一、中介效应含义

考虑自变量X对因变量Y的影响,如果X通过影响变量M、N等其它变量而对Y产生影响,则称M、N等为中介变量。

下图展示了X通过M最终到Y的过程,a表示X到M的系数,b表示M到Y的系数,c表示X到Y的总效果,c*表示X到Y的直接效果。

如果M为 X到Y的中介,则需满足下列条件:

(1)M=aX, a≠0,且显著;

(2)Y= cX, c≠0,且显著(总效果);

(3) Y=bM+c*X ,b≠0,且显著;

如果c*≠0,  则M为X到Y的部分中介;如果 c*=0, 则M为X到Y的完全中介,a*b表示中介效应,并且总效应等于直接效应与中介效应的和,即c=a*b+c*

二、中介效应检验的AMOS操作

我们以张伟豪老师的案例作为讲解

1. 单因子中介效应

我们要研究一个企业的  服务品质与满意度、忠诚度之间的关系。如果我们想验证  顾客因为服务品质高,所以对企业有很高的满意度,进而产生对该企业产品的忠诚度的结论。即满意度是服务品质到忠诚度之间的中介。

首先打开软件Amos,读入数据(读取数据,Amos绘图等基本操作请读者参考其它资料,本文假定读者已经具备Amos基本操作能力),绘制上面路径图,注意一定要在路径线上表明a,b,c等符号,便于估计结果;

设置输出属性,output 选择间接,直接,总效应;bootstrap 选择抽样次数和置信区间,如下图,其它采用默认

然后计算结果,上图第一个里面红色圆圈右边那个就是计算结果键,计算完成后,打开结果输出文本,就是红圈下面那个图,点开后estimate下面scalars,显示下图a*b为中介效应,c‘为直接效应

也可以看Matrices,下面显示总效应,直接效应,间接效应(包括标准化结果),可以检验间接效果值等于a*b(软件直接给出计算后的结果)

上图中output 下面bootstrap里面会给出各系数的标准误和bias-corrected和pecentile 置信区间,可判断显著性

2. 二因子中介效应

和上例比,多了一个企业形象因素,见下图

此时,包括总效应,直接效应,总间接效应,特定的间接效应(即每个的间接效应,本例中服务品质通过企业形象和满意度两个中介可到忠诚度,两个特定间接效应)

Amos操作主要步骤同上(包括读取数据,画路径图,设置输出选项等,要选上bootstrap和三种效应),然后计算结果,依然可以通过上述方法得到结论(但只能给出总间接效应,直接效应和总效应,不能给出特定中介效应),此处我们采用写代码的方式操作,得到各种效应,在Amos软件左下角一行英文语句上点右键,新建一个估计(create a new estimand )

在输出对话框中,your code goes here 下面一行写代码,

dim x() as double  括号中的数字是最终的总个数,注意第一个从0开始

x(0)= v.parameterValue() *v.parameterValue() 括号中的a1等可在上面parameter names里面选,会自动带上引号

最后记得写 return x

下面advanced下面可以设置每一个的标签  dim labels() as string

最后记得return labels

设置好后,保存一个名称比如test1,然后计算运行,然后打开输出结果文档,estimate 下面scalar 最下面会显示test1,点击test1,会出现代码设置的各种结果,上图中x(2)=x(1)-x(0)表示两组中介效应是否存在显著差异,选中结果后,下面bootstrap里面bias-和percentile会给出置信区间和标准误,以及显著性

三、远程中介效应(链式中介)

远程中介指经过两次及以上中介效应达到最终目标,如下图共有三组中介效应,分别是abc,dc,ae,   其中abc即服务品质到企业形象到满意度到忠诚度为远程中介。

软件操作和二因子类似,采用代码,可以把所有需要求解的效应计算出来,如下图,当然可以自己多设置,比如比较x1和x2的显著性差异是否存在,可设置    x(3)=x(1)-x(2),也可以在服务品质和忠诚度之间的线上增加字母f,可求解出直接效应。等等

四、多重中介

多重中介是回归分析的拓展,相当于回归分析前加了一个自变量(下图为多重中介的例子,本例中相当于回归前面加上自变量服务品质)

软件操作方法和上述一样,可通过代码设置出所需效应,此处不再列出。

结构方程模型-中介效应检验(Amos)相关推荐

  1. 干货 | Amos实操教程之中介效应检验

    Hello,大家好! 这里是壹脑云科研圈,我是喵君姐姐~ 本次推文,我们就来给大家介绍一种处理结构方程模型软件--Amos . 01 摘要 Amos是什么? Amos由James L. Arbuckl ...

  2. stata中介效应的sobel检验_SPSS进行中介效应检验的实战操作与分析——杏花开生物医药统计...

    中介变量( Mediator) 是一个重要的统计概念,如果自变量X通过某一变量M对因变量Y产生一定影响,则称M为X和Y的中介变量. 研究中介作用的目的是在已知X和Y关系的基础上,探索产生这个关系的内部 ...

  3. amos调节变量怎么画_结构方程模型建模思路及Amos操作--调节变量效果确定(一)(满满都是骚操作)...

    2233镇楼~新年第一篇当然是给陪伴吾等死肥宅这么久的B站,新年快乐~新的一年,穷B不买化妆品也要为自己氪大会员...(゜▽゜)つロ po一下天依老婆跨年的歌,烘托新年的气氛[洛天依|周华健]江苏卫视 ...

  4. 调节效应检验(三):AMOS结构方程模型

    一.调节变量 温忠麟等(2005)指出:"如果变量Y与变量X的关系是变量M的函数,即Y与X的关系受到第三个变量M的影响,则称M为调节变量,调节变量能够影响因变量和自变量之间关系的方向(正或负 ...

  5. 如何使用SPSS Amos进行验证性因子分析(CFA)和Bootstrap检验中介效应

    如何使用SPSS Amos进行验证性因子分析(CFA)和Bootstrap检验 准备 验证性因子分析 Bootstrap检验中介效应 相关链接 准备 分析前需要安装并激活SPSS Amos软件,这里以 ...

  6. 结构方程模型与Mplus软件应用

    各企事业单位.高等院校及科研院所: 结构方程模型(SEM, Structural Equation Modeling)分析在近20年来,已经成长为量化论文分析的主流统计技术,又称为第二代多变量分析.结 ...

  7. spss分析方法-中介效应(转载)

    中介效应,它指的是X对Y的影响是通过M实现的,也就是说M是X的函数,Y是M的函数(Y-M-X).考虑自变量X对因变量Y的影响,如果X通过M影响变量Y,则称M为中介变量. 下面我们主要从下面四个方面来解 ...

  8. 结构方程模型-调节(干扰)效应检验(一)

    一.调节效应的含义 调节效应是交互效应的一种,是有因果指向的交互效应,而单纯的交互效应可以互为因果关系:调节变量一般不受自变量和因变量影响,但是可以影响自变量和因变量:调节变量一般不能作为中介变量,在 ...

  9. 用Excel还是SPSS数据文件做Amos结构方程模型好?

    用Amos做结构方程模型分析时,数据文件用Excel还是SPSS好呢? 本人推荐SPSS,原因主要有以下几点: (1)方便检查原始数据是否存在非数值型字符,例如字母.标点符号等,因为SPSS在检查这些 ...

  10. SPSS + AMOS 结构方程模型(SEM)

    写在前面 抽空学习了一下结构方程模型,主要运用的软件是SPSS+AMOS,感觉之后能用得上,现将整体思路结构梳理如下,方便日后查阅.问卷采取 Likert 五级量表,1-5依次代表"非常不同 ...

最新文章

  1. linux模拟器 cygwin源
  2. Makefile中的分析(一)
  3. JavaScript实现Fast Powering算法(附完整源码)
  4. 夺命雷公狗---PHP开发APP接口---1(手动编写json)
  5. 前端学习(1400):多人管理20代码优化
  6. 前端学习(584):在dom中调试节点
  7. 使用grub2制作U盘启动盘安装操作系统
  8. Kaggle——TMDB电影票房预测
  9. 哈工大2021年秋季学期数据结构期末试题
  10. java斗地主案例_Java斗地主案例
  11. easyui combobox设置只能选择下拉
  12. 阿里P7级别面试经验总结,最全Android知识总结
  13. veeam_backup的几种备份方式
  14. php imap 安装_php怎么安装imap扩展
  15. 单目标跟踪SiamMask:特定目标车辆追踪 part2
  16. 【超级简单但超级有用】让PDF书籍变身为可搜索文件
  17. 【机器学习的高等数学基础】导数的几何意义和物理意义、函数的可导性与连续性之间的关系、平面曲线的切线和法线、基本导数与微分表、微分中值定理,泰勒公式、弧微分、曲率、曲率半径、洛必达法则、渐近线的求法等
  18. 2020年柒月份生活随笔
  19. 什么是服务器丢包?恒讯科技教你如何解决
  20. NOI 2003 逃学的小孩

热门文章

  1. JAVA_判断日期是否为工作日(排除节假日和调整周末上班)
  2. 淘宝价格带卡位公式是什么?如何定价?
  3. JAVA中什么 和 什么的区别--面试最经常问的(全)
  4. python的os库——批量修改文件名称
  5. 【不三不四的脑洞】一个梦所引发关于排序算法的思考
  6. 男性平均寿命要比女性短5至10年
  7. excel函数--if函数计算销售提成
  8. mac电脑如何设置开机启动项
  9. java模板引擎哪个好_模板引擎比较
  10. 双网络打印机虚拟服务器,在VMware Workstation 7虚拟机中使用主机打印机