溫忠麟老師檢驗(yàn)中介效應(yīng)程序

1、溫忠麟老師的檢驗(yàn)中介效應(yīng)程序一、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(guò)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(chēng) M為中介變量,而X通過(guò)M對(duì)Y產(chǎn)生的的間接影響稱(chēng)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)可以是局部中介效應(yīng)的和或所有中介效 應(yīng)的總和.以最簡(jiǎn)單的三變量為例,假設(shè)所有的變量都已經(jīng)中央化,那么中介 關(guān)系可以用回歸方程表示如下：Y=cx+ei1M=ax+e22Y=c ' x+bM+e3上述3個(gè)方程模型圖及對(duì)應(yīng)方程如下

2、:M YX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(jiǎn)要介紹下這三種方法：1,依次檢馬法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+ el ,如果c顯著H0:c=0被拒絕, 那么繼續(xù)檢驗(yàn)方程2,如果c不顯著說(shuō)明X對(duì)Y無(wú)影響,那么停止中 介效應(yīng)檢驗(yàn)；1.2 在c顯著性檢驗(yàn)通過(guò)后,繼續(xù)檢驗(yàn)方程 2 M=ax+e2如果a 顯著H0:a=0被拒絕,那么繼續(xù)檢驗(yàn)方程3;如果a不顯著,那么停止 檢驗(yàn)；1.3 在方程1和2都通過(guò)顯著性檢驗(yàn)后,檢驗(yàn)方程3即y=c&#

3、39; x + bM + e3,檢馬b的顯著性,假設(shè)b顯著H0:b=0被拒絕,那么說(shuō)明中 介效應(yīng)顯著.此時(shí)檢驗(yàn)c',假設(shè)c'顯著,那么說(shuō)明是 不完全中介效應(yīng)； 假設(shè)不顯著,那么說(shuō)明是完全中介效應(yīng),x對(duì)y的作用完全通過(guò)M來(lái)實(shí)現(xiàn).評(píng)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(duì)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(lèi)錯(cuò)誤接受虛無(wú)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,

4、檢驗(yàn)統(tǒng)計(jì)量為 z = ab/ s也 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(guò)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(lái)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(shū)籍.分母Sab的計(jì)算公式為：Sab=；a2&2+b2Sa2 ,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(chēng)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

5、可以檢驗(yàn)見(jiàn)下,但在樣本比擬大的情況下這些檢驗(yàn)效果區(qū)別不大.在AMO和沒(méi)有專(zhuān)門(mén)的Soble檢驗(yàn)的模塊,需要自己手工計(jì)算出而在 liSrel 里面那么有,其臨界值為 Za/2>0.97 或 z0/2<-0.97P <0.05 , N 三200.關(guān)于臨界值比率表見(jiàn)附件虛無(wú)假設(shè)概率分布見(jiàn)MacKinnon表中無(wú)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(méi)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土 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 MacKinn

6、on那篇文章,發(fā)現(xiàn)溫對(duì)于.97的解釋是直接照搬 MacKinnon 原文中 的一句 話(huà) <For example, the empirical critical value is .97 for the .05 significance level rather than 1.96 for the standard normal test of ab 4 0. Wedesignate this test statistic by z8 because it uses a different distribution than the normal distribution.> ,實(shí)

7、際上在MacKinnon的概率表中,這個(gè).97的值是 在N=200下對(duì)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,由于在該表中根本就沒(méi)有直接給出.05概率的統(tǒng)計(jì)值.為了確定 這點(diǎn),我專(zhuān)門(mén)查了國(guó)外對(duì)這個(gè)概率表的介紹,發(fā)現(xiàn)確實(shí)如此,相關(guān)文 章見(jiàn)附件mediationmodels.rar .當(dāng)然,從統(tǒng)計(jì)概率上來(lái)說(shuō),大于0.97在這個(gè)表中意味著其值對(duì)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0.8797:其值對(duì)應(yīng)概率的判斷就比擬麻煩了,此時(shí)要采用 0.90作為P<.05的統(tǒng)計(jì)值來(lái)進(jìn)行判斷.之所以對(duì)溫的文章提出質(zhì)疑, 是由于這涉及到概率檢驗(yàn)的結(jié)果可靠性,我為此查了很

8、多資料,累).Goodmarl檢驗(yàn)公式如下Goodman II檢驗(yàn)檢驗(yàn)公式如下珅='/£說(shuō)+/靖十仃：說(shuō)V得仃3 +百口： 一 二：*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,武說(shuō)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)為武坤乘積項(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僉驗(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(qǐng)參考文獻(xiàn) A Comp

9、arison of Methods to Test Mediation and Other Intervening Variable Effects. Psychological Methods 2002, Vol. 7, No. 1,83 104).評(píng)價(jià)：采用sobel等檢驗(yàn)公式對(duì)中介效應(yīng)的檢驗(yàn)容易得到中介效應(yīng)顯著性結(jié)果,由于其臨界概率(MacKinnon) P<.05的Z值為z0/2>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/2<-1.96,因此用該臨界概率表 容易犯第一類(lèi)錯(cuò)誤(拒絕虛無(wú)假 設(shè)

10、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(guò) 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 - c'C C 'tN -3 =二 ',rxmsc'SC2 SC2-2SCSC'1-rxn2這兩個(gè)公式都采用t檢驗(yàn),可以通過(guò)t值表直接查出其臨界概率. Clogg等提出的檢驗(yàn)公式中, 8-3的下標(biāo)N-3表示t檢驗(yàn)的自

11、由度 為N-3, q加為自變量與中介變量的相關(guān)系數(shù),S-為X對(duì)Y的間接效 應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤；同理見(jiàn) Freedman檢驗(yàn)公式.評(píng)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(lèi)錯(cuò)誤率 接近0.05 ,但當(dāng)a=0且b?0時(shí),第一類(lèi)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(lèi)錯(cuò)誤率到達(dá)100%因此要謹(jǐn)慎對(duì)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,如下列圖:中介效 完全中介 中介效 中介效應(yīng) F與度相關(guān)不顯著 應(yīng)顯著越應(yīng)顯著應(yīng)顯著不顯著 停止中介效應(yīng)分析這個(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(lèi)錯(cuò)誤 率和第二類(lèi)錯(cuò)誤率都限制在較小的概率,

12、同時(shí)還能檢驗(yàn)局部中介效應(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(duì)國(guó)內(nèi)國(guó)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(zhuān)門(mén)分析soble檢驗(yàn)的工具軟件腳本,可下掛在 SPSS當(dāng)中；然而 在AMO阱只能通過(guò)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(duì)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(guò)對(duì)在SPSS AMOS中如何分析中介效應(yīng)進(jìn)行操作演示,相關(guān)SOBE檢驗(yàn)?zāi)_本及臨界值表非正態(tài)SOBE瞼驗(yàn)臨界表請(qǐng)看附件.1 .如何在SPSSfr實(shí)現(xiàn)中介效應(yīng)分析這個(gè)局部我主要講下如何在 spss中實(shí)現(xiàn)中介效應(yīng)分析無(wú)腳

13、本,數(shù)據(jù)見(jiàn)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(jī)效.第一步：將自變量X、中介變量M、因變量Y對(duì)應(yīng)的潛變量的項(xiàng)目得分合并取均值并中央化,見(jiàn)下列圖文件0 銅輯曲 視圖 數(shù)據(jù) 轉(zhuǎn)換置分析® 圖表 工具皿 窗口 幫助如百口昌國(guó) 1由1閶鑰曰制*6：工作不被認(rèn)同3領(lǐng)導(dǎo)不認(rèn)叫同事不認(rèn)可I客戶(hù)不認(rèn)可'IF跳|緊張I坐立不安效率低效簿下降I1324222322口1111121221221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(cè)指標(biāo),即領(lǐng)導(dǎo)不認(rèn)同、 同事不認(rèn)可、客戶(hù)不認(rèn)可；中介變量M焦慮包含3個(gè)觀測(cè)指標(biāo)即心跳、緊張、 坐立不安；因變量Y包含2個(gè)觀

14、測(cè)指標(biāo)即效率低和效率下降.圖畫(huà)效應(yīng)分后魏.4 汪西Dat舞荷F姐胭電緘叫轉(zhuǎn)換分折處簫回工艮縱窗口融QP 啪牌舊 司回旦劇用圉副幅|用型|E工怖蚓同 3鎮(zhèn)導(dǎo)不認(rèn)可同事不認(rèn)可臨戶(hù)和可哂_緊張|坐立不安效率耐效率下陽(yáng)工作不被認(rèn)同焦慮一|工假效|732_42?2323.002IC2.50上122|22才-.002.002.0tDescriptive Statistics工作不被認(rèn)同焦慮工作績(jī)效Valid N (listwise)N489489489489Mean2.08212.08592.2807交件正轆£視圖舊 數(shù)據(jù)如 轉(zhuǎn)換復(fù)分析 圖表 工具® 窗口如 幫助QP=口旨即母羈正向回

15、卦玩|與6 :士作不破認(rèn)同言工作不被認(rèn)同焦慮工作筑效不被認(rèn)同中央化焦慮?中央化：I工作線效中央佃:13.002002.509209,2221.002.002.00-1.00.9 2S31.001.331.50,1.005兩上面三個(gè)圖表示合并均值及中央化處理過(guò)程, 生成3個(gè)對(duì)應(yīng)的變量并中央化工程均值后取離均差得到中央化X、M 丫.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 RSquareStd. Error of the EstimateChange StatisticsR

16、 Square ChangeF Changedf1df2Sig. F Change1.678(a).460.459.70570.460414.2651487.000a Predictors: (Constant),不被認(rèn)同(中央化)Coe fficientsModelUnstandardizedCoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).002.032.051.959不被認(rèn)同中央化.804.040.67820.354.000a Dependent Var iable:工作績(jī)效(中央化)由上表可知,方程

17、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+eF方程丫M' x+bm+e勺顯著性檢驗(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,那么急需檢驗(yàn)局部中介效應(yīng)和完全中介效應(yīng)；如果都不顯著,那么停 止檢驗(yàn)；如果a或b中只有一個(gè)較顯著,那么進(jìn)行sobel檢驗(yàn),檢驗(yàn)結(jié) 果見(jiàn)下表：Model Summ aryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F C

18、hange1.533 a.284.283.76763.284193.2471487.000a. Predictors: (Constant), 不被認(rèn)同(中央化)Coe fficients aModelUnstandardizedCoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1Constant不被認(rèn)同中央化.001.597.035.043.533.03413.901.973.000a. Dependent Var iable:焦慮中央化由上面兩個(gè)表格結(jié)果分析可知,方程m=ax+沖,a值0.53p<.000 ,繼續(xù)進(jìn)行方程

19、y=c' x+bm+e勺檢驗(yàn),結(jié)果如下表:Model Summ aryModelRR SquareAdjustedR SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.702 a.492.490.68485.492235.4902486.000a. Predictors: Constant, 焦慮中央化,不被認(rèn)同中央化Coe fficientsModelUnstandardizedCoefficientsStandardized Coefficient

20、stSig.BStd.ErrorBeta1Constant.001.031.044.965不被認(rèn)同中央化.670.045.56414.773.000焦慮中央化.225.040.2135.577.000a. Dependent Var iable:工作績(jī)效中央化由上面兩個(gè)表的結(jié)果分析可知,方程 y=c' x+bm+仲,b值為0.213顯 著性為p<.000,因此綜合兩個(gè)方程m=ax+卸y=c' x+bm+e勺檢驗(yàn)結(jié)果, a和謂B非常顯著,接下來(lái)檢驗(yàn)中介效應(yīng)的到底是局部中介還是完全中 介；第四步：檢驗(yàn)局部中介與完全中介即檢驗(yàn)c'的顯著性：由上表可知,c'值為.

21、564其p值<.000,因此是局部中介效應(yīng),自變量 對(duì)因變量的中介效應(yīng)不完全通過(guò)中介變量焦慮的中介來(lái)到達(dá)其影響,工作不被認(rèn)同對(duì)工作績(jī)效有直接效應(yīng),中介效應(yīng)占總效應(yīng)的比值為：effect m=ab/c=0.533 x 0.213/0.678=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(lái)分析中介效應(yīng)下面我們采用Pre

22、acher(2004)設(shè)計(jì)的spssmaro腳本來(lái)進(jìn)行中介效應(yīng)分析,該腳本是美國(guó)俄亥俄和州立大學(xué)Preacher和Hayesf 2004年開(kāi)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(duì)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： www /ahayes/sobel.htm .腳本文件名為sobel_spss ,關(guān)于如何在spss使用該腳本請(qǐng)看附件(附 件為pdf文件,文件名為runningscripts).在運(yùn)行了腳本后,在翻開(kāi) 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boots

23、trap (自抽樣)次數(shù),設(shè)置好后,點(diǎn)擊ok,運(yùn)行結(jié)果如下：勵(lì)中介效應(yīng)分析數(shù)據(jù)- SPSS Data Editor文件9潴輯?視圖w 數(shù)據(jù)轉(zhuǎn)換d分析困表工具便窗口但精助國(guó)篁1.|胤 叟1 金|日M劇 唱圄 圜酬匿I回1另：工作不被認(rèn)南=TF工作不被認(rèn)同I 113.0021.0031.0042.0052 0062 0073.0081.3391.33102 33112 33122.00133.67143.33152 33162 33171.33183.33193.00232 00sy/so12I工作績(jī)效I不被認(rèn)同中央化I焦慮中央化I工作續(xù)交L_spss文件電編輯更視圖9 腳本© 調(diào)試分析

24、A圖表 工具也窗口也 裕助方 昌 電|國(guó).州替“qJ旦| 士向qQ 國(guó)闿Proc: (declarations)I* This is a script version of the SOBEL macro described / , Preacher, K. J/ & Hayes, A. F(2004). SPSS and SAS 口 'procedures for estimating indirect effects in simple 'mediation models. Behavior Research Methods, Instrumer ,6 Comput

25、ers/ 36, 717-731.1 Written by Andreu F. Hayes 1 School of Communication1 The Ohio State University, 1 ,Version 2.0, January 5, 20211 You must run as a script file, not as a syntax file1 If select to save the bootstrap estimates, they will 'be saved in a datafile called bootstrap.

26、sav in the1 SPSS directory(2004) Siwple lediation Script領(lǐng)導(dǎo)不認(rèn)可 同事不認(rèn)可 客戶(hù)不認(rèn)可 心跳 緊張 坐立不安 效率低 數(shù)率卞降 不被認(rèn)同中央化 喪虎中央化 工作績(jī)效中央化Dependent Variable (Y)口以作績(jī)效Sobel Test Standard ErrorSecond orderBootstrap Samples1000Save Bootstrap EstimatesRun MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MODELY工作績(jī)效X不被認(rèn)同M焦慮DESCRIP

27、TIVES STATISTICS AND PEARSON CORRELATIONSMean SD工作績(jī)效不被認(rèn)同焦慮工作績(jī)_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 EFFECTSCoeff s.e. t Sig(two)b(YX).8042.039520.3535.0000cb(MX).5975.043013.9013.0000ab(YM.X).2255.04045.5773.0000bb(YX.M)

28、.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 DISTRIBUTIONValue s.e. LL 95 CI UL 95 CI Z Sig(two)Effect .1347.0261.0836 .1858 5.1647.0000(sobel)BOOTSTRAP RESULTS For INDIRECT EFFECTData Mean s.e. LL 95 CI UL 95 CI LL 99 CI U

29、L 99 CIEffect .1347.1333.0295.0800.1928.0582.2135NUMBER OF BOOTSTRAP RESAMPLES1000FAIRCHILD ET AL. (2021) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT:.2316NOTES*END MATRIX從spssmacro腳本運(yùn)行的結(jié)果來(lái)看,總效應(yīng)、中介效應(yīng)、間接效應(yīng)到達(dá)了顯著值,其中c為0.8042, 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)

30、的比例為0.168.下面用對(duì)加載腳本前后的計(jì)算結(jié)果進(jìn)行比擬見(jiàn)下表：ca bc,效應(yīng)比中介效應(yīng)方差變異無(wú)腳本*0.6780.513 * 0.213 *0.5640.167417.6%*Spssmacrao 0.8040.598 * 0.226 *0.6700.167523.16%從比擬結(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)提升 了,但效應(yīng)比沒(méi)有多大變化0.0001 ,說(shuō)明中介效應(yīng)實(shí)際上提升了； 中介效應(yīng)對(duì)因變量的方差變異的解釋比例也提升了了近 5個(gè)百分點(diǎn), 說(shuō)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AMO阱實(shí)現(xiàn)中介效應(yīng)分析無(wú)論變量是否涉及潛變量,都

31、可以利用結(jié)構(gòu)方程模型來(lái)實(shí)現(xiàn)中介效應(yīng)分析,下面我來(lái)談?wù)勅绾卧?AMO阱實(shí)現(xiàn)中介效應(yīng)分析,數(shù)據(jù)見(jiàn)附件AMO阱介效應(yīng)分析數(shù)據(jù)第一步：建立好模型圖,如下:e11本模型假設(shè),工作不被認(rèn)可通過(guò)中介變量影響績(jī)效表現(xiàn).第二步：設(shè)置參數(shù),要在 AMO和分析中介效應(yīng),需要進(jìn)行一些必要的參數(shù)設(shè)置,步驟見(jiàn)下列圖:一 YZ : Group number I z InputFile Editew Di agram Analyze Tools Flugins HelpIIIIIHIIIBIMIII IHIIIMHIIIIIIn o'樂(lè) Interfict Fropertifts.Ctrl+I1 1JRPrcpsrt

32、i es,. .Ctrl+A4 4ki*? Object Frsperties, . .Ctrl+0Analysis Properties：Estimation ： Numerical iasaim-:its - rl| Output Bootstrap Permutations Random # TitleDLserepancy MaxiiJium likslihood CeneraliEed least squaresUpweighted least squaresS.calt-ftree least squaresAsympt crt ically di St r ibut zl on-

33、f r e er Estinate Means and interceptsEmul.isrel6aic口工 rectFor the purpose of computing fit measures with incomplet* data: Fit the saturated and independence modelsFit the saturated model only"Fit neither model根據(jù)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(jī)效1 KDefault modelMiminzat ionIt e

34、rat ion 8Minimujn was achievedWrit ing outputChi-square - 26.05 df = 17Dootst rapSample 5000EC confidence intervalsPass 1Pass 2Pass 3Pass 4Pass 5Pass 6Pass 7ComputalPass 8Pass 9 口 r k 1 n上圖表示采用bootstrap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.生豆不安領(lǐng)導(dǎo)不認(rèn)可同事不認(rèn)可作不被認(rèn)客戶(hù)不認(rèn)可焦慮,66效率低-績(jī)效表現(xiàn)第三步：看輸出結(jié)果即模型圖和文本輸出:

35、Standardized estimates卡方值=25.996(P=.O75);自由度=17;NFI=,989;TLI=.994;CFI=.996;卡方與自由度之比二L529從模型標(biāo)準(zhǔn)化路徑圖可以看出,模型卡方與自由度之比為1.529, p值.05,各項(xiàng)擬合指數(shù)皆較理想,說(shuō)明模型較理想,下面我們來(lái)看下模型的總體效應(yīng)和間接效應(yīng)的文本輸出,見(jiàn)下表:Standardized Total Effects (Group number 1 - Default model)Standardized Total Effects - Lower Bounds (BC) (Group number 1 - De

36、fault model)工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.554.000.000績(jī)效表現(xiàn).714.077.000效率卜降.612.068.830效率低.661.070.889領(lǐng)導(dǎo)不認(rèn)可.818.000.000同事/、認(rèn)可.771.000.000客戶(hù)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(jī)效表現(xiàn)焦慮.703.000.000績(jī)效表現(xiàn).831.303.0

37、00效率卜降.733.263.905效率低.771.284.958領(lǐng)導(dǎo)不認(rèn)可.907.000.000同事/、認(rèn)可.858.000.000客戶(hù)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(jī)效表現(xiàn)焦慮.000.績(jī)效表現(xiàn).000.002.效率卜降.000.002.001效率低.000.002.001領(lǐng)導(dǎo)不認(rèn)可.000.同事/、認(rèn)可.0

38、01.客戶(hù)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(duì)因變量(績(jī) 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

39、 (BC) (Group number 1 - Default model)工作不被認(rèn)可焦慮績(jī)效表現(xiàn)工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.554.000.000績(jī)效表現(xiàn).549.077.000效率卜降.000.000.830效率低.000.000.889領(lǐng)導(dǎo)不認(rèn)可.818.000.000同事/、認(rèn)可.771.000.000客戶(hù)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

40、作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.703.000.000績(jī)效表現(xiàn).759.303.000效率卜降.000.000.905效率低.000.000.958領(lǐng)導(dǎo)不認(rèn)可.907.000.000同事/、認(rèn)可.858.000.000客戶(hù)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(jī)效表現(xiàn)焦慮.000.績(jī)效表現(xiàn).000.002.效率卜降 .001

41、效率低 .001領(lǐng)導(dǎo)不認(rèn)可.000.同事/、認(rèn)可.001.客戶(hù)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婿信區(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(jiàn)紅體字局部(在本例中即為中介效應(yīng)ab和c').下面我們來(lái)看下間接效應(yīng)的顯著性分析結(jié)果,見(jiàn)下列圖：Standardized Indirect Effects (Group number 1 - Default model)Standardized Indirect Effects - Lower Bounds (BC) (Group number 1

42、- Default model)工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮:.000.000.000績(jī)效表現(xiàn).050.000.000效率卜降.612.068.000效率低.661.070.000領(lǐng)導(dǎo)不認(rèn)可.000.000.000同事/、認(rèn)可.000.000.000客戶(hù)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(jī)效表現(xiàn)焦慮.000.000.000績(jī)效表現(xiàn).1

43、97.000.000效率卜降.733.263.000效率低.771.284.000領(lǐng)導(dǎo)不認(rèn)可.000.000.000同事/、認(rèn)可.000.000.000客戶(hù)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(jī)效表現(xiàn)焦慮.工作不被認(rèn)可焦慮績(jī)效表現(xiàn)績(jī)效表現(xiàn).002.效率卜降.000.002.效率低.000.002.領(lǐng)導(dǎo)不認(rèn)可.同事/

44、、認(rèn)可.客戶(hù)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(jiàn)紅體字局部,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)值都到達(dá)了顯 著性,下面,我們來(lái)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(jiàn)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(jī)效表現(xiàn)<工作不被認(rèn)可.053.001.659.000.001績(jī)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(hù)不認(rèn)可<工作不被認(rèn)可.028.000.790.000.000同事/、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(jī)效表現(xiàn).017.000.9