中介效應分析

1、中介效應分析方法學生：肖 翔導師：曾曉青 中介變量的定義中介變量的定義：考慮自變量X 對因變量Y 的影響,如果X 通過影響變量M 來影響Y ,則稱M 為中介變量。例如，“專業(yè)滿意度”影響“專業(yè)承諾”，進而影響“對該專業(yè)的學習投入”。“專業(yè)承諾”是中介變量。某一變量成為中介變量需要滿足如下條件：某一變量成為中介變量需要滿足如下條件：（1）自變量與中介變量對因變量均有影響；（2）自變量對中介變量的回歸系數(shù)顯著；（3）控制中介變量后，自變量對因變量的影響減弱，依據(jù)減弱程度的不同分為部分中介和完全中介作用。 假設所有變量都已經(jīng)中心化(即均值為零) ,可用下列方程來描述變量之間的關系:Xce1YX1ec

2、XY YXMe2abc2eaXM3,ebMXcY(1)(2)(3)圖圖1：變量關系圖：變量關系圖 對于這樣的簡單中介模型，中介效應等于間接效應，即等于系數(shù)乘積ab，它與總效應和直接效應有下面關系：abcc,檢驗間接效應的兩類方法：檢驗間接效應的兩類方法： （1）檢驗H0: ab=0（間接檢驗和直接檢驗） （2）是檢驗H0：c-c=0。間接檢驗：依次檢驗回歸系數(shù)直接檢驗：sobel法、bootstrap法和MCMC法 中介效應分析的中介效應分析的3中方法：中方法： （1）依次檢驗回歸系數(shù)法 （2）系數(shù)乘積檢驗法 （3）系數(shù)差異檢驗法0:0:00bHaH0:0abH0:,0ccH sobel法的檢

3、驗力高于依次檢驗，但這個檢驗統(tǒng)計量的推導要假設 服從正態(tài)分布，就算其中每一個系數(shù)都是正態(tài)分布，其乘積通常也不是正態(tài)的，因而Sab的計算只是近似的，可能很不準確，所以該檢驗具有很明顯的局限性。ba 因此，Bootstrap 法是公認的可以取代 Sobel 法而直接檢驗系數(shù)乘積的方法。 偏差校正的非參數(shù)百分位bootstrap法（置信區(qū)間的檢驗力更高）在某些條件下的第一類錯誤率會超過設定的顯著性水平；而非參數(shù)百分位法bootstrap法不會有這個問題。檢驗系數(shù)c依次檢驗系數(shù)a，b檢驗系數(shù)c做Sobel檢驗顯著都顯著至少有一個不顯著顯著不顯著顯著不顯著部分中介效應顯著完全中介效應顯著中介效應顯著中介

4、效應不顯著X、Y不相關，停止中介分析圖圖2：依次檢驗流程圖：依次檢驗流程圖 依次檢驗回歸系數(shù)法依次檢驗回歸系數(shù)法spss標準化回歸方程SEtp第一步Y=0.54X0.0317.52*0.00第二步W=0.6X0.0320.51*0.00第三步Y=0.31X0.048.53*0.00+0.39X0.0410.91*0.00表表1：專業(yè)承諾的中介效應依次檢驗：專業(yè)承諾的中介效應依次檢驗c=0.54(c=0.31)a=0.6b=0.39圖圖3：專業(yè)承諾對專業(yè)滿意度和學習投：專業(yè)承諾對專業(yè)滿意度和學習投入的中介作用模型入的中介作用模型 依次檢驗回歸系數(shù)法依次檢驗回歸系數(shù)法MplusTITLE: The

5、 structure of PTSD of DSM-4 using ML in table 5-8 !題目。DATA: FILE IS PTSD.dat / .txt ; !指定數(shù)據(jù)存儲位置。VARIABLE: NAMES ARE x1 x2 y1-y17; !定義數(shù)據(jù)文件中的變量名。 USEVARIABLES are y1-y17; !由于數(shù)據(jù)文件中包含多個變量，在單個研究中并非會使用，所以需要定義本研究中使用y1-y17;ANALYSIS: ESTIMATOR=ML; !選擇估計方法，Mplus默認的估計法為ML；MODEL: f1 BY y1-y5; !定義模型，因子f1由y1 y2 y

6、3 y4 y5五個指標測量。 f2 by y6-y12; !定義模型，因子f2由y6-y12七個指標測量。 f3 by y13-y17; !定義模型，因子f3由y13-y17五個指標測量。 PTSD by F1-F3; !定義二階測量模型。OUTPUT: STANDARDIZED; !要求Mplus輸出標準化解。Mplus結果解讀指標：結果解讀指標：（1）SRMR 0.08 標準化殘差均方根（2）RMSEA 0.95 比較擬合指數(shù)（4）NNFI/TLI 0.95 非規(guī)范擬合指數(shù) 先看以上指標，如果滿足以上條件，則模型符合擬合指標。再看再看STDYX Standardization輸出數(shù)據(jù)，確定

7、中介調節(jié)效應輸出數(shù)據(jù)，確定中介調節(jié)效應 偏差校正的非參數(shù)百分位偏差校正的非參數(shù)百分位 bootstrap法法Mplus(檢驗潛變量中介效應）檢驗潛變量中介效應）DATA: FILE IS p.dat; ! p.dat是原始數(shù)據(jù)文件, 按x1-x4 m1-m3 y1-y3順序排列VARIABLE: NAMES ARE x1-x4 m1-m3 y1-y3; !變量名稱Analysis: bootstrap=1000; ! Bootstrap 法抽樣1000 次MODEL: Y by y1-y3; ! y1-y3是潛變量Y的指標 M by m1-m3; ! m1-m3是潛變量M的指標 X by x1

8、-x4; ! x1-x4是潛變量X的指標 Y on X; !做Y對X的回歸 M on X (a); !做M對X的回歸, X的回歸系數(shù)命名為a Y on X M (b); !做Y對X和M的回歸, M的回歸系數(shù)命名為b, 需要單獨一行MODEL CONSTRAINT: new (H); !定義輔助變量 H=a*b; ! 系數(shù)乘積ab的估計OUTPUT: cinterval (bcbootstrap);!輸出各個系數(shù)及系數(shù)乘積 ab 的偏差校正的非參數(shù)百分位 Bootstrap 法置信區(qū)間若要得到若要得到(不校正的不校正的)非參數(shù)百分位非參數(shù)百分位Bootstrap 法置信區(qū)間法置信區(qū)間, 只需將只

9、需將 OUTPUT 中的中的 cinterval (bcbootstrap)改為改為 cinterval (bootstrap)即可。即可。 偏差校正的非參數(shù)百分位偏差校正的非參數(shù)百分位 bootstrap法法Mplus(檢驗顯變量中介效應）檢驗顯變量中介效應）DATA: FILE IS p.dat; ! p.dat是原始數(shù)據(jù)文件, 按X M Y順序排列VARIABLE: NAMES ARE X M Y; !變量名稱Analysis: bootstrap=1000; ! Bootstrap 法抽樣1000 次MODEL: Y on X; !做Y對X的回歸 M on X (a); !做M對X的回

10、歸, X的回歸系數(shù)命名為a Y on X M (b); !做Y對X和M的回歸, M的回歸系數(shù)命名為b, 需要單獨一行MODEL CONSTRAINT: new (H); !定義輔助變量 H=a*b; !系數(shù)乘積ab的估計OUTPUT: cinterval (bcbootstrap);!輸出各個系數(shù)及系數(shù)乘積ab的偏差校正的非參數(shù)百分位Bootstrap 法置信區(qū)間若要得到若要得到(不校正的不校正的)非參數(shù)百分位非參數(shù)百分位Bootstrap 法置信區(qū)間法置信區(qū)間, 只需將只需將OUTPUT中的中的 cinterval (bcbootstrap)改為改為cinterval (bootstrap)即可。即可。 Mplus結果解讀指標：如果置信區(qū)間包括結果解讀指