中介效应和调节效应.docx
- 文档编号:8666652
- 上传时间:2023-02-01
- 格式:DOCX
- 页数:14
- 大小:498.42KB
中介效应和调节效应.docx
《中介效应和调节效应.docx》由会员分享,可在线阅读,更多相关《中介效应和调节效应.docx(14页珍藏版)》请在冰豆网上搜索。
中介效应和调节效应
一、概念
中介效应或者调节效应并非分析方法,而是一种关系的描述,研究人员需要结合不同的数据分析方法对两种关系进行分析。
中介效应
中介作用是研究X对Y的影响时,是否会先通过中介变量M,再去影响Y;即是否有X->M->Y这样的关系,如果存在此种关系,则说明具有中介效应。
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),此时创新氛围就成为了这一因果链当中的中介变量。
调节作用
调节作用是研究X对Y的影响时,是否会受到调节变量Z的干扰;比如开车速度(X)会对车祸可能性(Y)产生影响,这种影响关系受到是否喝酒(Z)的干扰,即喝酒时的影响幅度,与不喝酒时的影响幅度是否有着明显的不一样。
二、研究步骤
(1)中介效应
中介作用的分析较为复杂,共分为以下三个步骤:
第1步:
确认数据,确保正确分析。
中介作用在进行具体研究时需要对应使用研究方法(分层回归)去实现;中介作用分析时,Y一定是定量数据。
X也是定量数据,中介变量M也是定量数据。
第2步:
中介作用检验
检验中介效应是否存在,其实就是检验X到M,M到Y的路径是否同时具有有显著性意义。
中介作用共分为3个模型。
针对上图,需要说明如下:
●模型1:
自变量X和因变量(Y)的回归分析
●模型2:
自变量X,中介变量(M)和因变量(Y)的回归分析
●模型3:
自变量X和中介变量(M)的回归分析
●模型1和模型2的区别在于,模型2在模型1的基础上加入了中介变量(M),因而模型1到模型2这两个模型应该使用分层回归分析(第一层放入X,第二层放入M)。
在理解了中介分析的原理之后,接着按照中介作用分析的步骤进行,如下图:
第1步是数据标准化处理(对X,M,Y需要分别进行标准化处理,有时也使用中心化处理)(SPSSAU用户使用“生成变量”功能)
第2步和第3步是进行分层回归完成(分层1放入X,分层2放入M)
第4步单独进行模型3,即X对M的影响(使用回归分析或分层回归均可,分层回归只有分层1时事实上就是回归分析)
最后第5步进行中介作用检验。
检验图如下:
SPSSAU帮助手册-中介作用
●a代表X对M的回归系数;
●b代表M对Y的回归系数;
●c代表X对Y的回归系数(模型1中);
●c’代表X对Y的回归系数(模型3中)。
第3步:
SPSAU进行分析
用户可以直接按照上图流程在SPSSAU中进行分析,生成结果。
具体分析步骤可参考链接页面:
SPSS在线_SPSSAU_中介作用
(2)调节效应
第1步:
识别X和M的数据类别,选择合适的研究方法。
调节作用在进行具体研究时需要对应使用研究方法去实现;调节作用分析时,Y一定是定量数据。
通常情况下X均为定量数据(比如开车速度),调节变量Z可以为分类数据(比如是否喝酒),也可以是定量数据(比如喝酒多少)。
第2步:
调节作用检验
SPSSAU帮助手册-调节作用
●调节作用通常是使用分层回归进行研究,如果X和Z均为分类数据,则使用多因素方差分析(通常是双因素方差分析)进行研究。
针对上图,需要说明如下:
●如果X或者Z也或者Y由多项表示,通常需要先计算对应项的平均值生成得到新列(SPSSAU生成变量功能);
●如果X或者Z是分类数据,并且使用分层回归,则需要对X进行虚拟变量处理(哑变量处理);
●对X或者Z进行标准化处理,也可以进行中心化处理均可;
●Y并不需要进行标准化或者中心化处理(处理也可以);
●交互项是指两项相乘的意思,记住交互项不能再次进行标准化或中心化;
●R平方变化显著的判断,是看△F值是否呈现出显著性,如果显著则说明R平方变化显著;
●R平方变化显著,正常情况下交互项也会出现显著。
如果说R平方变化显著,但交互项并不显著,建议以没有调节作用作为最终结论;如果交互项显著,R平方变化显著,建议以有调节作用作为最终结论。
第3步:
SPSAU进行分析
用户判断好数据类型后,直接按照上图流程,在SPSSAU中进行数据处理及分析即可。
具体分析流程可参考链接页面:
SPSS在线_SPSSAU_调节作用
SPSS在线_SPSSAU_中介作用:
链接;
中介作用
∙中介作用是研究X对Y的影响时,是否会先通过中介变量M,再去影响Y;即是否有X->M->Y这样的关系;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)。
中介作用的分析较为复杂,共分为三个步骤,分别如下:
第1步:
确认数据,确保正确分析。
中介变量(M)
自变量(X)
分类
定量
分类
-
-
定量
-
分层回归分析
中介作用是一种概念,具体研究时需要对应使用研究方法(分层回归)去实现;中介作用分析时,Y一定是定量数据(比如工作绩效)。
X也是定量数据(比如工作满意度),中介变量M也是定量数据(比如创新氛围)。
∙第2步:
中介作用检验
中介作用共分为3个模型。
针对上图,需要说明如下:
o模型1:
自变量X和因变量(Y)的回归分析
o模型2:
自变量X,中介变量(M)和因变量(Y)的回归分析
o模型3:
自变量X和中介变量(M)的回归分析
o模型1和模型2的区别在于,模型2在模型1的基础上加入了中介变量(M),因而模型1到模型2这两个模型应该使用分层回归分析(第一层放入X,第二层放入M)。
理解了中介分析的原理之后,接着按照中介作用分析的步骤进行,如下图:
o第1步是数据标准化处理(对X,M,Y需要分别进行标准化处理,有时也使用中心化处理)(SPSSAU的“生成变量功能”)
o第2步和第3步是进行分层回归完成(分层1放入X,分层2放入M)
o第4步单独进行模型3,即X对M的影响(使用回归分析或分层回归均可,分层回归只有分层1时事实上就是回归分析)
o最后第5步进行中介作用检验。
检验图如下:
o特别提示:
请分清楚a,b,c,c’分别代表的意义,
oa代表X对M的回归系数(模型3中)
ob代表M对Y的回归系数(模型2中);
oc代表X对Y的回归系数(模型1中);
oc’代表X对Y的回归系数(模型2中)。
∙第3步:
SPSAU进行分析举例
针对模型1和模型2时的分层回归:
针对模型3:
中介作用是结合3个模型的结果,将系数等放在一张表上,进行对比a,b,c,c’的显著性,最后得到验证,建议放所有得到的结果整理成一张表格,类似表格如下:
∙中介作用模型
最后提示用户,中介作用的原理模型图如下:
∙参考文献
本文档中的表格,图等资料出于书籍“问卷数据分析——破解SPSS的六类分析思路”。
调节作用通常需要写明参考文献,即参考出处和原始资料等,建议列明下述三个文献。
o1、周俊(2017).问卷数据分析——破解SPSS的六类分析思路[M].北京:
电子工业出版社2017,73~77
o2、BaronandKenny(1986):
Baron,R.M.,&Kenny,D.A.(1986).Themoderator-mediatorvariabledistinctioninsocialpsychologicalresearch:
Conceptual,strategic,andstatisticalconsiderations.JournalofPersonalityandSocialPsychology,51,1173-1182.
o3、温忠麟,侯杰泰,张雷(2005).调节效应与中介效应的比较和应用.心理学报2005,37
(2):
268~274
疑难解惑
中介作用时,自变量X有很多个,或者中介变量M有多个?
∙中介作用分析时,如果自变量X有多个,也或者中介变量M有多个。
其操作,检验流程不变。
模型1和模型2时会有多个X,并且会有很多个模型3(因为中介变量有多个)。
并且其检验流程依旧遵循自变量和中介变量均为一个时的步骤。
∙当自变量或中介变量的个数较多时,模型会变得较为复杂,建议用户可对模型进行拆解,然后重复进行多次中介模型分析即可。
∙
如何进行智能化中介作用研究?
∙如果希望智能化分析,可直接使用SPSSAU问卷研究-》中介作用进行即可。
调节作用
调节作用是研究X对Y的影响时,是否会受到调节变量Z的干扰;比如开车速度(X)会对车祸可能性(Y)产生影响,这种影响关系受到是否喝酒(Z)的干扰,即喝酒时的影响幅度,与不喝酒时的影响幅度是否有着明显的不一样。
调节作用的分析较为复杂,共分为三个步骤,分别如下:
∙第1步:
识别X和M的数据类别,选择合适的研究方法。
调节变量(Z)
自变量(X)
分类
定量
分类
多因素方差分析(ANOVA)
分层回归分析或分组回归
定量
分层回归分析
分层回归分析
∙调节作用是一种概念,具体研究时需要对应使用研究方法去实现;调节作用分析时,Y一定是定量数据。
通常情况下X均为定量数据(比如开车速度),调节变量Z可以为分类数据(比如是否喝酒),也可以是定量数据(比如喝酒多少)。
∙第2步:
调节作用检验
调节作用通常是使用分层回归进行研究,如果X和Z均为分类数据,则使用多因素方差分析(通常是双因素方差分析)进行研究。
针对上图,需要说明如下:
o如果X或者Z也或者Y由多项表示,通常需要先计算对应项的平均值生成得到新列(SPSSAU生成变量功能)
o如果X或者Z是分类数据,并且使用分层回归,则需要对X进行虚拟变量处理(哑变量处理)
o对X或者Z进行标准化处理,也可以进行中心化处理均可
oY并不需要进行标准化或者中心化处理(处理也可以)
o交互项是指两项相乘的意思,记住交互项不能再次进行标准化或中心化
oR ²变化显著的判断,是看△F 值是否呈现出显著性,如果显著则说明R ²变化显著
oR ²变化显著,正常情况下交互项也会出现显著。
如果说R ²变化显著,但交互项并不显著,建议以没有调节作用作为最终结论;如果交互项显著,R ²变化显著,建议以有调节作用作为最终结论。
∙第3步:
进行分析
本处以X为定量数据,Z为定量数据作为事例进行讲述,即为上述图中第四种类型,需要使用分层回归分析,首先假定X和Z均已经进行了标准化处理(“生成变量”功能),并且通过SPSSAU得到了交互项(“生成变量”功能相乘),然后进行分层回归分析,如下所示:
第一层中放入标准化后的X和Z;第二层放入交互项(标准化后X*标准化后Z),【提示:
交互项单独放在第2层,有时候也会第1层放X,第2层放Z,第3层放交互项。
目的在于看由第1层到第2层时加入Z,Z是否会对Y有影响。
】分析得到如下结果:
分层1
分层2
B
标准误
B
标准误
常数
2.518**
0.028
2.523
0.028
S_X
-0.016
0.028
0.828**
0.028
S_Z
-0.016
0.028
-0.008
0.030
S_X*S_Z
0.020
0.023
R ²
0.730
0.731
调整R ²
0.729
0.729
F 值
453.605**
302.434**
△R ²
0.730
0.001
△F 值
453.605**
0.756
因变量(Y):
Y
* p <0.05** p <0.01
上图中R变化值仅为0.001非常非常低,而且△F 值没有呈现出显著性(右上角没有*号),说明F 值变化不显著,也即说明分层2在分层1的基础上加入交互项,并没有对Y起着更多的作用,而且具体看交互项的回归系数值为0.020,没有呈现出显著性(右上角没有*号),也即说明交互项没有呈现出显著性,进一步说明没有调节作用产生。
∙调节作用模型
最后提示用户,调节作用的原理模型图如下:
∙参考文献
本文档中的表格,图等资料出于书籍“问卷数据分析——破解SPSS的六类分析思路”。
调节作用通常需要写明参考文献,即参考出处和原始资料等,建议列明下述三个文献。
o1、周俊(2017).问卷数据分析——破解SPSS的六类分析思路[M].北京:
电子工业出版社2017,73~77
o2、BaronandKenny(1986):
Baron,R.M.,&Kenny,D.A.(1986).Themoderator-mediatorvariabledistinctioninsocialpsychologicalresearch:
Conceptual,strategic,andstatisticalconsiderations.JournalofPersonalityandSocialPsychology,51,1173-1182.
o3、温忠麟,侯杰泰,张雷(2005).调节效应与中介效应的比较和应用.心理学报2005,37
(2):
268~274
疑难解惑
∙交互项如何处理?
∙交互项是指相乘的意思,一般是两项相乘。
操作方法为:
SPSSAU【数据处理->生成变量->'乘积'】功能
∙如何进行智能化调节作用研究?
∙如果希望智能化分析,可直接使用SPSSAU问卷研究-》调节作用进行即可。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 中介 效应 调节
![提示](https://static.bdocx.com/images/bang_tan.gif)