《多重中介效应检验》由会员分享，可在线阅读，更多相关《多重中介效应检验（8页珍藏版）》请在金锄头文库上搜索。
1、二多重中介多重中介是指存在多个中介变量的情况。目前针对传统多重中介分析存在(1) 分析不完整LISREL-只能得到总的中介效应估计值及其标准误和t值。AMOS -也只能得到总的中介效应估计值。MPLUS-可以得到特定路径的中介效应和总的中介效应估计值，但还是得不到对比 中介效应的分析结果。(2) 使用sobel检验的局限首先，sobel检验统计量的推导基于正态假设，而特定中介效应、总的中介效应和对比 中介效应估计值都涉及参数的乘积，因而通常都不满足正态假设。其次，sobel检验需要大样本，检验在小样本的表现并不好。第三，sobel检验统计量计算复杂，且需要手工计算 所以采用以下两种方法来改善。
2、1增加辅助变量的方法针对当前多重中介效应分析不完整的问题，在结构方程模型中加入辅助变量，可以进行完整 的多重中介效应分析。操作、bi alJ /X我们还是以上图的模型为例子首先打开 spss 数据库，在 SPSS 中 FILE 下选择 Save as ，依次保存上述指标变量A1,A2,B1,B2,B3,E1-E7,E9,E1O,文件格式为 Fixed ASClI(.dat),文件名为 “dc.datLisrel 操作单击FILE，新建syntax窗口，输入：TIDA NI=14 NO=706 MA=CM AP= 1 !表示增加一个辅助变量RA FI=dc.datlaE1 E2 E3 E4 E5
3、 E6 E7 E9 E10 B1 B2 B3 A1 A2MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)=GA(1,1)*BE(3,1)-GA(2,1)*BE(3,2) !辅助变量，用来建立一新的待检验参数PDOU AD=OFF ND=4点击保存，将文件命名为fz.pr2，点击运行按钮结果输出部
4、分BETA可以找到bl, b2两条路径的参数估计值及显著性M1 M2 YM1M2Y 0.1915 -0.0894- -(0.0607) (0.0421) 3.1532 -2.1256发现Ml对Y的预测作用不显著，M2对Y的预测作用显著在GAMMA中可以找到其他路径系数及显著性XMl 0.6296(0.056l)ll.2243M2 -0.3534(0.0483)-7.3242Y -0.049l(0.0597)-0.8223ADDITIONAL PARAMETERS表 示辅助变量 a1*b1-a2*b2 的估计值PA(l)!表示第一个辅助变量，本例只用了一个辅助变量0.0890!表示辅助变量的参数
5、估计值(0.0412)!表示p值，小于0.05说明显著，即两个中介变量Ml和M2的中介效应差异显著。2.l6l6如果将辅助变量的程序设置为 CO PAR(1)=GA(1,1)*BE(3,1)或 CO PAR(1)=GA(2,1)*BE(3,2)则可以分别计算出两个中介变量的特定中介效应大小 a1*b1或 a2*b2。建议只设置一个辅助变量，因为我设置两个及两个以上辅助变量时程序无法运行Mplus 操作mplus 软件可以在一个程序中实现辅助变量与 bootstrap 法因此在下面 bootstrap 法中一起介 绍。2.bootstrap 法Lisrel 操作Lisrel 软件进行 boots
6、trap 分析的步骤分为六步：第一步，使用 Lisrel 软件中的 prelis 程序从原始样本中抽取至少 1000 个 bootstrap 样本具 体操作是打开lisrel软件，单击file/import data in free format，选择上一步保存好的dc.dat文 件单击打开，因为本例中共有14个变量，所以在number of中填14,单击ok,生成了一个fz.PSF的文件。然后点击statistics/bootstrapping按钮如图IJiiriber ct boot strapS：=JTiple frictLonTltpu 七 p ti onlBootstrappingS
7、 av 已:7 All thn Pi(X-rTi=tri cezAll -the me:=ltl vec七qlej11 the st；iirLil；fil devi a1匚 aitcelNumber of bootstrap 中输入 1000, sample fraction 中输入文件名 mafile.cov 然后点击 utputoption按钮出现如图对话框OutputC r.1 ari5二1Sava 七口 Fi |LZSEEL syahemHon ent HatrixJleaiisSave to i 1 e ：Jrint bivafiate frequencyP Frint tests
8、of und er lying bivariateFerfarn tests oE nultivariate nWide priat Karidam seedP Set sefc.l 1 |12：3456Staxul：3rd Deiati oiieSIV A to iIsymp to tic Covsr i anice Mstr i:厂 Save to ；PriiLt in outt o ti d Vtit- i -ulc asI- 5ave to i厂 Flint in. onOKCancel在moment matrix中选择covariance保存成协方差矩阵，单击OK,run。我们就会在
9、源文件夹 中发现mafile.COV这个新文件。注意：在我用自己的数据进行到这一步时出现错误提示W_A_R_N_I_N_G:VAR12 has more than 15 categories and will betreated as continuous. ERROR CODE 201.个人分析可能是数据不适用的问题，所以没有再继续进行，但是按照文献所讲仍将下面的 步骤列出。第二步，设置辅助变量，采用固定方差法编写可以分析多个样本的Lisrel程序（如果采用固 定负荷法编写Lisrel程序将得到中介效应的非标准化解） 程序写法见上文第三步，运行Lisrel程序分析1000个bootstrap
10、样本，得到研究者感兴趣的特定、总的和对 比中介效应系数估计值各1000个，保存为prelis数据文件（文件名.PSF）程序如下：DA NI=14 NO=706 AP=4 RP=1000 ! AP=4表示增加4个辅助变量；RP=1000表示重复运行LISREL程序1000次CM =mafile.cov ! 使用第一步产生的1000个协方差矩阵进行分析MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA L
11、X11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)= GA(1 1)* BE(3 1) !特定中介效应 a b11CO PAR(2)= GA(2 1)* BE(3 2) !特定中介效应 a b22CO PAR(3)= PAR(1)+ PAR(2) !总的中介效应 a b + a b1 1 2 2CO PAR(4)= PAR(1)-PAR(2)!对比中介效应 a b - a b1 1 2 2OU AD=OFF ND=4 PV=bs.psf !参数估计值保存在 PRELIS 文件 bs.psf 中这里设置了四个辅助变量第四步，将prelis数据文
12、件导出为EXCEL文件(文件名.XLS)第五步，在EXCEL中将1000个中介效应估计值从小到大进行排序，将1000个中介效应 估计值的均值作为中介效应估计值的标准化解;用第2.5百分位数和第 97.5 百分位数来估计 bootstrap 的中介效应置信区间，如果置信区间不包括 0，说明中介效应显著，百分位 bootstrap 方法的中介效应检验完成第六步，对第五步得到的中介效应置信区间进行校正，得到偏差校正的百分位bootstrap方 法的中介效应置信区间，如果置信区间不包括 0，说明中介效应显著，偏差校正的百分位 bootstrap 方法的中介效应检验完成。具体校正方法见温忠麟2012 年
13、的文章Mplus 操作打开mplus软件单击新建按钮，然后在空白界面中输入：TITLE:DATA:FILE IS dc.dat; !此处还是继续延用上文用spss保存好的数据文件dc.dat VARIABLE:NAMES =E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2;ANALYSIS: bootstrap=1000 ! bootstrap 法抽样 1000 次MODEL:X BY A1 A2; !两个变量作为潜变量X的指标，其余同理M1 BY E1 E2 E4 E6 E7;Y BY B1 B2 B3;M2 BY E3 E5 E9 E10;Y ON M1
14、(b1); !表示将M1到Y的路径系数命名为bl,其余同理。Y ON X(c);Y ON M2(b2);M1 ON X(a1);M2 ON X(a2);MODEL INDIRECT:Y IND M1 X;!表示自变量为X,中介变量为M1，因变量为Y的中介效应，其余同理。Y IND M2 X;MODEL CONSTRAINT:new (con);!对比中介效应命名为concon=a1*b1-a2*b2;!计算对比中介效应大小OUTPUT:cinterval (bcbootstrap); standardized; !输出偏差校正的百分位bootstrap结果和标准化解 若要得到百分位 boots
15、trap结果，仅需将OUTPUT中的cinterval (bcbootstrap)改为 cinterval (bootstrap)即可单击保存按钮，将文件与dc.dat保存于同一文件夹，命名为11.inp结果分析我删除了不用解释的部分，只保留了需要解释的部分Chi-Square Test of Model FitValue341.607Degrees of FreedomP-Value720.0000RMSEA (Root Mean Square Error Of Approximation)Estimate0.07390 Percent C.I.0.065 0.081Probability RMSEA = .050.000CFI/TLICFITLI0.9190.898卡方值，CFI,TLI,
