调节变量与中介变量
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
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
有中介的调节变量和有调节的中介变量解读
有中介的调节变量和有调节的中介变量有中介的调节变量（Mediated Moderator ）有中介的调节效应的检验程序：1）、做Y 对X 、U 和UX 的回归，UX 的系数显著；（这一步说明U 对Y 与X 关系的调节效应显著。
）2）、做W 对X 、U 和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。
如果在第3）步中，UX 的系数不显著，则U 的调节效应完全通过中介变量W 而起作用。
有调节的中介变量（Mod erated Mediator）有中介的调节效应的检验程序：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，UW 的系数显著。
从上面分析步骤可知，检验有调节的中介效应时，先要检验中介效应，然后检验调节效应。
混合模型（Mixed Model ）1）、U 的直接调节效应显著，即UX →Y 的系数显著；2）、W 的中介效应显著，即X →W ，W →Y 的系数显著；3）、由UX →W 的系数显著和W →Y 的系数显著，可知U 是有中介的调节变量，即除了直接调节效应外，U 通过W 还对Y 有间接调节效应。
4）、由UX →Y 的系数显著，U 是X →W 的调节变量，再由UW →Y 的系数显著，U 是W →Y的调节变量，从而X →W 和W →Y 的中介过程受到U 的影响，所以从这个角度看W 是有调节的中介变量。
Notes ：在通常的调节模型中，Y 对X 的回归系数是调节变量U 的线性函数，而在混合模型中，调节不是通常的线性调节，而是二次调节，即Y 对X 的回归系数是调节变量U 的二次函数。
当U 在一定区域内，X 对Y 的效应不显著。
（可通过方程推导该区域）。
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
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
Moderator
Moderator and MediatorModerator and Mediator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。
相对于⼈们关注的⾃变量和因变量⽽⾔,调节变量和中介变量都是第三者,经常被⼈混淆。
这些内容在社会⼼理科学的研究中应⽤⽐较多。
通过这篇⽂章我还是对调节变量和中间变量有了⼀定的了解。
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。
这⼤体上可以通过y = b0 + b1 X + b2 M + b3 (X*M) + e这个函数式来表⽰，如果b3是显著的话，我们就说M调节了X与Y的关系。
⽽中介变量则是在考虑⾃变量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。
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(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。
- 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)。
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。