资源描述：
《如何用SPSS做中介效应与调节效应.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、如何用SPSS做中介效应与调节效应1、调节变量的定义 变量Y与变量X的关系受到第三个变量M的影响,就称M为调节变量。调节变量可以是定性的，也可以是定量的。在做调节效应分析时,通常要将自变量和调节变量做中心化变换。简要模型：Y=aX+bM+cXM+e。Y与X的关系由回归系数a+cM来刻画,它是M的线性函数,c衡量了调节效应(moderatingeffect)的大小。如果c显著，说明M的调节效应显著。 2、调节效应的分析方法 显变量的调节效应分析方法：分为四种情况讨论。当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析，交互
2、效应即调节效应；调节变量是连续变量时，自变量使用伪变量,将自变量和调节变量中心化,做Y=aX+bM+cXM+e的层次回归分析：1、做Y对X和M的回归,得测定系数R12。2、做Y对X、M和XM的回归得R22，若R22显著高于R12，则调节效应显著。或者,作XM的回归系数检验,若显著,则调节效应显著；当自变量是连续变量时，调节变量是类别变量，分组回归:按M的取值分组,做Y对X的回归。若回归系数的差异显著,则调节效应显著，调节变量是连续变量时，同上做Y=aX+bM+cXM+e的层次回归分析。 潜变量的调节效应分析方法：分两种情形：一是调节变量是类别变
3、量,自变量是潜变量；二是调节变量和自变量都是潜变量。当调节变量是类别变量时,做分组结构方程分析。做法是,先将两组的结构方程回归系数限制为相等,得到一个χ2值和相应的自由度。然后去掉这个限制,重新估计模型,又得到一个χ2值和相应的自由度。前面的χ2减去后面的χ2得到一个新的χ2,其自由度就是两个模型的自由度之差。如果χ2检验结果是统计显著的,则调节效应显著；当调节变量和自变量都是潜变量时，有许多不同的分析方法，最方便的是Marsh,Wen和Hau提出的无约束的模型。 3．中介变量的定义 自变量X对因变量Y的影响,如果X通过影响变量M来影响Y,则称
4、M为中介变量。Y=cX+e1,M=aX+e2,Y=c′X+bM+e3。其中,c是X对Y的总效应,ab是经过中介变量M的中介效应,c′是直接效应。当只有一个中介变量时,效应之间有c=c′+ab，中介效应的大小用c-c′=ab来衡量。 4、中介效应分析方法 中介效应是间接效应,无论变量是否涉及潜变量,都可以用结构方程模型分析中介效应。步骤为：第一步检验系统c，如果c不显著，Y与X相关不显著，停止中介效应分析，如果显著进行第二步；第二步一次检验a，b，如果都显著，那么检验c′，c′显著中介效应显著，c′不显著则完全中介效应显著；如果a，b至少有一个不
5、显著，做Sobel检验，显著则中介效应显著，不显著则中介效应不显著。Sobel检验的统计量是z=^a^b/sab，中^a,^b分别是a,b的估计,sab=^a2sb2 +b2sa2,sa,sb分别是^a,^b的标准误。 5.调节变量与中介变量的比较 调节变量M中介变量M研究目的X何时影响Y或何时影响较大X如何影响Y关联概念调节效应、交互效应中介效应、间接效应什么情况下考虑X对Y的影响时强时弱X对Y的影响较强且稳定典型模型Y=aM+bM+cXM+eM=aX+e2 Y=c′X+bM+e3模型中M的位置X,M在Y前面,M可以在X前面M在X之后、
6、Y之前M的功能影响Y和X之间关系的方向(正或负)和强弱代表一种机制,X通过它影响YM与X、Y的关系M与X、Y的相关可以显著或不显著(后者较理想)M与X、Y的相关都显著效应回归系数c回归系数乘积ab效应估计^c^a^b效应检验c是否等于零ab是否等于零检验策略做层次回归分析,检验偏回归系数c的显著性(t检验);或者检验测定系数的变化(F检验)做依次检验,必要时做Sobel检验 6.中介效应与调节效应的SPSS操作方法处理数据的方法第一做描述性统计，包括MSD和内部一致性信度a（用分析里的scale里的realibilityanalsys）第二将所
7、有变量做相关，包括统计学变量和假设的X，Y，M 第三做回归分析。（在回归中选线性回归linear）要先将自变量和M中心化，即减去各自的平均数1、现将M（调节变量或者中介变量）、Y因变量，以及与自变量、因变量、M调节变量其中任何一个变量相关的人口学变量输入indpendent2、再按next将X自变量输入（中介变量到此为止）3、要做调节变量分析，还要将X与M的乘机在next里输入作进一步回归。分析结果中的Beta就是Y=cX+bM+e的系数，B下的constant是常数。检验主要看F是否显著 Statistics菜单的Correlate选项->P
8、artialCorrelations过程看看控制var1(自变量)之后，var2(中介变量)与var3(因变量)之间的相关系数(Correlation
