SPSS及AMOS進(jìn)行中介效應(yīng)分析

1、中介效應(yīng)重要理論及操作務(wù)實(shí) SPSS和AMO調(diào)節(jié)效應(yīng) 一、中介效應(yīng)概述 中介效應(yīng)是指變量間的影響關(guān)系 （XTY）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(duì)丫產(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(duì)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T個(gè)體壓力應(yīng)對(duì)T擇業(yè)行為反應(yīng)。 此時(shí)個(gè)體認(rèn)知評(píng)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T個(gè)體擇業(yè)期望T擇業(yè)行為反應(yīng)； 就業(yè)壓力T個(gè)體生涯規(guī)劃T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(duì)模型的檢

3、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=cx+bM+e33） 上述 3 個(gè)方程模型圖及對(duì)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 （causualsteps ）。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（HO:c=O被拒絕）， 則繼續(xù)檢驗(yàn)方程2）,如果c不顯著（說明X對(duì)Y無影響），則停

4、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+e3檢驗(yàn)b的顯著性，若b顯著（HO:b=O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(duì)y的作用完全通過M來 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)

5、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（productsofcoefficients） 。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

6、計(jì)算公式為：Sab= a2Sb2 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)稱為sobel檢驗(yàn)，當(dāng)然檢 驗(yàn)公式不止這一種例如Goodman檢驗(yàn)和Goodmanil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 za/20.97 或 za/2-0.97（PV0.05 , N三200）。 關(guān)于臨界值比率表見附件 （虛無假設(shè)概率分布見MacKi nnon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

7、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士 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(duì)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(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，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(duì)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 mediatio nmodels.rar 。當(dāng)然，從統(tǒng)

8、計(jì) 概率上來說，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0.8797th，其值對(duì)應(yīng)概率的判斷就比 較麻煩了，此時(shí)要采用0.90作為Pv.05的統(tǒng)計(jì)值來進(jìn)行判斷。之所 以對(duì)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)。 Goodmanl檢驗(yàn)公式如下Goodmanil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，吒叨I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 MacKi nnon etal.(1998)認(rèn)為 乘

9、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) AComparis onof MethodstoTestMediatio nan dOtherl nterve nin gVaria bleEffects.PsychologicalMethods 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，因?yàn)槠渑R界概率(MacKinnon) Pv.05的Z值

10、為za/20.90 或zax-0.90 ,而正態(tài)分布曲線下臨界概率 Pv.05的Z值為Za /21.96 或za/2V-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(differenceincoefficients) 。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 MacKi nnon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

11、出的檢驗(yàn)公式中， 5m 的下標(biāo)N-3表示t檢驗(yàn)的自由度 為N-3,用為自變量與中介變量的相關(guān)系數(shù)，牛為X對(duì)丫的間接效 應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤；同理見 Freedma n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， 第一類錯(cuò)誤率 接近0.05 ,但當(dāng)a=0且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)誤率達(dá)到 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

12、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(duì)應(yīng)的SOBE撿驗(yàn)分析 命令和輸出結(jié)果，有鑒于此，本文擬通過對(duì)在 SPSS AMO中如何分 析中介效應(yīng)進(jìn)行操作演示，相關(guān)SOBEL僉驗(yàn)?zāi)_本及臨界值表（非正態(tài) SOBEL僉驗(yàn)臨界表）請(qǐng)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sps

13、s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(duì)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。 DescriptiveStatistics 工作不被認(rèn)同 焦慮 工作績效 ValidN(listwise) N 489 489 489 489 Mean 2.0821 2.0859 2.2807 上面三個(gè)圖表示合

14、并均值及中心化處理過程， 生成3個(gè)對(duì)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： ModelSummary Model R R Square AdjustedR Square Std.Errorofthe Estimate ChangeStatistics RSquareC hange FChange df1 df2 Sig.FChange 1 .678(a) .460 .459 .70570 .460 414.265 1 487 .000 aPredictors:(Con

15、stant),不被認(rèn)同(中心化) Coe fficients Model Un sta ndardized Coefficie nts Stan dardized Coefficie nts t Sig. B Std. Error Beta 1 (Co nsta nt) .002 .032 .051 .959 不被認(rèn)同（中心化） .804 .040 .678 20.354 .000 a. 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，c值.678顯著性為pv.000, 可以進(jìn)行方程m=ax+e和方程y=c x+bm+e勺顯著性檢驗(yàn)； 第

16、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+中, a值0.533顯著性 pv.000,繼續(xù)進(jìn)行方程y=c x+bm+e勺檢驗(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=c x+bm+中，b值為0.213顯 著性為pv.000,因此綜合兩個(gè)方程m=ax+和y=c x+bm+e勺檢驗(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

17、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(duì)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(duì)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 床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spss

18、maro腳本來分析中介效應(yīng) 下面我們采用Preacher(2004)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(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： -/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，在打開 的窗口中分別輸入自變量、 中介變量和調(diào)節(jié)

19、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: L =1 jf*jV命抵MtlK工社0 名F53 DOLLa |州ifi 扁輯（1）利團(tuán)p 酣裾紐1 無艷匸1 歸祈曲1 閤需豹Tknr嚼二iqp 稱ihQp 韻O|創(chuàng) 團(tuán) 吋旦 魚里土墮宣璽團(tuán)馬功I 6工作不被認(rèn)同 2 RunM ATRIXprocedure: VARIABLESINSIMPLEMEDIATIONMODEL 丫工作績效 X 不被認(rèn)同 M 焦慮 DESCRIPTIVESSTATISTICSANDPEARSONCORRELATIONS Mea nSDT 作績效不被認(rèn)同焦慮 工作績

20、_1.0000.95901.0000.6780.5139 不被認(rèn)同-.0020.8085.67801.0000.5330 焦慮(中.0000.9063.5139.53301.0000 SAMPLESIZE 489 DIRECTA ndTOTALEFFECTS Coeffs.e.tSig(two) b(YX).8042.039520.3535 .0000 c b(MX).5975.043013.9013 .0000 a b(YM.X).2255.04045.5773.0000 b b(YX.M).6695.045314.7731 .0000 c 注：b(yx)相當(dāng)于c，b(my)相當(dāng)于a,b(Y

21、M.X)相當(dāng)于b,b(YX.M)相當(dāng)于c INDIRECTEFFECTA ndSIGNIFICANCEUSINGNORMALDISTRIBUTION 1 J.UU 1 HD 彗 2 ob e l_sp s ff - NS 3 Trio 文件編輯IP觀閔IV】 牌朮心調(diào)試匹 分黃 3目奩也i工具Qfl宙口陽 4 2 0D 5 6 ?0D 2 JOO IL . . . . d i41 LHJAJ臺(tái)刨旦色131團(tuán) 9 1D 11 12 13 1.33 2.33 233 2JDD 3 ? 14 15 33 2J3 1G 17 J3 J9 2J3 1不 33 3.0D F Thim 13 a. acrr

22、zpt VBra Icirk of the SOBEL rtiarftro descrribed A FreackeEjr K. d * & Hayes, A. I s (ZDOJ , SPSS and SAS pro匚亡dLur:un or estrimat- inQ indirect effects Ln simple 1 nsediat icn made 1 B Behavioir ResesuriirLi Heth-Diis Insttrunei: 1 5 Coitiput.ers, 3 6, iarlcten toy JLndrew ttaye3 1 Sell30 1 匚壬

23、C aitiouizicnt- ion 1THe Ohio State Dniver3 imy1 hay=s 338H03U ecu 1 Verd Lon 2 事 Ciarua.匸丫 S, 2DD勺1 1 You uiust：- rua as m script file, not a.s 曰 sy-Tftax file ! If select to save Che bootstrap eactrfiates they uTi 11 toe savea in a Qatar lie ua 丄丄巴 d Eioo c s t r ap. a av m 匸口已 1 SPSS dire匚七arf 亠2

24、00 工化不被認(rèn)可 7 3 宦慮 |工作議效|不被認(rèn)闔（.申心化：|焦慮屮心化|工怕績女 * * * N 3JOD 13 Values.e.LL95CIUL95CIZSig(two) Effect .1347 .0261.0836.18585.1647.0000 （sobel） BOOTSTRAPRESULTSForINDIRECTEFFECT DataMea ns.e.LL95CIUL95CILL99CIUL99CI Effect .1347 .1333.0295.0800.1928.0582.2135 NUMBEROFBOOTSTRAPRESAMPLES 1000 FAIRCHILDETA

25、L.（2009）VARIANCEINYACC0UNTEDF0RBYINDIRECTEFFECT: .2316 * NOTES* * ENDMATRIX- 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(duì)加載腳本前后的 計(jì)算結(jié)果進(jìn)行比較見下表： cabc 效應(yīng)比中介效應(yīng)方差變異 無腳本 0.678 0.513 0.213 0.564 0.167417.6% Sp

26、ssmacrac0.804 * 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(duì)因變量的方差變異的解釋比例也提高了了近 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AMO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?AMO中實(shí)現(xiàn)中介效應(yīng)分析，數(shù)據(jù)見附件 （AMO中介效應(yīng)分析數(shù)據(jù)）。 第一步：建立好模型圖，如下: 本模型假

27、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 AMO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(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 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： 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： Sta ndardizedTotalEffects

28、(Group numberl-Defaultmodel) Sta ndardizedTotalEffects-LowerBou nds(BC)(Group number1-Defaultmodel) 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)口 .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

29、.753 .000 Sta ndardizedTotalEffects-UpperBou nds(BC)(Group number1-Defaultmodel) 工作不被認(rèn)可 焦慮 績效表現(xiàn) 焦慮 .703 .000 .000 工作不被認(rèn)可 焦慮績效表現(xiàn) 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)口 .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

30、 .000 Sta ndardizedTotalEffects-TwoTailedSig nifica nce(BC)(Group numberl-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)口 .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)

31、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 效表現(xiàn)）的總體效應(yīng)顯著）值顯著，Pv.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： Sta ndardizedDirectEffects(Group number1-Defaultmodel) Sta ndardizedDirectEffects-LowerBou nds(BC)(Group number1-Defaultmodel) 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 工作不被認(rèn)可 焦慮 績效表現(xiàn)

32、 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)口 .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 .000 Sta ndardizedDirectEffects-UpperBou nds(BC)(Group numberl-Defaultmodel) 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 .

33、905 效率低 .000 .000 .958 領(lǐng)導(dǎo)不認(rèn)可 .907 .000 .000 同事不認(rèn)口 .858 .000 .00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 .000 Sta ndardizedDirectEffects-TwoTailedSig nifica nce(BC)(Group number1-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 . 效率下降 .001 效率低 . . .001 領(lǐng)導(dǎo)不認(rèn)可 .000 . .

34、 同事不認(rèn)口 .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： Sta ndardizedl ndirectEffects(Group numberl-Defaultmodel) Sta ndardizedl ndirectEffects-LowerBou nds(BC)(Group number1-Defaultmodel) 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)口 .000 .000 .00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 .000 Sta ndardizedl ndirectEffects-