
SPSS中介效應(yīng)分析
社會心理學(xué)研究中經(jīng)常遇到分析待研究的自變量與因變量之外的第三者變量在其中所扮演的角色和意義。如果第三者變量是協(xié)變量,我們可以通過協(xié)變量的方差分析或回歸分析加以控制;如果第三者經(jīng)過排查不是協(xié)變量,可能是因果之間的間接變量和(或)調(diào)節(jié)變量,對這類的問題的研究,中介效應(yīng)與調(diào)節(jié)效應(yīng)分析時可行的解決之道。
一、中介效應(yīng)的概述
中介效應(yīng)是指變量間的影響關(guān)系(X-Y)不是直接的因果鏈關(guān)系,而是通過一個或一個以上的變量(M)的間接影響產(chǎn)生的,因此我們稱M為中介變量,而X通過M對Y產(chǎn)生的間接影響稱為中介效應(yīng)。中介效應(yīng)是間接效應(yīng)的一種,模型中在只有一個中介變量的情況下,中介效應(yīng)等于間接效應(yīng);當(dāng)中介變量不止一個的情況下,中介效應(yīng)不等于簡介效應(yīng),此時間接效應(yīng)可能是部分中介效應(yīng)和所有中介效應(yīng)的總和。在社會心理學(xué)研究當(dāng)中,變量間的關(guān)系很少是直接的,更常見的是間接關(guān)系。
自變量X對因變量Y的影響,如果X變量通過影響M變量來影響Y變量,則M為中介變量。通常將變量經(jīng)過中心化轉(zhuǎn)化后,得方程1:Y=cX+e1;方程2:M=aX+e2;方程3:Y=c’X+b M +e3。其中,c是X對Y的總效應(yīng),ab是經(jīng)過中介變量M的中介效應(yīng),c'是直接效應(yīng)。當(dāng)只有一個中介變量時,效應(yīng)之間有c=c'+ab,中介效應(yīng)的大小用c-c'=ab來衡量。
二、中介效應(yīng)檢驗過程
中介效應(yīng)是簡介效應(yīng),無論變量是否涉及潛變量,都可以用結(jié)構(gòu)方程模型分析中介效應(yīng)。步驟為:第一步檢驗c,如果c不顯著,Y與X相關(guān)不顯著,停止中介效應(yīng)分析,如果顯著進(jìn)行第二步;第二步依次檢驗a、b,如果都顯著,那么檢驗c',c'顯著,為部分中介效應(yīng)模型,c'不顯著,則為完全中介效應(yīng)模型;如果a、b至少有一個不顯著,則做sobel檢驗,檢驗的統(tǒng)計量是Z=^a^b/Sab,顯著則中介效應(yīng)顯著,不顯著則中介效應(yīng)不顯著。Sobel檢驗免費的在線計算器網(wǎng)址為http://www.danielsoper.com/statcalc/calc31.aspx,只要把這a、b、SEa、SEb四個數(shù)輸入,就可以直接得到Z值及其單側(cè)與雙側(cè)概率。
三、實例詳解
研究工作認(rèn)同感與工作績效之間心理因素(焦慮)的意義。原始數(shù)據(jù)包括:領(lǐng)導(dǎo)不認(rèn)同、同事不認(rèn)同、客戶不認(rèn)同、心跳、緊張、坐立不安、效率低和效率下降8個變量,如圖3-1所示。
圖30-1 中間效應(yīng)分析例題數(shù)據(jù)庫
操作步驟:
(1)根據(jù)分析目的,合并原始變量產(chǎn)生3個新變量“工作不被認(rèn)同”、“焦慮”和“工作績效”,如圖30-2所示,各個新變量值等于原始變量的均值。
圖3-2 產(chǎn)生3個新變量
自變量(X)為“工作不被認(rèn)同”包含3個觀測指標(biāo):領(lǐng)導(dǎo)不認(rèn)同、同事不認(rèn)可、客戶不認(rèn)可;中介變量(M)“焦慮”包含3個指標(biāo):心跳、緊張、坐立不安;因變量(Y)“工作績效”包含兩個觀測指標(biāo):效率低和效率下降。
新變量的均值如圖3-3所示。
描述統(tǒng)計量
圖30-3 新變量的均值
(2)將新變量X、M、Y中心化,即個體值與其均數(shù)之差處理,得到中心化后的新變量:X“不被認(rèn)同(中心化)”、M“焦慮(中心化)”、Y“工作績效(中心化)”,如圖3-4所示。
圖3-4 中心化后的新變量
(3)中介效應(yīng)分析第一步檢驗,即檢驗方程Y=cX+e1中的c是否顯著。
SPSS實現(xiàn)過程如下:
1)單擊“分析”|“回歸”|“線性”命令,彈出圖3-5所示的“線性回歸”對話框。
2)將變量“工作績效(中性化)”放入“因變量”框,將變量“不被認(rèn)同(中性化)”放入“自變量”框。方法選擇“進(jìn)入”。
圖3-5 “線性回歸”對話框
3)單擊“統(tǒng)計量”按鈕,彈出3-6所示的“線性回歸:統(tǒng)計量”對話框,選擇左側(cè)的“估計(E)”復(fù)選框,選擇右側(cè)“模型擬合度(M)”和“R方變化(S)”復(fù)選框。其他采用系統(tǒng)默認(rèn),單擊“繼續(xù)”按鈕返回主對話框。
圖3-6 “線性回歸:統(tǒng)計量”分析對話框
4)單擊“確定”按鈕,輸出結(jié)果。
圖3-7 回歸分析檢驗方差中c的顯著性結(jié)果1
檢驗結(jié)果如圖3-7和圖3-8所示??芍?,方程Y=cX+e1的回歸效應(yīng)顯著,c值等于0.678,P=0.000,可以進(jìn)行方程M=aX+e2和Y=c'X+bM+e3的顯著性檢驗。
圖3-8 回歸分析檢驗方差中c的顯著性結(jié)果2
(4)中介效應(yīng)分析第二步檢驗,即檢驗方程M=aX+e2中的a是否顯著。
SPSS實現(xiàn)過程如下:
1)單擊“分析”|“回歸”|“線性”命令,彈出圖3-5所示的“線性回歸”對話框。
2)將變量“焦慮(中性化)”放入“因變量”框,將變量“不被認(rèn)同'(中性化)”放入“自變量”框。方法選擇“進(jìn)入”。
圖3-9 回歸分析檢驗方差中a的顯著性結(jié)果1
3)其他選擇不變,單擊“確定”按鈕,輸出結(jié)果,如圖3-9、3-10所示。
圖3-10 回歸分析檢驗方差中a的顯著性結(jié)果2
由圖3-9、圖3-10所示結(jié)果分析可知,方程M=aX+e2中,a值等于0.533,顯著性P=0.000,繼續(xù)進(jìn)行方程Y=c'X+bM+e3的顯著性檢驗。
(5)中介效應(yīng)分析第三步檢驗,即檢驗方程Y=c'X+bM+e3中的b是否顯著。
SPSS實現(xiàn)過程如下:
1)單擊“分析”|“回歸”|“線性”命令,彈出3-5所示的“線性回歸”對話框。
2)將變量“工作績效(中性化)”放入“因變量”框,將變量“不被認(rèn)同(中性化)”和“焦慮(中性化)”同時放入“自變量”框。方法選擇“進(jìn)入”。
3)其他選項不變,單擊“確定”按鈕,輸出結(jié)果,如圖3-11、3-12所示。
圖3-12 回歸分析檢測方差中b的顯著性結(jié)果2
如圖3-11、圖3-12所示的結(jié)果分析可知,方程Y=c'X+bM+e3中,b值為0.213.顯著性為p=0.000,因此a和b都是有顯著性的,接下來檢驗中介效應(yīng)到底是部分中介效應(yīng)還是完全中介效應(yīng)。
(6)判斷完全中介效應(yīng)還是部分中介效應(yīng),即c'的顯著性。
由圖30-7所示的結(jié)果可知c'等于0.574,顯著性為P=0.000,因此是部分中介效應(yīng)。自變量“工作不被認(rèn)同”對因變量“工作績效”的中介效應(yīng)不完全通過中介變量“焦慮”的中介來達(dá)到其影響,“工作不被認(rèn)同”對“工作績效”有部分直接效應(yīng),中介效應(yīng)對總效應(yīng)的頻率為:Effect M=ab/c=0.533x0.213/0.678(16.7%),中介效應(yīng)解釋了因變量的方差變異為sqrt(0.490-0.459)=0.176(17.6%)。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10