建立好模型圖，如下：e1 11e6 領(lǐng)導不認可 .V-Z，-1e10焦慮1) 效率低入e71e5c'4同事不認可-T工作不被認可1e44客戶不認可e11file Editiniiiniiiiiuii hi ilium min'& Lrit wfict Fropsr ti as.Ctrltl本模型假設(shè)，工作不被認可通過中介變量影響績效表現(xiàn)。第二步：設(shè)置參數(shù)，要在 AMOS中分析中介效應(yīng)，需要進行一些必要的參數(shù)設(shè)置，步驟見下圖：npuDiagram Analyie Tools H.ugins HeliCtrl 也Ctrl+0Analysis r ropert les

29、Output BootstrapEst iirAtion Jfmheri2aJ. BiasPeruiiitatLons Rindom # Title* Perform bootstrapSOOONumbtr of boot strip samplesPC ctnafidence level0C confidence level uniibjiimib b niiiiri Biiiiiiriiiini nair 1; n 11 ! m i 11111Piercent lie confidence intervalsBias-corrected confldeuce intervalsion Nu

30、meric al | Biase Output ： Boct strapPermutations Random 洋 Titled Minimization historyV Standardized estimartesl%7 Sauar&d Multiple corrslations"Sample momtntsImplied noinenta2L1 implied nomentsResidual moments4 Indirtctj direct & total effects曠 Factor score veightSCovariances of estimat

31、es" Corr elatians of e st inate £序 Critical ratios for differencesTests for aornality and outliersObserved information matrixThreshold fornodification indicesModification indices按照上面幾個圖提示的步驟設(shè)置好后， 讀取數(shù)據(jù)進行運算，工具欄提示如下復(fù)件工作認同建慮與績效，Default modelMitiiimzat i onIt ar at i or 8MiniinHnt iras achieved

32、Veit ijrig oulpu'tChi-square = 2亂口，df = 17EoatstrapSample 5C00BC confidence intervalsPass 1Pa3S 2Paas 3Pass 4Pass 5Paas 6Pass 7Pass 3Pass 9D 1 n上圖表示采用bootstrap（自抽樣5000次）運算結(jié)果，數(shù)據(jù)迭代到第 8次得到收斂。模型卡方為，自由度為 17.第三步：看輸出結(jié)果即模型圖和文本輸出:Standardized estimates卡方值=25996(Pe075);自由度= 17;NFI=.989;TLI=.994;CFI=,996;卡

33、方與自由度之比=1.529從模型標準化路徑圖可以看出，模型卡方與自由度之比為，p值.05,各項擬合指數(shù)皆較理想，說明模型較理想，下面我們來看下模型的總體效應(yīng)和間接效應(yīng)的文本輸出，見下表:Standardized Total Effects (Group number 1 - Default model)Standardized Total Effects - Lower Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.554.000.000：績效表現(xiàn).714.077.000效率卜降.612.068.830效率低.661.07

34、0.889領(lǐng)導不認可.818.000.000同事/、認可.771.000.000客戶不認可.729.000.000坐立不安.451.776.000緊張.405.688.000心跳.436.753.000Standardized Total Effects - Upper Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.703.000.0001績效表現(xiàn).831.303.000效率卜降.733.263.905效率低.771.284.958領(lǐng)導不認可.907.000.000同事/、認可.858.000.000客戶不認可.841.0

35、00.000坐立不安.600.883.000緊張.540.802.000心跳.582.868.000Standardized Total Effects - Two Tailed Significance (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.績效表現(xiàn).000.002.效率卜降.000.002.001效率低.000.002.001領(lǐng)導不認可.000.同事/、認可.001.工作不被認可焦慮績效表現(xiàn)客戶不認可.001.坐立不安.000.001.緊張.000.000.心跳.000.000.上述三個表格是采用BC(bias-co

36、rrected漏差校正法估計的總體效應(yīng)標準化估計的下限值、上限值和雙尾顯著性檢驗結(jié)果，雙尾檢驗結(jié)果 顯示，總體效應(yīng)顯著，提示自變量(工作不被認可)對因變量(績效 表現(xiàn))的總體效應(yīng)顯著)值顯著，PV.000;下面我們繼續(xù)看直接效應(yīng) 的文本輸出結(jié)果，如下表：Standardized Direct Effects (Group number 1 - Default model)Standardized Direct Effects - Lower Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.554.000.000 績效表現(xiàn).5

37、49.077.000效率卜降.000.000.830效率低.000.000.889領(lǐng)導不認可.818.000.000同事/、認可.771.000.000客戶不認可.729.000.000坐立不安.000.776.000緊張.000.688.000心跳.000.753.000Standardized Direct Effects - Upper Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.703.000.000績效表現(xiàn).759.303.000效率卜降.000.000.905效率低.000.000.958領(lǐng)導不認可.907.

38、000.000同事/、認可.858.000.000客戶不認可.841.000.000工作不被認可焦慮績效表現(xiàn)坐立不安.000.883.0001緊張.000.802.000心跳.000.868.000Standardized Direct Effects - Two Tailed Significance (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.績效表現(xiàn).000.002.效率卜降 .001效率低 .001領(lǐng)導不認可.000.同事/、認可.001.客戶不認可.001.坐立不安.001.緊張.000.心跳.000.和總體效應(yīng)輸出

39、表格形式一致，前兩個表格都是標準化估計的 95%置信區(qū)間的上限值和下限值，第三個表格提示了直接效應(yīng)顯著， 見紅體字部分(在本例中即為中介效應(yīng)ab和c')。下面我們來看下間接效應(yīng)的顯著性分析結(jié)果，見下圖：Standardized Indirect Effects (Group number 1 - Default model)Standardized Indirect Effects - Lower Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.000.000績效表現(xiàn).050.000.000效率卜降.612.

40、068.000效率低.661.070.000領(lǐng)導不認可.000.000.000同事/、認可.000.000.000客戶不認可.000.000.000坐立不安.451.000.000緊張.405.000.000心跳.436.000.000Standardized Indirect Effects - Upper Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.000.000：績效表現(xiàn).197.000.000效率卜降.733.263.000效率低.771.284.000領(lǐng)導不認可.000.000.000同事/、認可.00

41、0.000.000客戶不認可.000.000.000坐立不安.600.000.000緊張.540.000.000心跳.582.000.000Standardized Indirect Effects - Two Tailed Significance (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.績效表現(xiàn).002.效率卜降.000.002.效率低.000.002.領(lǐng)導不認可.同事/、認可.客戶不認可.坐立不安.000.緊張.000.心跳.000.表格形式同上，顯著性見紅體字部分，在本例中即為 c'。綜合上述文 本化輸出的結(jié)果，我

42、們可以判定，c,a,b,c'的估計值都達到了顯著性， 下面，我們來看些這四個路徑系數(shù)的標準化估計值和標準誤到底是多 少呢見下表：Standardized Regression Weights: (Group number 1 - Default model)ParameterSESE-SEMeanBiasSE-Bias焦慮<-工作不被認可.038.000.628.001績效表現(xiàn)<-工作不被認可.053.001.659.000.001績效表現(xiàn)<-焦慮.058.001.187.001ParameterSESE-SEMeanBiasSE-Bias心跳<-焦慮.029.000.814.000.000坐立不安<-焦慮.027.000.837.000.000客戶不認可<-工作不被認可.028.000.790.000.000同事/、認可<-，作/、被認口.023.000.818.001.000領(lǐng)導不