中介变量与调节变量 资料课件.ppt

《中介变量与调节变量 资料课件.ppt》由会员分享，可在线阅读，更多相关《中介变量与调节变量 资料课件.ppt（20页珍藏版）》请在三一办公上搜索。

1、中介变量与调节变量,韩张慧 蒋山花 张咏喻 王一帆鲁甜甜 杨佳淇 唐红梅,中介变量调节变量两者的比较SPSS的操作,中介效应分析概述,中介效应分析广泛用于社会科学研究，如心理学，管理学和传播学等。Rucker等(2011)统计发现2005至2009年间发表在人格与社会心理学杂志JPSP和人格与社会心理学公报PSPB上59%和65%的文章使用了中介检验。 中介变量是社会科学诸多理论中不可缺少的内容。,中介效应分析的意义,中介变量是联系两个变量之间关系的纽带，在理论上，中介变量意味着某种内部机制。自变量X的变化引起中介变量M的变化，中介变量M的变化引起因变量Y的变化。 例如：某种治疗癌症的药物(X

2、)需要通过特定的酶(M)才能有效杀死肿瘤细胞(Y)，如果体内缺少这种酶，药物的作用将失效。 可见中介变量是参与整个因果过程中的重要一环，不可或缺，正因为如此，中介效应分析的前提是变量间存在明确的(理论上或事实上的)因果关系，否则结果很难解释。,中介效应检验,如图，自变量X作用于因变量Y，路径系数c。由于不涉及第三个变量，所以c 代表自变量作用于因变量的总效应。一般情况下，只有当c显著或X与Y相关显著时才会考虑中介变量，但不必然如此。,c = ab+c ab = c-c,如何知道 M 真正起到了中介变量的作用, 或者说中介效应(mediator effect显著呢 ? 目前有四种不同的做法。,逐

3、步检验法(Causal Steps Approach; Baron & Kenny, 1986)系数乘积检验法(Product of Coefficients Approach)差异系数检验Bootstrapping,中介效应检验,中介效应检验,逐步检验法(Causal Steps Approach）检验 c 是否显著，即自变量与因变量 之间是否存在显著关系。检验 a 是否显著；检验 b 是否显著； 检验 c 是否显著。在a和b都显著的情况下，如果c不显著说明存在完全中介(Judd & Kenny, 1981)，否则存在部分中介效应(Baron &Kenny, 1986)。,系数乘积检验法(P

4、roduct of Coefficients Approach),统计量是 ： 如果检验显著说明中介效应显著。此公式被常用的SEM分析软件采用，例如EQS，LISREL和Mplus。也有其他的分析程序使用不同的标准误公式如：根据Sab效构建中介效应的置信区间：缺陷：检验统计量依据的正态分布前提很难满足，特别是样本量较少时。因为即使a，b分别服从正态分布，ab的乘积也可能与正态分布存在较大差异。,系数乘积检验就是检验ab乘积是否显著即H0：ab = 0，此程序常使Sobel(1982)提出的标准误计算公式，因此也将此检验称作Sobel检验,基本思路：检验H0:c-c=0统计工具：LISREL步骤

5、： 1.计算c-c的标准误 2.检验统计量 缺点：在a=0，但b0时，可能存在较高的第一类错误率 即使中介效应不存在(ab=0),只要b显著,结果仍判定中介效应显著,差异系数检验,Bootstrapping,原理：正态分布假设不成立时，经验抽样分布可以作为实际整体分布用于参数估计。Bootstrapping以研究样本作为抽样总体，采用放回取样，从研究样本中反复抽取一定数量的样本，通过平均每次抽样得到的参数作为最后的估计结果。 Bootstrapping不需要分布假设所以避免了系数乘积检验违反分布假设的问题，而且该方法不依赖标准误所以避免了不同标准误公式产生结果不一致的问题。模拟研究发现，与其他

6、中介效应检验方法相比Bootstrapping具有较高的统计效力。 Mplus提供两种Bootstrap：标准的和残差的。 标准的Bootstrap只适应于ML，WLS，WLSM，WLSMV，ULS和GLS估计法，残差的Bootstrap只适应于连续变量的ML估计。 通过使用Bootstrap语句以及MODEL INDIRECT和CINTERVAL，可以得到间接效应的 Bootstrap标准误和偏差校正的Bootstrap置信区间,一个实用的中介效应检验程序(温忠麟),为了使一个中介效应检验的第一类错误率和第二类错误率都比较小 ,既可以检验部分中介效应, 又可以检验完全中介效应, 而且还比较容

7、易实施，我们提出如下检验程序。这个程序有可能只需要依次检验,即使需要 Sobel 检验 , 用公式直接计算sab和检验统计量 z =ab/ sab都不算难。如果使用LISREL进行分析 , 输出结果中可以找到本检验程序所需的全部检验统计量的值和检验结果 。,例子,学生行为(X)对同伴关系(Y )影响的中介效应分析学生行为(X)是被试的违纪捣乱行为 , 包括9 个题目(如挑起争斗 、欺负同学 、说脏话等), 同伴关系(Y )是被试受同学欢迎的程度，具体地说 ,就是同班同学有多少人将其列入喜欢的名单。老师的管教方式(U)是被试对班主任老师的管教方式的评价, 也有 9 个题目(如班主任愿意听我们的意

8、见 ,班主任的期望和要求明确清晰 等等)。老师对学生的喜欢程度(W)由班主任为被试打分(从“一点都不喜欢”到“非常喜欢”5 级记分)。,例子,学生行为(X)对同伴关系(Y )影响的中介效应分析学生行为(X)是被试的违纪捣乱行为 , 包括9 个题目(如挑起争斗 、欺负同学 、说脏话等), 同伴关系(Y )是被试受同学欢迎的程度，具体地说 ,就是同班同学有多少人将其列入喜欢的名单。老师的管教方式(U)是被试对班主任老师的管教方式的评价, 也有 9 个题目(如班主任愿意听我们的意见 ,班主任的期望和要求明确清晰 等等)。老师对学生的喜欢程度(W)由班主任为被试打分(从“一点都不喜欢”到“非常喜欢”5

9、 级记分)。,例子,学生行为(X)对同伴关系(Y )影响的中介效应分析学生行为(X)是被试的违纪捣乱行为 , 包括9 个题目(如挑起争斗 、欺负同学 、说脏话等), 同伴关系(Y )是被试受同学欢迎的程度，具体地说 ,就是同班同学有多少人将其列入喜欢的名单。老师的管教方式(U)是被试对班主任老师的管教方式的评价, 也有 9 个题目(如班主任愿意听我们的意见 ,班主任的期望和要求明确清晰 等等)。老师对学生的喜欢程度(W)由班主任为被试打分(从“一点都不喜欢”到“非常喜欢”5 级记分)。,例子,学生行为(X)对同伴关系(Y )影响的中介效应分析学生行为(X)是被试的违纪捣乱行为 , 包括9 个题

10、目(如挑起争斗 、欺负同学 、说脏话等), 同伴关系(Y )是被试受同学欢迎的程度，具体地说 ,就是同班同学有多少人将其列入喜欢的名单。老师的管教方式(U)是被试对班主任老师的管教方式的评价, 也有 9 个题目(如班主任愿意听我们的意见 ,班主任的期望和要求明确清晰 等等)。老师对学生的喜欢程度(W)由班主任为被试打分(从“一点都不喜欢”到“非常喜欢”5 级记分)。,被试人数 N =595 。由于潜变量和显变量的中介效应检验方法是一样的, 为简单起见,这里将上述变量都作为显变量处理(即用该变量包含的题目得分的平均值作为变量值)。所有变量都已经中心化 ,数据分析中只需要下面的协方差矩阵:Y 18

11、 .87W 1 .13 0 .45X -9 .78 -2 .20 94 .25U 0 .63 0 .09 -0 .22 0 .56,教师喜欢程度的中介效应分析,假设我们认为学生行为会影响老师对他的喜欢程度 ,而同伴关系会受到老师喜欢程度的影响 ,则喜欢程度是中介变量。喜欢程度(W)的中介效应分析结果见表 2, 由于依次检验(指前面 3 个 t 检验)都是显著的, 所以喜欢程度的中介效应显著。由于第四个 t 检验也是显著,所以是部分中介效应 ,中介效应占总 效 应 的 比例 为 0.338 0.349/0.232 =50.8 %。,假设我们认为学生的行为会影响老师的管教方式 ,而管教方式会影响同伴关系 ,则管教方式是中介变量。管教方式(U)的中介效应分析结果(标准化解)见表 3 。由于依次检验中的第二步检验不显著(即u 对 x 的回归系数不显著 , t =-0 .72 , p 0 .05), 根据我们提出的检验程序, 需要做Sobel检验, 检验统计量是 z =ab/ a2sb2 +b2sa 2 ; a =-0 .030 , sa=0.041, b =0.187, sb=0.039计算得 z =-0 .72, p 0.05。所以管教方式(U)的中介效应不显著。,教师管教方式的中介效应分析,