中介变量 调节变量
调节变量和中介变量
自变量 自变量
中介变量 调节变量
因变量 因变量
280 articles
76 (27%) tested for mediation
99 (35%) 19 tested for
moderation
mentioned the moderator implied a mediator
. Incidence of tests of mediation and moderation in the Journal of Applied Psychology (volumes 84-86).
Job
Job
Sat
SatSalຫໍສະໝຸດ rySalary调节变量亦即交互作用
在模型中有特殊的表达方法 Mod
X1
Y
如何检验调节效应：
取决于变量的类型 如果自变量是二分变量，调节变量也是二分
变量
2x2 ANOVA
二分变量的调节效应
例:奖励食物数量影响动物的作业水平,内驱 力是调节变量
依次检验方法的局限
1. 总体作用显著并不是中介作用显著的必要条件；我们只 要直接检验间接作用即可发现是否有中介作用。研究者 按照Baron和Kenny因果步骤，会因为总体作用c不显 著而停止余下的检验，可能错失发现间接作用 显著的 机会
2. Baron和Kenny的方法需要a和b都要显著，而直接检 验间接作用 的中介分析（比如Sobel检验）却只需a和 b的乘积显著即可。显然，拒绝两个虚无假设要比拒绝 一个要困难。
测量间接效应
间接效应即中介作用的大小
完全中介或部分中介 间接效应=(c - c') 理论上, c - c' = a*b
中介变量、调节变量与协变量概念、统计检验及其比较
中介变量、调节变量与协变量概念、统计检验及其比较一、本文概述在社会科学和自然科学的研究中，变量之间的关系是复杂且多样的。
中介变量、调节变量和协变量是理解和分析这些复杂关系的重要概念。
本文旨在深入探讨这三种变量的概念、统计检验方法及其在实证研究中的应用，并对它们进行比较，以帮助读者更好地理解并应用这些变量在各自的研究中。
我们将详细定义中介变量、调节变量和协变量的概念，解释它们在研究中的作用和重要性。
然后，我们将介绍如何通过统计方法检验这些变量，包括常用的回归分析、路径分析、协方差分析等技术。
我们将重点关注这些统计检验方法的原理、步骤和适用条件，以便读者能够在实际研究中正确应用。
我们还将对中介变量、调节变量和协变量进行比较，分析它们之间的异同点，以及在研究中的优势和局限性。
这将有助于读者更好地理解这三种变量在实证研究中的适用场景，以及如何在具体研究中选择合适的变量和方法。
我们将通过一些实证研究案例来演示中介变量、调节变量和协变量的应用，以便读者能够更直观地理解这些概念和方法在实际研究中的应用。
通过本文的阅读，读者将能够更深入地理解中介变量、调节变量和协变量的概念、统计检验方法及其在实证研究中的应用，为未来的研究提供有益的参考和指导。
二、中介变量概念及统计检验中介变量，又称为中介效应，是一个在自变量和因变量之间起桥梁作用的变量。
它的存在意味着自变量对因变量的影响并非直接，而是通过中介变量这一“中介”来实现的。
在理解这个概念时，我们可以将自变量视为“原因”，因变量视为“结果”，而中介变量则是这一因果关系链条中的“过程”或“机制”。
统计检验方面，常用的中介效应检验方法包括Baron和Kenny（1986）提出的逐步回归法，以及Sobel检验和Bootstrap方法等。
逐步回归法要求先检验自变量对中介变量的影响（第一步），再检验中介变量对因变量的影响（第二步），最后检验在控制中介变量后，自变量对因变量的直接影响是否显著减弱或消失（第三步）。
调节变量和中介变量
自变量、因变量和乘积项放到多元回归方程中检验交互作用。 乘积项的系数如果显著，就说明调节作用存在。
5.调节作用的分析和解释
调节变量和自变量都是定类变量：
1）在不同的组中分别计算因变量的均值，然后用得到的值 来做图，直观的表示出调节作用的模式。
2）在案调节变量所分的不同组中，检验自变量对结果变量 回归的斜率。
3.2 中介作用的检验和分析
1.建立因果关系
两个变量X与Y之间存在因果关系，如果X与Y之间 是完全没有关系的，接下来的步骤就不用做了。
这种关系是不是虚假的相关。
Wegener和Fabrigar提出：即使用非实验的研究，人们也 可以通过把其他变量的作用控制掉的方法或收集几个时间 点的数据的方法，来实现比较严格的因果关系研究。
交互作用分类
增强型交互作用：随着X2变大，X1对Y的正面影 响越来越强
干扰型交互作用：随着X2变大，X1对Y的正面影 响逐渐减弱
2.3 检验调节作用的方法
检验调节作用最普遍的方法是多元调节回归分析： MMR
MMR具体步骤
1.用虚拟变量代表类别变量
所需的虚拟变量的数目等于类别变量水平个数减一。 如2个类别变量的时候，D1=1；D1=0
“视情况而定”“因人而异” “在什么样的情况下”“对于哪些人”
Z
X
Y
2.1 调节作用的原理
调节变量影响自变量和因变量之间的关系，即可以是对关 系方向的影响，又可以是对关系强度的影响。
2.2 调节作用与交互作用
交互作用：两个变量(X1和X2)共同作用时对Y的 影响不等于两者分别影响Y的简单数学和。两个 自变量可以是对称也可以是不对称的。
调节变量和中介变量
本章大纲
调节变量与中介变量
调节变量与中介变量
调节变量(moderator)和中介变量(mediator)是两个重要的统计概念,它们都与回归分析有关。
一般人总是搞混两个之间的含义，因此造成统计数据的误差。
调节变量的定义
如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量。
就是说, Y与X 的关系受到第三个变量M 的影响。
调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱.
例如,学生的学习效果和指导方案的关系,往往受到学生个性的影响:一种指导方案对某类学生很有效,对另一类学生却没有效,从而学生个性是调节变量。
又如,学生一般自我概念与某项自我概念(如外貌、体能等)的关系,受到学生对该项自我概念重视程度的影响:很重视外貌的人,长相不好会大大降低其一般自我概念;不重视外貌的人,长相不好对其一般自我概念影响不大,从而对该项自我概念的重视程度是调节变量。
中介变量的定义
考虑自变量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。
例如,上司的归因研究:下属的表现———上司对下属表现的归因———上司对下
属表现的反应,其中的“上司对下属表现的归因”为中介变量。
如果一个变量与自变量或因变量相关不大,它不可能成为中介变量,但有可能成为调节变量。
理想的调节变量是与自变量和因变量的相关都不大。
有的变量,如性别、年龄等,由于不受自变量的影响,自然不能成为中介变量,但许多时候都可以考虑为调节变量。
对于给定的自变量和因变量,有的变量做调节变量和中介变量都是合适的,从理论上都可以做出合理的解释。
中介变量和调节变量
例如：
父亲的社会经济地位——儿子的教育程 度——儿子的社会经济地位（Duncan, Featherman & Duncan, 1972）
中介变量：儿子的教育程度
下属的表现——上司对下属表现的归 因——上司对下属表现的反应（James & Brett，1984）
中介变量：上司对下属表现的归因
效应之间的关系：c=c’+ab
2. 广义乘积指标（GAPI）方法（ Wall & Amemiya, 2001) 3. 无约束方法（Marsh, Wen & Hau, 2004)
拟极大似然估计（QML）方法(Klein & Muthen, 2002)
2 中介变量和中介效应
2.1 中介变量的定义 考虑自变量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。 （Judd & Kenny，1981； Baron & Kenny, 1986)
第三者： 老师的管教方式（U） 老师对学生的喜欢程度（W）
5.1 教师喜欢程度 是调节变量还是中介变量
调节效应分析
5.1 教师喜欢程度 是调节变量还是中介变量
中介效应分析
5.2 管教方式 是调节变量还是中介变量
调节效应分析
5.2 管教方式 是调节变量还是中介变量
中介效应分析
Sobel 检验
化潜为显（均值或因子得分） 两步最小二乘回归 （Bollen & Paxton, 1998) 分组线性结构方程分析 （如Bagozzi & Yi ，
1989 ； Joreskog, 1971）
带潜变量乘积项的结构方程分析
1. 参数非线性约束方法（Kenny & Judd, 1984; Joreskog & Yang , 1996; Algina & Moulder, 2001)
中介变量和调节变量
调整效应
调整变量和自变量都是类别变量时： 做方差分析当两者旳交互效应明显时,则阐明
调整变量产生了调整效应。之后,能够经过 简朴效应分析进一步了解调整变量旳详细 作用。
当调整变量是连续变量时,不论自变量是何种 变量,均可采用层次回归技术来进行检验。 即先分别考察自变量和调整变量对因变量 旳主效应大小,然后将“自变量×调整变量” 乘积项纳入回归方程,若该项系数明显,则表 白调整效应明显。
然后,以自尊、社会影响以及这两者旳交互作用
项一起作为预测变量,以自控为因变量采用逼迫进 入法进行回归分析。成果表白,整体模型具有统计 明显性,但是交互作用项对自控旳影响未到达明显 水平( p < 0. 05) ,这阐明社会影响在自尊与自控之 间未存在调整效应。
最终,以自尊、社会影响、自控、自尊与社会影响 旳交互作用项以及自控与社会影响旳交互作用项一
3当该回归系数降低到0时,称为完全中介作用
中介效应分析措施
• 假设Y与X 旳有关明显,意味着回归系数c 明显,在 这个前提下考虑中介变量M。对中介效应旳统计 检验主要有三种措施。
• 老式旳做法是依次检验回归系数a、b (完全中介 效应还要检验c′) 旳明显性。 第二种做法是检验经过中介变量旳途径上旳回归 系数旳乘积ab 是否明显。 第三种做法是检验c’与c 旳差别是否明显。三种 措施各有利弊。
第二步：
明显 X预测M检验系数明显
不明显 不明显
第三步：
明显
停止中介效果分析
X和M同步预测Y检验X Y系数是否明显
不明显且
明显且≤第 一步X Y
X Y系数接 近0
部分中介效果明显
完全中介效果明显
操作环节
（一）国内部分： 1.将变量中心化 变量值-均值 2、检验回归系数c,即主观幸 福感对社会支持旳回归 Y=0.30X（要看原则系数） 3、检验回归系数a，即自尊 对社会支持旳回归M=0.26X 4、检验回归系数b，即主观 幸福感对自尊旳回归 5、检验系数c’ ， Y=0.17X+0.49M
区分中介与调节变量
Baron 和Kenny (1986)认为实验中是否存在中介作用应满足以下四个条件: (1) 自变量与中介变量之间有显著相关; (2) 中介变量与因变量之间有显著相关; (3) 自变量与因变量之间有显著相关; (4)当中介变量引入回归方程后,自变量与因变量的相关或回归系数显著降低。
如果自变量与因变量的关系下降至零,是完全中介(full mediation) ;如果自变量与因变量的相关降低但不等于零,是部分中介(partial mediation) 。
在这种情况下就可以证明预测变量对结果变量的影响是通过中介变量来进行的。
中介变量是自变量对因变量产生影响的途径或机制，如果X通过影响M来影响Y，则M就是中介变量。
模型可表达为Ｙ=cX+e_1, M=aX+e_2, Y=c'X+bM+e_3。
调节变量影响因变量和自变量之间关系的方向和强弱。
用模型表达为Y=bM+(a+cM)X+e，c衡量了调节效应的大小。
调节效应与交互效应从统计分析的角度看是一样的。
但在交互效应中，两个自变量的位置是对称的，也可以是不对称的；在调节效应中，自变量和调节变量的位置不能互换。
在X对Y的影响时强时弱或方向不定时，应该研究调节变量，目的是弄清X何时影响Y 或何时影响较大。
在X对Y的影响较强且稳定时，应该研究中介变量，目的是弄清X影响Y 的机制。
中介变量和X、Y的相关都显著，调节变量则不一定，而且理想的调节变量与自变量、因变量的相关都不显著。
不受自变量影响的变量不可能成为中介变量，但可以成为调节变量。
调节变量和中介变量精选全文
变革型领导
员工工作绩效和组织公民行为
中介变量解释关系后的作用机制
中介变量可以解释变量之间为什么会存在关系以及这个关系如 何发生的。
二、调节变量的原理和检验方法
调节变量定义：
如果变量X与变量Y有关系，但是X与Y的关系受第三个变 量Z的影响，那么变量Z就是调节变量。
变量Y与变量X的关系是变量Z的函数，Z便称为X与Y关系 的调节变量。
因变量有几种测量方法，尽量选择测量信度高的 方法和测量敏感度较高的方法。
2.5 检验调节变量的其他方法
多层线性模型：HLM 结构方程模型：SEM
三、中介变量的原理和检验方法
3.1 中介作用的原理
凡是X影响Y，并且X是通过一个中间的变量M对Y产生影 响的，M就是中介变量。
完全中介：c=0 部分中介：c>0
“视情况而定”“因人而异” “在什么样的情况下”“对于哪些人”
Z
X
Y
2.1 调节作用的原理
调节变量影响自变量和因变量之间的关系，即可以是对关 系方向的影响，又可以是对关系强度的影响。
2.2 调节作用与交互作用
交互作用：两个变量(X1和X2)共同作用时对Y的 影响不等于两者分别影响Y的简单数学和。两个 自变量可以是对称也可以是不对称的。
交互作用分类
增强型交互作用：随着X2变大，X1对Y的正面影 响越来越强
干扰型交互作用：随着X2变大，X1对Y的正面影 响逐渐减弱
2.3 检验调节作用的方法
检验调节作用最普遍的方法是多元调节回归分析： MMR
MMR具体步骤
1.用虚拟变量代表类别变量
所需的虚拟变量的数目等于类别变量水平个数减一。 如2个类别变量的时候，D1=1；D1=0
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
如何用SPSS做中介效应与调节效应（转）
如何用SPSS做中介效应与调节效应
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(moderating effect)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
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M SD 和内部一致性信度a（用分析里的scale里的realibility analsys）
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。