中介效應(yīng)與調(diào)節(jié)效應(yīng)分析

1、IBM-SPSS中介效應(yīng)與調(diào)節(jié)效應(yīng)分析中介效應(yīng)與調(diào)節(jié)效應(yīng)分析 社會心理學研究中，經(jīng)常遇到分析待研究的自變量與因變量之外的第三者變量在其中所扮演的角色和意義。如果第三者變量是協(xié)變量，我們可以通過協(xié)變量的方差分析或回歸分析加以控制；如果第三者變量經(jīng)過排查不是協(xié)變量，可能是因果之間的間接變量和（或）調(diào)節(jié)變量，對這類的問題的研究中介效應(yīng)與調(diào)節(jié)效應(yīng)分析是可行的解決之道。 一、中介效應(yīng)分析一、中介效應(yīng)分析 1.中介效應(yīng)的概述中介效應(yīng)是指變量間的影響關(guān)系（XY）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)

2、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)；當中介變量不止一個的情況下，中介效應(yīng)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)和（或）所有中介效應(yīng)的總和。在社會心理學研究當中，變量間的關(guān)系很少是直接的，更常見的是間接關(guān)系。自變量X對因變量Y的影響，如果X變量通過影響M變量來影響Y變量，則M為中介變量。通常將變量經(jīng)過中心化轉(zhuǎn)化后，得方程1 ：Y=cX+e1；方程2 ： M=aX+e2；方程3 ：Y= cX+bM+e3。其中，c是X對Y的總效應(yīng)，a、b是經(jīng)過中介變量M的中介效應(yīng)，c是直接效應(yīng)。當只有一個中介變量時，效應(yīng)之間有c=c+ab，中介效應(yīng)的大小用c-c=ab來

3、衡量。 2.中介效應(yīng)檢驗過程 中介效應(yīng)是間接效應(yīng)，無論變量是否涉及潛變量，都可以用結(jié)構(gòu)方程模型分析中介效應(yīng)。步驟為：第一步檢驗系統(tǒng)c，如果c不顯著，Y與X相關(guān)不顯著，停止中介效應(yīng)分析，如果顯著進行第二步；第二步依次檢驗a，b，如果都顯著，那么檢驗c，c顯著，為部分中間效應(yīng)模型，c不顯著，為完全中介效應(yīng)模型；如果a，b至少 有一個不顯著，做Sobel檢驗，檢驗的統(tǒng)計量是Z = ab / Sab ，顯著則中介效應(yīng)顯著，不顯著則中介效應(yīng)不顯著。Sobel檢驗免費的在線計算器在“http:/ P=0.000，可以進行方程M=aX+ e2 和 Y= cX+bM+e3 的顯著性檢驗。（4）中介效應(yīng)分析第二

4、步檢驗，即檢驗方程M=aX+e2中的a是否顯著，檢驗結(jié)果如圖30-9、圖30-10所示。二、調(diào)節(jié)效應(yīng)分析二、調(diào)節(jié)效應(yīng)分析 1.調(diào)節(jié)效應(yīng)的概述如果變量Y與變量X的關(guān)系是變量M的函數(shù)，Y = f（X, M）+ e ，則稱M為調(diào)節(jié)變量。即Y與X的關(guān)系受到第三個變量M的影響。調(diào)節(jié)變量可以是定性的（如性別、種族、學校類型等），也可以是定量的（如年齡、受教育年限、刺激次數(shù)等），它影響因變量和自變量之間關(guān)系的方向和強弱。調(diào)節(jié)變量一般不受自變量和因變量影響，但是可以影響自變量和因變量，調(diào)節(jié)變量一般不能作為中介變量。通常將變量中心化轉(zhuǎn)化后，得方程1：Y = aX + bM +e1 ；方程2：Y = aX + b

5、M + cXM + e2 。Y與X 的關(guān)系由回歸系數(shù)a + cM 來刻畫，它是M 的線性函數(shù)，c衡量了調(diào)節(jié)效應(yīng)的大小，如果c顯著，表明變量M的調(diào)節(jié)效應(yīng)有意義。 2.調(diào)節(jié)效應(yīng)檢驗過程 顯變量的調(diào)節(jié)效應(yīng)分析方法。分為四種情況討論。1）當自變量是類別變量，調(diào)節(jié)變量也是類別變量時，做兩因素交互效應(yīng)的多因素方差分析，交互效應(yīng)即調(diào)節(jié)效應(yīng)；2）自變量使用啞變量，調(diào)節(jié)變量是連續(xù)變量時，將因變量、自變量和調(diào)節(jié)變量中心化，做Y = aX + bM + e1 ； Y = aX + bM + cXM + e2的層次回歸分析：做Y對X和M的回歸，得決定系數(shù)R12； 做Y對X、M和XM的回歸得R22，若R22顯著高于R1

6、2，則調(diào)節(jié)效應(yīng)顯著?；蛘撸鱔M的回歸系數(shù)檢驗，若c顯著，則調(diào)節(jié)效應(yīng)顯著；3）當自變量是連續(xù)變量時，調(diào)節(jié)變量是類別變量，做分組回歸分析：按M的取值分組，將因變量和自變量中心化后做Y對X的回歸，若回歸系數(shù)的差異顯著，則調(diào)節(jié)效應(yīng)顯著；4）當自變量是連續(xù)變量時，調(diào)節(jié)變量是連續(xù)變量時，將因變量、自變量和調(diào)節(jié)變量中心化后，同2）做層次回歸分析。 潛變量的調(diào)節(jié)效應(yīng)分析方法。分兩種情形討論：一是調(diào)節(jié)變量是類別變量，自變量是潛變量；二是調(diào)節(jié)變量和自變量都是潛變量。1）當調(diào)節(jié)變量是類別變量時，做分組結(jié)構(gòu)方程分析。做法是，先將兩組的結(jié)構(gòu)方程回歸系數(shù)限制為相等，得到一個2值和相應(yīng)的自由度，然后去掉這個限制，重新估計

7、模型，又得到一個2值和相應(yīng)的自由度。前面的2減去后面的2得到一個新的2，其自由度就是兩個模型的自由度之差。如果2檢驗結(jié)果是統(tǒng)計顯著的，則調(diào)節(jié)效應(yīng)顯著；2）當調(diào)節(jié)變量和自變量都是潛變量時，有許多不同的分析方法，最方便的是Marsh，Wen和Hau提出的無約束的模型。實例講解實例講解例30.2：在一項心理學研究中判斷“設(shè)備”因素在“亮度”與學生“得分”中是否表現(xiàn)出調(diào)節(jié)作用，見例30.2.sav。 操作步驟：（1）由數(shù)據(jù)資料可知自變量“亮度”與調(diào)節(jié)變量“設(shè)備”都是類別變量，可以選用多因素方差分析對兩因素的交互作用的顯著性進行判斷。檢驗結(jié)果如圖30-13所示。（2）SPSS實現(xiàn)過程如下：1）單擊“分析

8、”|“一般線性模型”|“單變量”命令，彈出圖30-14所示的“單變量”對話框。2）將變量“得分”放入“因變量（D）”框；將變量“設(shè)備”和“亮度”放入“自變量（I）”框。3）其它采用系統(tǒng)默認，單擊“確定”按鈕，輸出結(jié)果。實例講解實例講解例30.3：研究“性別”在青少年個體“體重”與“做功”之間有無調(diào)節(jié)效應(yīng)，見例30.3.sav。（1）將自變量“體重”和因變量“做功”做中心化（即個體值與其均數(shù)之差）轉(zhuǎn)化，產(chǎn)生新變量“體重（中心化）”和“做功（中心化）”。（2）對樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進行分割。SPSS實現(xiàn)過程如下：1）單擊“數(shù)據(jù)”|“拆分文件”|“分割文件”命令，彈出圖30-15所示的“單變量”

9、對話框。2）單擊“比較組”復選框，左邊選擇“性別”變量進入“分組方式”框內(nèi)。3）其它采用系統(tǒng)默認，單擊“確定”按鈕。（3）進行分組的線性回歸分析。SPSS實現(xiàn)過程如下：1）單擊“分析”|“回歸”|“線性”命令，彈出圖30-16所示的“線性回歸”對話框。2）將變量“做功（中性化）”放入“因變量（D）”框；將變量“體重（中性化）”放入“自變量（I）”框。方法（M）選“進入”。3）單擊“統(tǒng)計量”按鈕，彈出圖30-17“線性回歸：統(tǒng)計量”對話框，選擇左側(cè)的“估計（E）”復選框，選擇右側(cè)“模型擬合度（M）”和“R方變化（S）”復選框。其它采用系統(tǒng)默認，點擊繼續(xù)返回主對話框。（4）結(jié)果分析經(jīng)過對“性別”的分組線性回歸分析后，檢驗結(jié)果如圖30-18、30-19、30-20所示。 圖30-18所示是回歸模型的總體情況，男、女兩組回歸方程中R2分別為0.748、0.557，P = 0.000 都具有顯著效應(yīng)，表明性別這一變量具有明顯的調(diào)節(jié)效應(yīng)。從圖30-18所示的數(shù)據(jù)可以看出，男性組的回歸方程解釋了因變量74.8%的方差變異，女性組的回歸方程解釋了因變量55.7%的方差變異。圖30-19所示給出了性別分組后的方差分析結(jié)果，P = 0.000 表明預測變量“體重（中心化）”在模型