中介作用于调节作用:原理与应用

(2)基于MEDIATE插件的操作

Hayes等也建议使用MEDIATE插件,该插件提供了简单和并行多重中介分析的语言,只需要将Hayes等编辑的语言复制到语法栏中,进行修改即可。该方法同样适用于自变量为类别变量的中介分析,包括多个自变量、多个因变量和多个中介变量的多重中介分析,具体操作只需要对语法进行修改就可以。以下是基本语法:

MEDIATE Y=symptoms/X=emotion

thought/M=reaction/C=ageeduc/total=1/omnibus=1/ciconf=90/cimethod=2/samples=10000.

软件操作流程:

第一,下载解压缩,然后将后缀名sav改为sps; 第二,在spss中打开语法文件;

第三,选中全部命令点击按钮运行,output里面可以看到如下提示,表明mediate加载成功,注意该操作仅在spss英文版本中可运行。

第四,关闭mediate,并新建新的语法编辑框

第五,输入语法,并根据具体研究输入变量名,程序自动执行(整个操作过程要求spss数据打开)。

MEDIATE使用需要说明之处:

第一,中介变量和因变量必须是连续变量,自变量可以是分类变量; 第二,接受不超过15个并行中介变量的分析;

第三,使用分类变量进行分析时,自变量的水平或类别不应超过9个; 第四,模型中如果出现变量缺失则无法运行;

第五,所有变量格式都应是数值型,字符串型变量将导致程序运行出错; 第六,所有的回归系数都是基于最小二乘法计算的非标准化回归系数。

MEDIATE运行加载

MEDIATE语法输入

结果输出

2.2.3马尔科夫链蒙特卡罗法(MCMC)法

马尔科夫链蒙特卡罗(MCMC)方法是在贝叶斯理论框架下,将马尔科夫链过程引入到蒙特卡罗模拟中,实现抽样分布随模拟的进行而改变的动态模拟。MCMC方法的计算常用WinBUGS、Mplus、SAS和R软件完成。MCMC方法的基本思想可概括为如下三步: 第一,构造马尔科夫链,使其收敛到平稳分布。

第二,利用马尔科夫链进行吉布斯(Gibbs)抽样,即利用多个一元全条件(full conditionals)分布(除一个变量外, 其他所有变量都赋予固定值的分布)进行迭代抽样, 获得n-t(约10000)个后验样本,得到的后验样本又被称为马尔科夫链的实现值。

第三,由后验样本计算 10000个中介效应估计值a?b?,将 10000个中介效应估计值的

均值作为中介效应的点估计值,将10000个中介效应估计值a?b?按数值大小排序,,用第2.5百分位数和第97.5百分位数来得到95%的中介效应可靠区间估计。

方杰和张敏强(2012)的研究认为,有先验信息的MCMC方法的ab点估计最准确且统计功效最高,中介效应区间估计也最准确,但付出了低估第Ⅰ类错误率的代价;偏差校正的非参数百分位Bootstrap方法的统计功效其次,但付出了高估第Ⅰ类错误率的代价(不需要先验信息)。因此,当有先验信息时,推荐使用有先验信息的MCMC方法,当先验信息不可得时,推荐使用偏差校正的非参数百分位Bootstrap方法。

2.3温忠麟等提出的因果逐步回归的改良法

对于系数乘积的检验,温忠麟等人(2004)早就意识到,如果检验结果都显著,依次检验结果强于Sobel检验结果,所以在他们提出的检验流程中,先进行依次检验,不显著才需要做Sobel检验。现在,Sobel法由Bootstrap法取代,根据前面的讨论,对中介效应的检验流程进行相应的修改(见图2),步骤如下:

第一步,检验方程(1)的系数c,如果显著,按中介效应立论,否则按遮掩效应立论。但无论是否显著,都进行后续检验。

第二步,依次检验方程(2)的系数a和方程(3)的系数b,如果两个都显著,则间接效应显著,转到第四步;如果至少有一个不显著,进行第三步。

第三步,用Bootstrap法直接检验H0:ab=0。如果显著,则间接效应显著,进行第四步;否则间接效应不显著,停止分析。

第四步,检验方程(3)的系数c′,如果不显著,即直接效应不显著,说明只有中介效应。如果显著,即直接效应显著,进行第五步。

第五步,比较ab和c′的符号,如果同号,属于部分中介效应,报告中介效应占总效应的比例ab/c。如果异号,属于遮掩效应,报告间接效应与直接效应的比例的绝对值|ab/c|。

温忠麟等人对这个操作流程作出了几点说明:

(1)当间接效应显著时,如果第一步检验后按遮掩效应立论,最后结果按遮掩效应解释。如果第一步检验后按中介效应立论,要根据ab和c′的符号进行解释,如果符号相反,按遮掩效应解释。就是说,开始按中介效应立论,不排除最后要按遮掩效应解释,但这样的情况少见。

(2)关于中介效应的效应量,起码应当报告ab/c或者|ab/c′|,并酌情报告其他效应量。 (3)这个流程主要是从参数检验的角度考虑的。从参数估计角度看,一般认为,单单给出点估计是不够的,应当给出区间估计。系数乘积ab的置信区间计算应当用Bootstrap法代替Sobel法。这样,为了做区间估计,Bootstrap法成为一个必须的方法,而且依次检验也可以通过Bootstrap法进行,即用Bootstrap法求出系数a和b的置信区间进行检验。尽管如

联系客服:779662525#qq.com(#替换为@)