中介效應(yīng)的SPSS及Amos方法

1、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 是通過一個或一個以上變量 (M) 的間接影響產(chǎn)生的，此時我們稱 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)中介變量不止一個的情況下， 中介效應(yīng)的不等于 間接效應(yīng)，此時間接效應(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， 而這常常被研究者所忽視。 例如，大學(xué)生就業(yè)壓力與擇業(yè)行為之間的

2、關(guān)系往往不是直接的，而更有可能存在如下關(guān)系： 1 就業(yè)壓力個體壓力應(yīng)對擇業(yè)行為反應(yīng)。此時個體認(rèn)知評價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： 2 就業(yè)壓力個體擇業(yè)期望擇業(yè)行為反應(yīng)； 3 就業(yè)壓力個體生涯規(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， 而且中介變量和調(diào)節(jié) 變量也都有可能同時存在， 導(dǎo)致同一個模型中即有中介效應(yīng)又有調(diào)節(jié) 效應(yīng)，而此時對模型的檢驗(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)

3、中心化， 則中介關(guān)系可以用回歸方程表示如下：Y=cx+e11）M=ax+e22）Y=c ' x+bM+e33）上述 3 個方程模型圖及對應(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 1，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

4、顯著性檢驗(yàn)通過后，繼續(xù)檢驗(yàn)方程 2） M=ax+e2，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=c' x + bM + e 3, 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: 依次檢驗(yàn)容易在統(tǒng)計軟件中直接實(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

5、較小而 b 較大時， 依次檢驗(yàn)判定 為中介效應(yīng)不顯著，但是此時 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 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)計量為 z = ab/ s ab ，實(shí)際上熟 悉統(tǒng)計原理的人可以看出， 這個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，而且此時總體分布為 非正態(tài)，因此這個檢驗(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

6、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)計書籍。 分母 sab 的計算公式為： sab= a2sb2 b2sa2 ，在這個 公式中，sb2和sa2分別為 a和 b的標(biāo)準(zhǔn)誤，這個檢驗(yàn)稱為 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 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，需要自己手工計算出。而 在 lisrel 里面則有，其臨界值為 z/2>0.97 或 z/2<-0.97（P <0.05 ，

7、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 MacKinnon 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 <For example, the empirical critical value is .97

8、for the .05 significancelevel rather than 1.96 for thestandard normal test of ab 4 0. Wed esignate this test statistic by z8 because it uses a different distribution than the normal distribution.> ，實(shí)際上在 MacKinnon 的概率表中，這個 .97 的值是 在 N=200 下對應(yīng)的 .04 概率的雙側(cè)統(tǒng)計值，而不是 .05 概率雙側(cè)統(tǒng)計 值，因?yàn)樵谠摫碇懈揪蜎]有直接給出 .05 概率的統(tǒng)

9、計值。為了確定 這點(diǎn)，我專門查了國外對這個概率表的介紹，發(fā)現(xiàn)的確如此，相關(guān)文 章見附件 mediationmodels.rar 。當(dāng)然，從統(tǒng)計概率上來說， 大于 0.97 在這個表中意味著其值對應(yīng)概率大于 .05 ，但是當(dāng)統(tǒng)計值小于 0.97 98th 時而大于 0.87 97th ，其值對應(yīng)概率的判斷就比較麻煩了，此時要采用 0.90 作為 P<.05 的統(tǒng)計值來進(jìn)行判斷。之所以對溫的文章提出質(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）。GoodmanI 檢驗(yàn)公式如下Goodman II 檢驗(yàn)檢驗(yàn)公式如下注：從統(tǒng)計學(xué)原理可知，隨著樣本量增大，樣本均值和總體均

10、值的差誤趨向于減少； 因此從這兩個公式可看出， 的值隨著樣本容量增 大而呈幾何平方值減小， 幾乎可以忽略不計算， 因此 MacKinnon et al.(1998) 認(rèn)為 乘積項(xiàng)在樣本容量較大時是 “ 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 Methods to Test Mediation and Other Intervening Variable Effects. Psychological

11、Methods 2002, Vol. 7, No. 1, 83104)。評價：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)P<.05 的 Z 值為 z/2>0.90 或 z/2<-0.90 ，而正態(tài)分布曲線下臨界概率 P<.05 的 Z 值為 z/2>1.96 或 z /2<-1.96 ，因此用該臨界概率表 容易犯第一類錯誤 (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，目前存在一些計算

12、公式，經(jīng)過 MacKinnon 等人的分析，認(rèn) 為其中有兩個公式效果較好，分別是 Clogg 等人和 Freedman等人提 出的，這兩個公式如下：Clogg 差異檢驗(yàn)公式Freedman差異檢驗(yàn)公式t c c' t C C ' tN 3 tN 2rxmsc'SC2 SC'2 2SCSC' 1 rxm2這兩個公式都采用 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)估計值的標(biāo)準(zhǔn)誤；同理見 Freedman檢驗(yàn)公

13、式。 評價：這兩個公式在 a=0且 b=0時有較好的檢驗(yàn)效果， 第一類錯誤率 接近 0.05 ，但當(dāng) a=0且 b0時，第一類錯誤率就非常高，有其是 Clogg 等提出的檢驗(yàn)公式在這種情況下第一類錯誤率達(dá)到100%，因此要謹(jǐn)慎對待。4. 溫忠麟等提出了一個新的檢驗(yàn)中介效應(yīng)的程序，如下圖：這個程序?qū)嶋H上只采用了依次檢驗(yàn)和 sobel 檢驗(yàn)，同時使第一類錯誤 率和第二類錯誤率都控制在較小的概率， 同時還能檢驗(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 SPS

14、S當(dāng)中；然而 在 AMOS中只能通過手工計算，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

15、應(yīng)的潛變量的項(xiàng) 目得分合并取均值并中心化，見下圖在這個圖中，自變量（X）為工作不被認(rèn)同， 包含3個觀測指標(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個觀測指標(biāo)即心跳、 緊張、 坐立不安；因變量（ Y）包含 2 個觀測指標(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)N489489489489Mean2.08212.08592.2807上面三個圖表示合并均值及中心化處理過程， 生成 3 個對應(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

16、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 Square ChangeF Changedf1df2Sig. F Change1.678(a).460.459.70570.460414.2651487.000a Predictors: (Constant), 不被認(rèn)同(中心化)CoefficientsModelUnstandardized CoefficientsStandardized Coe

17、fficientstSig.BStd. ErrorBeta1 (Constant).002.032.051.959不被認(rèn)同（中心化）.804.040.67820.354.000a. Dependent Variable: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， c值.678顯著性為 p<.000, 可以進(jìn)行方程 m=ax+e和方程 y=c'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，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其中只有一個較顯著，則進(jìn)行 so

18、bel 檢驗(yàn)，檢驗(yàn)結(jié)果見下表：Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.533a.284.283.76763.284193.2471487.000a. Predictors: (Constant), 不 被 認(rèn) 同 ( 中 心 化 )Coefficients aModelUnstandardized CoefficientsStandardizedCoefficientstSi

19、g.BStd. ErrorBeta1 (Constant).001.035.034.973不被認(rèn)同（中心化）.597.043.53313.901.000a. Dependent Variable:焦 慮(中 心化 )由上面兩個表格結(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 SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1d

20、f2Sig. F Change1.702a.492.490.68485.492235.4902486.000a. Predictors: （Constant）, 焦 慮 （ 中 心 化 ） , 不 被 認(rèn) 同 （ 中 心 化 ）CoefficientsModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1 (Constant).001.031.044.965不被認(rèn)同（中心化）.670.045.56414.773.000焦慮（ 中心化）.225.040.2135.577.000a. Depend

21、ent Variable:工 作績效 ( 中心化 )由上面兩個表的結(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.000,因此是部分中介效應(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達(dá)到其影響， 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： effect

22、 m=ab/c=0.533 ×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腳本來分析中介效應(yīng)下面我們采用 Preacher（2004） 設(shè)計的 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

23、中計算間接效應(yīng)、 直接效應(yīng)和總效應(yīng)的腳本， 對間接效 應(yīng)的計算采用了 sobel 檢驗(yàn)，并給出了顯著性檢驗(yàn)結(jié)果，這個腳本可 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） 。在運(yùn)行了腳本后，在打開 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：直如aw口|文件他）a： wa 團(tuán) ±|E?處 >r|L

24、工lx6工作不彼認(rèn)同工作不被認(rèn)同13.0021.0031.0042.0052.D062.D073.D081.3391.33102331123312200133.67143.33152.33162.33171.33103.33193.00202.002焦慮 | J：作績效丨不披認(rèn)同（中心化）|理慮（口心化）|工作鏡疥丈住應(yīng)編詣衩圉）«i（c）諜試少今護(hù)）創(chuàng)表二貝）sni） 莘掃Q!）/ 尋，割鬼鉢智Hj七知哇 國陶Proc: | (declarationt)'This in a 二匚ript version o£ Che SCDEL macro deseribed1

25、Preacher, E J& Hayes, A F(2004) SPSS and SAS'procedures for esr lirac lng indirect effects In simp Le'mediation models behavior Research Methocl3r Instr liner '& Conpucers, 36f 717-7311 Written b? Andreu F Hayes1 School of Ccrrmunicetion1 The Ohio St&CE University1'haves.

26、3380osuedu1 Version 20# January Sf 20091 You must run as a script file, net as a syntax file1 It select to save the bootstrap estimates, thev will'be staved Ln a dacaXlle called booccmp 3ttv Ln cii±1 SPSS directoryPreacher and Hayes (2004) Simple VediatioTi Scriptzv魏導(dǎo)不認(rèn)可 同事不認(rèn)可 客戶不認(rèn)可 心跡 緊張 坐

27、立不安 效車低 效至下降 不被認(rèn)同（中心化） 焦慮（中心化） 工作編效（中心化）Independent Variable (X)> 11工作不被認(rèn)同IProposed Mediator |M)Dependent Variable (Y)|311工作績效Sobel Test Standard ErrorSecond order Bootstrap SamplesnsFCancelAboutSave Bootstrap EstimatesRun MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MODELY工作績效X不被認(rèn)同M焦慮DESCRIPTI

28、VES STATISTICS AND PEARSON CORRELATIONSMean SD 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 EFFECTSCoeff s.e. t Sig(two)b(YX).8042.039520.3535.0000cb(MX).5975.043013.9013.0000ab(YM.X).2255.04045.5773.0000bb(YX

29、.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 c'INDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTION Value 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 U

30、L 95 CI LL 99 CI UL 99 CIEffect .1347 .1333 .0295 .0800 .1928 .0582 .2135NUMBER OF BOOTSTRAP RESAMPLES1000FAIRCHILD ET AL. (2009) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT: .2316* NOTES * END MATRIX 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)達(dá)到了顯著值，其中 c為0.8042 ，a值為0.5975 ，b值為0.2255,c '值 為 0.6695, 間接效

31、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)的比例為 0.168 。下面用對加載腳本前后的 計算結(jié)果進(jìn)行比較見下表：c a b效應(yīng)比c '中介效應(yīng)方差變異無腳本0.678 *0.513 * 0.213 * 0.564 *0.167417.6%Spssmacrao 0.804 *0.598 * 0.226 * 0.670 *0.167523.16%從比較結(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)提高 了，但效應(yīng)比沒有多大變化 （0.0001 ），說明中介效應(yīng)實(shí)際上提高了； 中介效應(yīng)對因變量的方差變異的解釋比例也提高了了近 5 個百分點(diǎn)， 說明采

32、用 bootstrap 抽樣法能更準(zhǔn)確地估計總體效應(yīng)和間接效應(yīng)。3. 如何在 AMOS中實(shí)現(xiàn)中介效應(yīng)分析無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，下面我來談?wù)勅绾卧?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：b工作不被認(rèn)可ac'績效表現(xiàn)1e1111 效率低 e71效率下降 e8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，步驟見下圖：按照上面幾個圖提示的步驟設(shè)置好后， 讀取數(shù)據(jù)進(jìn)行運(yùn)算， 工具欄提示如下上圖表示采用 boot

33、strap（ 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：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：Standardized Total Effects (Group number 1 - Default model)Standardized Total Effects - Lower Bounds (BC) (Group number 1 - Default mode

34、l)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 - 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效率下降.733.

35、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

36、不安.000.001緊張.000.000.心跳.000.000上述三個表格是采用 BC（bias-corrected） 偏差校正法估計的總體效應(yīng)標(biāo)準(zhǔn)化估計的下限值、 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)Standardized Direct Effects - Lower Bounds (BC) (Group

37、number 1 - Default model)工作不被認(rèn)可 焦慮 績效表現(xiàn)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 number 1 - Default model)工作不被認(rèn)可焦慮績效表現(xiàn)焦

38、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.000.績效表現(xiàn).000.002效率下降.001效率低.001領(lǐng)導(dǎo)不認(rèn)可.00

39、0.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，前兩個表格都是標(biāo)準(zhǔn)化估計的 95%置信區(qū)間的上限值和下限值， 第三個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) (Group number 1 - Default model)

40、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.000.000.000績效表現(xiàn).197.000.000效率下降.733

41、.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)工作不被認(rèn)可 焦慮 績效表現(xiàn)績效表現(xiàn) 效率下降 效率低 領(lǐng)導(dǎo)不認(rèn)可 同事不認(rèn)可 客戶不認(rèn)可 坐立不安 緊張 心跳.002.000.002.000.00

42、2.000.000.000.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 '的估計值都達(dá)到了顯 著性，下面，我們來看些這四個路徑系數(shù)的標(biāo)準(zhǔn)化估計值和標(biāo)準(zhǔn)誤到 底是多少呢？見下表：Standardized Regression Weights: (Group number 1 - Default model)ParameterSESE-SE MeanBiasSE-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

43、績效表現(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)化估計值及其標(biāo)準(zhǔn)誤， se 表 示估計值標(biāo)準(zhǔn)誤； se-se