中介效应检验方法

中介效应检验的方法目前有四种：逐步回归法、系数乘积检验法、差异系数检验法和Bootstrapping。

【拓展资料】

什么是中介效应：

中介效应是指某个（某些）变量在另两个（两组）变量间扮演了中间人的角色，也就是社会上说的掮客。当然，这里的变量可以是测量变量，也可以是测量模型，如下图所示，如果是测量变量，那么该模型就是一个路径分析模型；如果是一个测量模型，那么就是结构方程模型。

中介效应检验的方法：

1、逐步回归法

分别检验W1，W2，W3和W1-1是否有显著，如果W2和W3同时有意义，那么中介效应存在；如果W1也有意义，那么就是部分中介，否则就是完全中介。部分中介存在的缺陷容易出现假阳性，因为W2的置信度为95%，而W3的置信度也是95%，如果不加以控制，判断A和B之间存在中介效应的置信度将会降低为95%的平方，也就是90.25%，也就意味着这个结论的可靠性降低了。逐步回归法直接用SPSS的回归功能就能完成。

2、系数乘积检验法（Sobel检验）

鉴于逐步回归法的缺陷，很多研究者创造了修正的方法，系数乘积检验法就是其中一种。系数乘积检验法的原理是将W2和W3综合考虑，也就是考虑W2*W3是否有意义，这样就避免了分别检验W2和W3造成的置信度降低问题。Sobel检验也存在缺陷，那就是要求W2*W3服从正态分布，但是这一点是很难保证的，即使是W2和W3服从正态分布，W2*W3也不一定服从正态分布。Sobel检验可以使用SPSS中的Process插件来完成。

3、差异系数检验法

差异系数检验法检验的是(W1-W1-1)是否有意义，因为通常情况下，W2*W3=(W1-W1-1)，因此，乘积系数法和差异系数法的检验效力是基本上相同的，区别在于两者的标准误不同。经过很多研究者的对比，乘积系数法和差异系数法都比逐步回归法的检验结果更为准确。

4、Bootstrapping法

跟着草堂君学习了统计基础部分内容的朋友应该知道，大多数假设检验用到的标准误都是做无偏估计或有偏估计得来的，也就是说，检验用的标准误都是伪标准误（估计值），要使估计值准确，需要服从很多的假设条件（例如上面说到的正态分布），系数乘积检验法和差异系数检验法的标准误都是如此。

中介效应，它指的是X对Y的影响是通过M实现的，也就是说M是X的函数，Y是M的函数（Y-M-X）。考虑自变量X对因变量Y的影响，如果X通过M影响变量Y，则称M为中介变量。 下面我们主要从下面四个方面来解说：

[if !supportLineBreakNewLine]

[endif]

实际应用

理论思想

建立模型

[if !supportLineBreakNewLine]

[endif]

分析结果

[if !supportLineBreakNewLine]

[endif]

一、实际应用

在社会科学研究中，研究自变量（X）对应变量（Y）影响时，常会受到第三个变量（M）的影响。如果影响模式如图1所示，M仅对Y有影响，但M与X没有关系时，我们可以把M当做协变量来处理X与M均为分类变量时，采用方差分析；X为分类，M为连续变量，可以采用协方差；X为连续，M为连续，采用回归分析；X为连续，M为分类，可以采用分层回归分析进行解释。。

图1

然而很多时候，M对X会发生一定的作用，如X通过M影响Y的中介作用

部分中介作用 ，X对Y有直接作用，也可以通过M对Y起作用，犹如X和Y是同班同学，但是通过M正式介绍，成为男女朋友关系；

完全中介作用 ，X对Y的作用完全通过M传达。例如，某种治疗癌症的药物（X）需要通过特定的酶（M）才能有效杀死肿瘤细胞（Y），如果体内缺少这种酶，药物的作用将失效或作用大大降低。可见中介变量是参与整个因果过程中的重要一环，不可或缺，正因如此，中介效应分析的前提是变量间存在明确的（理论上或事实上的）因果关系。

[if !supportLineBreakNewLine]

[endif]

二、理论思想

在统计处理上，中介效应通过依次回归实现，下图为中介效应分析路径图，自变量X对因变量Y的影响，如果X变量通过影响M变量来影响Y变量，则M为中介变量。通常将变量经过中心化转化后，得方程1：Y=cX+e1；方程2：M=aX+e2；方程3：Y=

c′X+bM+e3。其中，c是X对Y的总效应，a-b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。

中介变量示意图

SPSS实现中介效应与调节效应其实就是利用回归来做。

[if !supportLineBreakNewLine]

[endif]

三、建立模型

[if !supportLineBreakNewLine]

[endif]

中介效应案例：

[if !supportLineBreakNewLine]

[endif]

题目：研究工作认同感与工作绩效之间心理因素（焦虑）的意义。原始数据包括：工作不被认同、焦虑、工作绩效3个变量，试分析焦虑是否为领导不认同导致工作效率下降的中介变量。

一、数据输入

二、操作步骤 1、进入SPSS，打开相关数据文件，按照中介变量示意图，分别做3次回归，先做第一条回归，Y=cX+e1。2、选择分析→回归→线性，将工作绩效放入“因变量”框，工作不被认同放入“块（B）”自变量中，方法选择“输入法”，点击“确定”。

3、做第二条回归，M=aX+e2。

选择分析→回归→线性，将焦虑放入“因变量”框，工作不被认同放入“块（B）”自变量中，方法选择“输入法”，点击“确定”。

4、做第三条回归，Y= c′X+bM+e3。

选择分析→回归→线性，将工作绩效放入“因变量”框，工作不被认同和焦虑放入“块（B）”自变量中，方法选择“输入法”，点击“确定”。

[if !supportLineBreakNewLine]

[endif]

四、结果分析

1、回归一表下图为工作绩效与工作不被认同线性回归结果，F=414.265，P=0.000，说明回归模型有意义，工作不被认同t检验t=20.354，P=0.000，回归系数有意义，标准化回归系数为0.678，即模型Y=cX+e1中，c=0.678。

2、回归二表下表为焦虑与工作不被认同回归结果，即方程M=aX+e2结果，F=193.247，P=0.000，说明建立的回归方程有意义；工作不被认同回归系数t检验，t=13.901，P=0.000，回归系数有意义，方程中的系数a=0.533。

3

、回归三表下表为工作绩效与焦虑、工作不认同回归结果，即方程Y=c′X+bM+e3分析结果，得到F=235.490，P=0.000，模型有意义；焦虑与工作不被认同回归系数t检验，P均小于0.05，说明回归系数有意义，本例c′=0.564，b=0.213。

分析结论：

[if !supportLineBreakNewLine]

[endif]

因此本例是部分中介效应。自变量“工作不被认同”对因变量“工作绩效”的中介效应不完全通过中介变量“焦虑”的中介来达到其影响，“工作不被认同”对“工作绩效”有部分直接效应，中介效应对总效应的贡献率为：

Effect M=ab/c=0.533×0.213/0.678=0.167（16.7%），中介效应解释了因变量的方差变异为sqrt（回归一调整R方0.490-回归三调整R方0.459）=0.176（17.6%）。

[if !supportLineBreakNewLine]

[endif]

参考案例数据：

[if !supportLineBreakNewLine]

[endif]

[if !supportLists]【1】    [endif]spss实战与统计思维 武松

（获取更多知识，前往gz号程式解说）

原文来自https://mp.weixin.qq.com/s/vn074kI3V3wezTXsrHWHBA

---