中介作用分析課件

中介作用分析報告人：汪瑤時間：2014、12、91精選2021版課件簡介基本方法應(yīng)用實例多重中介作用分析中介作用分析2精選2021版課件中介變量：如果自變量X通過某一變量M對因變量Y產(chǎn)生一定影響，則稱M為X和Y的中介變量或M在X和Y之間起中介作用。研究目的：幫助研究者解釋自變量X和因變量Y關(guān)系的作用機制，也可以整合已有變量之間的關(guān)系。理論假設(shè)：中介變量反映了自變量通過它來影響因變量的過程。一、中介作用簡介3精選2021版課件MXYabc'

圖1.簡單的、標準的三變量中介模型①如圖1所示，X是自變量，M是假定的中介變量，Y是因變量。在假定和檢驗中介作用的研究中，關(guān)注點是X對Y的作用是直接的（即X→Y）還是間接的（通過M起作用，即X→M→）？間接作用的假設(shè)是，變量X有助于預(yù)測和解釋中介變量M的變化，而這又有助于預(yù)測和解釋變量Y的變化。②Davis(1985:15)曾提到，好的決定因素（如中介作用中的X）可以是“某些穩(wěn)定的”的特征：如宗教信仰、職業(yè)聲望、收入、智力、性別等。好的M或Y可以是“相對不穩(wěn)定的”或易變的變量：如幸福感指標、品牌偏好、態(tài)度等。③例如：X可以是某種認知需要，M是對廣告的態(tài)度，Y是購買某種廣告商品的可能性。4精選2021版課件二、基本方法（一）經(jīng)典的中介作用檢驗XYcε1MXYabc'

圖2.中介變量示意圖ε2ε3最流行的檢驗中介作用的方法是Baron和Kenny(1986)年提出的。根據(jù)這一方法，需要擬合三個回歸方程。假設(shè)所有變量都已經(jīng)中心化（即均值為零),可以用下列方程來描述變量之間的關(guān)系,相應(yīng)的路徑圖見圖2.

Y=β1+cX+ε1

M=β2+aX+ε2Y=β3+c'

X+bM+ε3方程中的β表示截距(一般忽略不計),ε表示模型的誤差項(一般忽略不計),

，a、b、c、c'

表示回歸系數(shù)，反映了三個關(guān)鍵變量之間的關(guān)系。其中，ab是經(jīng)過中介變量M的中介效應(yīng)，c是X對Y的總效應(yīng)，c'是直接效應(yīng)。5精選2021版課件如果滿足下列條件，則認為中介作用可能存在：（1）回歸系數(shù)a顯著，表明自變量X與中介變量M之間存在線性關(guān)系。（2）回歸系數(shù)c顯著，表明自變量X與因變量Y之間存在線性關(guān)系。（3）回歸系數(shù)b顯著，意味著中介變量M有助于預(yù)測因變量Y,并且顯示自變量X對因變量Y的直接作用的c'

與c相比，數(shù)值顯著變小。（4）c與c'的大小是通過z檢驗來判定的。（Sobelz檢驗）（5）檢驗c（直接作用）與c'(控制了間接的中介作用之后的直接作用）的差異與檢驗中介效應(yīng)ab的強度是否大于0是等價的。即：z=

以相關(guān)系數(shù)推導出路徑系數(shù)的方程如下：

a=rXMb=(1/1-r2XM)（rMY-rXMrXY)c=(1/1-r2XM)(rXY-rXMrMY)6精選2021版課件（二）中介效應(yīng)分析方法①依次檢驗回歸系數(shù)（最簡單）

依次檢驗回歸系數(shù)a和b,檢驗統(tǒng)計量t等于回歸系數(shù)的估計值除以相應(yīng)的標準誤。這種檢驗的第一類錯誤率很小，一般都遠遠小于顯著性水平（如0.05）。不足在于中介效應(yīng)較弱時，檢驗力并不高。聯(lián)合檢驗（原假設(shè)是H0：a=0且b=0,同時檢驗a和b的顯著性，檢驗力比依次檢驗要高。

②檢驗H0：ab=0目前至少有5種以上的近似計算公式，當樣本容量比較大時（如大于500），各種檢驗的檢驗力差別不大。比較常用的是Sobel根據(jù)一階Taylor展式得到的近似公式：

z=sab=

③檢驗H0：c-c‘=0

7精選2021版課件（三）溫忠麟等提出了一個新的檢驗中介效應(yīng)的程序，如下圖：8精選2021版課件（四）中介效應(yīng)的解釋

對于檢驗結(jié)果顯著的中介效應(yīng)，要區(qū)分是完全中介效應(yīng)還是部分中介效應(yīng)。如果是完全中介效應(yīng)，則說明自變量對因變量的影響，完全是通過中介變量M而起作用，此時X對Y沒有直接影響。如果是部分中介效應(yīng)，則說明自變量X對因變量Y的影響，有一部分是通過中介變量M起作用，應(yīng)當報告中介效應(yīng)的比例，或者報告中介效應(yīng)與直接效應(yīng)之比。（五）中介效應(yīng)的相對大?、僦薪樾?yīng)/總效應(yīng)=

②中介效應(yīng)/直接效應(yīng)=

9精選2021版課件三、多重中介模型（一）定義多重中介模型是指在自變量與因變量之間存在多個中介變量的模型。鏈式多重中介模型與并行多重中介模型是多重中介模型的基本構(gòu)成單元。多重中介模型可以分析總的中介效應(yīng)、特定中介效應(yīng)和對比中介效應(yīng)。（二）常見的多重中介模型（1）單變量多重中介模型（根據(jù)多個中介變量之間是否存在相互影響劃分）①并行（單步）多重中介模型:反映的是多個中介變量（不存在相互影響）同時在自變量和因變量之間起中介作用（見圖3）②鏈式（多步）多重中介模型：多個中介變量之間存在相互影響，并且表現(xiàn)順序性特征，形成中介鏈。（見圖4）③復合式多重中介模型：由前兩種模型復合而成，既包含并行的多個中介變量也包含串聯(lián)的多個中介變量。（見圖5）(2)多元多重中介模型10精選2021版課件xM1M2MnxY..圖4.鏈式多重中介模型a3YM2M1x圖5.復合式多重中介模型a1a2b1b2c′Mn-1YMnM1M2....圖3.并行多重中介模型x11精選2021版課件以圖5所示的含有兩個中介變量M1和M2的多重中介模型為例，此時的多重中介效應(yīng)分析可以從三個角度入手：①總的中介效應(yīng)：a1b1+a2b2+a1a3b2②特定路徑的中介效應(yīng)：a1b1、a2b2和a1a3b2③對比中介效應(yīng)：a1a3b2

－a2b2、a1b1－a2b2和a1a3b2－a1b1（三）優(yōu)勢①可以得到總的中介效應(yīng)。②可以在控制其他中介變量(如控制M1)的前提下，研究每個中介變量(如M2)的特定中介效應(yīng)。這種做法可以減少簡單中介模型因為忽略其他中介變量而導致的參數(shù)估計偏差。③可以得到對比中介效應(yīng)，使得研究者能判斷多個中介變量的效應(yīng)(如a1b1和a2b2)中，哪一個效應(yīng)更大，即判斷哪一個中介變量的作用更強。這樣，對比中介效應(yīng)能使研究者判斷多個中介變量理論(如X→M1→Y和X→M2→Y)中，哪個中介變量理論更有意義。12精選2021版課件（四）多重中介效應(yīng)的SEM分析程序①確定多重中介模型。由于中介模型是一種驗證性模型而不是探索性模型，因此必須首先根據(jù)理論確定自變量、中介變量和因變量，以及變量之間的因果順序。

②設(shè)置輔助變量。根據(jù)第1步確立的多重中介模型和使用的SEM軟件，設(shè)置相應(yīng)的輔助變量。（LISＲEL軟件只需要在輸入指令“DA”的結(jié)尾處加入“AP”選項，MPLUS軟件只需使用“MODELCONSTＲAINT”命令就可以便利的設(shè)置多個輔助變量。通過設(shè)置多個輔助變量，使得研究者可以同時得到特定、總的和對比中介效應(yīng)值，實現(xiàn)完整的多重中介效應(yīng)分析）③偏差校正Bootstrap的SEM分析。如果SEM模型的擬合程度可接受，則根據(jù)偏差校正Bootstrap得到的中介效應(yīng)區(qū)間估計進行中介效應(yīng)顯著性判斷(判斷方法是，對要檢驗的中介效應(yīng)(如特定中介效應(yīng))，如果其置信區(qū)間不包含零，則相應(yīng)的中介效應(yīng)顯著);如果SEM模型的擬合程度不可接受，則停止分析。13精選2021版課件（五）多重中介分析的Bootstrap方法①定義：Bootstrap方法是由Efron最早提出的一種重復抽樣方法(resamplingmethods)。Bootstrap方法是將原始樣本當成Bootstrap抽樣的總體，通過有放回的重復抽樣抽取大量Bootstrap樣本并獲得統(tǒng)計量的過程，其實質(zhì)是模擬了從總體中隨機抽取大量樣本的過程。Bootstrap方法的唯一要求是原始樣本可以反映研究總體，但不需要知道研究總體的具體分布。常用的Bootstrap方法包括百分位Bootstrap方法和偏差校正的百分位Bootstrap方法。國內(nèi)研究者方杰等認為偏差校正百分位Bootstrap方法優(yōu)于百分位Bootstrap方法。②優(yōu)勢：不需要正態(tài)性假設(shè)，也不需要大樣本，進行中介效應(yīng)區(qū)間(如果區(qū)間不包括0，表示中介效應(yīng)顯著)估計時更無需標準誤。（六）如何在SEM分析軟件中設(shè)置Bootstrap

①AMOS軟件在分析屬性(AnalysisProperties)→Bootstrap對話框就可以進行Bootstrap方法的設(shè)置，但是AMOS軟件無法同時提供輔助變量的設(shè)置。②MPLUS軟件在“Analysis”命令中就可以進行Bootstrap方法的設(shè)置，也能設(shè)置多個輔助變量，因此能使用Bootstrap方法進行完整的多重中介分析。③LISＲEL軟件進行Bootstrap分析可以得到多重中介效應(yīng)的標準化解。14精選2021版課件SEM軟件優(yōu)點缺點AMOS方便實施Bootstrap方法無法設(shè)置輔助變量MPLUS方便實施Bootstrap方法，能設(shè)置輔助變量無法得到中介效應(yīng)標準化解LISＲEL能設(shè)置輔助變量，可以得到中介效應(yīng)標準化解執(zhí)行Bootstrap方法比較繁瑣15精選2021版課件（七）擬合指數(shù)指數(shù)名稱含義評價標準絕對擬合指數(shù)

χ2擬合劣度越小越好GFI擬合優(yōu)度指數(shù)>0.9RMR殘差均方根<0.05，越小越好SRMR標化殘差均方根<0.05，越小越好RMSEA近似殘差均方根<0.05，越小越好相對擬合指數(shù)（增值擬合指數(shù)）NFI規(guī)范擬合指數(shù)>0.9，越接近于1越好TLI或NNFITucher-lewis指數(shù)或非規(guī)范擬合指數(shù)>0.9，越接近于1越好CFI比較擬合指數(shù)>0.9，越接近于1越好信息指數(shù)AIC信息標準指數(shù)，不用于評估給定模型對數(shù)據(jù)的擬合指數(shù)，而是用于模型比較越小越好BIC越小越好16精選2021版課件注：（1）對于RMSEA:（Hu與Bentler（1991）認為可以把RMSEA≤0.06作為模型擬合的截取值）0:完美擬合<0.05:精確擬合0.05~0.08：合理擬合0.08~0.10：擬合不好>0.10：擬合很差（2）對于TLI：不一定在[0,1]取值，若超出該范圍，則重新設(shè)定其為0或1（3）對于CFI

：在[0,1]取值，若超出該范圍，則重新設(shè)定其為0或1。Hu與Bentler（1998,1999）認為CFI指數(shù)應(yīng)提高到0.95。17精選2021版課件四、應(yīng)用實例父母沖突對青少年社會焦慮的影響：序列中介效應(yīng)分析（一）研究目的：運用偏差校正的百分位Bootstrp方法探索青少年對父母沖突的威脅知覺和情緒不安全感（消極表征、情緒失調(diào)、行為失調(diào)）在父母沖突水平與青少年社交焦慮之間的序列中介作用。（二）研究假設(shè)：H1：父母沖突正向預(yù)測青少年對父母沖突的威脅知覺和情緒不安全感;H2：青少年的威脅知覺正向預(yù)測其情緒不安全感，但對情緒不安全感的不同維度（消極表征、情緒失調(diào)、行為失調(diào)）存在不同影響；H3：青少年的維系知覺和情緒不安全感分別正向預(yù)測其社交焦慮；H4：威脅知覺和情緒不安全感在父母沖突與青少年社交焦慮之間起著序列中介作用。（三）研究結(jié)論：父母沖突主要通過三條途徑影響青少年社交焦慮：通過威脅知覺的中介作用；通過情緒不安全感，特別是消極表征的中介作用；通過依次影響威脅知覺和情緒不安全感（特別是消極表征和情緒失調(diào)）而正向預(yù)測青少年社交焦慮。18精選2021版課件消極表征父母沖突社交焦慮威脅知覺+++++模型2：父母沖突水平影響青少年社交焦慮：威脅知覺與消極表征的序列中介作用情緒失調(diào)父母沖突社交焦慮威脅知覺+++++模型1：父母沖突水平影響青少年社交焦慮：威脅知覺與情緒失調(diào)的序列中介作用行為失調(diào)父母沖突社交焦慮威脅知覺+++++模型3：父母沖突水平影響青少年社交焦慮：威脅知覺與行為失調(diào)的序列中介作用19精選2021版課件（四）研究結(jié)果4.1各變量間的相關(guān)關(guān)系4.2模型1~3的檢驗與分析4.2.1模型1中變量關(guān)系的回歸分析20精選2021版課件4.2.2威脅知覺和情緒失調(diào)的中介效應(yīng)分析間接效應(yīng)1：沖突水平→威脅知覺→社交焦慮間接效應(yīng)2：沖突水平→威脅知覺→情緒失調(diào)→社交焦慮間接效應(yīng)3：沖突水平→情緒失調(diào)→社交焦慮

5.1基于以上對模型1~3的分析：得出以下5種結(jié)論：5.1.1父母沖突水平正向預(yù)測青少年的威脅知覺，但對情緒不安全感的不同維度的影響程度不同；5.1.2父母沖突水平通過威脅知覺的完全中介作用正向預(yù)測青少年的情緒失調(diào)，通過威脅知覺的部分中介作用分別預(yù)測青少年的消極表征和行為失調(diào)；5.1.3威脅知覺對情緒不安全感的三個維度均存在顯著正向預(yù)測作用，對消極表征預(yù)測最強，其次是情緒失調(diào)，最后是行為失調(diào)；5.1.4威脅知覺對青少年社交焦慮不僅存在直接正向預(yù)測作用，而且通過情緒失調(diào)和消極表征的中介作用正向預(yù)測社交焦慮；情緒失調(diào)和消極表征均顯著正向預(yù)測青少年社交焦慮，但行為失調(diào)對社交焦慮沒有顯著預(yù)測作用；21精選2021版課件5.1.5威脅知覺和情緒不安全感在父母沖突與青少年社交焦慮之間起序列中介作用22精選2021版課件

企業(yè)員工不被認可對工作績效的影響：中介效應(yīng)分析

（一）研究目的：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Preacher和Hayes于2004年開發(fā)的在spss中計算中介效應(yīng)、直接效應(yīng)和總效應(yīng)的腳本，對中介效應(yīng)的計算采用了sobel檢驗，并給出了顯著性檢驗結(jié)果），探究員工焦慮在不被認可與工作績效的中介作用。

（三）研究變量：

自變量（X）：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）：工作績效，包含2個觀測指標即效率低和效率下降。

（二）研究假設(shè)：

H1：員工不被認可正向預(yù)測焦慮;

H2：員工的焦慮正向預(yù)測工作績效

H3：員工的焦慮在不被認可與工作績效中起著中介作用

23精選2021版課件（三）研究結(jié)論：

企業(yè)員工的焦慮在不被認可與工作績效中起著部分中介作用，說明員工不被認可對工作績效的影響，只有一部分效應(yīng)來自員工的焦慮，其中介效應(yīng)占總效應(yīng)的中介效應(yīng)占中效應(yīng)的比例為0.168。（四）如何操作spssmaro腳本步驟1：打開spss16.0，點擊菜單欄中“file→open→script”插入“spssmaro”腳本，如圖。24精選2021版課件25精選2021版課件步驟2：點擊“sobel_spss.sba(script）”菜單欄中的“Macro”中“run”，運行腳本。如圖。26精選2021版課件步驟3：在運行了腳本后，在打開的窗口中分別輸入自變量、中介變量和因變量，選項框中可以選擇bootstrap（自抽樣）次數(shù)，設(shè)置好后，點擊ok。如圖：27精選2021版課件運行結(jié)果如下：RunMATRIXprocedure:VARIABLESINSIMPLEMEDIATIONMODELY工作績效

X不被認同

M焦慮DESCRIPTIVESSTATISTICSANDPEARSONCORRELATIONSMeanSD工作績效不被認同焦慮工作績效.0000.95901.0000.6780.5139不被認同-.0020.8085.67801.0000.5330焦慮.0000.9063.5139

.53301.0000SAMPLESIZE489DIRECTAndTOTALEFFECTSCoeffs.e.tSig(two)b(YX).8042.039520.3535.0000cb(MX).5975.043013.9013.0000ab(YM.X).2255.04045.5773.0000bb(YX.M).6695.045314.7731.0000c’注：b(yx)相當于c，b(my)相當于a,b(YM.X)相當于b,b(YX.M)相當于c’28精選2021版課件INDIRECTEFFECTAndSIGNIFICANCEUSINGNORMALDISTRIBUTIONValues.e.LL95CIUL95CIZSig(two)Effect.1347.0261.0836.18585.1647.0000(sobel)BOOTSTRAPRESULT