溫忠麟老師的檢驗(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（心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)丫產(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)可以是部分中介效應(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)中心化，則中介關(guān)系 可以用回歸方程表示如下:Y=cx+e1)i M=ax+e2)Y=c'x+bM+e3)3上述3個(gè)方程模型

2、圖及對(duì)應(yīng)方程如下:、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. 依次檢驗(yàn)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（HO:c=O被拒絕），則 繼續(xù)檢驗(yàn)方程2）,如果c不顯著（說(shuō)明X對(duì)丫無(wú)影響），則停止中介 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），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

3、通過(guò)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(shuō)明中 介效應(yīng)顯著。此時(shí)檢驗(yàn) c', 若 c' 顯著，則說(shuō)明是 不完全中介 效應(yīng);若 不顯著，則說(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

4、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/ s ，實(shí)際上熟 ab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 和不能采用正態(tài)分布 同理臨界概率也值檢驗(yàn)是不同的，Z正態(tài)分布下 的大家有興趣可以自己具體推導(dǎo)公式我就不多講了， 概率曲線來(lái)判斷 。 22， =的計(jì)算公式為：去看相關(guān)統(tǒng)計(jì)書(shū)籍。分母 ss 在這個(gè) 22s sbaababab22 分 別為 a 和 b 的標(biāo)準(zhǔn)誤，這個(gè)檢驗(yàn)稱(chēng)為 sobel 公式

5、中， s 檢驗(yàn)和 s， ab 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(jiàn)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AMO中沒(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里面則有，其臨界值為 z>0.97或z<-0.97（P <0.05 , Nha血a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

6、± 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 <For example, the empirical critical value is .97 for the .05 significance levelrather than 1.96 for thestandard normal test of ab 4 0. Wedesignate this test statistic by z8 because it uses a

7、different distribution than the normal distribution.>，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](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)的確如此，相關(guān)文0.97大于從統(tǒng)計(jì)概率上來(lái)說(shuō)，當(dāng)然，。mediationmodels.rar 章見(jiàn)附 件.98th，但是當(dāng)統(tǒng)計(jì)值小于在這個(gè)表中意味著其值對(duì)應(yīng)概率大于97th，其值對(duì)應(yīng)概率的判斷就比較麻煩了，此時(shí)要采用時(shí)而大于作為Pv.05的統(tǒng)計(jì)值來(lái)進(jìn)行判

8、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）。Goodman檢驗(yàn)公式如下Goodman II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 因此從這兩個(gè)公式可看出，的值隨著樣本容量增誤趨向于減少；大 而呈幾何平方值減小，幾乎可以忽略不計(jì)算，因此MacKi nnon et al.認(rèn)為乘積項(xiàng)在樣本容量較大時(shí)是“trivial ”（1998）（瑣碎不必要的） 的，因此sobel檢驗(yàn)和Goodmart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)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

9、Comparison of Methods to Test Mediation and Other Intervening Variable Effects. Psychological Methods 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值為z>0.90/2a或zv-0.90，而正態(tài)分布曲線下臨界概率 Pv.05的Z值為z>1.96/2血 或zv-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/2 a 設(shè)而作出中介效應(yīng)顯著的判斷).此方法同樣要找出聯(lián) coefficients)

10、。3.差異檢驗(yàn)法(differenee in等人的分析，認(rèn)合標(biāo)準(zhǔn)誤，目前存在一些計(jì)算公式，經(jīng)過(guò)MacKi nnon等人提等人和Freedman為其中有兩個(gè)公式效果較好，分別是Clogg出的，這兩個(gè)公式如下：Freedman差異檢驗(yàn)公式Clogg差異檢驗(yàn)公式c C'C C t t3N 2NSR22M SS 2SS 'cxmxmcccc 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。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Clogg %為X對(duì)丫的間接效為N-3,為自變 量與中介變量的相關(guān)系數(shù)，應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤；同理見(jiàn) Freedma n檢 驗(yàn)公式。評(píng)價(jià)：這兩個(gè)

11、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)誤率達(dá)到100%因此要謹(jǐn)慎對(duì)待。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：4.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中只能通過(guò)手工計(jì)算，但好處

12、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)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(wú)腳本，數(shù)據(jù)見(jiàn)附件spss，自變量為工作不被認(rèn)同，中介變量 中介分析數(shù)據(jù). 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心化，見(jiàn)下圖在這個(gè)圖中，自變量（X）為工作不被認(rèn)同

13、，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)觀測(cè)指標(biāo)即效率低和效率下降。i-4H -rAta- -Jr-±7-八H-i-丄*至少有一個(gè)不顯著I1做驗(yàn)i-Hri-Hh顯著不顯著Descriptive StatisticsValid N (listwise)工作績(jī)效工作不被認(rèn)同焦慮489489 489 489 N2.08592.28072.0821Mean個(gè)對(duì)應(yīng)的變量并3生成上面三個(gè)圖表示合并均值及中心化處理過(guò)程， 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

14、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 SummaryFChangeR Square Std. Error of Adjusted RSquare R SquareChange Model R the Estimate.459.460 .678（a） .70570 1.460Change StatisticsSig. F Changedf1df2.000414.2654871aPredictors: （Constant）,不被認(rèn)同（中心化）afficientsCoeStandardizedUnstandardizedCoefficientsCoefficie

15、ntsSig.rrortModelBetaBStd.E（Constant）1.959.002.032.051 化）心被認(rèn)同（中不.000.040.804.67820.354a. 化）心（中績(jī)效 Dependent Variable:工作pv.000,顯著性為值.678由上表可知，方程y=cx+e的回歸效應(yīng)顯著， c x+bm+e的顯著性檢驗(yàn)；m=ax+e可以進(jìn)行方程和方程y=c'如果都顯 b的顯著性，第三步：按溫忠麟第二步檢驗(yàn)程序分別檢驗(yàn)a和著，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，則停檢驗(yàn)， 檢驗(yàn)結(jié)sobel或b其中只有一個(gè)較顯著，則進(jìn)行a止檢驗(yàn)；如果 果見(jiàn)下表：ary

16、Model SummR SquareStd. Error ofAdjustedChangeR SquareModelRRSquareF Changethe Estimateaa.Predictors:(Constant),認(rèn)同不被化）中（心aCoefficientsModelUnstandardizedCoeffici entsStandardizedC oefficientstSig.BrrorStd. EBeta（Constant）1化）（認(rèn)同中心不被.001.597.035.043.533.03413.901.973.000a. Dependent Variable: 焦慮(中心化)由上

17、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pv.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 SquareAdjustedRSquareStd. Error ofthe EstimateChange StatisticsRSquareChangeF Changedf1df2Sig.1a.702.492.490.68485.492235.4902486.000a. Predictors: (Constant),焦慮（中心化），不被認(rèn)同（中心化）Model.000 .0CoeUnstanafficientsS

18、td.StandardizedCoefficientsBetatSig. Bi工作工作不00 .001dardizedCoError .001as SE-Bias不被被認(rèn)可.001 .efficientsB-.001 .001認(rèn)可<907 .85.002 .000 .焦慮8 .841000 .000績(jī)效.000 .4.000.000 .000表現(xiàn)05 .436.000 .000.000.470 .000 .88Mean .628.555133 .000.000 .004 .0.000 SE0 .00000SE-SE焦慮.038 .7效率47 .814低領(lǐng)導(dǎo)不認(rèn)可同事不認(rèn)可客戶(hù)不認(rèn)可領(lǐng)導(dǎo)不

19、認(rèn)可同事不認(rèn)可客戶(hù)認(rèn)可-.00 1 .8 65 . 000 領(lǐng)導(dǎo) 不認(rèn) 可<工作 不被 認(rèn)可.0 23 . 000 .000 .927 .0 00<績(jī)效 表現(xiàn).0 17 . 000 效率 低.0 00 . 000<效率 下降 績(jī)效 表現(xiàn).0 20 . 000 .871 緊張 心 跳. 058 績(jī)效 表現(xiàn).0 30 . 000 .050.020效 率下 降.031 .054.02 8 .0 17 效率 低1坐立不 安緊 張 績(jī)效 表現(xiàn)(Constant) <-工 作不被 認(rèn)可.000 .000.001.001.802.053.031 . .000 .001 .659.00

20、0.044 .001.965化）心（不被認(rèn)同中.00014.773.670.045.564 化）心焦慮（中.0005.577.213.225.040a. Dependent Variable:工作績(jī)效（中心化）.000 .緊張.000.000 .000 心跳. .868心跳.000.000工作不被認(rèn)可焦慮績(jī)效表現(xiàn).000 焦慮.000 .000.000 .197 .000績(jī)效表現(xiàn)效率下降-.001 .001 <-焦慮.058 .001 .187 績(jī)效表現(xiàn).000 .000 .029 .000 .814心跳 <- 焦慮.000 .837 .000 坐立不安<-焦慮.027 .0

21、00 客戶(hù)不認(rèn)可工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮由上面兩個(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pv.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(lái)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(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)達(dá)到其影 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二ab/c=0.533

22、x 0.213/0.678=0.167,中介效應(yīng)解釋了 因變量 m 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 Preacher（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Hayes于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)

23、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： 。 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(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，運(yùn)行結(jié)果如下：ok （自抽樣）次數(shù)，設(shè)置好后，點(diǎn)擊 bootstrap 擇Run MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MODELY工作績(jī)效X不被認(rèn)同M焦慮DESCRIPTIVES STA

24、TISTICS AND PEARSON CORRELATIONSMeanSD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).6695.045

25、314.7731.0000c'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 ZSig(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 UL 99

26、CIEffect.1347.1333.0295.0800.1928.0582.2135NUMBER OF BOOTSTRAP RESAMPLES1000FAIRCHILD ET AL. (2009) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT:.2316* NICTUQ *END MATRIX 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)spssmacro從達(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

27、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(jiàn)下表：中介效應(yīng)方差變異'效應(yīng)比C無(wú)腳本 *0.213 Spssmacrao *0.167523.16% 0.5980.804 0.2260.670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(méi)有多大變化（0.0001），說(shuō)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(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中實(shí)現(xiàn)中介效應(yīng)分析無(wú)論變量是否涉及潛變量，都可以利用結(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?/p>

28、何在 AMO中實(shí)現(xiàn)中介效應(yīng)分析，數(shù)據(jù)見(jiàn) 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：e2e3e1111心跳緊張坐立不安11焦慮e101領(lǐng)導(dǎo)不認(rèn)可1e6abe7效率低1c'1績(jī)效表現(xiàn)工作不被認(rèn)可同事不認(rèn)可e5111效率下降 e81客戶(hù)不認(rèn)可 e4e11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(jiàn)下圖：I介效府分折數(shù)炭-w耳tt SPSS Da.i a. Edit ar文件電）編輯 視國(guó) 數(shù)據(jù)如 轉(zhuǎn)換 分祈® 宙卷as剽鬥I刃硏訓(xùn)邕|用匪I圜捌鄙 文工作不彼認(rèn)同2丨工作不被認(rèn)

29、同I 焦慮 I工作績(jī)效I不衣ioTT127qj.uu1W1.002.002002?UU3.007 331332.332翌200習(xí)C7護(hù)；sobelspss口 fais鬲1 GAl 9:EJ仙巨1蘭Proc：(dechvations)文件編腿 覘團(tuán)® 腳本© 調(diào)試助 分術(shù)® 團(tuán)表 工具 幫助凰I1 This la a script veLsion £ the SOBEL macro desc 1 Preacher, K* I,£ HayesA. F.(±004) r SF5S and1 procedures for estimating

30、 indirect effects in sin1 mediation models, Behavior Research Methods, Insl1 £ Computers, 3E# 717-731,1 Ur it ten hy Amiren F. Hayesi Uc Xnirt 1 rri'f C1. irrmnii in i ri a I-, n cti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

31、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(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 - Default model).077績(jī)效表現(xiàn).714 .000.068 .612 .830 效率下降.070 效率低.661 .889.000 .818 .000領(lǐng)導(dǎo)

32、不認(rèn)可.000同事不認(rèn)可.000 .771.000 .729客戶(hù)不認(rèn)可.000.776 .451 坐立不安.000.688 .405 緊張.000.753 心跳.436 .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).000 焦慮.703 .000.303 .831 .000 績(jī)效表現(xiàn).263效率下降.905 .733.284 .958 效率低.771.000 .000 .907領(lǐng)導(dǎo)不認(rèn)可.000同事不認(rèn)可.858 .000.000 .000客戶(hù)不認(rèn)可

33、.841.883 .600 .000 坐立不安.802 緊張.540 .000.868 心跳.582 .000Standardized Total Effects - Two Tailed Significance (BC) (Group number 1 - Default1UiniM3_za.t ion° ryy FactorStarudarcLized est ijnatesmodel)工作不被認(rèn)可焦慮績(jī)效表現(xiàn).焦慮.000 .002 .000 .績(jī)效表現(xiàn).002效率下降.000 .001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)

34、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，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：Standardized Direct Effects (Group number 1 - Default model)Standardized Direct Effects - Lower Bounds (BC) (Group number 1 - Default model)績(jī)效表現(xiàn)焦慮工作不被認(rèn)可l-tItAnalysisPrapert iesf, ii infill iw, inm

35、ii m ilia'll an rm I:Estinat ionWinner ic alBis| OutputBootst rap Permut;DiscrepancyMaxlmuji likeliKaod.廠E1'Rene匸aliHud l&asi squaresUriweighld least squaresE廣 Scale-free least squares廠工作不被認(rèn)可焦慮績(jī)效表現(xiàn).000 .000 焦慮.554.077 .000 績(jī)效表現(xiàn).549.000 .000 .830 效率下降.000 效率低.000 .889.000 .818 .000 領(lǐng)導(dǎo)不認(rèn)可.

36、000同事不認(rèn)可.771 .000.000 .729 .000 客戶(hù)不認(rèn)可.776 .000 坐立不安.000.688 .000 .000 緊張.753 心跳.000 .000Standardized Direct Effects - Upper Bounds (BC) (Group number 1 - Default model)Asymptapical 17 dis-tribnticn-fFor the purpose offi*t iTLeasnres with, incc* Ej/t the rituiated and independence JiLodelsFit the sat

37、uiated no del onlyFit neither model血anni呷復(fù)件工作認(rèn)同焦慮與績(jī)怖Default modelHininkiiaiionLt & ration E工作不被認(rèn)可焦慮績(jī)效表現(xiàn).000 .000 .703 焦慮.303績(jī)效表現(xiàn).759 .000.000 .905效率下降.000.000 .958 .000 效率低Standardized Direct Effects - Two Tailed Significance (BC) (Group number 1 - Defaultmodel).002績(jī)效表現(xiàn).000 .效率下降.001. .001 效率低.

38、.000 .001.001 領(lǐng)導(dǎo)不認(rèn)可.同事不認(rèn)可.001 .客戶(hù)不認(rèn)可坐立不安.000 .緊張.000 .心跳.置95%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. 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 字部分（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)下圖:Standardized Indirect Effects (Group number 1 - Default model)Standardized Indirect Effects - Lower Bounds (BC) (Group number 1

39、- Default model):亍04焦慮162同曙不認(rèn)可.79627I 77T V工作不被認(rèn)幣色領(lǐng)導(dǎo)不認(rèn)可工作不被認(rèn)可焦慮績(jī)效表現(xiàn).000 焦慮.000 .000.000 .050 .000績(jī)效表現(xiàn).068效率下降.612 .000.070 .000 .661 效率低.000 .000 .000領(lǐng)導(dǎo)不認(rèn)可.000 .000 同事不認(rèn)可.000.000 .000 客戶(hù)不認(rèn)可.000.000 .000 .451坐立不安Standardized estim 卡方值=25.996(P=.075);E NFI=.989;TLI=.994;CF 卡舟與旨由應(yīng)之莊二.000 .000 同事不認(rèn)可.000

40、.000 .000 客戶(hù)不認(rèn)可.000.000 .600 .000 坐立不安.000 緊張.540 .000.000 .582 .000心跳 Standardized 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)工作不被認(rèn)可焦慮績(jī)效表現(xiàn)績(jī)效表現(xiàn).002 .效率下降.000 .002 .效率低.000 .002 .領(lǐng)導(dǎo)不認(rèn)可同事不認(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(jì)值都達(dá)到了顯著 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).000.000.028.000.790v-工作不被認(rèn)可.000 .747 .0