中介效应理论和操作务实.doc

中介效应理论和操作务实中介效应重要理论及操作务实一、 中介效应概述 中介效应是指变量间的影响关系（XY）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系： 就业压力个体压力应对择业行为反应。 此时个体认知评价就成为了这一因果链当中的中介变量。在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下： 就业压力个体择业期望择业行为反应； 就业压力个体生涯规划择业行为反应； 因此，研究者可以更具自己的研究需要研究不同的中介关系。当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。 以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下： Y=cx+e1 1) M=ax+e2 2) Y=cx+bM+e3 3) 上述3个方程模型图及对应方程如下： 二、 中介效应检验方法 中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法： 1.依次检验法（causual steps）。依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下： 1.1首先检验方程1）y=cx+e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验； 1.2 在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验； 1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=cx + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。此时检验c,若c显著，则说明是不完全中介效应；若不显著，则说明是完全中介效应，x对y的作用完全通过M来实现。 评价:依次检验容易在统计软件中直接实现，但是这种检验对于较弱的中介效应检验效果不理想，如a较小而b较大时，依次检验判定为中介效应不显著，但是此时ab乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。 2.系数乘积项检验法(products of coefficients)。此种方法主要检验ab乘积项的系数是否显著，检验统计量为z = ab/ sab，实际上熟悉统计原理的人可以看出，这个公式和总体分布为正态的总体均值显著性检验差不多，不过分子换成了乘积项，分母换成了乘积项联合标准误而已，而且此时总体分布为非正态，因此这个检验公式的Z值和正态分布下的Z值检验是不同的，同理临界概率也不能采用正态分布概率曲线来判断。具体推导公式我就不多讲了，大家有兴趣可以自己去看相关统计书籍。分母sab的计算公式为：sab，在这个公式中，sb2和sa2分别为a和b的标准误，这个检验称为sobel检验，当然检验公式不止这一种例如Goodman I检验和Goodman II检验都可以检验（见下）,但在样本比较大的情况下这些检验效果区别不大。在AMOS中没有专门的soble检验的模块，需要自己手工计算出而在lisrel里面则有，其临界值为z/20.97或z/2-0.97(P 0.05，N200)。关于临界值比率表见附件（虚无假设概率分布见MacKinnon表中无中介效应C.V.表，双侧概率，非正态分布。这个临界表没有直接给出0.05的双侧概率值，只有0.04的双侧概率值；以N=200为例，0.05的双侧概率值在其表中大概在0.90左右，而不是温忠麟那篇文章中提出的0.97。关于这一点，我看了温的参考文献中提到的MacKinnon那篇文章，发现温对于0.97的解释是直接照搬MacKinnon原文中的一句话，实际上在MacKinnon的概率表中，这个0.97的值是在N=200下对应的0.04概率的双侧统计值，而不是0.05概率双侧统计值，因为在该表中根本就没有直接给出0.05概率的统计值。为了确定这点，我专门查了国外对这个概率表的介绍，发现的确如此，相关文章见附件mediationmodels.rar。当然，从统计概率上来说，大于0.97在这个表中意味着其值对应概率大于0.05，但是当统计值小于0.9798th时而大于0.8797th，其值对应概率的判断就比较麻烦了，此时要采用0.90作为P.05的统计值来进行判断。之所以对温的文章提出质疑，是因为这涉及到概率检验的结果可靠性，我为此查了很多资料，累）。 Goodman I检验公式如下 Goodman II检验检验公式如下 注：从统计学原理可知，随着样本量增大，样本均值和总体均值的差误趋向于减少；因此从这两个公式可看出，的值随着样本容量增大而呈几何平方值减小，几乎可以忽略不计算，因此MacKinnon et al. (1998)认为乘积项在样本容量较大时是“trivial”（琐碎不必要的）的，因此sobel检验和Goodman检验结果在大样本情况下区别不大，三个检验公式趋向于一致性结果，因此大家用soble检验公式就可以了（详情请参考文献A Comparison of Methods to Test Mediation and Other Intervening Variable Effects. Psychological Methods 2002, Vol. 7, No. 1, 83104）。 评价：采用sobel等检验公式对中介效应的检验容易得到中介效应显著性结果，因为其临界概率（MacKinnon）P0.90或z/2-0.90，而正态分布曲线下临界概率P1.96或z/2-1.96，因此用该临界概率表容易犯第一类错误（拒绝虚无假设而作出中介效应显著的判断） 3.差异检验法(difference in coefficients)。此方法同样要找出联合标准误，目前存在一些计算公式，经过MacKinnon等人的分析，认为其中有两个公式效果较好，分别是Clogg 等人和Freedman等人提出的，这两个公式如下： Clogg差异检验公式 Freedman差异检验公式 这两个公式都采用t检验，可以通过t值表直接查出其临界概率。Clogg等提出的检验公式中，t的下标N-3表示t检验的自由度为N-3，c为自变量与中介变量的相关系数，Sc为X对Y的间接效应估计值的标准误；同理见Freedman检验公式。 评价：这两个公式在a=0且b=0时有较好的检验效果，第一类错误率接近0.05，但当a=0且b0时，第一类错误率就非常高有其是Clogg等提出的检验公式在这种情况下第一类错误率达到100%，因此要谨慎对待。 4.温忠麟等提出了一个新的检验中介效应的程序，如下图： 这个程序实际上只采用了依次检验和sobel检验，同时使第一类错误率和第二类错误率都控制在较小的概率，同时还能检验部分中介效应和完全中介效应，值得推荐。 三 中介效应操作在统计软件上的实现 根据我对国内国外一些文献的检索、分析和研究，发现目前已经有专门分析soble检验的工具软件脚本，可下挂在SPSS当中；然而在AMOS中只能通过手工计算，但好处在于能够方便地处理复杂中介模型，分析间接效应；根据温忠麟介绍，LISREAL也有对应的SOBEL检验分析命令和输出结果，有鉴于此，本文拟通过对在SPSS、AMOS中如何分析中介效应进行操作演示，相关SOBEL检验脚本及临界值表（非正态SOBEL检验临界表）请看附件。 1. 如何在SPSS中实现中介效应分析 这个部分我主要讲下如何在spss中实现中介效应分析（无脚本，数据见附件spss中介分析数据，自变量为工作不被认同，中介变量为焦虑，因变量为工作绩效）。 第一步：将自变量（X）、中介变量(M)、因变量(Y)对应的潜变量的项目得分合并取均值并中心化，见下图 在这个图中，自变量（X）为工作不被认同，包含3个观测指标，即领导不认同、同事不认可、客户不认可；中介变量（M）焦虑包含3个观测指标即心跳、紧张、坐立不安；因变量（Y）包含2个观测指标即效率低和效率下降。 上面三个图表示合并均值及中心化处理过程，生成3个对应的变量并中心化（项目均值后取离均差）得到中心化X、M、Y。 第二步：按温忠麟中介检验程序进行第一步检验即检验方程y=cx+e中的c是否显著，检验结果如下表：由上表可知，方程y=cx+e的回归效应显著，c值.678显著性为p.000,可以进行方程m=ax+e和方程y=cx+bm+e的显著性检验； 第三步：按温忠麟第二步检验程序分别检验a和b的显著性，如果都显著，则急需检验部分中介效应和完全中介效应；如果都不显著，则停止检验；如果a或b其中只有一个较显著，则进行sobel检验，检验结果见下表：由上面两个表格结果分析可知，方程m=ax+e中，a值0.533显著性p.000，继续进行方程y=cx+bm+e的检验，结果如下表： 由上面两个表的结果分析可知，方程y=cx+bm+e中，b值为0.213显著性为p.000,因此综合两个方程m=ax+e和y=cx+bm+e的检验结果，a和b都非常显著，接下来检验中介效应的到底是部分中介还是完全中介； 第四步:检验部分中介与完全中介即检验c的显著性: 由上表可知，c值为.564其p值0.05，各项拟合指数皆较理想，说明模型较理想，下面我们来看下模型的总体效应和间接效应的文本输出，见下表：上述三个表格是采用BC(bias-corrected)偏差校正法估计的总体效应标准化估计的下限值、上限值和双尾显著性检验结果，双尾检验结果显示，总体效应显著，提示自变量（工作不被认可）对因变量（绩效表现）的总体效应显著）值显著，P.000；下面我们继续看直接效应的文本输出结果，如下表： 和总体效应输出表格形式一致，前两个表格都是标准化估计的95%置信区间的上限值和下限值，第三个表格提示了直接效应显著，见红体字部分（在本例中即为中介效应ab和c）。下面我们来看下间接效应的显著性分析结果，见下图： 表格形式同上，显著性见红体字部分，在本例中即为c。综合上述文本化输出的结果，我们可以判定，c,a,b,c的估计值都达到了显著性，下面，我们来看些这四个路径系数的标准化估计值和标准误到底是多少呢？见下表：上表是采用bootstrap方法得出的标准化估计值及其标准误，se表示估计值标准误；se-se表示用bootstrap估计标准误而产生的标准误；mean表示标准化估计均值；bias表示采用bootstrap前后的标准化估计值的差异值，符号表示差异大小；se-bias表示对估计值差异估计的标准误。对照这个表，可以得出a=0.628，对应的标准误Sa为0.038；b=0.187,对应的标准误Sb为0.058；c值为0.659,标准误为0.053。到现在为止，我们已经找出了a、b、c的标准化估计值及其对应的标准误，那么c的标准化估计值及其标准误在哪里找呢？看下表：现在我们已经找出所有标准化的效应估计值及其标准误，那么还等什么呢，开始分析中介效应吧。在本例中，c值显著性p大于0.90（p0.05）,因此说明中介效应显著。大家有兴趣可以根据我们之前提到的c-c检验公式把对应值代入检验，这里我就不再多讲了。