中介效應分析

中介效應分析方法學生：肖翔導師：曾曉青2021/6/271

中介變量的定義：考慮自變量X對因變量Y的影響,如果X通過影響變量M來影響Y,則稱M為中介變量。例如，“專業(yè)滿意度”影響“專業(yè)承諾”，進而影響“對該專業(yè)的學習投入”?！皩I(yè)承諾”是中介變量。2021/6/272某一變量成為中介變量需要滿足如下條件：（1）自變量與中介變量對因變量均有影響；（2）自變量對中介變量的回歸系數顯著；（3）控制中介變量后，自變量對因變量的影響減弱，依據減弱程度的不同分為部分中介和完全中介作用。2021/6/273

假設所有變量都已經中心化(即均值為零),可用下列方程來描述變量之間的關系:Xce1YX

YXMe2abc'(1)(2)(3)圖1：變量關系圖2021/6/274

對于這樣的簡單中介模型，中介效應等于間接效應，即等于系數乘積ab，它與總效應和直接效應有下面關系：2021/6/275檢驗間接效應的兩類方法：（1）檢驗H0:ab=0（間接檢驗和直接檢驗）（2）是檢驗H0：c-c’=0。2021/6/276間接檢驗：依次檢驗回歸系數直接檢驗：sobel法、bootstrap法和MCMC法2021/6/277

中介效應分析的3中方法：（1）依次檢驗回歸系數法（2）系數乘積檢驗法（3）系數差異檢驗法2021/6/278sobel法的檢驗力高于依次檢驗，但這個檢驗統計量的推導要假設服從正態(tài)分布，就算其中每一個系數都是正態(tài)分布，其乘積通常也不是正態(tài)的，因而Sab的計算只是近似的，可能很不準確，所以該檢驗具有很明顯的局限性。2021/6/279

因此，Bootstrap法是公認的可以取代Sobel法而直接檢驗系數乘積的方法。偏差校正的非參數百分位bootstrap法（置信區(qū)間的檢驗力更高）在某些條件下的第一類錯誤率會超過設定的顯著性水平；而非參數百分位法bootstrap法不會有這個問題。2021/6/2710檢驗系數c依次檢驗系數a，b檢驗系數c’做Sobel檢驗顯著都顯著至少有一個不顯著顯著不顯著顯著不顯著部分中介效應顯著完全中介效應顯著中介效應顯著中介效應不顯著X、Y不相關，停止中介分析圖2：依次檢驗流程圖

依次檢驗回歸系數法spss2021/6/2711標準化回歸方程SEtp第一步Y=0.54X0.0317.52**0.00第二步W=0.6X0.0320.51**0.00第三步Y=0.31X0.048.53**0.00+0.39X0.0410.91**0.00表1：專業(yè)承諾的中介效應依次檢驗2021/6/2712c=0.54(c'=0.31)a=0.6b=0.39圖3：專業(yè)承諾對專業(yè)滿意度和學習投入的中介作用模型2021/6/2713

依次檢驗回歸系數法MplusTITLE:ThestructureofPTSDofDSM-4usingMLintable5-8!題目。DATA:FILEISPTSD.dat/.txt;!指定數據存儲位置。VARIABLE:NAMESAREx1x2y1-y17;!定義數據文件中的變量名。USEVARIABLESarey1-y17;

!由于數據文件中包含多個變量，在單個研究中并非會使用，所以需要定義本研究中使用y1-y17;ANALYSIS:ESTIMATOR=ML;!選擇估計方法，Mplus默認的估計法為ML；MODEL:f1BYy1-y5;!定義模型，因子f1由y1y2y3y4y5五個指標測量。f2byy6-y12;!定義模型，因子f2由y6-y12七個指標測量。f3by

y13-y17;!定義模型，因子f3由y13-y17五個指標測量。PTSDbyF1-F3;!定義二階測量模型。OUTPUT:STANDARDIZED;!要求Mplus輸出標準化解。2021/6/2714Mplus結果解讀指標：（1）SRMR<0.08標準化殘差均方根（2）RMSEA<0.08近似誤差均方根（3）CFI>0.95比較擬合指數（4）NNFI/TLI>0.95非規(guī)范擬合指數先看以上指標，如果滿足以上條件，則模型符合擬合指標。

2021/6/27152021/6/2716再看STDYXStandardization輸出數據，確定中介調節(jié)效應2021/6/2717

偏差校正的非參數百分位bootstrap法Mplus(檢驗潛變量中介效應）DATA:FILEISp.dat;!p.dat是原始數據文件,按x1-x4m1-m3y1-y3順序排列VARIABLE:NAMESAREx1-x4m1-m3y1-y3;!變量名稱Analysis:bootstrap=1000;!Bootstrap法抽樣1000次MODEL:Ybyy1-y3;!y1-y3是潛變量Y的指標Mbym1-m3;!m1-m3是潛變量M的指標Xbyx1-x4;!x1-x4是潛變量X的指標YonX;

!做Y對X的回歸MonX(a);

!做M對X的回歸,X的回歸系數命名為aYonXM(b);

!做Y對X和M的回歸,M的回歸系數命名為b,需要單獨一行MODELCONSTRAINT:new(H);

!定義輔助變量H=a*b;

!系數乘積ab的估計OUTPUT:cinterval(bcbootstrap);!輸出各個系數及系數乘積ab的偏差校正的非參數百分位Bootstrap法置信區(qū)間若要得到(不校正的)非參數百分位Bootstrap法置信區(qū)間,只需將OUTPUT中的cinterval(bcbootstrap)改為cinterval(bootstrap)即可。2021/6/2718

偏差校正的非參數百分位bootstrap法Mplus(檢驗顯變量中介效應）DATA:FILEISp.dat;!p.dat是原始數據文件,按XMY順序排列VARIABLE:NAMESAREXMY;!變量名稱Analysis:bootstrap=1000;!Bootstrap法抽樣1000次MODEL:YonX;!做Y對X的回歸MonX(a);!做M對X的回歸,X的回歸系數命名為aYonXM(b);!做Y對X和M的回歸,M的回歸系數命名為b,需要單獨一行MODELCONSTRAINT:new(H);!定義輔助變量H=a*b;!系數乘積ab的估計OUTPUT:cinterval(bcbootstrap);!輸出各個系數及系數乘積ab的偏差校正的非參數百分位Bootstrap法置信區(qū)間若要得到(不校正的)非參數百分位Bootstrap法置信區(qū)間,只需將OUTPUT中的cinterval(bcbootstrap)改為cinterval(bootstrap)即可。2021/6/2719Mplus結果解讀指標：如果置信區(qū)間包括0，則參數不顯著；置信區(qū)間不包括0，參數顯著。2021