SPSS及AMOS進(jìn)行中介效應(yīng)分析

1、中介效應(yīng)重要理論及操作務(wù)實(shí)SPSS和AMOS調(diào)節(jié)效應(yīng) 3DPDFCwtuSxk6743E9U1W1wnfPhp76qgDEYFDCHOp-feDNpi4djQuU9FFux dbpl9OoN5gkPa5yCn7wlK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(gè)或一個(gè)以上變量(M)的間接影響產(chǎn)生的，此時(shí)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(gè)中介變量的情況下，中介效 應(yīng)等于間接效應(yīng)；當(dāng)中介變量不止一個(gè)的情況下，中介效應(yīng)的不等于 間接效應(yīng)，此時(shí)間接效應(yīng)可以是部分中介效應(yīng)的和或所有中介效

2、應(yīng)的 總和。在心理學(xué)研究當(dāng)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(xué)生就業(yè)壓力與擇業(yè)行為之 間的關(guān)系往往不是直接的，而更有可能存在如下關(guān)系： Q就業(yè)壓力一個(gè)體壓力應(yīng)對一擇業(yè)行為反應(yīng)。此時(shí)個(gè)體認(rèn)知評價(jià)就成為了這一因果鏈當(dāng)中的中介變量。在實(shí)際 研究當(dāng)中，中介變量的提出需要理論依據(jù)或經(jīng)驗(yàn)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： Q就業(yè)壓力一個(gè)體擇業(yè)期望一擇業(yè)行為反應(yīng)； Q就業(yè)壓力一個(gè)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(dāng) 然在復(fù)雜中介

3、模型中，中介變量往往不止一個(gè)，而且中介變量和調(diào)節(jié) 變量也都有可能同時(shí)存在，導(dǎo)致同一個(gè)模型中即有中介效應(yīng)又有調(diào)節(jié) 效應(yīng)，而此時(shí)對模型的檢驗(yàn)也更復(fù)雜。以最簡單的三變量為例，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+e11)M=ax+e22)Y=c' x+bM+e33)上述3個(gè)方程模型圖及對應(yīng)方程如下：二、中介效應(yīng)檢驗(yàn)方法中介效應(yīng)的檢驗(yàn)傳統(tǒng)上有三種方法，分別是依次檢驗(yàn)法、系數(shù)乘積項(xiàng)檢驗(yàn)法和差異檢驗(yàn)法，下面簡要介紹下這三種方法：1 .依次檢驗(yàn)法(causual steps)。依次檢驗(yàn)法分別檢驗(yàn)上述1)2)3)三個(gè)方程中的回歸系數(shù)，程序如下：1.1 首先檢驗(yàn)方程1)

4、y=cx+ e1，如果c顯著50:。=0被拒絕)， 則繼續(xù)檢驗(yàn)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(yàn)；1.2 在c顯著性檢驗(yàn)通過后，繼續(xù)檢驗(yàn)方程2） M=ax+e2,如果a顯著503=0被拒絕），則繼續(xù)檢驗(yàn)方程3）；如果a不顯著，則停止 檢驗(yàn)；1.3 在方程1）和2）都通過顯著性檢驗(yàn)后，檢驗(yàn)方程3）即y=c' x + bM + e3,檢驗(yàn)b的顯著性，若b顯著50%=0被拒絕），則說明中 介效應(yīng)顯著。此時(shí)檢驗(yàn)c，若。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(shí)現(xiàn)。評價(jià):依次檢驗(yàn)容易在統(tǒng)計(jì)軟件中直接實(shí)現(xiàn)，但是這種檢驗(yàn)對于

5、較 弱的中介效應(yīng)檢驗(yàn)效果不理想，如a較小而b較大時(shí)，依次檢驗(yàn)判定 為中介效應(yīng)不顯著，但是此時(shí)ab乘積不等于0，因此依次檢驗(yàn)的結(jié) 果容易犯第二類錯(cuò)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(xiàng)檢驗(yàn)法（products of coefficients）。此種方法主要檢 驗(yàn)ab乘積項(xiàng)的系數(shù)是否顯著，檢驗(yàn)統(tǒng)計(jì)量為z = ab/ sab，實(shí)際上熟 悉統(tǒng)計(jì)原理的人可以看出，這個(gè)公式和總體分布為正態(tài)的總體均值顯 著性檢驗(yàn)差不多，不過分子換成了乘積項(xiàng)，分母換成了乘積項(xiàng)聯(lián)合標(biāo) 準(zhǔn)誤而已，而且此時(shí)總體分布為非正態(tài)，因此這個(gè)檢驗(yàn)公式的Z值和 正態(tài)分布下的Z值檢驗(yàn)是不同的，同理臨界概率也不能采用正態(tài)分

6、布 概率曲線來判斷。具體推導(dǎo)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(jì)書籍。分母sab的計(jì)算公式為：sab=匹，在這個(gè) 公式中，sb2和sa2分別為a和b的標(biāo)準(zhǔn)誤，這個(gè)檢驗(yàn)稱為sobel檢驗(yàn)， 當(dāng)然檢驗(yàn)公式不止這一種例如Goodman I檢驗(yàn)和Goodman II檢驗(yàn)都 可以檢驗(yàn)（見下），但在樣本比較大的情況下這些檢驗(yàn)效果區(qū)別不大。在AMOS中沒有專門的soble檢驗(yàn)的模塊，需要自己手工計(jì)算出而在 lisrel 里面則有，其臨界值為 Za/2>0.97 或 z。/2<-0.97(P <0.05, N 叁200)。關(guān)于臨界值比率表見附件(虛無假設(shè)概率分布見MacKinn

7、on 表中無中介效應(yīng)C.V.表，雙側(cè)概率，非正態(tài)分布。這個(gè)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±0.90左右，而不是溫忠麟那 篇文章中提出的0.97。關(guān)于這一點(diǎn)，我看了溫的參考文獻(xiàn)中提到的 MacKinnon那篇文章，發(fā)現(xiàn)溫對于.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 1.96 for the s

8、tandard normal test of ab 4 0. We designate this test statistic by z8 because it uses a different distribution than the normal distribution，實(shí)際上在MacKinnon的概率表中，這個(gè).97的值是 在N=200下對應(yīng)的.04概率的雙側(cè)統(tǒng)計(jì)值，而不是.05概率雙側(cè)統(tǒng)計(jì) 值，因?yàn)樵谠摫碇懈揪蜎]有直接給出.05概率的統(tǒng)計(jì)值。為了確定 這點(diǎn)，我專門查了國外對這個(gè)概率表的介紹，發(fā)現(xiàn)的確如此，相關(guān)文 章見附件mediationmodels.rar。當(dāng)然，從統(tǒng)計(jì)概率上來

9、說，大于0.97 在這個(gè)表中意味著其值對應(yīng)概率大于.05，但是當(dāng)統(tǒng)計(jì)值小于0.9798th 時(shí)而大于0.8797th，其值對應(yīng)概率的判斷就比較麻煩了，此時(shí)要采用 0.90作為P<.05的統(tǒng)計(jì)值來進(jìn)行判斷。之所以對溫的文章提出質(zhì)疑， 是因?yàn)檫@涉及到概率檢驗(yàn)的結(jié)果可靠性，我為此查了很多資料，累)。Goodman I檢驗(yàn)公式如下Goodman II檢驗(yàn)檢驗(yàn)公式如下耶 z =型7丁。3十日式十。標(biāo)V片嗎十口二仃；一仃：瑩注：從統(tǒng)計(jì)學(xué)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(gè)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(jì)算，因此MacKinn

10、on et al.(1998)認(rèn)為乘積項(xiàng)在樣本容量較大時(shí)是“trivial”(瑣碎不必要的)的，因此sobel檢驗(yàn)和Goodman檢驗(yàn)結(jié)果在大樣本情況下區(qū)別不 大，三個(gè)檢驗(yàn)公式趨向于一致性結(jié)果，因此大家用soble檢驗(yàn)公式就 可以了(詳情請參考文獻(xiàn) A Comparison of Methods to Test Mediation and Other Intervening Variable Effects. Psychological Methods 2002, Vol. 7, No. 1, 83 - 104)。評價(jià)：采用sobel等檢驗(yàn)公式對中介效應(yīng)的檢驗(yàn)容易得到中介效應(yīng)顯 著性結(jié)果，因?yàn)?/p>

11、其臨界概率(MacKinnon) P<.05的Z值為Zq /2>0.90 或za /2<-0.90,而正態(tài)分布曲線下臨界概率P<.05的Z值為za /2>1.96 或za J-1.96,因此用該臨界概率表容易犯第一類錯(cuò)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(yàn)法(difference in coefficients)。此方法同樣要找出聯(lián) 合標(biāo)準(zhǔn)誤，目前存在一些計(jì)算公式，經(jīng)過MacKinnon等人的分析，認(rèn) 為其中有兩個(gè)公式效果較好，分別是Clogg等人和Freedman等人提 出的，這兩個(gè)公式如下：Clogg差異檢驗(yàn)公式Freedman差異檢驗(yàn)公式C

12、-C '；S 2 + s 2-2SS 1 一廠 2. C C C C ： xm這兩個(gè)公式都采用t檢驗(yàn)，可以通過t值表直接查出其臨界概率。Clogg等提出的檢驗(yàn)公式中，hl-3的下標(biāo)N-3表示t檢驗(yàn)的自由度 為N-3，G喇為自變量與中介變量的相關(guān)系數(shù)，與|為X對Y的間接效 應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤；同理見Freedman檢驗(yàn)公式。評價(jià)：這兩個(gè)公式在a=0且b=0時(shí)有較好的檢驗(yàn)效果，第一類錯(cuò)誤率 接近0.05,但當(dāng)a=0且bW0時(shí)，第一類錯(cuò)誤率就非常高有其是Clogg 等提出的檢驗(yàn)公式在這種情況下第一類錯(cuò)誤率達(dá)到100%,因此要謹(jǐn) 慎對待。4.溫忠麟等提出了一個(gè)新的檢驗(yàn)中介效應(yīng)的程序，如下圖:這個(gè)

13、程序?qū)嶋H上只采用了依次檢驗(yàn)和sobel檢驗(yàn)，同時(shí)使第一類錯(cuò)誤 率和第二類錯(cuò)誤率都控制在較小的概率，同時(shí)還能檢驗(yàn)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(jì)軟件上的實(shí)現(xiàn)根據(jù)我對國內(nèi)國外一些文獻(xiàn)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(yàn)的工具軟件腳本，可下掛在SPSS當(dāng)中；然而 在AMOS中只能通過手工計(jì)算，但好處在于能夠方便地處理復(fù)雜中介 模型，分析間接效應(yīng)；根據(jù)溫忠麟介紹，LISREAL也有對應(yīng)的SOBEL 檢驗(yàn)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(jìn)行操作演示，相關(guān)SOBEL檢驗(yàn)?zāi)_本及臨界值表 （非正態(tài)SOBEL檢驗(yàn)臨

14、界表）請看附件。1 .如何在SPSS中實(shí)現(xiàn)中介效應(yīng)分析這個(gè)部分我主要講下如何在spss中實(shí)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(rèn)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）對應(yīng)的潛變量的項(xiàng)目得分合并取均值并中心化，見下圖文件舊 編輯視圖W 數(shù)據(jù)W 轉(zhuǎn)換（1）分析® 圖表工具w 窗口置）幫助®曲口 alii. J匐助®1理曲亶畫圖¥©|6：工作不被認(rèn)同3領(lǐng)導(dǎo)不認(rèn)可同事不認(rèn)口客戶不認(rèn)可心跳緊張坐立不安效率低效率下降132422232211122222二-1-1-

15、1-1-1-1-1在這個(gè)圖中，自變量（X）為工作不被認(rèn)同，包含3個(gè)觀測指標(biāo)，即領(lǐng)導(dǎo)不認(rèn)同、 同事不認(rèn)可、客戶不認(rèn)可；中介變量（M）焦慮包含3個(gè)觀測指標(biāo)即心跳、緊張、 坐立不安；因變量（Y）包含2個(gè)觀測指標(biāo)即效率低和效率下降。領(lǐng)導(dǎo)不認(rèn)可同事不認(rèn)可I客戶不認(rèn)可I心跳I緊張I坐立不安I效率低I效率下降I工作不被認(rèn)同I焦慮工作績效13|24222323.002.002.502111 |2|22221.00|2.002.00方口昌則包封圉即M|眉圜口工元 用36:工作不被認(rèn)同jfil“ M敝y 回份工；危三苑:通怎瑾文件舊 編輯但）視圖y1數(shù)據(jù) 轉(zhuǎn)換工）分析® 圖表 工具也 窗口 幫助旭）De

16、scriptive Statistics工作不被認(rèn)同焦慮工作績效Valid N (listwise)NMean4892.08214892.08594892.2807489上面三個(gè)圖表示合并均值及中心化處理過程，生成3個(gè)對應(yīng)的變量并 中心化（項(xiàng)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(yàn)程序進(jìn)行第一步檢驗(yàn)即檢驗(yàn)方程y=cx+e 中的c是否顯著，檢驗(yàn)結(jié)果如下表:Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Change

17、df1df2Sig. F Change1.678(a).460.459.70570.460414.2651487.000a Predictors: (Constant),不被認(rèn)同(中心化)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSigRStd ErrorReta1(Constant).002.032.051.959不被認(rèn)同（中心化）.804.040.67820.354.000a- Dependent Variable:工作績效(中心化)由上表可知，方程y=cx+e的回歸效應(yīng)顯著，c值.678顯

18、著性為p<.000, 可以進(jìn)行方程m=ax+e和方程y=c x+bm+e的顯著性檢驗(yàn)；第三步：按溫忠麟第二步檢驗(yàn)程序分別檢驗(yàn)a和b的顯著性，如果都顯著，則急需檢驗(yàn)部分中介效應(yīng)和完全中介效應(yīng)；如果都不顯著，則停 止檢驗(yàn)；如果a或b其中只有一個(gè)較顯著，則進(jìn)行sobel檢驗(yàn)，檢驗(yàn)結(jié) 果見下表：Model Summ aryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.533a.284.283.76763.28

19、4193.2471487.000a- Predictors: (Constant),不被認(rèn)同(中心化)CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSigRStd ErrorReta1(Constant).001.035.034.973不被認(rèn)同（中心化）.597.043.53313.901.000a- Dependent Variable:焦慮(中心化)由上面兩個(gè)表格結(jié)果分析可知，方程m=ax+e中，a值0.533顯著性p<.000，繼續(xù)進(jìn)行方程y=c x+bm+e的檢驗(yàn)，結(jié)果如下表：Mode

20、l Summ aryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.702a.492.490.68485.492235.4902486.000a- Predictors: （Constant）,焦慮（中心化）,不被認(rèn)同（中心化）Coe fficientsaModelUnstandardized CoefficientsStandardized CoefficientstSigRStdErrorReta1(Co

21、nstant).001.031.044.965不被認(rèn)同（中心化）.670.045.56414.773.000焦慮（中心化）.225.040.2135.577.000a- Dependent Variable:工作績效(中心化)由上面兩個(gè)表的結(jié)果分析可知，方程y=c x+bm+e中，b值為0.213顯 著性為p<.000,因此綜合兩個(gè)方程m=乂+©和丫=。 x+bm+e的檢驗(yàn)結(jié)果， a和b都非常顯著，接下來檢驗(yàn)中介效應(yīng)的到底是部分中介還是完全中 介；第四步:檢驗(yàn)部分中介與完全中介即檢驗(yàn)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

22、量的中介效應(yīng)不完全通過中介變量焦慮的中介來達(dá)到其影響， 工作不被認(rèn)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=0.533X0.213/0.678=0.167,中介效應(yīng)解釋了因變量 的方差變異為sqrt（0.490-0.459）=0.176 （17.6%）小結(jié) 在本例中，中介效應(yīng)根據(jù)溫忠麟的檢驗(yàn)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)比值為0.167, 中介效應(yīng)解釋了因變量17.6%的方差變異。2 .在spss中運(yùn)用spssmaro腳本來分析中介效應(yīng)下面我們采用Preacher（2004）設(shè)計(jì)的spssmaro腳本來進(jìn)行中介效應(yīng)分析，

23、該腳本是美國俄亥俄和州立大學(xué)Preacher和Hayes于2004年開發(fā)的在spss中計(jì)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(jì)算采用了 sobel檢驗(yàn)，并給出了顯著性檢驗(yàn)結(jié)果，這個(gè)腳本可在如下網(wǎng)址下載：/ahayes/sobel.htmo腳本文件名為sobel_spss，關(guān)于如何在spss使用該腳本請看附件（附件為pdf文件，文件名為runningscripts）。在運(yùn)行了腳本后，在打開的窗口中分別輸入自變量、中介變量和調(diào)節(jié)變量，在選項(xiàng)框中可以選擇bootstrap （自抽樣）次數(shù)，設(shè)置好后，點(diǎn)擊ok,運(yùn)行結(jié)果如下：國中介效應(yīng)分析數(shù)據(jù).5皿-SPSS

24、 Data Editor文件編輯視圖數(shù)據(jù)轉(zhuǎn)換以分析如圖表即 工具慟窗口® 幫助她晝m哥嗎|匐助 圖強(qiáng)圄 亶組置 網(wǎng)6:工作不被認(rèn)同工作不被認(rèn)同13.0021.0031.0042.0052.0062.0073.0081.3391.33102.33112.33122.00133.67143.33152.33162.33171.33183.33193.00202.00焦慮so工作金效|不被認(rèn)同（中心化） 焦慮（中心化）|工作交sss文件編輯視圖腳本。調(diào)試分析®圖表工具也窗口以 幫助但）國旦1兇圖疆 |闔 圖圄網(wǎng)圖國超 El SProc: (declarations1 This i

25、s a script- version of the SOBEL rriacro described |1 Preacher, K. J, & Hayes, A. F. (2 004：i . SPSS and SAS 11 procedures for est-iinating indirect effects in simple1 me cl iat- io n nnjcle Is . Be hav lot Re s e arc h Me t. hods 1r I ns tr uirie r1 1£ Cottiputers.r ：3E1r 717-73 1.1 Writte

26、n by Andrew F. Hayes1 Schoo 1 of Ccumiunicat- ion1 The Ohio State Universit.y11 hayes.3 3801 Version 2.0f January 51r 2 0091 You inust. run as a script. filef not. as a syntax file1 If select to save the kioot-strap est-irnat.es, they will1 be saved in a datafile called bootstrap.sav in the1

27、SPSS directciryRun MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MODELY工作績效X不被認(rèn)同M焦慮DESCRIPTIVESSTATISTICS；AND PEARSON CORRELATIONSMeanSD工作績效不被認(rèn)同焦慮工作績_1.0000.95901.0000.6780.5139不被認(rèn)同-.0020.8085.67801.0000.5330焦慮(中.0000.9063.5139.53301.0000SAMPLE SIZE489DIRECT And TOTAL EFFECTSCoeffs.e.tSig(two)b(YX)

28、.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(dāng)于c, b(my)相當(dāng)于a, b(YM.X)相當(dāng)于b, b(YX.M)相當(dāng)于c,INDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTIONValues.e. LL 95 CIUL 95 CIZSig(two)Effect.1347.0261.0836.18585.1647.0000(sobel)BOO

29、TSTRAPRESULTSFor INDIRECTEFFECTDataMeans.e.LL 95 CIUL 95 CILL 99 CIUL 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腳本運(yùn)行的結(jié)果來看，總效應(yīng)、中介效應(yīng)、間接效應(yīng) 達(dá)到了顯著值，其中c為0.8042,

30、a值為0.5975, b值為0.2255,c值為0.6695,間接效應(yīng)（在本例中為中介效應(yīng)）解釋了自變量23.16%的 方差，中介效應(yīng)占中效應(yīng)的比例為0.168。下面用對加載腳本前后的 計(jì)算結(jié)果進(jìn)行比較見下表：cabc?效應(yīng)比中介效應(yīng)方差變異無腳本0.678*0.513*0.213*0.564*0.167417.6%Spssmacrao0.804*0.598*0.226*0.670*0.167523.16%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，總體效應(yīng)提高 了，但效應(yīng)比沒有多大變化（0.0001），說明中介效應(yīng)實(shí)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(gè)百分點(diǎn)

31、， 說明采用bootstrap抽樣法能更準(zhǔn)確地估計(jì)總體效應(yīng)和間接效應(yīng)。3 .如何在AMOS中實(shí)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(shí)現(xiàn)中介效應(yīng)分析，下面我來談?wù)勅绾卧贏MOS中實(shí)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)）。第一步：建立好模型圖，如下:e3£_坐立不安b績效表現(xiàn)e4，*客戶不認(rèn)可效率低-H -'e711效率下降4-e8本模型假設(shè)，工作不被認(rèn)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(jìn)行一些必要的參數(shù)設(shè)置，步驟見下圖:esEstimation Nuinerical Bias Output :

32、 Bootstrap Permut at ions RandciiTL # TitleM Minimizaticm historyV St_：it_Ldardized est imatesW Squared multiple correlationsS_：iJTLple JTLOJTLent sIiTtplied moiTLentsAll implied JTLOJTLentsResidual moiTLent sModificaticm indicesM Indirectj direct 良 tot al effectsV Factor score weightsCovariances of

33、 estimatesCo_rrelat icms of estimatesM Critical ratios for differencesTests for noriTLality and outliersObserved informaticm matrixThreshold, for modificaticm indices按照上面幾個(gè)圖提示的步驟設(shè)置好后，讀取數(shù)據(jù)進(jìn)行運(yùn)算，工具欄提示如下Scanning復(fù)件工作認(rèn)同焦慮與績觀八Default modelMinimizationIteration 8Minimuni was achievedWriting outputChi-square

34、 = 26.口， df = 17BootstrapSample 5000BC confidence intervals1 2 3 4 5 6 7 8 -y 1 sssssssss sssssssss aaaaaaaaar PPPPPPPPPD*領(lǐng)導(dǎo)不認(rèn)可®同事不認(rèn)可客戶不認(rèn)可上圖表示采用600土$小口(自抽樣5000次)運(yùn)算結(jié)果，數(shù)據(jù)迭代到第8 次得到收斂。模型卡方為26.0,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=25.996(P=.O75);自由度=17;NFI=.989;TLI=.994;CFI=.996;從模型標(biāo)

35、準(zhǔn)化路徑圖可以看出與模型卡方與自由度之比為值.05,各項(xiàng)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(rèn)可焦慮績效表現(xiàn)焦慮.554.000.000績效表現(xiàn).714.077.000效率下降.612.068.830效率低.661.070.889領(lǐng)導(dǎo)不認(rèn)可.818.000.0

36、00同事不認(rèn)可.771.000.000客戶不認(rèn)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(rèn)可焦慮績效表現(xiàn)焦慮.703.000.000績效表現(xiàn).831.303.000效率下降.733.263.905效率低.771.284.958領(lǐng)導(dǎo)不認(rèn)可.907.000.000同事不認(rèn)可.858.000.000客戶不認(rèn)可.841.000.000坐立不安.600.883.000緊

37、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(rèn)可焦慮績效表現(xiàn)焦慮.000.績效表現(xiàn).000.002.效率下降.000.002.001效率低.000.002.001領(lǐng)導(dǎo)不認(rèn)可.000.工作不被認(rèn)可焦慮績效表現(xiàn)同事不認(rèn)可.001.客戶不認(rèn)可.001.坐立不安.000.001.緊張.000.000.心跳.000.000.上述三個(gè)表格是采用BC(bias-corrected)偏差校正法估計(jì)的總體效 應(yīng)標(biāo)準(zhǔn)化

38、估計(jì)的下限值、上限值和雙尾顯著性檢驗(yàn)結(jié)果，雙尾檢驗(yàn)結(jié) 果顯示，總體效應(yīng)顯著，提示自變量(工作不被認(rèn)可)對因變量(績 效表現(xiàn))的總體效應(yīng)顯著)值顯著，P<.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(rèn)可焦慮績效表現(xiàn)焦慮.554.000.000績效表現(xiàn).549.077.000效率下降.000.0

39、00.830效率低.000.000.889領(lǐng)導(dǎo)不認(rèn)可.818.000.000同事不認(rèn)可.771.000.000客戶不認(rèn)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(rèn)可焦慮績效表現(xiàn)焦慮.703.000.000績效表現(xiàn).759.303.000效率下降.000.000.905效率低.000.000.958領(lǐng)導(dǎo)不認(rèn)可.907.000.000同事不認(rèn)可.858.000.

40、000工作不被認(rèn)可焦慮績效表現(xiàn)客戶不認(rèn)可.841.000.000坐立不安.000.883.000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(rèn)可焦慮績效表現(xiàn)焦慮.000.績效表現(xiàn).000.002.效率下降.001效率低.001領(lǐng)導(dǎo)不認(rèn)可.000.同事不認(rèn)可.001.客戶不認(rèn)可.001.坐立不安.001.緊張.000.心跳.000.和總體效應(yīng)輸出表格形式一致，前兩個(gè)表格都是標(biāo)準(zhǔn)化估計(jì)的95%置 信

41、區(qū)間的上限值和下限值，第三個(gè)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(rèn)可焦慮績效表現(xiàn)焦慮.000.000.000績效表現(xiàn).050.000.000效率下降.612.068.000效率低.661.070.000領(lǐng)導(dǎo)不認(rèn)可.00

42、0.000.000同事不認(rèn)可.000.000.000客戶不認(rèn)可.000.000.000坐立不安.451.000.000工作不被認(rèn)可焦慮績效表現(xiàn)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(rèn)可焦慮績效表現(xiàn)焦慮.000.000.000績效表現(xiàn).197.000.000效率下降.733.263.000效率低.771.284.000領(lǐng)導(dǎo)不認(rèn)可.000.000.000同事不認(rèn)可J.000.000.000客戶不認(rèn)可.000.0

43、00.000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(rèn)可焦慮績效表現(xiàn)焦慮.績效表現(xiàn).002.效率下降.000 .002.效率低.000 .002.領(lǐng)導(dǎo)不認(rèn)可.同事不認(rèn)可J.客戶不認(rèn)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，我們可以判定，c,a,b,c的估計(jì)值都達(dá)到了顯 著

44、性，下面，我們來看些這四個(gè)路徑系數(shù)的標(biāo)準(zhǔn)化估計(jì)值和標(biāo)準(zhǔn)誤到 底是多少呢？見下表：EstimatefscalarsStandardized Regression Weights: (Group number 1 - Default model)ParameterSESE-SEMeanBiasSE-Bias焦慮<-工作不被認(rèn)可.038.000.628-.001.001績效表現(xiàn) <-工作不被認(rèn)可.053.001.659.000.001績效表現(xiàn) <-焦慮.058.001.187-.001.001心跳<焦慮.029.000.814.000.000坐立不安 <-焦慮.027.000.837.000.000客戶不認(rèn)可 <-工作不被認(rèn)可.028.000.790.000.000同事不認(rèn)可 <-工作不被認(rèn)可.023.000.818.001.000領(lǐng)導(dǎo)不認(rèn)可 <工作不被認(rèn)可.023.000.865-.001.000效率低<績效表現(xiàn).017.000.927.000.