如何運(yùn)用SPSS及AMOS進(jìn)行中介效應(yīng)與調(diào)節(jié)效應(yīng)分析

1、如何運(yùn)用spss及amos進(jìn)行中介效應(yīng)與調(diào)節(jié)效應(yīng)分析主題一：中介效應(yīng)重要理論及操作務(wù)實(shí)一、中介效應(yīng)概述 中介效應(yīng)是指變量間的影響關(guān)系（xy）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

2、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：就業(yè)壓力個(gè)體壓力應(yīng)對擇業(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：就業(yè)壓力個(gè)體擇業(yè)期望擇業(yè)行為反應(yīng)；就業(yè)壓力個(gè)體生涯規(guī)劃擇業(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

3、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+e1 1) m=ax+e2 2) y=cx+bm+e3 3)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）y=cx+ e1，如果c顯著（h0:c=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

4、，如果a顯著（h0:a=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=cx + bm + e3,檢驗(yàn)b的顯著性，若b顯著（h0:b=0被拒絕）,則說明中介效應(yīng)顯著。此時(shí)檢驗(yàn)c,若c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

5、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=，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

6、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z/20.97或z/2-0.97(p 0.05，n200)。關(guān)于臨界值比率表見附件（虛無假設(shè)概率分布見mackinnon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mackinno

7、n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，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

8、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 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mackinnon 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 m

9、ethods to test mediation and other intervening variable effects. psychological methods2002, vol. 7, no. 1, 83104）。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)槠渑R界概率（mackinnon）p0.90或z/2-0.90，而正態(tài)分布曲線下臨界概率p1.96或z/2-1.96，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

10、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 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，的下標(biāo)n-3表示t檢驗(yàn)的自由度為n-3，為自變量與中介變量的相關(guān)系數(shù)，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b0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

11、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)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

12、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。descript

13、ive statistics 工作不被認(rèn)同焦慮工作績效valid n (listwise)n489489489489mean2.08212.08592.2807 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 changedf1df2

14、sig. f change1.678(a).460.459.70570.460414.2651487.000a predictors: (constant), 不被認(rèn)同（中心化） 由上表可知，方程y=cx+e的回歸效應(yīng)顯著，c值.678顯著性為p.000,可以進(jìn)行方程m=ax+e和方程y=cx+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：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)

15、進(jìn)行方程y=cx+bm+e的檢驗(yàn)，結(jié)果如下表：由上面兩個(gè)表的結(jié)果分析可知，方程y=cx+bm+e中，b值為0.213顯著性為p.000,因此綜合兩個(gè)方程m=ax+e和y=cx+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.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

16、 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.818.000.000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 - defaul

17、t 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

18、下降.000.002.001效率低.000.002.001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.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)sta

19、ndardized 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.000.000.830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

20、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.858.000.000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.0

21、00.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)

22、 (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.000.000.000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.00

23、0.000.000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.000.000.000客戶不認(rèn)可.000.000.000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

24、事不認(rèn)可.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：standardized 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.

25、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).017.000.927.000.000效率下降-績效表現(xiàn).020.000.871.000.000緊張-焦慮.029.000.747.000.000上表是采用bootstrap方法得出的標(biāo)準(zhǔn)化估計(jì)值及其標(biāo)準(zhǔn)誤，se表示估計(jì)值標(biāo)準(zhǔn)誤；se-se表示

26、用bootstrap估計(jì)標(biāo)準(zhǔn)誤而產(chǎn)生的標(biāo)準(zhǔn)誤；mean表示標(biāo)準(zhǔn)化估計(jì)均值；bias表示采用bootstrap前后的標(biāo)準(zhǔn)化估計(jì)值的差異值，符號表示差異大小；se-bias表示對估計(jì)值差異估計(jì)的標(biāo)準(zhǔn)誤。對照這個(gè)表，可以得出a=0.628，對應(yīng)的標(biāo)準(zhǔn)誤sa為0.038；b=0.187,對應(yīng)的標(biāo)準(zhǔn)誤sb為0.058；c值為0.659,標(biāo)準(zhǔn)誤為0.053。到現(xiàn)在為止，我們已經(jīng)找出了a、b、c的標(biāo)準(zhǔn)化估計(jì)值及其對應(yīng)的標(biāo)準(zhǔn)誤，那么c的標(biāo)準(zhǔn)化估計(jì)值及其標(biāo)準(zhǔn)誤在哪里找呢？看下表：standardized total effects (group number 1 - default model)工作不被認(rèn)可焦慮

27、績效表現(xiàn)焦慮.629.000.000績效表現(xiàn).777.188.000效率下降.677.164.871效率低.721.175.927領(lǐng)導(dǎo)不認(rèn)可.866.000.000同事不認(rèn)可.818.000.000客戶不認(rèn)可.790.000.000坐立不安.526.836.000緊張.470.747.000心跳.513.814.000這個(gè)表格紅體字部分即為c值，其標(biāo)準(zhǔn)誤為0.030（見下表紅體字部分）standardized total effects - standard errors (group number 1 - default model)工作不被認(rèn)可焦慮績效表現(xiàn)焦慮.038.000.000績效表

28、現(xiàn).030.058.000效率下降.031.050.020效率低.028.054.017領(lǐng)導(dǎo)不認(rèn)可.023.000.000同事不認(rèn)可.023.000.000客戶不認(rèn)可.028.000.000坐立不安.038.027.000緊張.034.029.000心跳.037.029.000現(xiàn)在我們已經(jīng)找出所有標(biāo)準(zhǔn)化的效應(yīng)估計(jì)值及其標(biāo)準(zhǔn)誤，那么還等什么呢，開始分析中介效應(yīng)吧。在本例中，c值顯著性p大于0.90（p0.05）,因此說明中介效應(yīng)顯著。大家有興趣可以根據(jù)我們之前提到的c-c檢驗(yàn)公式把對應(yīng)值代入檢驗(yàn)，這里我就不再多講了。 主題二：調(diào)節(jié)效應(yīng)重要理論及操作務(wù)實(shí)一、調(diào)節(jié)效應(yīng)回歸方程： 調(diào)節(jié)效應(yīng)是交互效應(yīng)的

29、一種，是有因果指向的交互效應(yīng)，而單純的交互效應(yīng)可以互為因果關(guān)系；調(diào)節(jié)變量一般不受自變量和因變量影響，但是可以影響自變量和因變量；調(diào)節(jié)變量一般不能作為中介變量，在特殊情況下，調(diào)節(jié)變量也可以作為中介變量，例如認(rèn)知?dú)w因方式既可以作為挫折性應(yīng)激（x）和應(yīng)對方式（y）的調(diào)節(jié)變量也可以作為中介變量。常見的調(diào)節(jié)變量有性別、年齡、收入水平、文化程度、社會(huì)地位等。在統(tǒng)計(jì)回歸分析中，檢驗(yàn)變量的調(diào)節(jié)效應(yīng)意味著檢驗(yàn)調(diào)節(jié)變量和自變量的交互效應(yīng)是否顯著。以最簡單的回歸方程為例，調(diào)節(jié)效應(yīng)檢驗(yàn)回歸方程包括2個(gè)如下：y=a+bx+cm+e 1）y=a+bx+cm+cmx+e 2）在上述方程中，m為調(diào)節(jié)變量，mx為調(diào)節(jié)效應(yīng)，調(diào)節(jié)

30、效應(yīng)是否顯著即是分析c是否顯著達(dá)到統(tǒng)計(jì)學(xué)意義上的臨界比率.05水平)。二、檢驗(yàn)調(diào)節(jié)效應(yīng)的方法有三種：1.在層次回歸分析中（hierarchical regression）,檢驗(yàn)2個(gè)回歸方程的復(fù)相關(guān)系數(shù)r12和r22是否有顯著區(qū)別，若r12和r22顯著不同，則說明mx交互作用顯著，即表明m的調(diào)節(jié)效應(yīng)顯著；2.或看層次回歸方程中的c系數(shù)（調(diào)節(jié)變量偏相關(guān)系數(shù)），若c（spss輸出為標(biāo)準(zhǔn)化值）顯著，則說明調(diào)節(jié)效應(yīng)顯著；3.多元方差分析，看交互作用水平是否顯著；4.在分組回歸情況下，調(diào)節(jié)效應(yīng)看各組回歸方程的r2。注：上述四種方法主要用于顯變量調(diào)節(jié)效應(yīng)檢驗(yàn)，且和x與m的變量類型相關(guān)，具體要根據(jù)下述幾種類型

31、采用不同的方式檢驗(yàn)三、顯變量調(diào)節(jié)效應(yīng)分析的幾種類型 根據(jù)調(diào)節(jié)效應(yīng)回歸方程中自變量和調(diào)節(jié)變量的幾種不同類型組合，分析調(diào)節(jié)效應(yīng)的方法和操作也有區(qū)別如下：1.分類自變量（x）+分類調(diào)節(jié)變量(m)如果自變量和調(diào)節(jié)變量都是分類變量的話，實(shí)際上就是多元方差分析中的交互作用顯著性分析，如x有兩種水平，m有三種水平，則可以做23交互作用方差分析，在spss里面可以很容易實(shí)現(xiàn)，這我就不多講了，具體操作看spss操作工具書就可以了。2.分類自變量（x）+連續(xù)調(diào)節(jié)變量（m） 這種類型調(diào)節(jié)效應(yīng)分析需要對分類自變量進(jìn)行偽變量轉(zhuǎn)換，將自變量和調(diào)節(jié)變量中心化（計(jì)算變量離均差）然后做層次回歸分析。分類自變量轉(zhuǎn)換為偽變量的方法

32、：假設(shè)自變量x有n種分類，則可以轉(zhuǎn)換為n-1個(gè)偽變量，例如自變量為年收入水平，假設(shè)按人均年收入水平分為8千以下、80002萬、2萬5萬、5萬10萬、10萬以上四種類型，則可以轉(zhuǎn)換為3個(gè)偽變量如下： x1 x2 x3 10萬以上 1 0 0 5萬到10萬 0 1 0 2萬到5萬 0 0 1 8千以下 0 0 0上述轉(zhuǎn)換在spss中可以建立3個(gè)偽變量x1、x2、x3,變量數(shù)據(jù)中心化后標(biāo)準(zhǔn)回歸方程表示為：y=b1x1+b2x2+b3x3+cm+e 3)y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e 4)x1=1表示10萬以上；x2=1表示5萬到10萬；x3=1表示2萬

33、到5萬；8千以下=0。此時(shí)8千以下的回歸方程表示為：y=cm +e(在x1、x2、x3上的偽變量值為0)；之所以單獨(dú)列出這個(gè)方程，是為了方便大家根據(jù)回歸方程畫交互作用圖,即求出c值就可以根據(jù)方程畫出8千以下變量的調(diào)節(jié)效應(yīng)圖。檢驗(yàn)方法為分析r2顯著性或調(diào)節(jié)系數(shù)c顯著性。注：在這4種分類自變量的調(diào)節(jié)效應(yīng)分析中，采用r12和r22顯著性檢驗(yàn)時(shí)，是對4種類型自變量在調(diào)節(jié)變量作用下的調(diào)節(jié)效應(yīng)的整體檢驗(yàn)，總體顯著的效果可能會(huì)掩蓋某種類型自變量與調(diào)節(jié)變量的交互作用不顯著的情況，此時(shí)，我們就要逐一審查各個(gè)交互項(xiàng)的偏相關(guān)系數(shù)。對方程4）而言，如果檢查調(diào)節(jié)變量的偏相關(guān)系數(shù)，則有可能會(huì)出現(xiàn)一些調(diào)節(jié)變量偏相關(guān)系數(shù)不顯

34、著的情況，例如，c1顯著、c2和c3不顯著或c1和c2顯著，c3不顯著的情況等，此時(shí)可根據(jù)交互項(xiàng)的偏相關(guān)系數(shù)來發(fā)現(xiàn)到底是那種類型的自變量與調(diào)節(jié)變量的交互作用不顯著。3.連續(xù)自變量（x）+分類調(diào)節(jié)變量（m） 這種類型的調(diào)節(jié)效應(yīng)需要采用分組回歸分析，所謂分組回歸分析既是根據(jù)調(diào)節(jié)變量的分類水平，建立分組回歸方程進(jìn)行分析，回歸方程為y=a+bx+e。當(dāng)然也可以采用將調(diào)節(jié)變量轉(zhuǎn)換為偽變量以后進(jìn)行層次回歸分析，層次回歸具體步驟同上，見三、2，需要注意的是，分類的調(diào)節(jié)變量轉(zhuǎn)換為偽變量進(jìn)行層次回歸分析后，調(diào)節(jié)效應(yīng)是看方程的決定系數(shù)r2顯著性整體效果，這和不同分類水平的自變量下調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)識別有區(qū)別。我們

35、這里主要講下如何進(jìn)行調(diào)節(jié)效應(yīng)分組回歸分析，調(diào)節(jié)效應(yīng)的分組回歸分析可以在spss中完成，當(dāng)然也可以通過sem分析軟件如amos來實(shí)現(xiàn)，我們首先來看看如何通過spss來實(shí)現(xiàn)分組回歸來實(shí)現(xiàn)調(diào)節(jié)效應(yīng)分析的。spss中對分組回歸的操作主要分兩步進(jìn)行，第一步是對樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割，第二步則是回歸分析。具體步驟見下圖：第一步：對樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割：注：選取的gender為調(diào)節(jié)變量，分別為女=0，男=1，當(dāng)然在實(shí)際研究中可能有更多的分類，大家完全可以用1、2、3、4.等來編號。這個(gè)窗口選取的兩個(gè)命令是比較多組(compare groups和按分組變量對數(shù)據(jù)文件排序（sort the

36、 file by grouping variables）第二步：選擇回歸命令并設(shè)置自變量和因變量這個(gè)窗口里面選取了自變量comp和因變量pictcomp,然后再點(diǎn)擊statistics在彈出窗口中設(shè)置輸出參數(shù)項(xiàng)如下圖，勾取estimatesmodel fitrsquared change：第三步：看輸出結(jié)果，分析調(diào)節(jié)效應(yīng)，見表格數(shù)據(jù)：表格1variables entered/removedbgendermodelvariables enteredvariables removedmethod01compa.enter11compa.entera. all requested variables

37、 entered.b. dependent variable: pictcomp表格1顯示了因變量是pictcomp,回歸方法采用強(qiáng)行進(jìn)入法（enter），共有兩組回歸方程，一組是女性（0），另一組是男性（1）。表格2model summarygendermodelrr squareadjusted r squarestd. error of the estimatechange statisticsr square changef changedf1df2sig. f change01.349a.122.1132.723.12214.1611102.00011.489a.239.2282.647.23921.709169.000a. predictors: (constant), comp表格2是回歸模型的總體情況，男行和女性的兩組回歸方程具有顯著效應(yīng)(p.001)，表明性別這一變量具有顯著的調(diào)節(jié)效應(yīng)。從表格數(shù)據(jù)可以看出，女性組的回歸方程解