调节效应和中介效应.docx

调节效应和中介效应.docx

《调节效应和中介效应.docx》由会员分享，可在线阅读，更多相关《调节效应和中介效应.docx（6页珍藏版）》请在冰豆网上搜索。

调节效应和中介效应

调节效应和中介效应

调节变量（Moderator）vs中介变量（Mediator）

1、调节变量的定义

变量Y与变量X的关系受到第三个变量M的影响,就称M为调节变量。

调节变量可以是定性的，也可以是定量的。

在做调节效应分析时,通常要将自变量和调节变量做中心化变换。

简要模型：

Y=aX+bM+cXM+e。

Y与X的关系由回归系数a+cM来刻画,它是M的线性函数,c衡量了调节效应（moderatingeffect）的大小。

如果c显著，说明M的调节效应显著。

2、调节效应的分析方法 

　 显变量的调节效应分析方法：

分为四种情况讨论。

当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析，交互效应即调节效应；调节变量是连续变量时，自变量使用伪变量,将自变量和调节变量中心化,做Y=aX+bM+cXM+e的层次回归分析：

1、做Y对X和M的回归,得测定系数R12。

2、做Y对X、M和XM的回归得R22，若R22显著高于R12，则调节效应显著。

或者,作XM的回归系数检验,若显著,则调节效应显著；当自变量是连续变量时，调节变量是类别变量，分组回归:

按M的取值分组,做Y对X的回归。

若回归系数的差异显著,则调节效应显著，调节变量是连续变量时，同上做Y=aX+bM+cXM+e的层次回归分析。

潜变量的调节效应分析方法：

分两种情形：

一是调节变量是类别变量,自变量是潜变量；二是调节变量和自变量都是潜变量。

当调节变量是类别变量时,做分组结构方程分析。

做法是,先将两组的结构方程回归系数限制为相等,得到一个χ2值和相应的自由度。

然后去掉这个限制,重新估计模型,又得到一个χ2值和相应的自由度。

前面的χ2减去后面的χ2得到一个新的χ2,其自由度就是两个模型的自由度之差。

如果χ2检验结果是统计显著的,则调节效应显著；当调节变量和自变量都是潜变量时，有许多不同的分析方法，最方便的是Marsh,Wen和Hau提出的无约束的模型。

3．中介变量的定义

自变量X对因变量Y的影响,如果X通过影响变量M来影响Y,则称M为中介变量。

Y=cX+e1,M=aX+e2,Y=c′X+bM+e3。

其中,c是X对Y的总效应,ab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。

4、中介效应分析方法

中介效应是间接效应,无论变量是否涉及潜变量,都可以用结构方程模型分析中介效应。

步骤为：

第一步检验系统c，如果c不显著，Y与X相关不显著，停止中介效应分析，如果显著进行第二步；第二步一次检验a，b，如果都显著，那么检验c′，c′显著中介效应显著，c′不显著则完全中介效应显著；如果a，b至少有一个不显著，做Sobel检验，显著则中介效应显著，不显著则中介效应不显著。

Sobel检验的统计量是z=^a^b/sab，中^a,^b分别是a,b的估计,sab=^a2sb2  +b2sa2,sa,sb分别是^a,^b的标准误。

5.调节变量与中介变量的比较

调节变量M

中介变量M

研究目的

X何时影响Y或何时影响较大

X如何影响Y

关联概念

调节效应、交互效应

中介效应、间接效应

什么情况下考虑

X对Y的影响时强时弱

X对Y的影响较强且稳定

典型模型

Y=aM+bM+cXM+e

M=aX+e2　　Y=c′X+bM+e3

模型中M的位置

X,M在Y前面,M可以在X前面

M在X之后、Y之前

M的功能

影响Y和X之间关系的方向（正或负）和强弱

代表一种机制,X通过它影响Y

M与X、Y的关系

M与X、Y的相关可以显著或不显著（后者较理想）

M与X、Y的相关都显著

效应

回归系数c

回归系数乘积ab

效应估计

^c

^a^b

效应检验

c是否等于零

ab是否等于零

检验策略

做层次回归分析,检验偏回归系数c的显著性（t检验）;或者检验测定系数的变化（F检验）

做依次检验,必要时做Sobel检验

 6.中介效应与调节效应的SPSS操作方法

处理数据的方法

第一做描述性统计，包括MSD和内部一致性信度a（用分析里的scale里的realibilityanalsys）

第二将所有变量做相关，包括统计学变量和假设的X，Y，M

第三做回归分析。

（在回归中选线性回归linear）

要先将自变量和M中心化，即减去各自的平均数

1、现将M（调节变量或者中介变量）、Y因变量，以及与自变量、因变量、M调节变量其中任何一个变量相关的人口学变量输入indpendent

2、再按next将X自变量输入（中介变量到此为止）

3、要做调节变量分析，还要将X与M的乘机在next里输入作进一步回归。

分析结果中的Beta就是Y=cX+bM+e的系数，B下的constant是常数。

检验主要看F是否显著

调节效应和中介效应是非常重要的，读了这篇文献，对这个有了更深的了解。

  调节效应是指x对y的作用会受到m的影响，也就是说y其实是x和m的一个函数，检验调节效应的步骤是，首先用x和m对y做一个回归，得到r^2，再在回归中加入xm项，如果xm项的系数显著，并且r^2的变化显著，则说明m的调节作用显著。

在这点我有一个问题：

在这个检验过程中，x和m始终是处于一个相对平等的状态，那么怎么能说明检验出来的是调节效应，而不是交互效应？

　　中介效应是指ｘ对ｙ的影响是通过ｍ实现的，也就是说ｙ是ｍ的函数，ｍ是ｘ的函数。

检验中介效应的步骤是，首先用ｘ对ｙ做回归，显著则继续，不显著终止；然后坐ｘ对ｍ的回归，ｍ对ｙ的回归（文章最后给的实例中并没有用ｍ对ｙ进行回归，这是为什么？

？

）之后分两种情况：

１若都显著，则用ｍ和ｘ对ｙ进行回归，检查此时的ｘ的系数是否显著，显著则是部分中介作用，不显著则是完全中介作用；２若两个之中有不显著，则做ｓｏｂｅｌ检验。

　　如果中介作用和调节作用混在一起，又该如何处理？

（下文摘自心理学报2006年上候杰泰等人的一篇文章

　　首先考虑有中介的调节作用

有中介的调节作用显著意味着：

１做Ｙ对Ｘ、Ｕ和ＵＸ的回归，ＵＸ的系数显著；

２做Ｗ对Ｘ、Ｕ、ＵＸ的回归，ＵＸ的系数显著；

３做Ｙ对Ｘ、Ｕ、ＵＸ和Ｗ的回归，Ｗ的系数显著。

若在这个回归中ＵＸ的系数不显著，说明Ｕ的调节作用完全的通过中介变量Ｗ起作用。

　　下面是由调节的中介效应

有调节的中介效应显著意味着：

１做Ｙ对Ｘ和Ｕ的回归，Ｘ的系数显著；

２做Ｗ对Ｘ和Ｕ的回归，Ｘ的系数显著；

３做Ｙ对Ｘ、Ｕ和Ｗ的回归，Ｗ的系数显著；到此为止说明Ｗ的中介效应显著

４做Ｙ对Ｘ、Ｕ、Ｗ和ＵＷ的回归，Ｗ和ＵＷ的回归系数都显著。

最复杂的是混合模型：

这个模型太复杂了，大概就是把前两个联系起来进行解释。

此外，不知道老师上课为什么讲了Ｒ，这个对于我们可能用不上吧，还是希望老师多讲一些ｓｐｓｓ的用法，毕竟这个对于我们将来的用处最大，谢谢老师