中介效应与调节效应分析
调节效应与中介效应的比较和应用
调节效应与中介效应的比较和应用调节效应与中介效应的比较和应用调节效应和中介效应是心理学研究中常用的统计工具，用来探究变量之间的关系及其影响机制。
在心理学研究中，两种效应是相互关联的，但却有着不同的目的和应用。
本文将对调节效应与中介效应进行比较，并探讨它们在实际研究中的应用。
一、调节效应调节效应指的是一个变量对另外两个变量之间关系的影响程度。
换句话说，调节效应指的是一种条件下，一个变量对其他两个变量之间关系的影响程度是否存在差异。
调节效应通常以交互作用的形式进行分析。
例如，研究者想要探究学生的学业成绩是否受到性别和家庭背景教育程度的影响。
通过进行调节效应分析，研究者可以发现不同性别和家庭背景教育程度的学生在学业成绩上是否存在差异。
这样的分析有助于理解不同变量之间的关系，并帮助制定有针对性的措施来提高学生的学业成绩。
调节效应的应用也很广泛。
比如，在临床心理学中，研究者想要探究某种治疗方法是否对不同年龄段的患者是否有不同的效果。
通过进行调节效应分析，研究者可以确定哪种治疗方法更适合不同年龄段的患者，以提高治疗效果。
二、中介效应中介效应指的是一个变量对于两个其他变量之间关系的解释作用。
换句话说，中介效应指的是一个变量通过影响另外两个变量之间的关系来起到解释作用。
中介效应通常通过路径分析进行分析。
例如，研究者想要探究工作压力对员工工作满意度的影响机制。
通过进行中介效应分析，研究者可以确定工作满意度是否受到工作压力的影响，并发现工作满意度和工作压力之间是否存在中介变量，如工作支持等。
这样的分析有助于理解变量之间的关系，并揭示出潜在的影响机制。
中介效应的应用也很广泛。
比如，在营销研究中，研究者想要探究某种广告对消费者购买意愿的影响机制。
通过进行中介效应分析，研究者可以确定广告是否通过某种中介变量，如品牌认知或情感激发等，来影响消费者的购买意愿，以设计更有效的广告策略。
三、比较和应用调节效应和中介效应在研究中都有其独特的价值和应用。
中介效应与调节效应对比和分析
中介效应与调节效应对比和分析中介效应和调节效应是心理学中的两个重要概念，都涉及到因果关系以及相关变量之间的关联性。
本文将从定义、例子和分析等方面对中介效应和调节效应进行对比和分析。
中介效应是指一个变量（中介变量）在解释一个因变量与自变量之间关系的过程中起到中介作用的情况。
也就是说，自变量通过中介变量对因变量产生影响。
例如，假设我们研究自尊对学业成绩的影响，发现中介变量是学习动力。
自尊会通过学习动力来影响学业成绩。
在这个例子中，自尊是自变量，学业成绩是因变量，学习动力是中介变量。
调节效应则是指一个变量在解释因变量与自变量之间关系的过程中对这个关系的影响程度。
也就是说，该变量调节了因变量与自变量之间的关系。
例如，我们研究幸福感与工作满意度之间的关系，发现社会支持是一个调节变量。
即社会支持会调节幸福感和工作满意度之间的关系。
在这个例子中，幸福感和工作满意度是因变量，社会支持是自变量，调节变量。
从定义上来看，中介效应强调的是自变量通过中介变量对因变量产生影响，而调节效应强调的是调节变量对自变量与因变量之间关系的影响程度。
因此，中介效应和调节效应从性质上来看是不同的。
在研究方法上，对中介效应的检验一般采用回归分析中的路径分析或中介效应检验的特殊程序（如Bootstrap程序）来进行。
而对调节效应的检验一般采用回归分析中的交互作用分析来进行。
这两种分析方法在统计学上也有所差异，因此在实际研究中需要灵活应用。
在研究中的意义上，中介效应和调节效应都可以帮助我们更好地理解变量之间的关系，并解释因果关系。
中介效应帮助我们了解自变量通过哪些中介变量对因变量产生影响，从而为干预措施提供依据。
而调节效应则帮助我们了解在其中一因果关系中，其他变量如何调节这一关系。
例如，社会支持如何调节工作满意度和幸福感之间的关系，可以帮助我们更好地了解如何提高员工幸福感。
总的来说，中介效应和调节效应在实际研究中都有其重要意义。
中介效应帮助我们了解变量之间的中介关系，调节效应则帮助我们了解变量之间的调节关系。
中介效应与调节效应分析
▪ 操作步骤：
▪ （1）根据分析目的，合并原始变量产生三个新变 量“工作不被认同”、“焦虑”和“工作绩效” 如图30-2所示，各个新变量值等于原始变量的均 值。
▪ 自变量（X）为“工作不被认同”包含三个观测指 标：即领导不认同、同事不认可、客户不认可；中 介变量（M）“焦虑”包含三个观测指标即心跳、 紧张、坐立不安；因变量（Y）“工作绩效”包含 两个观测指标即效率低和效率下降。
原始数据包括：领导不认同、同事不认同、客户不认同、心跳、紧张、坐立不安、效率低和效率下降8个变量。 3）当自变量是连续变量时，调节变量是类别变量，做分组回归分析：按M的取值分组，将因变量和自变量中心化后做Y对X的回归，若回归系数的差异显著，则调节效应显著；
量的情况下，中介效应等于间接效应；当中介变量不止 SPSS实现过程如下：
应可以是部分中介效应和（或）所有中介效应的总和。 3）单击“统计量”按钮，弹出图30-6所示的“线性回归：统计量”对话框，选择左侧的“估计（E）”复选框，选择右侧“模型拟合度（M）”和“R方变化（S）”复选框。
▪ 在社会心理学研究当中，变量间的关系很少是直接的， 更常见的是间接关系。
▪ 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。
▪ SPSS实现过程如下：
▪ 1）单击“分析”|“回归”|“线性”命令，弹 出图30-5所示的“线性回归”对话框。
▪ 2）将变量“工作绩效（中性化）”放入“因变 量（D）”框；将变量“不被认同（中性化）” 放入“自变量（I）”框。方法（M）选“进入 ”。
▪ 3）单击“统计量”按钮，弹出图30-6所示的“ 线性回归：统计量”对话框，选择左侧的“估 计（E）”复选框，选择右侧“模型拟合度（M ）”和“R方变化（S）”复选框。其它采用系 统默认，单击“继续”按钮返回主对话框。
如何运用SPSS及AMOS进行中介效应与调节效应分析
如何运用SPSS及AMOS进行中介效应与调节效应分析SPSS和AMOS是两个常用的统计软件，它们可以用于进行中介效应和调节效应分析。
下面我将详细介绍如何在SPSS中进行中介效应和调节效应分析，并结合AMOS进行结构方程模型的分析。
中介效应分析：中介效应分析用于探究一个因变量和一个自变量之间是否存在中介变量，以及中介变量对于因变量和自变量之间关系的解释程度。
1.数据准备首先，需要将需要分析的数据导入SPSS软件中。
确保数据已经整理好并进行了数据清洗。
2.建立回归模型在SPSS中，选择“回归”分析模块。
将自变量放入“独立变量”框中，将因变量放入“因变量”框中。
3.检验中介变量在回归模型中，将可能的中介变量放入“控制变量”框中。
运行回归模型后，观察自变量对因变量的影响是否减小或变得不显著。
如果在加入中介变量后，自变量对因变量的影响减小或不显著，则说明中介变量起到了中介作用。
4.中介效应检验使用SPSS的BOOTSTRAP方法进行中介效应检验。
在“回归分析”中选择“中介效应”，然后将自变量、中介变量和因变量依次放入相应的框中。
确保你勾选了“调节变量”框，在该框中放入与自变量和中介变量之间可能存在调节关系的变量，比如性别、年龄等。
5.结果解释SPSS将计算出中介效应的点估计值和置信区间。
通过检查置信区间是否包含0来判断中介效应是否显著。
如果置信区间不包含0，则可以认为中介效应是显著的。
调节效应分析：调节效应分析用于探索调节变量对于自变量和因变量之间关系的调节作用。
1.数据准备同样，将需要分析的数据导入SPSS软件中。
2.建立回归模型选择“回归”分析模块。
将自变量放入“独立变量”框中，将因变量放入“因变量”框中，将调节变量放入“控制变量”框中。
3.检验调节效应观察调节变量是否对自变量和因变量之间的关系产生显著的影响。
如果调节变量对于自变量和因变量关系的显著性有所改变或存在交互作用，则说明调节变量具有调节效应。
第30章 中介效应与调节效应分析
一、中介效应分析
§ 1.中介效应的概述
§ 中介效应是指变量间的影响关系（X→Y）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，中介效应不等于间接效应，此时间接效 应可以是部分中介效应和（或）所有中介效应的总和。
§ 自变量（X）为“工作不被认同”包含三个观测指标 ：即领导不认同、同事不认可、客户不认可；中介 变量（M）“焦虑”包含三个观测指标即心跳、紧张 、坐立不安；因变量（Y）“工作绩效”包含两个观 测指标即效率低和效率下降。
§ 新变量的均值如图30-3所示。
§ （2）将新变量X、M、Y中心化，即个体值与其 均数之差处理，得中心化后的新变量X“不被认 同（中心化）”、M“焦虑（中心化）”、Y“工作绩 效（中心化）”，如图30-4所示。
§ 图30-18所示是回归模型的总体情况，男、 女两组回归方程中R2分别为0.748、0.557，P = 0.000 都具有显著效应，表明性别这一变量具有 明显的调节效应。从图30-18所示的数据可以看 出，男性组的回归方程解释了因变量74.8%的方 差变异，女性组的回归方程解释了因变量55.7% 的方差变异。
§ 2.调节效应检验过程
§ 显变量的调节效应分析方法。分为四种情况讨论。
§ 1）当自变量是类别变量，调节变量也是类别变量时，做两因素交 互效应的多因素方差分析，交互效应即调节效应；
§ 2）自变量使用哑变量，调节变量是连续变量时，将因变量、自变 量和调节变量中心化，做Y = aX + bM + e1 ； Y = aX + bM + cXM + e2的层次回归分析：①做Y对X和M的回归，得决定系数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c显著，则调节效应显著；
中介效应与调节效应分析
概述-核心概念 调节效应与交互效应 从统计分析角度看: 调节效应＝交互效应 从概念定义角度看: 调节效应≠交互效应 交互效应: 两个自变量对称或不对称，任何一个都可为调节变量 调节效应: 哪个是自变量、调节变量，是明确的，不能互换
6
检验方法-中介效应
传传传统统统检检检验验验方方方法法法123 依系差次数异检乘检验积验法项法检验法 检验回归系数c、a、b、c'
➢➢S检ob验elc检和验c'的法差异是否显著
c✓:回Y归与系X数是的否乘相积关ab是否显著，即H0：ab=0 a✓、检b验:统间计接量为检z验= 系ab数/ sa乘b 积 c✓'sa:b是= 否为完a全2sb2中 b介2sa2
统计工具: SPSS
步骤
验证c不等于0: 中介时，还需验证c'等于0）
用X向M做回归，得到a
进行层次回归，第一层放入x，第二层放入M得到b
1
4
中介效应值=a*b
实例分析-中介效应
实例分析1 某研究在探究成年人的生活满意度时，根据既往理论支持，初步建立
概述-核心概念
c
X
Y
e1
M
e2
a
b
c'
X
Y
e3
中介效应模型示意图
3
中介效应方程式
Y = cX +e1
(1)
M = aX +e2
(2)
Y =c'X +bM +e3
(3)
➢ 中介效应: a*b ➢ 直接效应: c ' ➢ 总效应: c (c = c'+ ab)
中介效应与调节效应分析(课堂PPT)
概述-核心概念 调节效应与交互效应
➢ 从统计分析角度看：调节效应＝交互效应 ➢ 从概念定义角度看：调节效应≠交互效应 ✓ 交互效应：两个自变量对称或不对称，任何一个都可为调节变量 ✓ 调节效应：哪个是自变量、调节变量，是明确的，不能互换
自大大我学学效生生能领领×导导力力 团队绩效
团队绩效 团团队队绩绩效效
概述-核心概念
中介效应(mediating effect)
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。X通过M对Y产生的间接影响称为中介效应。
X
Y
M
X
Y
自我效能
大学生领导力
团队绩效
2
概述-核心概念
✓ 验证c不等于0：利用相关或者回归 ✓ 验证a不等于0，b不等于0（完全中介时，还需验证c'等于0）
用X向M做回归，得到a 进行层次回归，第一层放入x，第二层放入M得到b
✓ 中介效应值=a*b
1 4
实例分析-中介效应
实例分析1
➢ 某研究在探究成年人的生活满意度时，根据既往理论支持，初步建立假 设如下：
c
X
Y
e1
M
e2
a
b
c'
X
Y
e3
中介效应模型示意图
3
中介效应方程式
Y = cX +e1
(1)
M = aX +e2
(2)
Y =c'X +bM +e3
(3)
➢ 中介效应：a*b ➢ 直接效应：c ' ➢ 总效应：c (c = c'+ ab)
中介效应与调节效应对比和分析
中介效应与调节效应对比和分析中介效应和调节效应是社会科学研究中常常使用的两个概念。
它们都是描述一个变量对两个其他变量之间关系的影响，但是具有不同的基本属性和作用方式。
中介效应是指一个中介变量在原因变量和结果变量之间传递、解释或解释的过程中发挥作用。
这意味着中介变量可以解释原因变量对结果变量的影响。
中介效应通常用来解释为什么两个变量之间存在关联或相关性，以及这种关联是通过哪些机制来实现的。
中介效应的分析可以帮助研究人员深入理解变量之间的因果关系。
例如，研究人员可能发现教育程度（原因变量）对收入水平（结果变量）有正向影响，而工作经验（中介变量）部分解释了这种影响。
调节效应是指一个调节变量在原因变量和结果变量之间的关系中起到调节或修正作用。
这意味着调节变量能够改变或影响原因变量对结果变量的影响。
调节效应主要关注原因变量与结果变量之间的条件关系，即在一些条件下，原因变量对结果变量的影响是不同的。
调节效应的分析可以帮助研究人员识别在特定条件下，原因变量对结果变量产生更强或更弱影响的情况。
例如，研究人员可能发现性别（调节变量）对教育程度（原因变量）对收入水平（结果变量）的影响存在差异。
中介效应和调节效应之间的区别主要体现在它们对研究问题的关注点和解决问题的方法上。
中介效应主要关注因果关系的解释，即为什么和如何变量之间存在关联。
调节效应主要关注条件关系的探索，即在什么条件下变量之间的关系是如何变化的。
此外，中介效应分析通常使用回归分析或路径分析等方法，而调节效应分析通常使用交互作用分析等方法。
总之，中介效应和调节效应是社会科学研究中常用的两个概念，用于描述和解释变量之间的关系。
中介效应主要关注变量之间的因果关系解释，而调节效应主要关注变量之间的条件关系探索。
在实际研究中，中介效应和调节效应往往相互关联和相互作用，需要综合考虑和分析。
中介效应和调节效应方法及应用
中介效应和调节效应方法及应用中介效应与调节效应是社会科学研究中的两个重要概念。
它们分别用于检验一个因素对另一个因素的影响机制和影响效应的调节作用。
本文将对这两个概念进行详细阐述，并介绍它们在社会科学研究中的应用。
一、中介效应中介效应指的是一个变量在影响因变量与自变量之间的关系中起到了中介作用，即这个变量是自变量和因变量之间关系的传导媒介。
这种中介作用可以通过回归分析、路径分析和结构方程模型等方法进行检验。
其中路径分析和结构方程模型是应用最广泛的方法。
路径分析通过预测变量之间的直接和间接关系来检验中介效应，而结构方程模型则更加复杂，可以同时考虑多个中介变量之间的关系。
中介效应在社会科学研究中的应用非常广泛。
例如，在心理学和教育学研究中，可以使用中介效应来检验教育干预措施对学生成绩的影响机制。
具体来说，可以通过检验学习动机、学习策略等变量在教育干预措施与学生成绩之间的关系中的中介作用来了解这些变量在教育干预措施中的作用。
二、调节效应调节效应又称为交互作用效应，指的是一个变量对自变量和因变量之间的关系产生影响的程度。
如果一个变量对这种关系产生的影响是显著的，那么就认为这个变量具有调节效应。
调节效应可以通过回归分析、方差分析和多元分析等方法进行检验。
调节效应在社会科学研究中的应用也非常广泛。
例如，在管理学研究中，可以使用调节效应来检验领导风格和员工满意度之间的关系。
具体来说，可以通过检验员工工作经验、工作任务等变量对领导风格和员工满意度之间关系的调节作用来了解员工的工作情况对这种关系的影响。
三、中介效应与调节效应的区别中介效应和调节效应虽然都是用于检验自变量和因变量之间的关系，但是它们的研究对象和研究方法是不同的。
中介效应主要研究的是一个变量对自变量和因变量之间关系的传导作用，而调节效应则主要研究的是一个变量对自变量和因变量之间关系的影响程度。
此外，中介效应和调节效应在研究方法上也存在一些差异，中介效应主要使用路径分析和结构方程模型等方法，而调节效应则主要使用回归分析、方差分析和多元分析等方法。
中介效应与调节效应对比和分析
中介效应与调节效应对比和分析中介效应和调节效应都是心理学中的重要概念，用于解释两个或多个变量之间的关系。
虽然它们都涉及到自变量和因变量之间的关联，但两种效应有着不同的作用和解释方式。
中介效应是指研究中介变量在自变量和因变量之间的传递作用。
当自变量对因变量的影响可以通过中介变量的连锁反应而发挥作用时，就会出现中介效应。
中介变量在中介效应中的作用是介于自变量和因变量之间的一种传递机制，通过调节自变量对中介变量的影响，进而影响因变量。
中介效应的本质是一种因果链条，它解释了自变量和因变量之间的关系以及这种关系是如何通过中介变量进行传递的。
调节效应则是指当其中一变量（调节变量）对自变量和因变量之间的关系有影响时，调节变量对于关系的影响程度。
调节效应也被称为交互效应，它涉及到自变量、调节变量和因变量之间的三方关系。
调节变量可以放大、减弱或改变自变量对因变量的影响。
调节效应的存在说明了自变量和因变量之间的关系取决于调节变量的特定条件或情境。
中介效应和调节效应的区别可以从以下几个方面进行分析：1.作用机制：中介效应强调中介变量在自变量和因变量之间传递作用的机制，即因果链条的存在。
而调节效应则关注调节变量对自变量和因变量之间关系的影响程度。
2.解释方式：中介效应解释了自变量通过中介变量对因变量产生影响，强调的是中介变量在关系中的作用。
而调节效应解释了调节变量对自变量和因变量关系的影响程度，强调的是调节变量在关系中的作用。
3.目的和研究设计：中介效应的研究主要关注自变量对中介变量和因变量之间关系的影响，可以用来解释变量之间的因果关系。
而调节效应的研究主要关注一些调节变量对自变量和因变量之间关系的影响程度，可以用来探索变量之间的交互效应。
4.统计分析：在统计分析上，中介效应通常通过中介模型来检验中介变量对自变量和因变量之间的影响。
调节效应则通常通过交互项分析来检验调节变量对自变量和因变量之间的影响。
总的来说，中介效应和调节效应都是探索变量之间关系的重要工具，但侧重点和解释角度不同。
- 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)。
自我效能
自我效能？ 政治技能？
团队绩效 团队绩效 团队绩效
概述-核心概念 中介效应(mediating effect)
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。X通过M对Y产生的间接影响称为中介效应。
X Y 自我效能 M 大学生领导力 X Y 团队绩效
2
概述-核心概念
从统计分析角度看：调节效应＝交互效应 从概念定义角度看：调节效应≠交互效应 交互效应：两个自变量对称或不对称，任何一个都可为调节变量 调节效应：哪个是自变量、调节变量，是明确的，不能互换
6
检验方法-中介效应
传统检验方法 1 传统检验方法 23 传统检验方法
系数乘积项检验法 依次检验法 差异检验法 检验回归系数 c、a、b、c' Sobel 检验法 检验c 和c'的差异是否显著 c： Y与X是否相关 ab是否显著，即H0：ab=0 回归系数的乘积
Y=aM+bM+cXM+e X, M在Y前面，M可以在X前面 影响Y和X之间关系的方向（正或负）和强弱 M与X、Y的相关可以显著或不显著（后者较理想） 回归系数c ^c c是否等于0
X对Y的影响较强且稳定
M=aX+e2 Y=c'X+bM+e3 M在X之后，Y之前 代表一种机制，X通过它影响Y M与X、Y的相关都显著 回归系数乘积ab ^a^b ab是否等于0
中心化乘积指标方法
广义成绩指标方法 无约束模型
2 2
拓展
单步多重中介模型
指多个中介变量之间不存在相互影响
M1
a1
a2 X
并行多重中介模型
M2
c' M1 a3 a2 M2 c'
b1
b2 Y
多步多重中介模型
多个中介变量之间存在相互影响 多个中介变量形成中介链
a1
b1 b2
优点 易操作 易检验出中介效应显 著 易操作 a=0，b=0时， 第一类错误率≈0.5
缺点 易犯第二类错误 要求a*b正态分布 易犯第一类错误 a=0，b≠0时， 第一类错误率高
差异检验法
H0：c-c'=0
8
检验方法-中介效应
X
c
Y
e e
2
1
a
X
M c'
b
Y
e
3
中介效应模型示意图
中介效应检验程序
9
间接效应：部分中介效应和（或）所有中介效应的总和
4
概述-核心概念 调节效应(moderating effect)
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 影响因变量和自变量之间关系的方向（正或负）和强弱
M
X
Y
e
Y = f(X, M)+ e
链式多重中介模型
检验方法
Bootstrap 方法、结构方程模型
2 3
X
Y
拓展
有中介的调节效应
定义
设要研究X对Y的影响，U是调节变量,M是中介变量。
X
调节效应项UX, 如果它影响M, 而M 影响Y, 说明调节 效应(至少部分地)通过中介变量M 而起作用，称这 样的调节效应是有中介的调节效应。
中心化乘积指标 GAPI 无约束模型
1 2
实例分析-中介效应
第一步 回归系数检验 第二步 部分中介检验 依次检验a、b 第三步 完全中介检验 第四步 Sobel检验
1 3
实例分析-中介效应 依次检验
基本思路：依次回归c，a，b 统计工具：SPSS 步骤
验证c不等于0：利用相关或者回归
根据不同的变量水平可以利用SPSS进行方差分析和回归的处理
方差分析 伪变量处理 层次回归分析 (R22 >R12) XM偏回归系数检验
分组回归 层次回归分析 (R22 >R12) XM偏回归系数检验
1 1
检验方法-调节效应 潜变量
利用结构方程模型或其他特定方法
不考虑
分组结构方程模型
不考虑
2 5
总结
中介变量与调节变量的比较
调节变量M 研究目的 关联概念 X何时影响Y或何时影响较大 调节效应、交互效应 中介变量M X如何影响Y 中介效应、间接效应
什么情况下考虑
典型模型 模型中M的位置 M的功能 M与X、Y的关系 M与X、Y的关系效应 效应估计 效应检验 检验策略
2 6
X对Y的影响时强时弱
1 6
实例分析-中介效应 Sobel检验
基本思路：检验H0：ab=0 统计工具：SPSS+Sobel脚本 步骤
Sobel提出ab的标准误计算公式
检验统计量
1 7
实例分析-中介效应
实例分析2
安装Sobel脚本 步骤依次检验，ab仅有一个显著 Sobel检验 计算
U
M
Y
U× X
检验
先检验调节效应，再检验中介效应
2 4
拓展
有调节的中介效应 定义
设要研究X对Y的影响，U是调节变量,M是中介变量，
X
经过M的中介效应受到U的影响，称M为有调节的中 介，称这样的中介效应是有调节的中介效应。
U
M
检验
先检验中介效应，再检验调节效应
Y U× M
a X M c' b Y
X
c
Y
e e
1
2
a、 b：间接检验系数乘积 检验统计量为 z = ab/ sab
2 2 c': 是否为完全中介 sab= a 2 sb b 2 s a
e
3
中介效应模型示意图
7
检验方法-中介效应
检验方法 依次检验法 系数乘积法
核心 依次检验c、a、 b、c' H0：ab=0
调节效应模型示意图
5
例如，学生的学习效果和指导方案 e X a Y=aX+bM+e 的关系，往往受到学生个性的影响： b Y M 一种指导方案对某类学生很有效， Y=aX+bM+cXM+e c 对另一类学生却没有效，从而学生 XM 个性是调节变量。 c：衡量调节效应的大小
概述-核心概念 调节效应与交互效应
做层次回归分析，检验偏回归系数c的显著性（t检验）； 做依次检验，必要时做Sobel检 或者检验测定系数的变化（F检验） 验
1 5
实例分析-中介效应
•实例分析
•数据中心化；
•检验方程y=cx+e中c是否显著；
•分别检验a和b的显著性； •检验y=c'x+bm+e中c'的显著性 •计算 •中介效应占总效应的比值为：effectm=ab/c=0.643×0.422/0.774=0.351 •中介效应解释了因变量的方差变异为sqrt(0.703-0.599)=0.104（10.4%）
1 8
实例分析-中介效应
实例分析3
某研究者想探究教师教学信念、班级气氛、教学效能之间的影响关系，中介
效应分析如下：
班级气氛
教学信念
教学效能
1 9
实例分析-中介效应
实例分析3
2 0
实例分析-调节效应
2 1
实例分析-调节效应 潜变量的调节效应分析
调节变量是类别变量，自变量是潜变量 分组结构方程分析 调节变量和自变量都是潜变量
检验方法-调节效应
调节效应分析和交互效应分析大同小异 分两大类进行讨论
一类是所涉及的变量(因变量、自变量和调节变量)都是可以直接观测 的显变量(Observable Variable) 另一类是所涉及的变量中至少有一个是潜变量( Latent Variable)
1 0
检验方法-调节效应 显变量
X
c
中效应方程式
Y
e e
1
Y = cX +e1 M = aX +e2 Y =c'X +bM +e3
(1) (2) (3)
a X
M c'
2
b Y
e
3
中介效应：a*b 直接效应：c ' 总效应：c (c = c'+ ab)
中介效应模型示意图
3
概述-核心概念 中介效应与间接效应
中介效应是间接效应的一种 模型中只有一个中介变量时，中介效应＝间接效应 中介效应：自变量与因变量相关显著 间接效应：自变量与因变量不相关也可存在 中介变量不止一个时，中介效应≠间接效应
验证a不等于0，b不等于0（完全中介时，还需验证c'等于0）
用X向M做回归，得到a
进行层次回归，第一层放入x，第二层放入M得到b
中介效应值=a*b
1 4
实例分析-中介效应
实例分析1
某研究在探究成年人的生活满意度时，根据既往理论支持，初步建立假
设如下：
家庭幸福
薪资所得
生活满意
中介效应与调节效应分析
概述-意义
中介效应与调节效应 揭示现象间关系的复杂性，使横断面研究中的预测关系明晰化 中介效应
揭示自变量对因变量影响的内在机制，避免忽视间接效应
调节效应 识别自变量对因变量的边界条件
大学生领导力 团队绩效
1
大学生领导力 政治技能 自我效能 政治技能 大学生领导力 大学生领导力 自我效能× 团队绩效