中介效應(yīng)和調(diào)節(jié)效應(yīng)的SPSS檢驗(yàn)

1、中介效應(yīng)和調(diào)節(jié)效應(yīng)的SPSS檢驗(yàn) 為將不同的變量的數(shù)據(jù)的尺度統(tǒng)一化，將所有數(shù)據(jù)進(jìn)行中心化處理，即將原始數(shù)據(jù)減去平均數(shù)。SPPS步驟：打開數(shù)據(jù)，在菜單中執(zhí)行：analyse-descriptive statistics-descriptives。一SPSS回歸分析中介效應(yīng)檢驗(yàn)步驟：第一步：檢驗(yàn)自變量X（EP1）與因變量Y（SI1）的關(guān)系，即方程y=cx+e1中的c是否顯著，檢驗(yàn)結(jié)果如下表：模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.342a.117.114.820a. 預(yù)測(cè)變量: (常量), Zscore: EP1 - I am very comfortable with my phys

2、ical work environment at HBAT.。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)4.203.041102.559.000Zscore: EP1 - I am very comfortable with my physical work environment at HBAT.297.041.3427.249.000a. 因變量: SI1 - I am not actively searching for another job.由上表可知，方程y=cx+e的回歸效應(yīng)顯著，系數(shù)c值.342顯著性為p<.000,可以進(jìn)行方程m=ax+e和方程

3、y=cx+bm+e的顯著性檢驗(yàn)；第二步：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)（邊緣檢驗(yàn)）。 首先，檢驗(yàn)中介變量M（OC1）與自變量X（EP1）的關(guān)系，即方程M=ax+e2中的c是否顯著，檢驗(yàn)結(jié)果如下表：模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.112a.012.0102.512a. 預(yù)測(cè)變量: (常量), EP1 - I am very comfortable with my physical work environment at HBAT.。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)

4、系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)3.576.5995.969.000EP1 - I am very comfortable with my physical work environment at HBAT.154.069.1122.239.026a. 因變量: OC1 - My work at HBAT gives me a sense of accomplishment. 由上面兩個(gè)表格結(jié)果分析可知，方程m=ax+e中，a值0.112顯著性p>.000,不顯著，繼續(xù)檢驗(yàn)b的顯著性。第三步：檢驗(yàn)中介變量M（OC1）、自變量X（EP1）和因變量Y（SI1）的關(guān)系，即方程y=cx

5、+bm+e3中的c是否顯著，檢驗(yàn)結(jié)果如下表：模型匯總模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差1.371a.138.133.811a. 預(yù)測(cè)變量: (常量), OC1 - My work at HBAT gives me a sense of accomplishment., EP1 - I am very comfortable with my physical work environment at HBAT.。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)2.637.20213.069.000EP1 - I am very comfortable with my ph

6、ysical work environment at HBAT.155.022.3256.934.000OC1 - My work at HBAT gives me a sense of accomplishment.050.016.1463.118.002a. 因變量: SI1 - I am not actively searching for another job.由上面兩個(gè)表的結(jié)果分析可知，方程y=cx+bm+e中，b值為0.146顯著性為p>.000,所以b不顯著。因此綜合兩個(gè)方程m=ax+e和y=cx+bm+e的檢驗(yàn)結(jié)果，a和b都不顯著，停止檢驗(yàn)。所以，由我們的數(shù)據(jù)，分析得出

7、調(diào)節(jié)效應(yīng)不存在。二SPSS回歸分析調(diào)節(jié)效應(yīng)檢驗(yàn)步驟： 首先，構(gòu)建兩個(gè)回歸方程，Y（SI1）是因變量，x（EP1）是自變量，M（OC1）是調(diào)節(jié)變量，MX（spss計(jì)算得出：轉(zhuǎn)換計(jì)算變量，命名JFX）是調(diào)節(jié)變量和自變量的交互項(xiàng)，系數(shù)是a b c c'。我們可以檢驗(yàn)兩個(gè)方程的R方改變量，如果該變量顯著，說明調(diào)節(jié)作用顯著，也可以直接檢驗(yàn)c'的顯著性，如果顯著也可以說明調(diào)節(jié)作用。第一步：在spss中，打開線性回歸的菜單：分析回歸線性。第二步：將Y（SI1）因變量，x（EP1）自變量，M（OC1）調(diào)節(jié)變量，放入各自的框框，如圖：第三步：點(diǎn)擊下一層，設(shè)置第二個(gè)方程，在自變量框中增加交互項(xiàng)JF

8、X，如圖：第四步：點(diǎn)擊statistic，設(shè)置輸出什么參數(shù),一定要選擇R方改變量，點(diǎn)擊繼續(xù)（如圖），然后點(diǎn)擊確定：第五步：結(jié)果分析：1.我們可以看r方的該變量，第二個(gè)方程，如果sig F change值小于0.05，證明調(diào)節(jié)效應(yīng)存在。模型匯總c模型RR 方調(diào)整 R 方標(biāo)準(zhǔn) 估計(jì)的誤差更改統(tǒng)計(jì)量Durbin-WatsonR 方更改F 更改df1df2Sig. F 更改1.371a.138.133.811.13831.7092397.0002.392b.154.148.804.0167.6261396.0061.923a. 預(yù)測(cè)變量: (常量), OC1 - My work at HBAT giv

9、es me a sense of accomplishment., EP1 - I am very comfortable with my physical work environment at HBAT.。b. 預(yù)測(cè)變量: (常量), OC1 - My work at HBAT gives me a sense of accomplishment., EP1 - I am very comfortable with my physical work environment at HBAT., 交互項(xiàng)。c. 因變量: SI1 - I am not actively searching for

10、 another job.2.我們看輸出的結(jié)果，也就是前面介紹的abcc'，sig值是他們的顯著性水平，如果交互項(xiàng)系數(shù)的sig值小于0.05，說明存在調(diào)節(jié)效應(yīng)。系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tSig.B標(biāo)準(zhǔn) 誤差試用版1(常量)2.637.20213.069.000EP1 - I am very comfortable with my physical work environment at HBAT.155.022.3256.934.000OC1 - My work at HBAT gives me a sense of accomplishment.050.016.1463.118.0022(常量)1.707.3924.356.000EP1 - I am very comfortable with my physical work environment at HBAT.267.046.5625.765.000OC1 - My work at HBAT gives me a sense