如何检验有调节的中介作用?
调节中介作用同时考虑中介变量和调节作用,其核心是中介作用,基于中介作用基础上再进一步讨论调节作用。
比如X->M->Y这条中介路径存在,即说明具有中介作用。接着在进一步分析条件中介作用,即在另外一个调节变量Z取不同水平时(通常分为3个水平,低水平,平均水平,高水平),中介作用的幅度(也称条件间接效应)情况如何。
SPSSAU按照Process程序编制的模型编号进行,在做调节中介分析时:
第一步,需要找到自己对应的模型编号(下述理论部分有说明模型编号的意义)
第二步,是针对结果进行分析
1 案例背景
当前有一个研究(样本量为540),自变量有1个,中介变量共有2个,调节变量1个,因变量1个,希望研究自变量X对于因变量Y的影响时,并且在有2个中介变量前提下,Z是否有调节中介作用。
变量类型 | 名称 |
自变量 | X |
中介变量 | M1,M2 |
调节变量 | Z |
因变量 | Y |
检验的模型如下图如下:
本案例想分析X对于Y的影响时,2个中介变量是否会起中介作用,并且分析X对于2个M的影响时,是否会受到调节变量Z的干扰,即X对2个M的影响时,Z是否会起着调节作用。明显的,此模型应该为Model 7(下述理论部分对模型编号的意义)。
2 理论
本部分从两个角度说明调节中介作用,第一部分是调节中介作用的检验模型;第二部分是调节中介作用的操作及分析。
第一部分:调节中介作用检验模型
SPSSAU调节中介作用检验算法遵循Andrew F. Hayes学者开发的Process程序进行。
涉及调节中介作用的常用模型共有7个(SPSSAU默认提供),接下来针对该7个调节中介模型分别进行说明,包括模型结构和检验模型进行说明:
Model 5:图中W即为调节变量。调节变量仅针对X->Y这一条路进行调节(准确说Model 5并不是调节中介作用,只是模型中已经考虑了中介作用而已)。
Model 7:图中W即为调节变量。调节变量仅针对X->M这一条路进行调节。
Model 8:图中W即为调节变量。调节变量针对X->M和X->Y这2条路进行调节。
Model 14:图中V即为调节变量。调节变量仅针对M->Y这一路进行调节。
Model 15:图中V即为调节变量。调节变量针对X->Y和M->Y这2路进行调节。
Model 58:图中W即为调节变量。调节变量针对X->M和M->Y这2路进行调节。
Model 59:图中W即为调节变量。调节变量针对X->M,X->Y和M->Y这3路进行调节。
第二部分:调节中介作用剖析
调节中介作用进行分析时,首先分析中介作用,即分析Bootstrap 95%置信区间是否包括数字0,如果不包括数字0即说明具有中介作用,反之如果包括数字0则说明不具有中介作用。接着再分析调节中介作用(条件间接效应),分析调节变量在不同水平时,中介作用的情况如何。事实上二者的分析并没有绝对的前后关系,通常是综合进行说明。
除此之外,直接效应也应该进行分析,但由于关注重心在于中介作用和条件中介,而且分析中介作用并不要求一定有直接效应,因此直接效应分析通常不需要过多说明。
3 操作
进入SPSSAU,选择[问卷研究]--[调节中介作用]
本例子中的操作截图如下,切记选择正确的模型编号:
4 SPSSAU结果分析
第一个表格是“回归模型汇总表格”;该表格把模型结果全部列出,即检验中涉及的各类系数等;通常情况下仅需要描述调节中介作用分析时涉及的模型
调节中介效应模型共分为两类回归模型;
第一:第1类回归模型为因变量为Y时的回归模型构建;
第二:第2类回归模型为因变量为中介变量M的回归模型构建(如果多个中介变量则多个模型);
从上表可知:调节中介效应分析共涉及3个模型,分别如下:
Y=0.696-0.062*X +0.396*M1 +0.469*M2
M1=1.652-0.106*X +0.422*Z +0.060*X*Z
M2=5.844-0.896*X-0.708*Z +0.270*X*Z
第二个表格是“直接效应(Direct Effect)结果”;该表格列出直接效应即X对于Y的影响情况;
从上表格可知:X对于Y的影响并没有呈现出显著性(p=0.163>0.05),但这并不会影响到接下来的调节中介作用分析,因为X是否对于Y有影响,并不是调节中介(也或者中介作用)的前提条件。
第三个表格是“条件间接效应(Conditional Indirect Effect)结果”;该表格展示中介作用和调节中介作用结果,此表格为核心表格。
条件间接效应为核心的结果:
第一:如果间接效应值的95%区间(BootCI)值包括数字0,则说明不具有中介效应;
第二:如果间接效应值的95%区间(BootCI)值不包括数字0,则说明具有中介效应;
第三:条件间接效应指调节变量Z在不同水平时的中介效应情况,即调节中介效应。
首先看X->M1->Y这条路径,在Z取平均水平(Z=4.236)时,Bootstrap 95%置信区间为0.029~0.098,不包括0,也即说明平均水平下,X对Y影响时M1有着中介作用。在Z取低水平(Z=3.160)时,Bootstrap 95%置信区间为0.003~0.081,不包括0,也即说明Z在低水平时,X对Y影响时M1有着中介作用。在Z取高水平(Z=4.862)时,Bootstrap 95%置信区间为0.04~0.128,不包括0,也即说明Z在高水平时,X对Y影响时M1有着中介作用。
综合可知,在Z取低水平,平均水平,或高水平时,M1均会起中介作用。三种水平时,均起着中介作用而且都是效应量均大于0,说明调节中介不存在,因为中介作用情况一致。
接着看X->M2->Y这条路径,在Z取平均水平(Z=4.236)时,Bootstrap 95%置信区间为0.062~0.172,不包括0,也即说明平均水平下,X对Y影响时M2有着中介作用。在Z取低水平(Z=3.160)时,Bootstrap 95%置信区间为-0.014~0.099,包括0,也即说明Z在低水平时,X对Y影响时M1不会有中介作用。在Z取高水平(Z=4.862)时,Bootstrap 95%置信区间为0.114~0.266,不包括0,也即说明Z在高水平时,X对Y影响时M2有着中介作用。
综合可知,在Z取低水平时M2不会起中介作用,Z取平均水平或高水平时,M2均会起中介作用。三种水平时M2是否有中介作用的情况并不一致,因此X->M2->Y时,条件中介作用存在。
5 常见问题
(1)自变量X对于因变量Y没有影响怎么办?
调节中介作用分析时,并不要求自变量X对因变量Y产生影响作为前提条件,因为有可能X对于Y没有影响,正好是由于调节作用的‘中和’所致,比如调节变量在高水平时X对于Y正向影响,但调节变量在低水平时X对于Y负向影响,刚好‘中和’。
(2)没有中介作用,是否可以进行调节中介分析?
没有中介作用也可以进行调节中介作用分析,调节中介作用分析时,并不要求一定存在中介作用,因为有可能中介路径被‘中和’导致没有中介作用,比如调节变量在高水平时有正向中介作用,但调节变量在低水平时有负向中介作用,刚好‘中和’。
(3)如果发现没有调节中介,是否可直接分析中介作用?
如果显示没有调节中介作用,可重新建立模型比如直接进行中介作用,此时需要使用SPSSAU[问卷研究]->[中介作用]这一方法即可。
(4)如果数据是显变量如何处理?
如果数据是显变量,此时可转换成潜变量再处理即可。使用[生成变量]->[平均值]功能。
「更多内容登录SPSSAU官网了解」
如何检验有调节的中介作用?相关推荐
- 如何使用Amos做调节效应和有调节的中介作用模型?
结构方程模型Amos出来之后很快得到了管理学.教育学.心理学等学科领域的广泛应用,可以说,目前中国硕博论文以及知网上发表的文献,涉及结构方程模型方面的文献有70%是用Amos做的,采用Mplus.Li ...
- 如何解读链式中介作用分析结果?
中介作用是研究自变量X对因变量Y的影响时,是否会先通过中介变量M,再去影响Y.比如工作满意度(X)会影响到创新氛围(M),再影响最终工作绩效(Y). 在中介作用研究中,如果自变量与因变量之间存在多个中 ...
- 两个例子让你了解什么是中介作用和调节作用
一些初学者在做中介作用或调节作用模型时对中介和调节理解不到位,也容易混淆二者.在此给大家举两个简单例子: 关于中介作用:假设我们要从北京坐飞机去日本,如果你直飞日本,这就是直接路径,如果你经停大连,那 ...
- 机制检验、异质性检验、调节效应
目录 基准回归 稳健性检验: 内生性处理: 机制检验 机制分析模型(调整要素配置结构): 机制分析模型(生产率提升效应): 异质性检验 1.企业规模 2.企业注册地 调节效应(假设3后半部分) 1.人 ...
- 用spss插件process做有调节的中介分析的结果解读
点击上方关注我们 一起来成为国家的栋梁吧 SPSS process作为专门分析中介和调节作用的神器,输出界面却不太友好,经常有同学表示SPSS process的结果看不懂. 今天来聊聊SPSS插件pr ...
- 两组回归系数差异检验_调节效应检验中的回归系数差异检验
在调节变量为二分类变量时调节效应检验中,需要对不同取值的调节变量的情况下自变量对因变量的影响进行检验,以确定是否有调节效应,这时候就需要对回归系数差异进行检验.具体检验方法如下: 使用公式辅以SPSS ...
- SPSS 调节和中介
操作 Analyze→Regression→PROCESS 选择因变量 自变量 (中介变量) 控制变量 (调节变量) 做调节 model选1 选择下面的调节变量w 做中介 model选4 选择上面的中 ...
- 随笔3:有调节的中介示例之 Model 1
PS:示例数据结构 中介变量为人力资本M 自变量为数字经济X 因变量为就业结构Y 为简便起见不加入其他控制变量 图形表达: 简单回归方程的表达如下: 理论: =b1*a1+b3x*a1 整理得间接效应 ...
- android 音量调节不起作用,Android开发之调整手机音量
调整手机的各种音量可以通过AudioManager这个类来操作 注:安卓手机各种音量的最大数值不一样,请通过下面具体的方法获取最大音量值. 涉及的参数说明: streamType类型:(音量类型) S ...
最新文章
- php文件教程,php的文件上传入门教程(实例讲解)
- linux网卡口闪烁,LINUX 下网卡口绑定整理
- 机器学习 综合评价_PyCaret:机器学习综合
- Objdump查看汇编和源码
- android之字体阴影效果
- DiskFileUpload类
- redis cluster(5)- redis集群原理
- 计算机网络知识总结(韩立刚老师视频)
- Java编程思想-并发(5)
- 超好玩的硬币游戏,你会玩吗?
- Druid关闭监控页面及设置密码
- 微信公众号关键词自动回复文件设置教程
- 对加噪音前后的音频信号进行频谱分析
- bzoj3503【CQOI2014】和谐矩阵
- Windows7中双击py文件运行程序
- 巴特沃斯、切比雪夫、贝塞尔滤波器的比较
- 基于Android的聊天网络应用(安卓开发实验报告)
- android获取imei兼容_Android中获取IMEI码的方法
- suse linux双网卡绑定,suse linux双网卡绑定设置详解
- python爬取HTML中属性的值的实例(loading...)
热门文章
- Autocad2017破解版下载|Autodesk Autocad 2017中文破解版下载 64位(附注册机/序列号)
- html5 mp3播放器源码,HTML5自定义mp3播放器源码
- 番茄看看 阅读微信公众号文章赚钱任务
- 论文翻译:2019_Bandwidth Extension On Raw Audio Via Generative Adversarial Networks
- 第十二周 静态 +友元 + 动态 + 继承 + 多文件
- 使用python爬取12306上面所有车次数据
- (附源码)ssm小型超市管理系统的设计与实现 毕业设计 011136
- Pytorch目标检测学习资源
- 一个Android开发者开博一周年的成长日记——送给不知如何下手的【初级开发者】和【在校生】
- 随机产生单词java_JavaGUI实现随机单词答题游戏