運(yùn)用SPSS和AMOS進(jìn)行中介效應(yīng)分析范文

1、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(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 XtY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)可以是局部中介效應(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,而這常常被研究者所無視.例如,大學(xué)生就業(yè)壓力與擇業(yè)行為之間的關(guān)系往

2、往不是直接的,而更有可能存 在如下關(guān)系：就業(yè)壓力一個(gè)體壓力應(yīng)對一擇業(yè)行為反響.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)壓力一個(gè)體擇業(yè)期望一擇業(yè)行為反響；(3就業(yè)壓力一個(gè)體生涯規(guī)劃一擇業(yè)行為反響；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)所有的變量都已經(jīng)中央化,那么中介關(guān)系可以用回

3、歸方程表示1)2)如下：Y=cx+eiM=ax+eY=c x+bM+e 33)、中介效應(yīng)檢驗(yàn)方法上述3個(gè)方程模型圖及對應(yīng)方程如下: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 .依次檢當(dāng)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+ e i,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 不顯著說明X對Y無影響,那么停止中介效應(yīng)檢驗(yàn)；1.2 在c顯著性檢驗(yàn)通過后,繼續(xù)檢驗(yàn)方程 2 M=ax+e 2,如果a顯著H:a=0被拒絕,那么 繼續(xù)檢

4、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都通過顯著性檢驗(yàn)后,檢驗(yàn)方程 3即丫=1 x + bM + e3,檢驗(yàn)b的顯著 性,假設(shè)b顯著H0:b=0被拒絕,那么說明中介效應(yīng)顯著.此時(shí)檢驗(yàn) c,假設(shè)c顯著,那么說明是 不 完全中介效應(yīng)；假設(shè)不顯著,那么說明是 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)檢驗(yàn)法products o

5、f 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=a2Sb2b2sa2 ,在這個(gè)公式中,&2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

6、如 Goodman I檢驗(yàn) 和Goodman II檢驗(yàn)都可以檢驗(yàn)見下,但在樣本比擬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里面那么有,其臨界值為z20.97或z2-0.97P 0.05, N呈200.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去,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Mac

7、Kinnon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,由于在該表中根本就沒有直接給出.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)確實(shí) 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0.8797其值對應(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

8、進(jìn)行判斷.之所以對溫的文章提出質(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2 5/；. .rZ = /+ 4尾/聽+b儲(chǔ)-說嗎注：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,/說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?？陧猿朔e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)

9、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 TestMediation and Other Intervening Variable Effects. Psychological Methods2002, 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,由于其臨界概率(MacKinnon) P.05的Z值為ZQ0.90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

10、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 cC C t N 3tN 2rxmscS2 SC2 2SC0 1 G：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,.雙一弓的下標(biāo)N-3表示t檢驗(yàn)的自由度為N-3制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

11、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b*0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)誤率到達(dá)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,如下列圖:中立效 完全中弁 申立池 中力效應(yīng) F與.工相關(guān)不顯著 在顯著,效故顯單應(yīng)顯里不顯假設(shè)停止中介珀應(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)使第一類錯(cuò)誤率和第二類錯(cuò)誤率都限制 在較小的概率,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)我對國內(nèi)

12、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)局部我主要講下如何在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.

13、第一步：將自變量X、中介變量M、因變量Y對應(yīng)的潛變量的工程得分合并取均值并中央化, 見下列圖arnr文件/ 編偈如 視囪 數(shù)比 轉(zhuǎn)換 封析 圖表 工具如 窗口世都助*舊昌國|*由此L 貴廠；電 1324222322I11122222O1-1111G: _L作用破認(rèn)同在這個(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.Descriptive Statistics工作不被認(rèn)同焦慮工作績效Valid N(listwise)NMea n4892.08214892.

14、08594892.2807489SW提件 姬輯口 帙網(wǎng)也I慰據(jù)酬 拉 分析 虔聿舊 工具 定門切 艷到國二.副國II囪副超1 丁亡口工匚后.6工作不破認(rèn)同二柞K被認(rèn)同1焦慮工作費(fèi).強(qiáng)|不被讓卮,中央訛焦庵【中央化: |工作繞枝中2比1JLU2UU2 5092-.092221.002 0U2 001 IB-.09 203I co1 331.501 00-?678上面三個(gè)圖表示合并均值及中央化處理過程,生成 3個(gè)對應(yīng)的變量并中央化工程均值后取離均差得到中央化X、M、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 SummaryMode

15、lRR SquareAdjustedR SquareStd. Error of the EstimateChange StatisticsR 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. ErrorBeta1Constant不被認(rèn)同中央化.002.804.

16、032.040.678.05120.354.959.000a. Dependent Var iable: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,cfi.678顯著性為p.000,可以進(jìn)行方程m=ax+e和方 程丫=1 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,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其中只有一個(gè)較顯著,那么進(jìn)行sobel檢驗(yàn),檢驗(yàn)結(jié)果見下表：Model SumnaryModelRR SquareAdjustedR SquareStd. Error c the Es

17、timatChange Statisticsjef R Square e ChangeF Changej df1df2Sig. F Chan1.53,.284.283.76763.284193.2471487.000a. Predictors: Consta而被認(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 ia

18、ble:焦慮中央化由上面兩個(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：Model Summ aryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.702a.492.490.68485.492235.4902486.000a. Predictors: Constan痹慮中央化,不被認(rèn)同中央化ModelUnstandardized

19、CoefficientsStandardized CoefficientstSig.BStd.ErrorBeta1(Constant).001.031.044.965不被認(rèn)同中央化.670.045.56414.773.000焦慮中央化.225.040.2135.577.000Coe fficientsaa Dependent Var iable: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=ax+e和 y=c 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)的到底是局部中介還是完全 中介；第四

20、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.564其p值.000,因此是局部中介效應(yīng),自變量對因變量的中介效應(yīng)不完全 通過中介變量焦慮的中介來到達(dá)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=0.533 X0.213/0.678=0.167,中介效應(yīng)解釋了因變量的方差變異為sqrt0.490-0.459=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%勺方差變異.2 .在spss中運(yùn)用spssmaro腳

21、本來分析中介效應(yīng)下面我們采用Preacher2004設(shè)計(jì)的spssmaro腳本來進(jìn)行中介效應(yīng)分析,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.htm .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 0在運(yùn)行了腳本后,在翻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

22、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:Run MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MODELY工作績效X不被認(rèn)同M焦慮DESCRIPTIVES STATISTICS 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 EFFECTSCo

23、effs.e.tSig(two)b(YX).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cINDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTIONValues.e. LL 95 CI UL 95 CI ZSig(two)Effect .1347.0261.0836.185

24、85.1647.0000(sobel)BOOTSTRAP RESULTS For INDIRECT EFFECTData Mean s.e. LL 95 CI UL 95 CI LL 99 CI UL 99 CIEffect .1347.1333.0295.0800.1928.0582.2135NUMBER OF BOOTSTRAP RESAMPLES1000FAIRCHILD ET AL. (2021) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT:.2316*NOTES*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)到達(dá)了

25、顯著著,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%勺方差,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)行比擬見下表：c a bc 效應(yīng)比 中介效應(yīng)方差變異無腳本*0.6780.5130.2130.564*0.167417.6%*Spssmacrao 0.8040.5980.2260.6700.167523.16%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)比沒有多大變 化0.0001,說明中介效應(yīng)實(shí)際上提升了；中介效應(yīng)對因變量的方差變異的解釋比例也提升

26、了 了近5個(gè)百分點(diǎn),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)分析卜面我來談?wù)勅鐭o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,何在AMOS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:e11e2e31坐立力、安45M11舄E績效表現(xiàn),1e11、一.一1 一效率低 N-e71-1e8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,步驟見下列圖:E(rup iLub？rnputTile Edi tiinmii

27、Eiiiiin HHiiiiH iiiihiVieiw liigrairi Arialyie Tols Plugins HelpIiitsrEice frflp#rlis.I IPropertifiE.Ctrl+ICtrl+OI? qbjeut Properti es.roperraputl! (mullBoot strap Permutations Random # Tit leEstimation Kume ri cal Bias* Minimisation historyQ Indirect, direct & total effsets St_andardiz ed est inate

28、s* Factor score veightsVmultiple corrslation?,&varinces ofes Sample ncunent s-Correlations of estimatesImplied uijojiienrts* Critical ratios for differences1 111 iTnplied monientsT&sts ior aornality and outliersI Residual jnonent sObservtd inf a mat ion matrixllodificat ion indicesThreshold formodif

29、ication indices：DiscrepancyEmul.isrelSEwtimatb means md int crcept s Masimm likelihood 廣 generalized least squares j Unwieigln ed least squ-aresScale-free least square*|aicarrectC synptotically distribution-treeFor ths purpose of computing fit mtasnres with incomplete data:仃 Fit the saturated and in

30、dependence no delsFit the *aturated no del onlyFit neither nodel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豆件工作認(rèn)同佞店與統(tǒng)通工Ue fault rn.od.elJHmjnLZat ionIterolion 8Jhnijnun was ajchieved.Writing oii+putChi-square = 2S. 0, df = 17Boot strapSample EOOOBC confldeuce intervals12 3 4 5 6 s 3 3 s s 3 s 3 -2 s s

31、 2 a aaaaa p p p p p pPass Pas Pass 3 I Z-B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.第三步：看輸出結(jié)果即模型圖和文本輸出:Standardized estimates卡方值=25996中三.75);自由度=17;NFI=.989;TLI=.994;CFI=.996;卡方與自由度之比=LS29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：Standar

32、dized 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客戶不認(rèn)可.729.000.000工作不被認(rèn)可焦慮績效表現(xiàn)坐立不安.451.776.000緊張.405.688.000心跳

33、.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

34、Significance (BC) (Group number 1 - Default model)工作不被認(rèn)可焦慮績效表現(xiàn)焦慮.000.工作不被認(rèn)可焦慮績效表現(xiàn)績效表現(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.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

35、)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效率卜降.000.000.830效率低.000.000.889工作不被認(rèn)可焦慮績效表現(xiàn)領(lǐng)導(dǎo)不認(rèn)可.818.000.000同事/、認(rèn)可.771.000.000客戶不認(rèn)可

36、.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客戶不認(rèn)可.841.000.000坐立不安.000.883.000緊張.000.802.000心跳.000.86

37、8.000Standardized Direct Effects - Two Tailed Significance (BC) (Group number 1 - Defaultmodel)工作不被認(rèn)可焦慮績效表現(xiàn)焦慮.000.績效表現(xiàn).000.002.效率卜降 .001效率低 .001領(lǐng)導(dǎo)不認(rèn)可.000.同事/、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%a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,見紅體字局部(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

38、下列圖：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效率卜降.612.068.000效率低.661.070.000工作不被認(rèn)可焦慮績效表現(xiàn)領(lǐng)導(dǎo)不認(rèn)可.000.000.000同事/、認(rèn)可.000.000.000客戶不認(rèn)可.000.000.000坐立不安.451.000.00

39、0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客戶不認(rèn)可.000.000.000坐立不安.600.000.000緊張.540.000.000心跳.582.000.000Standardized Indirec

40、t Effects - Two Tailed Significance (BC) (Group number 1 - Defaultmodel)工作不被認(rèn)可焦慮績效表現(xiàn)焦慮.績效表現(xiàn).002.效率卜降.000.002.效率低.000.002.領(lǐng)導(dǎo)不認(rèn)可.同事/、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