《中介效应检验方法（实用干货）》由会员分享，可在线阅读，更多相关《中介效应检验方法（实用干货）（18页珍藏版）》请在金锄头文库上搜索。
1、此课件下载后可自行编辑修改 关注我 每天分享干货,中介效应检验方法,中介效应分析思路,中介作用分析是在确认了两个变量有因果关系的前提下，确认中介变量可以全部或部分地解释这种因果关系的机制的统计程序,总效应c = ab + c c为总效应，c为考虑中介效应后的直接效应，ab为中介效应也称间接效应。 在回归模型中ab = c-c，但在其他模型（如logistic回归和多水平分析）中两者不一定完全相等(MacKinnon, 2008; 温忠麟等, 2012,2,中介检验的方法,一、逐步检验法/因果步骤法/依次检验法(Causal Steps Approach; Baron Baron Baron B
2、aron Baron 或构建一个对称的置信区间，如果置信区间不包括0，说明有中介效应存在,9,中介检验的方法,二、系数乘积法(Product of Coefficients Approach,1、Sobel 检验法 局限 前提假设是中介效应ab是正态分布，且需要大样本，但实际情况是即使a，b分别服从正态分布，ab的乘积也不一定是正态分布存。 Macho 和Ledermann(2011) 指出Sobel 检验的另一个不足是在有多个中介变量的模型中，中介效应估计值的标准误常用Delta 法计算，计算公式比较复杂，且使用不便,10,中介检验的方法,二、系数乘积法(Product of Coeffic
3、ients Approach,2、不对称置信区间法 原理 不对称置信区间法由于放弃了中介效应的抽样分布为正态分布的前提，对中介效应的抽样分布不加限制，因此得到不对称置信区间。 不对称置信区间法包括Bootstrap 法和乘积分布法 Bootstrap 法能适用于中、小样本和各种中介效应模型，且目前常用的各种统计软件都能进行Bootstrap 法运算,11,中介检验的方法,二、系数乘积法(Product of Coefficients Approach,2、不对称置信区间法（bootstrap法） Bootstrap的原理是当正态分布假设不成立时，以样本来代表总体，在此样本中进行放回抽样直至抽取
4、n 个( 如100 个) ，组成一个样本。这样的程序反复进行多次( k 次) ，亦即产生多个样本，每个样本都可以算出一个间接作用估计值，由此可以算出k 个值，形成一个实际的分布。这个分布近似于从原始总体中取样的分布。一般建议最少抽样1000 次( 亦即k = 1000) ，推荐抽样5000次。 这种程序产生的置信区间可以用CI 的偏差调整或者偏差调整和 加速 调整上限值和下限值。不管使用何种程序，如果0 不在 上下限的区间之内，可以说有CI %的可信度认为中介作用 不是0,12,中介检验的方法,二、系数乘积法(Product of Coefficients Approach,2、不对称置信区间
5、法（bootstap法） 优点： Bootstrapping不需要分布假设所以避免了系数乘积检验违反分布假设的问题 而且该方法不依赖标准误所以避免了不同标准误公式产生结果不一致的问题。 模拟研究发现，与其他中介效应检验方法相比Bootstrapping具有较高的统计效力 因此，Bootstrapping法是目前比较理想的中介效应检验法,13,中介检验的方法,三、差异系数检验,原理：差异系数检验即检验H0：c-c=0。通常情况下ab = c-c因此差异系数同系数乘积法有很多相同之处。差异系数采用t检验，其统计量为t=c-c/Sc-c。 局限：由于系数差异法在a 或b 不全为0 时，存在第类错误率
6、很高的缺陷( 可高达100% ) ，且难以应用到更复杂的涉及多个中介变量或有调节的中介模型分析中而鲜有使用,14,软件的应用条件,在中介效应、调节效应的分析过程中，主要有两种思路，一种是显变量，另一种是潜变量结构方程模型。对应的软件也分为两类， 一类是基于显变量路径分析模型的SPSS、SAS等软件， 一类是基于潜变量模型的、lisrel、Amos、Mplus等结构方程模型软件。 由于SPSS操作更为简单，因此，如何用SPSS进行中介效应、调节效应模型的分析成为很多学者的兴趣，近几年发展出的Process插件就是经典，应用逐年猛增,15,软件的应用条件,Process 第一，Process的操作
7、应用。Process主要应用于SPSS、SAS等传统数据统计分析软件，在SPSS中除了可以可视化操作外，还可以通过Syntax语法等方式操作，扩展功能更为强大。 第二，Process可以提供的分析结果。首先，传统SPSS做中介和调节效应时需要分步或分层回归，但Process则一步到位。其次，Process专门用于分析中介效应和调节效应分析，除了常规回归分析的结果外，还额外提供直接效应、间接效应的估计值以及Bootstrap置信区间、Sobel检验等结果。此外，Process还可以处理多中介、多调节以及有调节的中介、有中介的调节等复杂模型。所有这些，是大多数选择用SPSS做中介或调节效应分析的主
8、要原因，也是这个插件的优势之处。 第三，Process的模型构建。Process提供了70多个模型，分析过程中需要选择对应的模型，设置相应的自变量、因变量、中介或调节变量即可,16,软件的应用条件,Process 第四，其他注意事项。 1、Process只能处理显变量路径分析模型，不能处理潜变量模型，潜变量模型需要使用结构方程模型。那么，是用SPSS的Process插件还是用Amos等结构方程模型处理中介（Mediation）、调节效应（Moderation），哪个更好？ 对此要考虑这么几个问题： 一个是样本量的问题，当样本量比较小时，用SPSS的Process方法比较好，因为小样本的数据更接近t分布而不是正态分布，而结构方程模型主要用于处理大样本。 另一个是测量误差问题，SPSS只能处理显变量，不能分离测量误差，因而其结果不如潜变量的结构方程模型精确。 第三是，SPSS不能像结构方程模型那样提供模型拟合参数，不能进行模 型的整体评价。因此，如果研究者关注的重点是路径关系而不是整体模 型效度，或者结构方程模型分析发现变量之间的路径关系符合理论假 设但模型拟合不佳（需要规避模型拟合问题）则考虑SPSS的Process方法比较好,17,谢谢,感谢您的聆听您的关注使我们更努力,此课件下载后可自行编辑修改 关注我 每天分享干货
