中介作用于調(diào)節(jié)作用：原理與應(yīng)用參考模板

1、中介效應(yīng)與調(diào)節(jié)效應(yīng)：原理與應(yīng)用姜永志 整理編輯1中介效應(yīng)和調(diào)節(jié)效應(yīng)概念原理1.1中介效應(yīng)考慮自變量X對(duì)因變量Y的影響，如果X 通過(guò)影響變量M而對(duì)Y產(chǎn)生影響，則稱M為中介變量，中介變量闡明了一個(gè)關(guān)系或過(guò)程“如何”及“為何” 產(chǎn)生。 例如，上司的歸因研究：下屬的表現(xiàn)上司對(duì)下屬表現(xiàn)的歸因上司對(duì)下屬表現(xiàn)的反應(yīng)， 其中的“上司對(duì)下屬表現(xiàn)的歸因”為中介變量。假設(shè)所有變量都已經(jīng)中心化(即將數(shù)據(jù)減去樣本均值，中心化數(shù)據(jù)的均值為0)或者標(biāo)準(zhǔn)化(均值為0，標(biāo)準(zhǔn)差為1)，可用下列回歸方程來(lái)描述變量之間的關(guān)系(圖1 是相應(yīng)的路徑圖)：其中方程(1)的系數(shù)c 為自變量X對(duì)因變量Y的總效應(yīng)；方程(2)的系數(shù)a為自變量X對(duì)

2、中介變量M的效應(yīng)；方程(3)的系數(shù)b是在控制了自變量X的影響后，中介變量M對(duì)因變量Y的效應(yīng)；系數(shù)c是在控制了中介變量M 的影響后，自變量X對(duì)因變量Y的直接效應(yīng)；e1-e3 是回歸殘差。中介效應(yīng)等于間接效應(yīng)(indirect effect)，即等于系數(shù)乘積ab，它與總效應(yīng)和直接效應(yīng)有下面關(guān)系：Y =cX +e1 (1)M =aX +e2 (2)Y =c' X +bM +e3 (3)c = c+ab (4) 簡(jiǎn)單中介效應(yīng)中成立，多重中介效應(yīng)不成立。1 / 69中介效應(yīng)的因果逐步回歸法模型1.2調(diào)節(jié)效應(yīng) 如果變量Y與變量X的關(guān)系是變量M的函數(shù)，稱M為調(diào)節(jié)變量。就是說(shuō)，Y 與X 的關(guān)系受到第三

3、個(gè)變量M的影響。調(diào)節(jié)變量(moderator)所要解釋的是自變量在何種條件下會(huì)影響因變量，也就是說(shuō)，當(dāng)自變量與因變量的相關(guān)大小或正負(fù)方向受到其它因素的影響時(shí)，這個(gè)其它因素就是該自變量與因變量之間的調(diào)節(jié)變量。調(diào)節(jié)變量可以是定性的(如性別、種族、學(xué)校類型等)，也可以是定量的(如年齡、受教育年限、刺激次數(shù)等)，它影響因變量和自變量之間關(guān)系方向(正或負(fù))和強(qiáng)弱，調(diào)節(jié)變量展示了一個(gè)關(guān)系“何時(shí)”和“為誰(shuí)”而增強(qiáng)或減弱。如，學(xué)生一般自我概念與某項(xiàng)自我概念(如外貌、體能等)的關(guān)系，受到學(xué)生對(duì)該項(xiàng)自我概念重視程度的影響：很重視外貌的人，長(zhǎng)相不好會(huì)大大降低其一般自我概念；不重視外貌的人，長(zhǎng)相不好對(duì)其一般自我概念影

4、響不大，從而對(duì)該項(xiàng)自我概念的重視程度是調(diào)節(jié)變量。在做調(diào)節(jié)效應(yīng)分析時(shí)，通常要將自變量和調(diào)節(jié)變量做中心化變換(即變量減去其均值，但現(xiàn)有文獻(xiàn)發(fā)現(xiàn)中心化并不能改變調(diào)節(jié)的效應(yīng)量。Y =aX +bM +cXM +e (1)調(diào)節(jié)效應(yīng)的基本模型1.3中介效應(yīng)與間接效應(yīng)的聯(lián)系區(qū)別中介效應(yīng)都是間接效應(yīng)，但間接效應(yīng)不一定是中介效應(yīng)。實(shí)際上，這兩個(gè)概念是有區(qū)別的。首先，當(dāng)中介變量不止一個(gè)時(shí)，中介效應(yīng)要明確是哪個(gè)中介變量的中介效應(yīng)，而間接效應(yīng)既可以指經(jīng)過(guò)某個(gè)特定中介變量的間接效應(yīng)(即中介效應(yīng))，也可以指部分或所有中介效應(yīng)的和。其次，在只有一個(gè)中介變量的情形，雖然中介效應(yīng)等于間接效應(yīng)，但兩者還是不等同。中介效應(yīng)的大前提是

5、自變量與因變量相關(guān)顯著，否則不會(huì)考慮中介變量。但即使自變量與因變量相關(guān)系數(shù)是零，仍然可能有間接效應(yīng)，這種觀點(diǎn)目前正在激烈的討論中。多重中介效應(yīng)基本模型1.4調(diào)節(jié)效應(yīng)與交互效應(yīng)的聯(lián)系區(qū)別調(diào)節(jié)效應(yīng)和交互效應(yīng)這兩個(gè)概念不完全一樣。在交互效應(yīng)分析中，兩個(gè)自變量的地位可以是對(duì)稱的，其中任何一個(gè)都可以解釋為調(diào)節(jié)變量；也可以是不對(duì)稱的，只要其中有一個(gè)起到了調(diào)節(jié)變量的作用，交互效應(yīng)就存在。這一點(diǎn)從有關(guān)討論交互效應(yīng)的專著中可以看出。但在調(diào)節(jié)效應(yīng)中，哪個(gè)是自變量，哪個(gè)是調(diào)節(jié)變量，是很明確的，在一個(gè)確定的模型中兩者不能互換。例如，要研究數(shù)學(xué)能力的性別差異，將年級(jí)作為調(diào)節(jié)變量，這個(gè)問(wèn)題關(guān)注的是性別差異，以及性別差異是

6、否會(huì)隨年級(jí)而變化。如果從小學(xué)一年級(jí)到高中三年級(jí)都獲得了各年級(jí)學(xué)生有代表性的樣本，每個(gè)年級(jí)各用一份測(cè)試題，所得的數(shù)據(jù)就可以進(jìn)行上述分析。但同樣的數(shù)據(jù)卻不能用于做年級(jí)為自變量、數(shù)學(xué)能力為因變量、性別為調(diào)節(jié)變量的分析，因?yàn)楦髂昙?jí)的測(cè)試題目不同，得分沒(méi)有可比性，因而按調(diào)節(jié)效應(yīng)的分析方法，分別不同性別做數(shù)學(xué)能力對(duì)年級(jí)的回歸沒(méi)有意義。要做數(shù)學(xué)能力對(duì)年級(jí)的回歸，應(yīng)當(dāng)用同一份試題測(cè)試所有年級(jí)的學(xué)生。1.5簡(jiǎn)單中介效應(yīng)與調(diào)節(jié)相應(yīng)的比較 溫忠麟等人(2005)對(duì)中介效應(yīng)與調(diào)節(jié)效應(yīng)進(jìn)行比較后，得出如下結(jié)果：中介效應(yīng)與調(diào)節(jié)效應(yīng)的比較2中介效應(yīng)方法的原理與程序 中介效應(yīng)的檢驗(yàn)方法眾多，包括依次檢驗(yàn)回歸系數(shù)的因果逐步回歸

7、法(casual steps approach)，檢驗(yàn)c-c'顯著性的系數(shù)差異法(difference in coefficients)和檢驗(yàn)ab顯著性的系數(shù)乘積法(products of coefficients)，因果逐步回歸法由于操作簡(jiǎn)單且易于理解，成為迄今為止使用最多的中介效應(yīng)檢驗(yàn)方法，但這類方法卻存在諸多缺陷，已不適應(yīng)甚至在某種程度上阻礙了中介研究的發(fā)展，這種方法目前也受到非常大的質(zhì)疑，已經(jīng)有研究者建議放棄該方法的使用。另外，由于系數(shù)差異法在a或b不全為0時(shí)，存在第類錯(cuò)誤率很高的缺陷(可高達(dá)100%)，且難以應(yīng)用到更復(fù)雜的涉及多個(gè)中介變量或有調(diào)節(jié)的中介模型分析中而鮮有使用。目

8、前被推薦的使用方法主要包括因果逐步回歸法的改良法和非參數(shù)百分位數(shù)Bootstrap法，也有研究者建議使用基于機(jī)構(gòu)方程模型的中介效應(yīng)檢驗(yàn)，另外也要一些其他方法。傳統(tǒng)中介效應(yīng)方法的相互比較2.1中介效應(yīng)的因果逐步回歸檢驗(yàn)法2.1.1經(jīng)典中介效應(yīng)檢驗(yàn)方法的步驟因果逐步回歸法由Baron和Kenny(1986)提出，其檢驗(yàn)步驟分為三步： 第一，X對(duì)Y的回歸，檢驗(yàn)回歸系數(shù)c的顯著性(即檢驗(yàn)H0:c=0)；第二，X對(duì)M的回歸，檢驗(yàn)回歸系數(shù)a的顯著性(即檢驗(yàn)H0:a=0)；第三，X和M對(duì)Y的回歸，檢驗(yàn)回歸系數(shù)b和c' 的顯著性(即檢驗(yàn)H0:b=0、H0:c=0)。如果系數(shù)c，a和b都顯著，就表示存在

9、中介效應(yīng)。此時(shí)如果系數(shù)c'不顯著，就稱這個(gè)中介效應(yīng)是完全中介效應(yīng)(full mediation)；如果回歸系數(shù)c'顯著，但c'c，就稱這個(gè)中介效應(yīng)是部分中介效應(yīng)(partial mediation)。中介效應(yīng)的效果量(effect size)常用ab/c或ab/c'來(lái)衡量，但現(xiàn)有研究認(rèn)為ab/c和ab/c'作為中介效果量指標(biāo)存在諸多問(wèn)題。上述Baron和Kenny(1986)的逐步法，第一步檢驗(yàn)的是X對(duì)Y的總效應(yīng)；第二步實(shí)際上是檢驗(yàn)系數(shù)乘積的顯著性(即檢驗(yàn)H0:ab =0)，通過(guò)依次檢驗(yàn)系數(shù)a和b來(lái)間接進(jìn)行；第三步檢驗(yàn)用來(lái)區(qū)分完全中介還是部分中介。這三步

10、其實(shí)是可以分開(kāi)進(jìn)行的，區(qū)分每一步的目的對(duì)理解和討論逐步法很重要。依次檢驗(yàn)是對(duì)系數(shù)乘積的間接檢驗(yàn)，想法很直觀，如果檢驗(yàn)結(jié)果是a0且b0，就可以推出ab0。這個(gè)推理在代數(shù)上沒(méi)有問(wèn)題，但在統(tǒng)計(jì)檢驗(yàn)上如何呢？模擬研究發(fā)現(xiàn)，用依次檢驗(yàn)來(lái)檢驗(yàn)H0:ab =0，第一類錯(cuò)誤率較低，低于設(shè)定的顯著性水平(如0.05)。這就是說(shuō)，如果依次檢驗(yàn)結(jié)果a和b都顯著，已經(jīng)足夠支持所要的結(jié)果，即ab顯著。但依次檢驗(yàn)的檢驗(yàn)力(power)也較低，即系數(shù)乘積實(shí)際上顯著而依次檢驗(yàn)比較容易得出不顯著的結(jié)論。2.1.2經(jīng)典中介效應(yīng)檢驗(yàn)的質(zhì)疑（1）依次檢驗(yàn)還有用嗎？盡管早有方法文章已經(jīng)建議使用Bootstrap法直接檢驗(yàn)系數(shù)乘積，但很

11、多應(yīng)用工作者還是照用依次檢驗(yàn)。依次檢驗(yàn)受到歡迎的原因是方法簡(jiǎn)單，容易理解和解釋。方法學(xué)者不推薦也可以理解，因?yàn)橐来螜z驗(yàn)的檢驗(yàn)力在各種方法中是最低的。就是說(shuō)，依次檢驗(yàn)比較不容易檢驗(yàn)到中介效應(yīng)顯著。但如果研究者用依次檢驗(yàn)已經(jīng)得到顯著的結(jié)果，檢驗(yàn)力低的問(wèn)題對(duì)其而言就不是問(wèn)題！此時(shí)，依次檢驗(yàn)的結(jié)果甚至好過(guò)Bootstrap法的結(jié)果。因此，如果檢驗(yàn)結(jié)果都顯著，依次檢驗(yàn)的結(jié)果強(qiáng)于Bootstrap法檢驗(yàn)結(jié)果。（2）先檢驗(yàn)總效應(yīng)還有必要嗎？ 逐步法中第一步是檢驗(yàn)方程(1)的系數(shù)c，有些人認(rèn)為沒(méi)有必要(Zhao etal.， 2010)。他們的論據(jù)是，間接效應(yīng)(ab)的符號(hào)可能和直接效應(yīng)(c)的符號(hào)相反，使得

12、總效應(yīng)(c)不顯著，但中介效應(yīng)還是存在；也可能存在兩條中介路徑，其間接效應(yīng)大小相近但符號(hào)相反，使得總效應(yīng)不顯著。就是說(shuō)，即使總效應(yīng)不顯著，間接效應(yīng)還是可能存在。這里其實(shí)涉及兩個(gè)問(wèn)題，一是要不要檢驗(yàn)系數(shù)c？二是中介效應(yīng)要不要以系數(shù)c顯著為前提條件？第一個(gè)問(wèn)題的答案是肯定的，因?yàn)檠芯空呖隙〞?huì)關(guān)心X是否顯著影響Y。對(duì)于特定的兩個(gè)變量X和Y，如果根據(jù)理論、經(jīng)驗(yàn)或者與他們關(guān)系密切的第三個(gè)變量M，都無(wú)法設(shè)想X和Y之間有關(guān)系的話，還會(huì)去研究X如何影響Y嗎？文章將如何立論？所以說(shuō)，研究者肯定會(huì)關(guān)心X和Y之間關(guān)系。 因果逐步回歸法將自變量顯著影響因變量作為中介效應(yīng)檢驗(yàn)的前提條件，即如果系數(shù)c不顯著，就不存在中介

13、效應(yīng)了，但有學(xué)者認(rèn)為這個(gè)前提條件是不必要的，這個(gè)前提條件的存在使得許多本來(lái)有意義的中介研究停止在第一步，抑制了中介研究的發(fā)展和應(yīng)用，因?yàn)樵谙禂?shù)c不顯著的情況下完全可能存在中介效應(yīng)。另外，以c顯著為前提降低了中介效應(yīng)的統(tǒng)計(jì)檢驗(yàn)力也是主要的批評(píng)來(lái)源。Mackinnon(2002)通過(guò)模擬研究比較了三類中介效應(yīng)檢驗(yàn)方法的表現(xiàn)，發(fā)現(xiàn)因果逐步回歸法的統(tǒng)計(jì)功效(Power)最低，并且容易低估第類錯(cuò)誤率，統(tǒng)計(jì)功效最低成為因果步驟法的主要批評(píng)來(lái)源。有學(xué)者認(rèn)為，因果步驟法統(tǒng)計(jì)功效最低主要與因果步驟法需要自變量顯著影響因變量(即系數(shù)c顯著)有關(guān)，系數(shù)c顯著的要求嚴(yán)重降低了統(tǒng)計(jì)功效。放棄系數(shù)c顯著的因果步驟法稱為聯(lián)

14、合顯著法(joint significance)，Mackinnon(2002)的模擬研究發(fā)現(xiàn)聯(lián)合顯著法的統(tǒng)計(jì)功效顯著高于因果步驟法。Shrout和Bolger(2002)指出當(dāng)ab和c'方向相反時(shí)，就可能會(huì)導(dǎo)致系數(shù)c不顯著。Preacher和Hayes(2008)指出在有兩個(gè)中介變量的模型中，如果兩個(gè)中介效應(yīng)方向相反，也可能會(huì)導(dǎo)致系數(shù)c不顯著，有研究者將這種現(xiàn)象稱之為遮蔽效應(yīng)，即一旦出現(xiàn)c不顯著但中介效用顯著時(shí)，要進(jìn)一步去考察是否會(huì)存在上述兩種情況，研究的解釋也應(yīng)按照遮蔽效應(yīng)來(lái)解釋。多重中介模型（3）區(qū)分完全中介和部分中介是否合適？因果逐步回歸法中最后一步， 通過(guò)檢驗(yàn)方程(3)的系數(shù)

15、c來(lái)區(qū)分完全中介還是部分中介。如果系數(shù)c不顯著，屬于完全中介。Baron 和Kenny(1986)認(rèn)為完全中介是中介效應(yīng)存在的最強(qiáng)有力的證明。區(qū)分完全中介和部分中介，是對(duì)中介效應(yīng)模型的效應(yīng)量的一種文字描述， 可以幫助解釋結(jié)果。但完全中介和部分中介概念是有問(wèn)題的：第一，在總效應(yīng)小(但顯著)的時(shí)候，間接效應(yīng)可能占總效應(yīng)的比重也很小，直接效應(yīng)已經(jīng)不顯著了，結(jié)果是完全中介，與常理相悖。一般地說(shuō)，當(dāng)總效應(yīng)小且樣本也小的時(shí)候，容易得到完全中介的結(jié)果，但其實(shí)完全中介的情況是很少的。第二，當(dāng)說(shuō)M是X 和Y關(guān)系的完全中介時(shí)，排除了將來(lái)探索其他中介的可能性。Preacher 和Hayes(2008)呼吁放棄完全中

16、介的概念，將所有中介都看作是部分中介，Zhao等人(2010)建議直接報(bào)告間接效應(yīng)和直接效應(yīng)的顯著性。（4）效果量能否準(zhǔn)確反映中介效應(yīng)由于中介效應(yīng)ab 的統(tǒng)計(jì)顯著性實(shí)際上是效果量和樣本量共同作用的結(jié)果，因此，當(dāng)中介效應(yīng)顯著后還需要報(bào)告獨(dú)立于樣本量的效果量大小，效果量才是研究者最關(guān)心的。Mackinnon(2008)總結(jié)了7種中介效果量指標(biāo)，其中使用最廣的是ab/c 和ab/c'，但ab/c和ab/c'作為中介效果量指標(biāo)存在諸多問(wèn)題。就ab/c指標(biāo)而言，第一，效果量的大小可能不能準(zhǔn)確反映中介效應(yīng)的實(shí)際重要性，二者之間可能存在較大差異。例如當(dāng)c很小時(shí)，即使很小的中介效應(yīng)ab都會(huì)產(chǎn)生

17、較大的效果量值，同理，當(dāng)c很大時(shí)，即使很大的中介效應(yīng)ab也只能產(chǎn)生較小的效果量值。第二，盡管許多研究者將ab/c 看成是一個(gè)比值，表示中介效應(yīng)ab在總效應(yīng)c(c=ab +c')中所占的比例，但實(shí)際上，當(dāng)ab與c'方向相反時(shí)，ab /c的值可以大于1，也可以是負(fù)值，甚至小于-1，這表明ab/c不是一個(gè)比值，不能表示中介效應(yīng)占總效應(yīng)的比例。Shrout 和Bolger(2002)甚至建議ab/c在ab和c'方向相同的情況下使用。第三，ab/c的使用需要大樣本，ab /c只有當(dāng)樣本量大于500 時(shí)才穩(wěn)定。2.2乘積系數(shù)法系數(shù)乘積法由于直接檢驗(yàn)中介效應(yīng)ab 是否顯著不為0，無(wú)需

18、以系數(shù)c顯著作為中介效應(yīng)檢驗(yàn)的前提條件，可以直接提供中介效應(yīng)的點(diǎn)估計(jì)和置信區(qū)間，且Mackinnon(2002)的模擬研究也發(fā)現(xiàn)系數(shù)乘積法的統(tǒng)計(jì)功效優(yōu)于因果逐步回歸法。因此，系數(shù)乘積法逐漸得到眾多研究者的青睞。系數(shù)乘積法分為兩類，一類是基于中介效應(yīng)的抽樣分布為正態(tài)分布的Sobel 檢驗(yàn)法，另一類是基于中介效應(yīng)的抽樣分布為非正態(tài)分布的不對(duì)稱置信區(qū)間法(asymmetric confidence interval)。2.2.1 Sobel中介效應(yīng)檢驗(yàn)法 Sobel檢驗(yàn)法就是用中介效應(yīng)估計(jì)值ab除以中介效應(yīng)估計(jì)值ab的標(biāo)準(zhǔn)誤ab得到一個(gè)z值(z=ab/ab)，將這個(gè)z值和基于標(biāo)準(zhǔn)正態(tài)分布的臨界z值進(jìn)

19、行比較，如果z值大于臨界z值，說(shuō)明中介效應(yīng)存在，如果z值小于臨界z值，說(shuō)明中介效應(yīng)不存在；或構(gòu)建一個(gè)對(duì)稱的置信區(qū)間(ab-z/2×ab，ab+z/2×ab)，如果置信區(qū)間不包括0，說(shuō)明有中介效應(yīng)存在，置信區(qū)間包括0，說(shuō)明中介效應(yīng)不存在(MacKinnon etal，2002;溫忠麟等，2004)。 Sobel檢驗(yàn)的前提假設(shè)是中介效應(yīng)ab是正態(tài)分布且需要大樣本，因?yàn)橹挥性谡龖B(tài)分布下，才能使用基于標(biāo)準(zhǔn)正態(tài)分布的臨界z值。但實(shí)際的情況是，即使a和b都是正態(tài)分布，ab也不一定是正態(tài)分布，更進(jìn)一步的說(shuō)，只要ab不為零，ab的分布就是偏態(tài)分布，并且分布的峰值還會(huì)隨著中介效應(yīng)值ab的變化

20、而變化。因此，基于中介效應(yīng)ab是正態(tài)分布的Sobel檢驗(yàn)仍是不準(zhǔn)確的，而且導(dǎo)致了統(tǒng)計(jì)功效降低。Macho和Ledermann(2011)指出Sobel檢驗(yàn)的另一個(gè)不足是在有多個(gè)中介變量的模型中，中介效應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤ab常用Delta法計(jì)算，計(jì)算公式比較復(fù)雜，且使用不便。軟件具體操作步驟： 下載Sobel插件安裝在Spss中(/ahayes/) 步驟一、運(yùn)行SPSS，打開(kāi)數(shù)據(jù)文件；步驟二、在SPSS 程序的菜單欄中找到“分析”欄目下的“回歸”，在“回歸”下面找到已經(jīng)安裝的sobel插件； 步驟三、運(yùn)行sobel程序，出現(xiàn)對(duì)話框； 步驟四、在對(duì)話框里的相應(yīng)的輸入框

21、里，輸入因變量，自變量，中介變量。如果需要，也可以輸入?yún)f(xié)變量； 步驟五、把取樣(Bootstrap samples)設(shè)定為某一數(shù)字，一般為1000，建議為5000；步驟六、點(diǎn)擊確定。Sobel操作界面Sobel操作圖示：Sobel檢驗(yàn)結(jié)果輸出2.2.2不對(duì)稱置信區(qū)間法 針對(duì)現(xiàn)有中介效應(yīng)分析中的不足，Zhao(2010)建議使用Preacher和Hayes在2004發(fā)展的Bootstrap方法檢驗(yàn)中介效應(yīng)。不對(duì)稱置信區(qū)間法由于放棄了中介效應(yīng)的抽樣分布為正態(tài)分布的前提，對(duì)中介效應(yīng)的抽樣分布不加限制，因此得到不對(duì)稱置信區(qū)間。Bootstrap 法能適用于中、小樣本和各種中介效應(yīng)模型，且目前常用的各種

22、統(tǒng)計(jì)軟件都能進(jìn)行Bootstrap 法運(yùn)算。該方法主要包括非參數(shù)百分位Bootstrap置信區(qū)間法和偏差校對(duì)非參數(shù)百分位Bootstrap置信區(qū)間法。Bootstrap 法是一種從樣本中重復(fù)取樣的方法, 前提條件是樣本能夠代表總體(當(dāng)然這也是通常取樣進(jìn)行統(tǒng)計(jì)推論的要求)。Bootstrap 法有多種取樣方案, 其中一種簡(jiǎn)單的方案是從給定的樣本中有放回地重復(fù)取樣以產(chǎn)生出許多樣本, 即將原始樣本當(dāng)作Bootstrap總體,從這個(gè)Bootstrap總體中重復(fù)取樣以得到類似于原始樣本的Bootstrap樣本。(例如, 將一個(gè)容量為500的樣本當(dāng)作Bootstrap總體, 從中有放回地重復(fù)取樣,可以得到

23、一個(gè)Bootstrap樣本(容量還是500)。Zhao等(2010)中介效應(yīng)分析程序(1)基于Process插件的操作PROCESS插件做中介和調(diào)節(jié)的優(yōu)點(diǎn)： 近幾年來(lái)，Hayes開(kāi)發(fā)的基于SPSS和SAS的中介和調(diào)節(jié)效應(yīng)分析程序插件Process得到了越來(lái)越多的人的應(yīng)用，主要的優(yōu)勢(shì)有這么幾點(diǎn)：       第一，中介效應(yīng)分析一步到位。在Process之前，中介效應(yīng)分析要分步進(jìn)行，分為三步（實(shí)際上兩步就可以）。第一步檢驗(yàn)總效應(yīng)，即自變量X對(duì)因變量Y的總效應(yīng)。但這一步已經(jīng)被證明是沒(méi)有必要的甚至是錯(cuò)誤的，總效應(yīng)存在與否不是中介效應(yīng)的必要條件

24、，因此，先前支持中介效應(yīng)三步法的一些學(xué)者后來(lái)做了修正，不再把檢驗(yàn)總效應(yīng)作為前提條件，也就是三步法實(shí)際上變成了兩步法。此外，結(jié)構(gòu)方程模型的思路再次證明，第一步檢驗(yàn)總效應(yīng)的做法完全沒(méi)有必要。Hayes顯然早已發(fā)現(xiàn)了這一點(diǎn)，因此，Process插件做的就是兩步而不是三步。Process直接將這兩步整合起來(lái)，得到一個(gè)總的結(jié)果，不需要分兩步設(shè)置和分析，這就大大簡(jiǎn)化了步驟，結(jié)果呈現(xiàn)更更全面。值得一提的是，Process雖然兩步整合在一起，但其結(jié)果也是分步呈現(xiàn)，因而非常方便我們?cè)谡撐闹姓沓梢?guī)范的表格結(jié)果。   第二，Process的操作應(yīng)用。Process主要應(yīng)用于SPSS、SAS等傳

25、統(tǒng)數(shù)據(jù)統(tǒng)計(jì)分析軟件，在SPSS中除了可以可視化操作外，還可以通過(guò)Syntax語(yǔ)法等方式操作，擴(kuò)展功能更為強(qiáng)大。 第三，Process的模型構(gòu)建。Process提供了76個(gè)模型，分析過(guò)程中需要選擇對(duì)應(yīng)的模型，設(shè)置相應(yīng)的自變量、因變量、中介或調(diào)節(jié)變量即可。 第四，調(diào)節(jié)效應(yīng)分析前的數(shù)據(jù)處理自動(dòng)化。在Process出來(lái)之前，調(diào)節(jié)效應(yīng)的分析要經(jīng)過(guò)兩個(gè)重要環(huán)節(jié)變量中心化和構(gòu)建交互項(xiàng)，雖然這兩步的操作不難，但有時(shí)候容易忽視或者計(jì)算出錯(cuò)。Process提供了均值中心化之后的交互項(xiàng)設(shè)置，可以自動(dòng)完成，因此更為準(zhǔn)確高效。      第五，中介效應(yīng)的Bootstra

26、p和Sobel檢驗(yàn)可以自動(dòng)處理。在Process開(kāi)發(fā)之前，中介效應(yīng)的Bootstrap需要特別設(shè)置，Sobel檢驗(yàn)需要手工計(jì)算（或者用專門(mén)的小程序），Process則可以直接自動(dòng)化完成，并直接得到中介效應(yīng)值Sobel檢驗(yàn)值Z和顯著性水平（基于理論正態(tài)分布）。 第六，可以處理帶有控制變量的中介、調(diào)節(jié)效應(yīng)模型。在中介效應(yīng)和調(diào)節(jié)效應(yīng)分析中，尤其是調(diào)節(jié)效應(yīng)分析，經(jīng)常需要對(duì)控制變量進(jìn)行控制，Process對(duì)此也有專門(mén)的設(shè)置（協(xié)變量中處理即可）。       第七，處理多變量中介、調(diào)節(jié)效應(yīng)更方便，例如多重中介效應(yīng)、有中介的調(diào)節(jié)效應(yīng)、有調(diào)節(jié)的中介效

27、應(yīng)等。例如，以往的SPSS分析不能提供多重中介模型的各個(gè)具體路徑、各個(gè)中介變量單獨(dú)的中介效應(yīng)檢驗(yàn)，如中介效應(yīng)值及其置信區(qū)間和顯著性水平等，而Process則可以提供這些結(jié)果。 第八，其他注意事項(xiàng)。Process只能處理顯變量路徑分析模型，不能處理潛變量模型，潛變量模型需要使用結(jié)構(gòu)方程模型。那么，是用SPSS的Process插件還是用Amos等結(jié)構(gòu)方程模型處理中介（Mediation）、調(diào)節(jié)效應(yīng)（Moderation），哪個(gè)更好？  對(duì)此要考慮這么幾個(gè)問(wèn)題，一個(gè)是樣本量的問(wèn)題，當(dāng)樣本量比較小時(shí)，用SPSS的Process方法比較好，因?yàn)樾颖镜臄?shù)據(jù)更接近t分布而不是正態(tài)分布，而結(jié)構(gòu)方程

28、模型主要用于處理大樣本。另一個(gè)是測(cè)量誤差問(wèn)題，SPSS只能處理顯變量，不能分離測(cè)量誤差，因而其結(jié)果不如潛變量的結(jié)構(gòu)方程模型精確。第三是，SPSS不能像結(jié)構(gòu)方程模型那樣提供模型擬合參數(shù)，不能進(jìn)行模型的整體評(píng)價(jià)。因此，如果研究者關(guān)注的重點(diǎn)是路徑關(guān)系而不是整體模型效度，或者結(jié)構(gòu)方程模型分析發(fā)現(xiàn)變量之間的路徑關(guān)系符合理論假設(shè)但模型擬合不佳（需要規(guī)避模型擬合問(wèn)題）則考慮SPSS的Process方法比較好。非參數(shù)百分位Bootstrap置信區(qū)間法的原理和步驟： 第一，以原樣本(樣本容量為n)為基礎(chǔ)，在保證每個(gè)觀察單位每次被抽到的概率相等(均為1/n) 的情況下進(jìn)行有放回的重復(fù)抽樣，得到一個(gè)樣本容量為n的B

29、ootstrap樣本；第二，由步驟1中得到的Bootstrap樣本計(jì)算出相應(yīng)的中介效應(yīng)估計(jì)值ab；第三，重復(fù)步驟1和2若干次(記為B，常設(shè)B=5000)，將B個(gè)中介效應(yīng)估計(jì)值的均值作為中介效應(yīng)的點(diǎn)估計(jì)值，將B個(gè)中介效應(yīng)估計(jì)值ab按數(shù)值大小排序，得到序列C；非參數(shù)百分位Bootstrap置信區(qū)間法直接進(jìn)行第四步：第四，用C序列的第2.5百分位數(shù)(LLCI)和第97.5百分位數(shù)(ULCI)來(lái)估計(jì)的95%中介效應(yīng)置信區(qū)間。偏差校對(duì)非參數(shù)百分位Bootstrap置信區(qū)間法則進(jìn)行下面兩個(gè)步驟： 第四，根據(jù)原樣本數(shù)據(jù)求取中介效應(yīng)估計(jì)值ab*，求ab* 在序列C中的百分比排位，即得到abab* 的概率(z0

30、); 第五，在標(biāo)準(zhǔn)正態(tài)累積分布函數(shù)中，根據(jù)(z0)求取相應(yīng)的z0值，求2Z0±Z/2在標(biāo)準(zhǔn)正態(tài)累積分布函數(shù)中對(duì)應(yīng)的概率(2Z0±Z/2)，用(2Z0±Z/2)在序列C中的百分位值作為置信區(qū)間的上、下置信限，構(gòu)建置信度為1-的中介效應(yīng)置信區(qū)間。由于非參數(shù)百分位Bootstrap置信區(qū)間法產(chǎn)生的置信區(qū)間的估計(jì)有可能會(huì)產(chǎn)生偏差。一般使用偏差校正(bias corrected)置信區(qū)間調(diào)整上限值和下限值，這種方法是對(duì)非參數(shù)百分位Bootstrap置信區(qū)間法的改進(jìn)，其中前三步相同。不管使用何種程序，如果置信區(qū)間不包括0，說(shuō)明有中介效應(yīng)存在；置信區(qū)間包括0，說(shuō)明中介效應(yīng)不存在

31、。PROCESS插件具體操作步驟： 下載PROCESS插件安裝在Spss中(/ahayes/) 步驟一，運(yùn)行SPSS，打開(kāi)數(shù)據(jù)文件；步驟二，在SPSS 程序的菜單欄中找到“分析”欄目下的“回歸”，在“回歸”下面找到已經(jīng)安裝的PROCESS插件； 步驟三，運(yùn)行PROCESS程序，出現(xiàn)對(duì)話框；步驟四，在對(duì)話框里的相應(yīng)的輸入框里，輸入因變量，自變量，中介變量。 步驟五，Model Number選擇4，把Bootstrap取樣(Bootstrap samples)設(shè)定為1000，建議為5000，Bootstrap方法選擇偏差校對(duì)方法(bias corrected)，置信

32、區(qū)間選擇95%置信區(qū)間；步驟六，點(diǎn)擊確定執(zhí)行程序。執(zhí)行完程序，會(huì)出現(xiàn)輸出文件。在輸出文件中包括該中介模型的估計(jì)值，如R、R2、F，同時(shí)輸出文件也包括了因果逐步回歸中的a、b、c的估計(jì)值，以及ab的中介效應(yīng)值。如果置信區(qū)間不包括0，那么中介作用顯著，支持中介作用的假設(shè)；如果包括0，則不顯著，不支持中介作用的假設(shè)。Bootstrap操作圖示Bootstrap結(jié)果輸出（2）基于MEDIATE插件的操作Hayes等也建議使用MEDIATE插件，該插件提供了簡(jiǎn)單和并行多重中介分析的語(yǔ)言，只需要將Hayes等編輯的語(yǔ)言復(fù)制到語(yǔ)法欄中，進(jìn)行修改即可。該方法同樣適用于自變量為類別變量的中介分析，包括多個(gè)自變量

33、、多個(gè)因變量和多個(gè)中介變量的多重中介分析，具體操作只需要對(duì)語(yǔ)法進(jìn)行修改就可以。以下是基本語(yǔ)法：MEDIATE Y=symptoms/X=emotion thought/M=reaction/C=age educ/total=1/omnibus=1/ciconf=90/cimethod=2/samples=10000.軟件操作流程：第一，下載解壓縮，然后將后綴名sav改為sps；第二，在spss中打開(kāi)語(yǔ)法文件；第三，選中全部命令點(diǎn)擊按鈕運(yùn)行，output里面可以看到如下提示，表明mediate加載成功，注意該操作僅在spss英文版本中可運(yùn)行。第四，關(guān)閉mediate，并新建新的語(yǔ)法編輯框第五，輸

34、入語(yǔ)法，并根據(jù)具體研究輸入變量名，程序自動(dòng)執(zhí)行(整個(gè)操作過(guò)程要求spss數(shù)據(jù)打開(kāi))。MEDIATE 使用需要說(shuō)明之處： 第一，中介變量和因變量必須是連續(xù)變量，自變量可以是分類變量； 第二，接受不超過(guò)15個(gè)并行中介變量的分析； 第三，使用分類變量進(jìn)行分析時(shí)，自變量的水平或類別不應(yīng)超過(guò)9個(gè)； 第四，模型中如果出現(xiàn)變量缺失則無(wú)法運(yùn)行； 第五，所有變量格式都應(yīng)是數(shù)值型，字符串型變量將導(dǎo)致程序運(yùn)行出錯(cuò)； 第六，所有的回歸系數(shù)都是基于最小二乘法計(jì)算的非標(biāo)準(zhǔn)化回歸系數(shù)。MEDIATE 運(yùn)行加載MEDIATE 語(yǔ)法輸入結(jié)果輸出2.2.3馬爾科夫鏈蒙特卡羅法(MCMC)法馬爾科夫鏈蒙特卡羅(MCMC)方法是在貝

35、葉斯理論框架下，將馬爾科夫鏈過(guò)程引入到蒙特卡羅模擬中，實(shí)現(xiàn)抽樣分布隨模擬的進(jìn)行而改變的動(dòng)態(tài)模擬。MCMC方法的計(jì)算常用WinBUGS、Mplus、SAS和R軟件完成。MCMC方法的基本思想可概括為如下三步： 第一，構(gòu)造馬爾科夫鏈，使其收斂到平穩(wěn)分布。 第二，利用馬爾科夫鏈進(jìn)行吉布斯(Gibbs)抽樣，即利用多個(gè)一元全條件(full conditionals)分布(除一個(gè)變量外, 其他所有變量都賦予固定值的分布)進(jìn)行迭代抽樣, 獲得n-t(約10000)個(gè)后驗(yàn)樣本，得到的后驗(yàn)樣本又被稱為馬爾科夫鏈的實(shí)現(xiàn)值。第三，由后驗(yàn)樣本計(jì)算 10000個(gè)中介效應(yīng)估計(jì)值ab，將 10000個(gè)中介效應(yīng)估計(jì)值的均值

36、作為中介效應(yīng)的點(diǎn)估計(jì)值，將10000個(gè)中介效應(yīng)估計(jì)值ab按數(shù)值大小排序，用第2.5百分位數(shù)和第97.5百分位數(shù)來(lái)得到95%的中介效應(yīng)可靠區(qū)間估計(jì)。方杰和張敏強(qiáng)(2012)的研究認(rèn)為，有先驗(yàn)信息的MCMC方法的ab點(diǎn)估計(jì)最準(zhǔn)確且統(tǒng)計(jì)功效最高，中介效應(yīng)區(qū)間估計(jì)也最準(zhǔn)確，但付出了低估第類錯(cuò)誤率的代價(jià)；偏差校正的非參數(shù)百分位Bootstrap方法的統(tǒng)計(jì)功效其次，但付出了高估第類錯(cuò)誤率的代價(jià)(不需要先驗(yàn)信息)。因此，當(dāng)有先驗(yàn)信息時(shí)，推薦使用有先驗(yàn)信息的MCMC方法，當(dāng)先驗(yàn)信息不可得時(shí)，推薦使用偏差校正的非參數(shù)百分位Bootstrap方法。2.3溫忠麟等提出的因果逐步回歸的改良法對(duì)于系數(shù)乘積的檢驗(yàn)，溫忠麟

37、等人(2004)早就意識(shí)到，如果檢驗(yàn)結(jié)果都顯著，依次檢驗(yàn)結(jié)果強(qiáng)于Sobel檢驗(yàn)結(jié)果，所以在他們提出的檢驗(yàn)流程中，先進(jìn)行依次檢驗(yàn)，不顯著才需要做Sobel檢驗(yàn)。現(xiàn)在，Sobel法由Bootstrap法取代，根據(jù)前面的討論，對(duì)中介效應(yīng)的檢驗(yàn)流程進(jìn)行相應(yīng)的修改(見(jiàn)圖2)，步驟如下： 第一步，檢驗(yàn)方程(1)的系數(shù)c，如果顯著，按中介效應(yīng)立論，否則按遮掩效應(yīng)立論。但無(wú)論是否顯著，都進(jìn)行后續(xù)檢驗(yàn)。 第二步，依次檢驗(yàn)方程(2)的系數(shù)a和方程(3)的系數(shù)b，如果兩個(gè)都顯著，則間接效應(yīng)顯著，轉(zhuǎn)到第四步；如果至少有一個(gè)不顯著，進(jìn)行第三步。 第三步，用Bootstrap法直接檢驗(yàn)H0:ab=0。如果顯著，則間接效應(yīng)

38、顯著，進(jìn)行第四步;否則間接效應(yīng)不顯著，停止分析。 第四步，檢驗(yàn)方程(3)的系數(shù)c，如果不顯著，即直接效應(yīng)不顯著，說(shuō)明只有中介效應(yīng)。如果顯著，即直接效應(yīng)顯著，進(jìn)行第五步。第五步，比較ab和c的符號(hào)，如果同號(hào)，屬于部分中介效應(yīng)，報(bào)告中介效應(yīng)占總效應(yīng)的比例ab/c。如果異號(hào)，屬于遮掩效應(yīng)，報(bào)告間接效應(yīng)與直接效應(yīng)的比例的絕對(duì)值|ab/c|。溫忠麟等人對(duì)這個(gè)操作流程作出了幾點(diǎn)說(shuō)明： (1)當(dāng)間接效應(yīng)顯著時(shí)，如果第一步檢驗(yàn)后按遮掩效應(yīng)立論，最后結(jié)果按遮掩效應(yīng)解釋。如果第一步檢驗(yàn)后按中介效應(yīng)立論，要根據(jù)ab和c的符號(hào)進(jìn)行解釋，如果符號(hào)相反，按遮掩效應(yīng)解釋。就是說(shuō)，開(kāi)始按中介效應(yīng)立論，不排除最后要按遮掩效應(yīng)解

39、釋，但這樣的情況少見(jiàn)。 (2)關(guān)于中介效應(yīng)的效應(yīng)量，起碼應(yīng)當(dāng)報(bào)告ab/c或者|ab/c|，并酌情報(bào)告其他效應(yīng)量。 (3)這個(gè)流程主要是從參數(shù)檢驗(yàn)的角度考慮的。從參數(shù)估計(jì)角度看，一般認(rèn)為，單單給出點(diǎn)估計(jì)是不夠的，應(yīng)當(dāng)給出區(qū)間估計(jì)。系數(shù)乘積ab的置信區(qū)間計(jì)算應(yīng)當(dāng)用Bootstrap法代替Sobel法。這樣，為了做區(qū)間估計(jì)，Bootstrap法成為一個(gè)必須的方法，而且依次檢驗(yàn)也可以通過(guò)Bootstrap法進(jìn)行，即用Bootstrap法求出系數(shù)a和b的置信區(qū)間進(jìn)行檢驗(yàn)。盡管如此，還是應(yīng)當(dāng)先做依次檢驗(yàn)，因?yàn)槿绻@著的話，結(jié)果強(qiáng)于直接檢驗(yàn)系數(shù)乘積。 (4)如果直接效應(yīng)顯著，不排除存在其他中介變量的可能，Z

40、hao等人(2010)建議在討論部分說(shuō)明這種可能性。溫忠麟等(2014)因果逐步回歸法(改良)2.4基于結(jié)構(gòu)方程模型的簡(jiǎn)單中介效應(yīng)檢驗(yàn) 中介效應(yīng)因?yàn)樯婕皟蓚€(gè)路徑系數(shù)的乘積，受到的影響可能更大。Ledgerwood和Shrout(2011)的模擬研究發(fā)現(xiàn)，如果使用指標(biāo)的均值作為顯變量，中介效應(yīng)的估計(jì)值低估實(shí)際中介效應(yīng)的比例與合成信度(葉寶娟，溫忠麟，2011)的乘積有關(guān)。例如，如果信度都是0.9，則中介效應(yīng)的估計(jì)值是實(shí)際中介效應(yīng)的80%(0.9×0.9)左右。但使用潛變量的弱點(diǎn)是中介效應(yīng)估計(jì)的標(biāo)準(zhǔn)誤較大，降低了檢驗(yàn)力。就是說(shuō)，使用潛變量的檢驗(yàn)力通常低于使用顯變量的檢驗(yàn)力。為此，Ledg

41、erwood和Shrout建議，如果測(cè)驗(yàn)信度不夠高，使用兩步分析策略：第一步用顯變量建模檢驗(yàn)中介效應(yīng)，第二步用潛變量建模估計(jì)中介效應(yīng)。不過(guò)，如果用潛變量檢驗(yàn)中介效應(yīng)已經(jīng)顯著，就沒(méi)有必要報(bào)告顯變量分析結(jié)果了。結(jié)構(gòu)方程模型的主要目的是建構(gòu)和驗(yàn)證模型的擬合水平，如果模型擬合水平較好，一方面結(jié)構(gòu)方程模型可以根據(jù)現(xiàn)有理論建構(gòu)各變量之間的關(guān)系，另一方面可以驗(yàn)證理論構(gòu)想的合理性和正確性。對(duì)于簡(jiǎn)單的中介效應(yīng)一般不建議使用結(jié)構(gòu)方程模型，因?yàn)榻Y(jié)構(gòu)方程模型也是默認(rèn)數(shù)據(jù)為正態(tài)分布，其程序的運(yùn)行與sobel檢驗(yàn)法類似，所以也會(huì)提高一類錯(cuò)誤的概率，但對(duì)于較為復(fù)雜的模型，一般可以使用結(jié)構(gòu)方程模型來(lái)做?；谘芯康男枰覀償M

42、以AMOS為例，介紹在結(jié)構(gòu)方程中驗(yàn)證理論構(gòu)想的中介效應(yīng)。Amos的設(shè)置及操作步驟：第一，安裝Amos軟件，會(huì)在Spss分析中出現(xiàn)；第二，打開(kāi)Amos軟件，根據(jù)理論構(gòu)想畫(huà)出中介效應(yīng)圖；第三，添加誤差項(xiàng)、并命名；第四，選擇數(shù)據(jù)文件添加變量，選擇List variables in date set直接拖動(dòng)顯變量即可；第五，選擇所要輸出的數(shù)據(jù)，點(diǎn)擊Output，一般選擇修正指數(shù)、標(biāo)準(zhǔn)化估計(jì)、總效應(yīng)、直接效應(yīng)和間接效應(yīng)，第六，點(diǎn)擊Calculateestimate，運(yùn)行程序求解；第七，點(diǎn)擊Viewtext查看結(jié)果。需要注意的是：第一，Amos對(duì)數(shù)據(jù)要求嚴(yán)格，數(shù)據(jù)不能含有缺失值；第二，預(yù)測(cè)變量不需要添加誤

43、差項(xiàng)、因變量必須添加誤差項(xiàng)；第三，潛變量的命名不能與Spss中變量名稱一致。建立假設(shè)模型數(shù)據(jù)輸出類型方程模型擬合圖主要的結(jié)果輸出：CMINModelNPARCMINDFPCMIN/DFDefault model23317.76032.0009.930Saturated model55.0000Independence model103523.33745.00078.296RMR, GFIModelRMRGFIAGFIPGFIDefault model.025.923.868.537Saturated model.0001.000Independence model.187.394.260.32

44、3Baseline ComparisonsModelNFIDelta1RFIrho1IFIDelta2TLIrho2CFIDefault model.910.873.918.884.918ModelNFIDelta1RFIrho1IFIDelta2TLIrho2CFISaturated model1.0001.0001.000Independence model.000.000.000.000.000RMSEAModelRMSEALO 90HI 90PCLOSEDefault model.110.099.121.000Independence model.323.314.332.000模型指標(biāo)

45、擬合不理想可以根據(jù)修正指數(shù)提示進(jìn)行修正：修正指數(shù)關(guān)系圖修正后的指數(shù)有所變化：CMINModelNPARCMINDFPCMIN/DFDefault model29202.14826.0007.775Saturated model55.0000Independence model103523.33745.00078.296RMR, GFIModelRMRGFIAGFIPGFIModelRMRGFIAGFIPGFIDefault model.017.947.888.448Saturated model.0001.000Independence model.187.394.260.323Baselin

46、e ComparisonsModelNFIDelta1RFIrho1IFIDelta2TLIrho2CFIDefault model.943.901.950.912.949Saturated model1.0001.0001.000Independence model.000.000.000.000.000RMSEAModelRMSEALO 90HI 90PCLOSEDefault model.095.083.108.000Independence model.323.314.332.0002.5復(fù)雜中介效應(yīng)的發(fā)展2.5.1類別變量的中介效應(yīng)檢驗(yàn)通常的中介效應(yīng)模型，假設(shè)自變量X、中介變量M和因

47、變量Y均為連續(xù)變量。對(duì)于自變量X 為分類或者等級(jí)變量的情景，可以通過(guò)定義虛擬變量(dummy variable)的方法來(lái)處理?；痉椒òǎ旱谝环N方法，設(shè)置虛擬變量后，使用因果逐步回歸法進(jìn)行處理，基本步驟與連續(xù)變量步驟一致。第二種方法，如果不進(jìn)行虛擬變量設(shè)置，可以使用Hayes等提供的Process或者M(jìn)EDIATE插件處理，其中，MEDIATE插件也提供了虛擬變量自動(dòng)處理功能，其結(jié)果解釋與校正非參數(shù)百分位Bootstrap法基本一致(需要在spss中編寫(xiě)語(yǔ)法實(shí)現(xiàn))。（1）虛擬變量設(shè)置 下面從虛擬變量的設(shè)置開(kāi)始，對(duì)上述方法進(jìn)行操作： 為了在模型中能夠反映這些因素的影響，并提高模型的精度，需要將

48、它們“量化”，這種“量化”通常是通過(guò)引入“虛擬變量”來(lái)完成的。根據(jù)這些因素的屬性類型，構(gòu)造只取“0”或“1”的人工變量，通常稱為虛擬變量（dummy variables），記為D。如果某個(gè)定性變量有m種相互排斥的類型，則模型中只能引入m-1個(gè)虛擬變量。否則會(huì)陷入所謂的“虛擬變量陷阱”，產(chǎn)生完全共線性。當(dāng)原變量是二分類變量時(shí)，我們只需要設(shè)定一個(gè)“1”、“0”取值的虛擬變量，并且把取值為“0”的那個(gè)類別作為參照項(xiàng)。兩水平分類變量的虛擬變量設(shè)置方法： 第一，Spss中轉(zhuǎn)換編碼為不同變量 第二，選擇需要轉(zhuǎn)換的變量并命名，點(diǎn)擊更改 第三，點(diǎn)擊新值和舊值按鈕（Old and New Values），將原變

49、量的“1”設(shè)為新變量的“1”， 將原變量的“2”設(shè)為新變量的“0”，點(diǎn)擊繼續(xù)按鈕。 第四，點(diǎn)擊確定生成虛擬變量。四水平分類變量的虛擬變量設(shè)置方法： 第一，Spss中轉(zhuǎn)換編碼為不同變量 第二，選擇需要轉(zhuǎn)換的變量并命名，點(diǎn)擊更改 第三，點(diǎn)擊新值和舊值按鈕（Old and New Values），將原變量的“1”設(shè)為新變量的“1”，將原變量的其余取值都設(shè)為“0”，點(diǎn)擊繼續(xù)按鈕回主菜單、點(diǎn)擊確定按鈕產(chǎn)生虛擬變量；將原變量的“2”設(shè)為新變量的“0”，將原變量的其余取值都設(shè)為“0”，點(diǎn)擊繼續(xù)按鈕回主菜單、點(diǎn)擊確定按鈕產(chǎn)生虛擬變量；將原變量的“3”設(shè)為新變量的“0”，將原變量的其余取值都設(shè)為“0”，點(diǎn)擊繼續(xù)

50、按鈕回主菜單、點(diǎn)擊確定按鈕產(chǎn)生虛擬變量。虛擬變量設(shè)置好后，按照溫忠麟等新提出的因果逐步回歸法進(jìn)行中介效應(yīng)檢驗(yàn)(省略)。（2）PROCESS程序運(yùn)行步驟軟件具體操作步驟： 下載Bootstrap插件安裝在Spss中(/ahayes/) 步驟一、運(yùn)行SPSS，打開(kāi)數(shù)據(jù)文件；步驟二、在SPSS 程序的菜單欄中找到“分析”欄目下的“回歸”，在“回歸”下面找到已經(jīng)安裝的PROCESS插件； 步驟三、運(yùn)行PROCESS程序，出現(xiàn)對(duì)話框；步驟四、在對(duì)話框里的相應(yīng)的輸入框里，輸入因變量變量4，自變量為性別，中介變量為變量3。 步驟五、Model Number選擇4，把Boots

51、trap取樣(Bootstrap samples)設(shè)定為1000，建議為5000，Bootstrap方法選擇偏差校對(duì)方法(bias corrected)，置信區(qū)間選擇95%置信區(qū)間；步驟六、點(diǎn)擊確定執(zhí)行程序。執(zhí)行完程序，會(huì)出現(xiàn)輸出文件。在輸出文件中包括該中介模型的估計(jì)值，如R、R2、F，同時(shí)輸出文件也包括了因果逐步回歸中的a、b、c的估計(jì)值，以及ab的中介效應(yīng)值。如果置信區(qū)間不包括0，那么中介作用顯著，支持中介作用的假設(shè)；如果包括0，則不顯著，不支持中介作用的假設(shè)。結(jié)果輸出表（3）MEDIATE軟件操作流程Hayes等建議使用MEDIATE軟件操作流程(可自動(dòng)生成虛擬變量)：第一，下載解壓縮，

52、然后將后綴名sav改為sps；第二，在Spss中打開(kāi)語(yǔ)法文件；第三，選中全部命令點(diǎn)擊按鈕運(yùn)行，進(jìn)行程序加載(該操作僅在spss英文版本中可運(yùn)行)；第四，關(guān)閉MEDIATE，并新建新的語(yǔ)法編輯框；第五，輸入語(yǔ)法，并根據(jù)具體研究輸入變量名，程序自動(dòng)生成虛擬變量參與程序執(zhí)行(整個(gè)操作過(guò)程要求Spss數(shù)據(jù)打開(kāi))，獲得的估計(jì)值被認(rèn)為是相對(duì)直接效應(yīng)和相對(duì)中介效應(yīng)。MEDIATE Y=attitude/X=cond/M=communeinter/omnibus=1/samples=5000/catx=3.其中catx子命令只有在自變量是分類變量時(shí)才使用建立語(yǔ)法操作窗口程序加載方式結(jié)果輸出圖如果因變量是分類或

53、等級(jí)變量，自變量是連續(xù)變量，應(yīng)當(dāng)用Logistic 回歸取代通常的線性回歸(Pregibon, 1981)，回歸系數(shù)的尺度轉(zhuǎn)換為L(zhǎng)ogit 量尺。對(duì)于因變量Y是分類或者等級(jí)變量、中介變量(M)和自變量(X)是連續(xù)變量的中介效應(yīng)模型，M對(duì)X的回歸系數(shù)(連續(xù)變量的量尺)與Y對(duì)M的回歸系數(shù)(Logit 量尺)和Y對(duì)X的回歸系數(shù)(Logit 量尺)均不在相同的尺度上，因此不能簡(jiǎn)單采用處理連續(xù)變量中介效應(yīng)的方式，直接將回歸系數(shù)a 和b 相乘得到中介效應(yīng)大小。因而，這樣的模型需要通過(guò)標(biāo)準(zhǔn)化轉(zhuǎn)換實(shí)現(xiàn)回歸系數(shù)的等量尺化，這這類研究十分稀少，這里不做討論。2.5.2多重中介效應(yīng)的檢驗(yàn)（1）基本類型對(duì)于情景比較復(fù)

54、雜的研究，經(jīng)常需要多個(gè)中介變量才能清晰地解釋自變量對(duì)因變量的作用，這就涉及多重中介(multiple mediation)模型。根據(jù)多個(gè)中介變量之間是否存在相互影響，多重中介模型可以分為單步多重中介模型和多步多重中介模型(Hayes, 2009)。單步多重中介模型，也稱為并行多重中介模型，是指中介變量之間不存在相互影響；多步多重中介模型，也稱為鏈?zhǔn)蕉嘀刂薪槟Ｐ?，是指中介變量之間存在影響關(guān)系，中介變量表現(xiàn)出順序性特征，形成中介鏈；另外更為復(fù)雜的模型還包括多自變量、多因變量和多中介變量的復(fù)合式多重中介(柳士順, 凌文輇, 2009)。多重中介效應(yīng)分析可以從3 個(gè)角度進(jìn)行：一是總的中介效應(yīng)(tota

55、l mediation effect)，即估計(jì)和檢驗(yàn)所有間接效應(yīng)的總和；二是特定路徑的中介效應(yīng)(specific mediation effect)，即估計(jì)和檢驗(yàn)?zāi)硞€(gè)感興趣的特定路徑的間接效應(yīng)；三是對(duì)比中介效應(yīng)，即估計(jì)和檢驗(yàn)?zāi)硟蓚€(gè)路徑的間接效應(yīng)的差異。并行多重中介模型 (鏈?zhǔn)?多重中介模型 （2）多重中介分析方法第一，多重中介分析的方法可包括spss的因果逐步回歸法，一般是對(duì)每條路徑單獨(dú)做回歸，基本程序與上文介紹相同，但該方法局限太多；第二，多重中介模型因?yàn)樯婕暗淖兞枯^多、路徑比較復(fù)雜，即使只涉及顯變量，一般也要使用結(jié)構(gòu)方程模型進(jìn)行分析，基本程序與上文介紹相同。第三，Preacher和Hayes(2008)提出使用Bootstrap進(jìn)行多個(gè)并行的中介效應(yīng)分析檢驗(yàn)多重中介效應(yīng)，認(rèn)為使用Bootstrap方法分析多重并列中介效應(yīng)。一般可以使用PROCESS插件和MEDIATE插件。該方法可獲得更多信息，一是可以檢驗(yàn)所有并列中介變量發(fā)揮中介效應(yīng)的總效應(yīng)；二是可以觀測(cè)在排除其它中介路徑后，某一單個(gè)中介路徑的效應(yīng)大小；三是可以比較不同中介路徑的中介效應(yīng)大小，并檢驗(yàn)是否有顯著差異。從現(xiàn)有研究來(lái)看，多重中介效應(yīng)分析主要包括結(jié)構(gòu)方程模型方法