中介作用于调节作用:原理与应用

如果因变量是分类或等级变量,自变量是连续变量,应当用Logistic 回归取代通常的线性回归(Pregibon, 1981),回归系数的尺度转换为Logit 量尺。对于因变量Y是分类或者等级变量、中介变量(M)和自变量(X)是连续变量的中介效应模型,M对X的回归系数(连续变量的量尺)与Y对M的回归系数(Logit 量尺)和Y对X的回归系数(Logit 量尺)均不在相同的尺度上,因此不能简单采用处理连续变量中介效应的方式,直接将回归系数a 和b 相乘得到中介效应大小。因而,这样的模型需要通过标准化转换实现回归系数的等量尺化,这这类研究十分稀少,这里不做讨论。

2.5.2多重中介效应的检验 (1)基本类型

对于情景比较复杂的研究,经常需要多个中介变量才能清晰地解释自变量对因变量的作用,这就涉及多重中介(multiplemediation)模型。根据多个中介变量之间是否存在相互影响,多重中介模型可以分为单步多重中介模型和多步多重中介模型(Hayes, 2009)。

单步多重中介模型,也称为并行多重中介模型,是指中介变量之间不存在相互影响;多步多重中介模型,也称为链式多重中介模型,是指中介变量之间存在影响关系,中介变量表现出顺序性特征,形成中介链;另外更为复杂的模型还包括多自变量、多因变量和多中介变量的复合式多重中介(柳士顺, 凌文辁, 2009)。

多重中介效应分析可以从3 个角度进行:一是总的中介效应(total mediation effect),即估计和检验所有间接效应的总和;二是特定路径的中介效应(specific mediation effect),即估计和检验某个感兴趣的特定路径的间接效应;三是对比中介效应,即估计和检验某两个路径的间接效应的差异。

并行多重中介模型 (链式)多重中介模型

(2)多重中介分析方法

第一,多重中介分析的方法可包括spss的因果逐步回归法,一般是对每条路径单独做回归,基本程序与上文介绍相同,但该方法局限太多;

第二,多重中介模型因为涉及的变量较多、路径比较复杂,即使只涉及显变量,一般也要使用结构方程模型进行分析,基本程序与上文介绍相同。

第三,Preacher和Hayes(2008)提出使用Bootstrap进行多个并行的中介效应分析检验多重中介效应,认为使用Bootstrap方法分析多重并列中介效应。一般可以使用PROCESS插件和MEDIATE插件。该方法可获得更多信息,一是可以检验所有并列中介变量发挥中介效应的总效应;二是可以观测在排除其它中介路径后,某一单个中介路径的效应大小;三是可以比较不同中介路径的中介效应大小,并检验是否有显著差异。从现有研究来看,多重中介效应分析主要包括结构方程模型方法和非参数百分位Bootstrap方法。

(3)并行多重中介效应的Bootstrap操作

并行多重中介效应检验可以使用上文提到的MEDIATE插件,该插件提供了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,具体可参见上述简单中介效应分析和自变量为类别变量的中介分析,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.

以下介绍校正的非参数百分位Bootstrap法具体操作:

下载Bootstrap插件安装在Spss中(http://www.comm.ohio-state.edu/ahayes/) 步骤一、运行SPSS,打开数据文件;

步骤二、在SPSS 程序的菜单栏中找到“分析”栏目下的“回归”,在“回归”下面找到已经安装的PROCESS插件;

步骤三、运行PROCESS程序,出现对话框;

步骤四、在对话框里的相应的输入框里,输入因变量变量4,自变量变量1,中介变量变量2和变量3(可多个)。

步骤五、Model Number选择4,把Bootstrap取样(Bootstrap samples)设定为1000,建议为5000,Bootstrap方法选择偏差校对方法(bias corrected),置信区间选择95%置信区间,点开option选择compare indirect effect;

步骤六、点击确定执行程序。

执行完程序,会出现输出文件。在输出文件中包括该中介模型的估计值,包括所有中介变量的总总结效应、每一个中介变量在控制其它中介路径时的中介效应、直接中介效应和间接中介效应。如果置信区间不包括0,那么中介作用显著,支持中介效应的假设; 如果包括

0,则不显著,不支持中介效应的假设。

基本模型

变量3 变量1 变量2 变量4

结果输出

结果报告的方式,以“姜永志,李笑燃,白晓丽,阿拉坦巴根,王海霞,刘勇.大学生神经质人格、手机网络服务偏好与手机网络过度使用的关系.心理与行为研究,2016(2)”为例:

按照Zhao等(2010)提出的中介分析程序,参照Preacher和Hayes(2013)提出的Bootstrap方法进行中介检验,本研究通过抽取5000个样本估计中介效应的95%置信区间进行中介效应检验。以神经质作为自变量、娱乐服务和信息服务作为中介变量、MIEU总分作为因变量,分别带入PROCESS程序,结果发现,在95%置信区间下,中介模型的总效应Effect为0.401,中介模型检验结果的置信区间不包括0(LLCI=0.156,ULCI=0.742),中介模型成立;以娱乐服务为中介变量的检验结果不包括0(LLCI=0.127,ULCI=0.696),间接效应Effect为0.335,表明娱乐服务的中介效应显著。以信息服务为中介变量的检验结果包括0(LLCI=0.006,ULCI=0.226),间接效应Effect为0.066,结果表明信息服务的中介效应显著。

(4)(链式)多步多重中介效应的Bootstrap分析 步骤一,运行SPSS,打开数据文件;

步骤二,在SPSS 程序的菜单栏中找到“分析”栏目下的“回归”,在“回归”下面找到已经安装的PROCESS插件;

步骤三,运行PROCESS程序,出现对话框;

步骤四,在对话框里的相应的输入框里,输入因变量为变量4,自变量为变量1,依次输入中介变量变量2、变量3(导入的先后顺序要与假设模型中的顺序一致)。

步骤五、Model Number选择6,把Bootstrap取样(Bootstrap samples)设定为1000,建议为5000,Bootstrap方法选择偏差校对方法(bias corrected),置信区间选择95%置信区间;

步骤六、点击确定执行程序。

联系客服:779662525#qq.com(#替换为@)