多重中介效應(yīng)檢驗分解

1、二.多重中介多重中介是指存在多個中介變量的情況。目前針對傳統(tǒng)多重中介分析存在(1)分析不完整? LISREL-只能得到總的中介效應(yīng)估計值及其標準誤和t值。? AMOS -也只能得到總的中介效應(yīng)估計值。? MPLUS-可以得到特定路徑的中介效應(yīng)和總的中介效應(yīng)估計值，但還是得不到對比 中介效應(yīng)的分析結(jié)果。(2)使用sobel檢驗的局限首先，sobel檢驗統(tǒng)計量的推導基于正態(tài)假設(shè)，而特定中介效應(yīng)、總的中介效應(yīng)和對比 中介效應(yīng)估計值都涉及參數(shù)的乘積，因而通常都不滿足正態(tài)假設(shè)。其次，sobel檢驗需要大樣本，檢驗在小樣本的表現(xiàn)并不好。第三，sobel檢驗統(tǒng)計量計算復雜，且需要手工計算所以采用以下兩種方法

2、來改善。1.增加輔助變量的方法針對當前多重中介效應(yīng)分析不完整的問題，在結(jié)構(gòu)方程模型中加入輔助變量，可以進行完整的多重中介效應(yīng)分析。操作M2必我們還是以上圖的模型為例子首先打開spss數(shù)據(jù)庫，在 SPSS中FILE下選擇 Save as,依次保存上述指標變量A1,A2,B1,B2,B3,E1-E7,E9,E10,文件格式為 Fixed ASCH ( .dat),文件名為 “ dc.dat”Lisrel操作單擊FILE ,新建syntax窗口，輸入：TIDA NI=14 NO=706 MA=CM AP=1!表示增加一個輔助變量RA FI=dc.datlaE1 E2 E3 E4 E5 E6 E7 E

3、9 E10 B1 B2 B3 A1 A2MO NY=12 NX=2 NK=1 NE=3 LX=FI L Y=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)=GA(1,1)*BE(3,1)-GA(2,1)*BE(3,2)!輔助變量，用來建立一新的待檢驗參數(shù)PDOU AD=OFF ND=4點擊保存，將文件命名為fz.pr2,點擊運行按鈕結(jié)果輸出部分BETA可以找

4、到bl, b2兩條路徑的參數(shù)估計值及顯著性M1M2YM1M20.1915-0.0894(0.0607)(0.0421)3.1532-2.1256發(fā)現(xiàn)M1XY的預(yù)測作用不顯著，M2又丫的預(yù)測作用顯著在GAMMA中可以找到其他路徑系數(shù)及顯著性XM1 0.6296(0.0561)11.2243M2 -0.3534 (0.0483) -7.3242Y -0.0491(0.0597)-0.8223ADDITIONAL PARAMETERS 表示輔助變量 a1*b1-a2*b2 的估計值PA(1)!表示第一個輔助變量，本例只用了一個輔助變量0.0890!表示輔助變量的參數(shù)估計值(0.0412)!表示p直，

5、小于0.05說明顯著，即兩個中介變量 M1和M2的中介效應(yīng)差異顯著。2.1616如果將輔助變量的程序設(shè)置為 CO PAR(1)=GA(1,1)*BE(3,1) 或 COPAR(1)=GA(2,1)*BE(3,2)則可以分別計算出兩個中介變量的特定中介效應(yīng)大小a1*b1或a2*b2。建議只設(shè)置一個輔助變量，因為我設(shè)置兩個及兩個以上輔助變量時程序無法運行Mplus操作mplus軟件可以在一個程序中實現(xiàn)輔助變量與bootstrap法因此在下面 bootstrap法中一起介紹。2.bootstrap 法Lisrel操作Lisrel軟件進行bootstrap分析的步驟分為六步：第一步，使用 Lisrel

6、軟件中的prelis程序從原始樣本中抽取至少1000個bootstrap樣本具體操作是打開lisrel軟件，單擊file/import data in free format ,選擇上一步保存好的 dc.dat文 件單擊打開，因為本例中共有 14個變量，所以在number of中填14,單擊ok,生成了一個fz.PSF的文件。然后點擊 statistics/bootstrapping按鈕如圖BootstrappingNumber o£ bootstrapSample £r acti onSave：舊 All the NIA-natr i cesAll the Mean ve

7、ctorsAll the standard lavi atfilename：SyntaxKunNumber of bootstrap 中輸入 1000, sample fraction 中輸入文件名 mafile.cov 然后點擊 utputoption按鈕出現(xiàn)如圖對話框在moment matrix中選擇covariance保存成協(xié)方差矢I陣，單擊 OK,run。我們就會在源文件夾utput Opti on Cancel中發(fā)現(xiàn)mafile.COV這個新文件。注意：在我用自己的數(shù)據(jù)進行到這一步時出現(xiàn)錯誤提示W(wǎng)ARNING:VAR12 has more than 15 categories and

8、 will betreated as continuous. ERROR CODE 201.個人分析可能是數(shù)據(jù)不適用的問題，所以沒有再繼續(xù)進行，但是按照文獻所講仍將下面的 步驟列出。第二步，設(shè)置輔助變量，采用固定方差法編寫可以分析多個樣本的Lisrel程序（如果采用固定負荷法編寫 Lisrel程序?qū)⒌玫街薪樾?yīng)的非標準化解）程序?qū)懛ㄒ娚衔牡谌剑\行 Lisrel程序分析1000個bootstrap樣本，得到研究者感興趣的特定、總的和對 比中介效應(yīng)系數(shù)估計值各1000個，保存為prelis數(shù)據(jù)文件（文件名.PSF）程序如下：DA NI=14 NO=706 AP=4 RP=1000 ! AP=4

9、表示增加4個輔助變量； RP=1000表示重復運行 LISREL 程序1000次cm =mafile.cov !使用第一步產(chǎn)生的1000個協(xié)方差矩陣進行分析MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)= GA(1 1)* BE(3 1)CO PAR(2)= GA(2 1)* BE(3 2)CO PAR(3)= PAR(1

10、)+ PAR(2)CO PAR(4)= PAR(1)-PAR(2)OU AD=OFF ND=4 PV=bs.psf 這里設(shè)置了四個輔助變量!特定中介效應(yīng)可口!特定中介效應(yīng)a2b2!總的中介效應(yīng)a1bl +a2t2!對比中介效應(yīng)一a2b2!參數(shù)估計值保存在PRELIS文件bs.psf中第四步，將prelis數(shù)據(jù)文件導出為 EXCEL文件（文件名.XLS）第五步，在 EXCEL中將1000個中介效應(yīng)估計值從小到大進行排序，將 1000個中介效應(yīng)估計值的均值作為中介效應(yīng)估計值的標準化解；用第2.5百分位數(shù)和第97.5百分位數(shù)來估計bootstrap的中介效應(yīng)置信區(qū)間，如果置信區(qū)間不包括0,說明中介效

11、應(yīng)顯著，百分位bootstrap方法的中介效應(yīng)檢驗完成第六步，對第五步得到的中介效應(yīng)置信區(qū)間進行校正，得到偏差校正的百分位bootstrap方法的中介效應(yīng)置信區(qū)間，如果置信區(qū)間不包括 0,說明中介效應(yīng)顯著，偏差校正的百分位bootstrap方法的中介效應(yīng)檢驗完成。具體校正方法見溫忠麟2012年的文章Mplus操作打開mplus軟件單擊新建按鈕，然后在空白界面中輸入:TITLE:spss保存好的數(shù)據(jù)文件 dc.datDATA:FILE IS dc.dat; !此處還是繼續(xù)延用上文用VARIABLE:NAMES =E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2

12、;ANAL YSIS: bootstrap=1000 ! bootstrap 法抽樣 1000 次 MODEL:X BY A1 A2; !兩個變量作為潛變量 X的指標，其余同理M1 BY E1 E2 E4 E6 E7;Y BY B1 B2 B3;M2 BY E3 E5 E9 E10;Y ON M1(b1); !表示將mi到y(tǒng)的路徑系數(shù)命名為 bi,其余同理。Y ON X(c);Y ON M2(b2);M1 ON X(a1);M2 ON X(a2);MODEL INDIRECT:Y IND M1 X; !表示自變量為 X,中介變量為 M1,因變量為 Y的中介效應(yīng)，其余同理 , Y IND M2

13、X;MODEL CONSTRAINT:new (con);!對比中介效應(yīng)命名為 concon=a1*b1-a2*b2;!計算對比中介效應(yīng)大小OUTPUT:cinterval (bcbootstrap); standardized; !輸出偏差校正的百分位bootstrap結(jié)果和標準化解若要得到百分位bootstrap結(jié)果，僅需將 OUTPUT 中的 cinterval (bcbootstrap)改為cinterval (bootstrap)即可 單擊保存按鈕，將文件與dc.dat保存于同一文件夾，命名為 11.inp結(jié)果分析我刪除了不用解釋的部分，只保留了需要解釋的部分Chi-Square T

14、est of Model FitValue341.607Degrees of Freedom72P-Value0.0000RMSEA (Root Mean Square Error Of Approximation)Estimate0.07390 Percent C.I.0.065 0.081Probability RMSEA <= .050.000CFITLICFI/TLI0.9190.898卡方值，CFI,TLI,RMSEA 均在可接受范圍內(nèi)MODEL RESULTS表示模型參數(shù)估計的非標準化解Two-TailedEstimateS.E.Est./S.E.P-ValueYONM10.

15、6970.2273.0710.002X-0.1420.163-0.8700.384M2-0.3690.187-1.9750.048從此處可以看出 M1,M2,X到Y(jié)的各路徑系數(shù)非標準化的參數(shù)估計值以及p值M1XON0.5000.0568.9730.000M2XON-0.2470.047-5.2160.000此處表小a1,a2這兩條路徑系數(shù)的非標準化的參數(shù)倩計值以及p值New/Additional Parameters表示新增的輔助變量的非標準化的參數(shù)估計值以及p值CON0.2570.1401.8420.066STANDARDIZED MODEL RESULTS此處表示標準化的結(jié)果，但是注意標準

16、化的結(jié)果沒有給出p值。注意，標準化結(jié)果中沒有輔助變量值。YONM10.1920.1920.192X-0.049-0.049-0.049M2-0.089-0.089-0.089M1ONX0.6300.6300.630M2ONX-0.353-0.353-0.353STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT, AND DIRECT EFFECTS表示標準化的直接效應(yīng)間接效應(yīng)STDYX StandardizationTwo-TailedS.E. Est./S.E. P-ValueEstimateEffects from X to YSum

17、 of indirect0.1520.0413.7240.000總體間接效應(yīng)顯著Specific indirectY2.9440.003 M1的間接效應(yīng)顯著M1X0.1210.041M2X0.0320.0171.9030.057 M2的間接效應(yīng)不顯著以上是點估計，以下是區(qū)間。估計判斷顯著與否的依據(jù)是，5%置信區(qū)間不包括0說明是顯著的CONFIDENCE INTERVALS OF MODEL RESULTSNew/Additional ParametersCON-0.0910.0130.0550.2570.5010.5620.677新增的輔助變量顯著，說明兩中介效應(yīng)差異顯著CONFIDENCE

18、INTERVALS OF STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT,AND DIRECT EFFECTSSTDYX StandardizationLower .5%Lower 2.5%Lower 5%EstimateUpper 5%Upper 2.5%Upper .5%Effects from X to YSum of indirect0.0470.0720.0850.1520.2190.2320.257Specific indirectM10.0150.0400.0530.1210.1880.2010.226M2-0.011-0.0010.0040.0320.0590.0640.074總體間接效應(yīng)和兩特別間接效應(yīng)都顯著，說明兩中介變量的中介效應(yīng)都是顯著的。注意，此處與點估計的結(jié)果有出入，以此處的結(jié)果為準，因為 bootstrap法的檢驗效力高于 sobel檢驗，也就是當soble