简单中介效应分析 |
您所在的位置：网站首页 › 中介效应sgmediation › 简单中介效应分析 |
简单中介效应分析
|
一、什么是中介效应？ 中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M 为中介变量，而 X 通过 M 对 Y 产生的的间接影响称为中介效应。 中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。  中介效应图当只考虑X和Y两个变量时，我们将X对Y的总影响称为总效应（c）。当增加一个中介变量时，X对Y的作用分为了两个部分，其一是直接效应(c´)在中介模型中，X对Y的直接影响。其二是间接效应(ab)，X通过M对Y的影响。 当只有 一个中介变量时，我们将（2）带入（3）可得  如果不考虑X和Y之外的其他因素（即不考虑残差），将（1）带入（4） 我们可知：c=c'+ab 即，总效应=直接效应+间接效应 二、简单中介效应检验的方法如果只有一个中介变量，我们将其称为简单中介效应。此时，我们的检验工具有SPSS PROCESS、AMOS、Mplus。 SPSS PROCESS检验方法例子：我们将探究工作家庭冲突对离职意愿的影响，其中，以情绪耗竭为中介变量。  具体操作步骤如下：    点击继续，确定后得到结果如下： 这是一个回归结果表。因变量为情绪耗竭（耗竭），自变量为家庭工作冲突（冲突）。模型摘要中我们重点关注R方，F值和P值。模型结果表中，重点看变量间的回归系数和显著性。   对于以上软件分析得出的就结果表，我么你整理以后可以得到“回归系数表”和“中介效应表”。  回归系数表对于回归系数表而言，我们采用如图所示的样版在论文中进行展示。对于该表的文字描述思路如下： 1、首先确定自变量，因变量是哪一个。 2、描述模型摘要。首先要解释变量间的关系用线性关系表示是否合适（ F检验的结果）？其次是对R2进行解释。 3、对回归结果进行解释。自变量对因变量的作用大小，方向以及显著性进行描述（B、P）。 本研究使用Bootstrap法进行中介作用检验。使用SPSS process程序，选用MODEL 4进行中介效应的检验。结果如表1表2所示。 以家庭工作冲突作为自变量，情绪耗竭作为因变量，两者间的关系可以用线性关系表示（F=24.336，P＜0.001）。且家庭工作冲突对情绪耗竭有显著的正向影响（B=0.669，P＜0.001）。以家庭工作冲突为自变量，情绪耗竭为中介变量，离职意愿为因变量的研究中，三者的关系可以用线性关系来表示（F=28.410，P＜0.001）。同时，家庭工作冲突对离职意向有显著的正向影响（B=0.424，P＜0.001），情绪耗竭对离职意愿有显著的正向影响（B=0.265，P＜0.001）。假设H1、H2、H3得到验证。  中介效应结果表对于中介效应结果表，我们主要按照总效应、直接效应和间接效应的顺序依次进行描述。 工作家庭冲突通过情绪耗竭对离职意愿的总效应值为0.601，95%置信区间=[0.495,0.708]。直接效应显著（直接效应值=0.424，Bootstrap CI区间,0.301,0.546]，不包含0）。间接效应Bootstrap 抽样计算得到的间接效应值为0.177，95%置信区间是[0.111,0.246 ]，不包括 0，说明中介效应显著。中介效应占比为29.45%（间接效应/总效应）。假设H4得到验证。 关于“完全中介”和“部分中介”的提法应当谨慎。一般的，对于检验结果显著的中介效应, 如果直接效应不显著, 则称完全中介效应, 如果直接效应显著, 则称部分中介效应。有时候区分完全中介和部分中介并不合适。首先, 一个完全中介模型的中介作用不一定比部分中介模型的中介作用大; 第二, 完全中介效应的结论阻碍了研究者进一步寻找其他中介变量的动机, 阻碍了中介研究的发展。合适的做法是直接报告中介效应和直接效应的显著性。(方杰 等, 2012; 温忠麟, 刘红云, 2020; 温忠麟, 叶宝娟, 2014a)当然，如果你的导师有要求，你们也应当灵活变通，按照要求即可，不必一味解释强求，毕业最重要。 变量如果有维度怎么办？ 假设，自变量 有两个维度，那么我们要分别以每个维度为一次自变量，做中介效应就检验。即，我既要检验情绪耗竭在工作-家庭冲突和离职意愿之间的中介作用，也要检验情绪耗竭在家庭- 个工作冲突和离职意愿之间的中介作用。 AMOS的检验方法步骤： 1.绘制模型图； 2.设置路径标签； 3.在Analysis properties对话框中勾选输出内容(Output；Bootstrap)； 4.输入语法； 5.输出结果； 举个例子： 1、绘制模型图。 在绘制模型图时一定要记得在“箭头”指向的那个变量，一定要画误差项，否则无法计算。2、设置路径标签。  设置完成后是这样的：  3、在Analysis properties对话框中勾选输出内容(Output；Bootstrap)；    一定要勾选Perform bootstrap选项，否则语法无法运算。 4、输入语法。 点击左下角的灰白色边框。  M=P.a*P.b !中介效应的效应量（P.可以省略）
T=E.TotalEffect(F3,F1) !F1（感知被信任）对F3（工作绩效）的总效应
STDT=E.StandardizedTotalEffect(F3,F1) ！标准化的F1（感知被信任）对F3（工作绩效）的总效应
STDA=E.StandardizedDirectEffect(F2,F1) ！标准化的a(F1对F2的标准化路径系数）
STDB=E.StandardizedDirectEffect(F3,F2) ！标准化的b(F2对F3的标准化路径系数）
STDC1=E.StandardizedDirectEffect(F3,F1)！标准化的c1(F1对F3的标准化路径系数）
STDM1=STDA*STDB！标准化的中介效应值
输出结果 路径系数 效应值和置信区间根据以上结果表，我们应该在论文中展示“路径系数表”和“中介效应表”。  文字描述思路：用未标准化系数描述效用，同时标注显著性 ； 由表1 可知，感知被信任对组织支持感有显著的正向影响 （B=0.756，P＜0.001），组织支持感对工作绩效有显著的正向影响（ B=0.218，P＜0.001），感知被信任对工作绩效有显著的正向影响（B=0.377，P＜0.001）。  文字描述思路：用未标准化的系数描述间接效应、直接效应和总效应的效应值，并标注95%的置信区间，判断是否包含0，如果不包含0，则说明效用显著。同时用标准化系数计算间接效用占比。 由表2结果可知，总效应值为0.542，P＜0.01，且95%的CI=[0.397,0.747]，不包含0，总效用显著。中介作用的效应值为0.165，P ＜0.01，且95%的CI=[0.085,0.351]，不包含0，中介效用显著。直接作用的效应值为0.377，P＜0.001，且95%的CI=[0.220,0.467]，不包含0，直接效用显著。通过标准化的效用值计算可知，中介效用占比30.4%（0.165/0.542)。 Mplus的简单中介效应检验DATA:
FILE IS D:\学习\论文\分析方法论文\论文写作和数据分析\中介效应检验\简单中介（Mplus).dat;
VARIABLE:
MISSING ARE ALL (-99);
NAMES ARE Q1 Q2 Q3 Q4 Q5 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12
x13 x14 m1 m2 m3 m4 m5 y1 y2 y3 y4 y5 y6 y7 y8 y9 y10;
！以上部分可以使用N2 MPLUS插件完成
USEVARIABLES ARE x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12
x13 x14 m1 m2 m3 m4 m5 y1 y2 y3 y4 y5 y6 y7 y8 y9 y10;
ANALYSIS:BOOTSTRAP=1000;
MODEL:
！对变量进行定义
POT BY x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x14;
POS BY m1 m2 m3 m4 m5;
JP BY y1 y2 y3 y4 y5 y6 y7 y8 y9 y10;
！定义路径标签；ON左边的是模型中“箭头”指向的变量，右边是“箭头”发出的变量
POS ON POT (a); ！POT对POS的路径系数
JP ON POT (cdash); !POT对JP的路径系数
JP ON POS (b); ！POS对JP的路径系数
！定义新的输出变量
MODEL CONSTRAINT:
NEW(IND TOTAL);
IND=a*b;
TOTAL=IND+cdash;
OUTPUT:STANDARDIZED STAND CINT(bcbootstrap);输出结果如下： 未标准化的路径系数  未标准化的效应值  标准化的路径系数（STDYX）  效应值的置信区间  根据结果表我们可以制作“路径系数表”和“中介效应表”展示在论文中。  路径系数表 结果文字描述思路和AMOS的一样。 |
【本文地址】
今日新闻 |
推荐新闻 |