中介作用分析

如果需要进行中介作用分析,常见有两种做法。分别如下:

第一种:因果逐步回归检验法;

第二种:乘积系数法检验法;

如果是使用第一种做法进行中介作用分析,其理论来源为温忠麟学者提出,具体是通过分层回归方法进行研究,请参考此帮助手册有详细说明: https://www.spssau.com/helps/otherdocuments/mediator.html

第一种因果逐步回归检验法简单易懂、容易理解和解释,因而受到广泛的应用,但有学者认为其检验效能较低,有时候本身有中介作用但却显示没有中介作用。

第二种为乘积系数检验法,其原理是检验a*b是否呈现出显著性,其具体做法上分为两种,一种是使用Sobel检验,另外一种是使用Bootstrap抽样法进行检验。Sobel检验要求数据正态分布且需要大样本,并且要求a*b也符合正态分布,因而这种要求导致其检验功效较低。当前较为流行的检验方法为Bootstrap抽样法,其检验功效相对较高,并且对于中介作用抽样分布并不进行限制,因此使用情况越来越多。

当前SPSSAU问卷研究》中介作用使用Bootstrap抽样法进行检验。并且支持一次性放置多个自变量X,多个中介变量M,以及支持放置控制变量。

中介效应案例

  • 1、背景

    当前有一个研究(样本量为200),自变量有3个,中介变量共有2个,因变量有一个,希望研究3个自变量X对于因变量Y的影响时,2个中介变量是否会起到桥梁中介作用。

    变量类型 名称
    自变量 X1,X2,X3
    中介变量 M1,M2
    因变量 Y

    模型如下图如下:

    模型中涉及3个X对于2个M,再对1个Y的影响。中介作用的路径数量为3*2=6条路径。

  • 2、理论

    本部分从两个角度说明中介作用,第一部分是中介作用的原理;第二部分是中介作用检验的步骤。

    第一部分:中介作用检验原理

    在研究中介作用时,其有多种做法,常见做法有两种,第一种是因果逐步回归检验法,使用分层回归(SPSSAU->进阶方法)进行研究。第二种是乘积系数法检验法,其具体做法上可分为Sobel检验和Bootstrap抽样法检验;第一种做法相对简单易懂因而得到广泛使用,但是其检验效能相对较低,因此当前更适合的做法是使用第二种即乘积系数检验法,并且使用Bootstrap抽样法进行中介作用检验。

    中介作用的检验基本理论数学模型如下:

    中介作用共分为3个模型。针对上图说明如下:

    • 模型1:自变量X和因变量Y的回归分析;目的为得到总效应c值;

    • 模型2:自变量X,中介变量M和因变量Y的回归分析;目的是得到直接效应c’值,以及中间效应过程值b;

    • 模型3:自变量X和中介变量M的回归分析;目的是得到中间效应过程值a。

    • 模型1和模型2的区别在于,模型2在模型1的基础上加入了中介变量M。

    上图中回归系数a和回归系数b的乘积项(a*b)称为间接效应,如果其呈现出显著性,那么就说明具有中介作用,反之不具有显著性,则说明不具有中介作用。检验a*b的显著性用于判断是否具有中介作用,这种做法即称为乘积系数检验法。而具体Bootstrap抽样法检验是指a*b这个回归系数的95%置信区间是否包括数字0;如果说95%置信区间不包括数字0,则说明具有中介作用;如果说95%置信区间包括数字0,即说明没有中介作用。

    第二部分:中介作用检验步骤

    理解了上述中介作用的原理,即通过a*b的Bootstrap区间进行中介效应检验后。接下来参考学者温忠麟等(2014)因果逐步回归法的检验步骤进行说明,如下图:

    上图为中介作用的检验步骤,SPSSAU严格按照此检验步骤进行。具体说明如下:

    • 第一:c表示X对Y时的回归系数(模型中没有中介变量M时),即总效应;

    • 第二:a表示X对M时的回归系数,b表示M对Y时的回归系数,a*b为a与b的乘积即中介效应;

    • 第三:95% BootCI表示Bootstrap抽样计算得到的95%置信区间,如果区间不包括0则说明显著;

    • 第四:c’表示X对Y时的回归系数(模型中有中介变量M时),即直接效应;

    • 第五:如果a和b显著,且c’不显著,则为完全中介;

    • 第六:如果a和b显著,且c’显著,且a*b与c’同号,则为部分中介作用;

    • 第七:如果a和b显著,且c’显著,且a*b与c’异号,则为遮掩作用;

    • 第八:如果a和b至少一个不显著,且a*b的95%的95% BootCI包括数字0(不显著),则中介作用不显著;;

    • 第九:如果a和b至少一个不显著,且a*b的95% BootCI不包括数字0(显著),且c’不显著,则为完全中介作用;

    • 第十:如果a和b至少一个不显著,且a*b的95% BootCI不包括数字0(显著),且c’显著,且a*b与c’同号,则为部分中介作用;

    • 第十一:如果a和b至少一个不显著,且a*b的95% BootCI不包括数字0(显著),且c’显著,且a*b与c’异号,则为遮掩作用;

    • 特别提示:
    • SPSSAU直接将中介作用的检验过程自动化,并提供出上述提及模型的结果值等,研究者只需要关注“中介作用检验结果汇总”和“中介作用效应量结果汇总”中的检验结果即可。

    • 遮掩效应是一种现象,数理角度上表现为a*b的系数符号与c’的系数符号相反,实际研究中应结合自身专业知识进行阐述。

  • 3、操作

    本例子中包括3个自变量,2个中介变量;操作截图如下:

  • 4、SPSSAU输出结果

    • SPSSAU共输出4类表格;
    • 第一是“中介作用分析结果”表格;该表格把模型结果全部列出,即检验中涉及的系数a,b,c或c’等;通常情况下仅需要描述中介作用分析时涉及的模型,简要说明即可,实际研究中关注重心在于中介作用的检验结果,即下面的“中介作用检验结果汇总”表格。

    • 第二是“中介作用检验结果汇总”表格;该表格列出所有中介路径系数涉及的具体值,以及bootstrap抽样得到的置信区间值,以及中介作用检验结论情况;

    • 第三是“中介作用效应量结果汇总”表格;该表格展示中介作用检验后的效应量情况,包括效应占比情况等。

    • 第四是“中介效应模型检验-简化格式”表格;该表格为“中介作用分析结果”表格的简化格式。

  • 5、文字分析

    中介效应模型共分为三类回归模型;

    • 第一:第1类回归模型为自变量X与因变量Y进行回归模型构建;

    • 第二:第2类回归模型为自变量X与中介变量M进行回归模型构建(如果多个中介变量则多个模型);

    • 第三:第3类回归模型为自变量X和中介变量M一起与因变量Y进行回归模型构建;

    从上表可知:中介效应分析共涉及4个模型,分别如下:

    • Y=1.696-0.156*X1+0.353*X2+0.358*X3

    • M1=0.570+0.100*X1+0.124*X2+0.623*X3

    • M2=1.484+0.018*X1+0.231*X2+0.370*X3

    • Y=0.725-0.202*X1+0.189*X2-0.059*X3+0.363*M1+0.515*M2

    事实上表格仅呈现出结果,比如X1->M1->Y这条中介作用时,a是指上图中的0.100,b是指图中的0.363,c’指上图中的-0.202,c指上图中的-0.156。

    中介作用的检验严格按照检验步骤进行,最终检验结果如表格所示。总共3个自变量X,2个中介变量 M,总共有3*2=6条中介路径。其中2条路径为完全中介,2条路径为部分中介,1条路径为遮掩效应,1条路径不显著。具体为什么会有中介,也或者为什么没有中介作用等,属于专业知识领域讨论范畴,本案例不深入说明。同时在实际研究中,通常还可以针对中介作用的占比即效应量情况进行分析,如下:

    • 在完成中介作用检验后,还可进一步分析效应量(效应占比):
    • 第一:如果是完全中介,则效应占比为100%;

    • 第二:如果是部分中介,则效应占比计算公式为:a*b/c;

    • 第三:如果是遮掩效应,则效应量为中介效应与直接效应的比值,计算公式为:| a*b/c’ |;

    • 第四:如果是中介作用不显著,则效应占比为0%。

    如果是完全中介,即说明X会全部通过中介变量M去影响Y,即效应占比为100%;如果是部分中介,即说明X一部分由中介变量M去影响Y,还有一部分是X自己去影响Y;如果是遮掩效应,效应量分析时不能使用a*b/c这个公式,因为会出现负数这种无意义的数字,因此改使用中介效应与直接效应进行相除,并取其绝对值,用来表示效应的大小情况; 如果中介效应不显著,那相当于没有中介效应,即效应占比为0%。

  • 6、剖析

    涉及以下几个关键点,分别如下:

    • 中介作用分析前是否需要自变量对因变量产生影响?
    • 使用乘积系数法进行中介作用分析时,并不要求自变量对于因变量产生影响关系。即并不要求直接效应呈现出显著性。应该完全按照检验流程和步骤进行分析。

    • 中介作用是否需要首先进行标准化处理?
    • 进行标准化或中心化处理,通常是出于共线性问题的考虑而进行。事实上并无其它帮助,研究者可以进行标准化处理,当然如果没有共线性问题不进行也不妨。可使用数据处理-》生成变量功能进行处理。

    • 有调节的中介作用如何进行?
    • 如果是分析有调节的中介作用,其涉及多种模型情况,可使用SPSSAU问卷研究->调节中介进行分析。

疑难解惑

  • 自变量X对于因变量Y没有影响怎么办?
  • 调中介作用分析时,并不要求自变量X对因变量Y产生影响作为前提条件,因为直接效应(X影响Y)和中介效应(X通过M影响Y)是完全两回事情。中介作用检验应该完全按照检验流程和步骤进行分析。

  • 中介作用有一个检验程序Sobel在哪里?
  • 使用乘积系数检验法进行中介作用验证时,可使用Sobel检验和Bootstrap抽样法检验法,SPSSAU默认是使用后者,如果希望进行Sobel检验,请参考此页面进行: http://quantpsy.org/sobel/sobel.htm

  • 如果数据是显变量如何处理?
  • 如果数据是显变量,此时可转换成潜变量再处理即可。使用生成变量-》平均值功能。当然如果是使用结构方程模型进行研究分析中介作用时,建议使用因果逐步回归检验法进行中介效应验证。SPSSAU提供的结构方程模型暂不提供Bootstrap抽样法检验。

  • 间接效应和中介效应的区别是什么?
  • 通常情况下二者意义完全一致,但细微区别在于比如X->M1->M2->Y这种链式中介时,一般用间接效应描述会更易理解。

  • SPSSAU进行Bootstrap抽样次数是多少?
  • 如果样本量小于等于500,抽样次数是5000次;如果样本量介于500~2000(含),抽样次数是1000次;如果样本量在2000以上,抽样次数是50。

  • SPSSAU进行链式中介?
  • 如果需要分析链式中介,即比如X->M1->M2->Y,分析X先影响M1再影响M2再影响Y这种模型,可直接选中参数‘中介类型’为‘链式中介’即可。

  • Bootstrap自抽样的原理是什么?
  • Bootstrap的原理说明举例如下:比如有一份500个样本的数据做中介作用分析且使用bootstrap自抽样法。其计算原理类似如下:

  • Step1、有放回随机抽样得到1份500个样本的数据,然后运行中介模型得到回归系数等;

  • Step2、如果bootstrap抽样次数为1000,那么重复Step1进行1000次即可;

  • Step3、将1000次运行分析的回归系数值计算95%区间即为Bootstrap 95%CI值。

  • 备注:上述具体名称为‘百分位bootstrap法’,除此之外,SPSSAU还提供‘偏差校正bootstrap法’。二者功能一致,原理类似,但其具体细节算法不一致。如果没有特别需求,任意使用一种即可。具体参考文献可见:方杰,张敏强,李晓鹏.中介效应的三类区间估计方法[J].心理科学进展,2011,19(05):765-774.

  • Bootstrap自助抽样法时,每次抽样数量是多少?
  • Bootstrap原理上是抽样很多次而且是放回抽样,每次抽样的次数为样本量,比如有500个样本且抽样1000次,那么每次都放回抽取500个样本,重复抽样1000次。

  • 效应占比如何分析?
  • SPSSAU在输出效应占比的同时,也会输出效应占比计算公式。不同的文献在计算中介效应的个别点(比如掩遮效应时)时并不完全一致,SPSSAU参考文献为:温忠麟, 叶宝娟. 中介效应分析:方法和模型发展[J]. 心理科学进展, 2014, 22(005):731-745.

  • 如果需要计算直接效应,一般计算公式为(c – a*b)/ c,也或者直接100% - 中介效应即可。

  • 95%区间包括0,为什么显示有中介作用?
  • 中介作用分析有着非常严格的检验流程,绝大多数情况下,95%抽样区间不包括数字0就意味着具有中介作用,但并不完全是这样,最终中介作用的检验需要参考检验流程进行。

  • 中介作用时SPSSSAU与Process结果出现不一致?
  • 中介作用时SPSSSAU与Process结果出现不一致,比如0.1234和0.1233,此类情况正常并且不同的软件出来一定会有类似的gap,其数学原理上是bootstrap,不同的抽样次数以及内部算法上不同的抽样种子)一定会出现该类gap,其数学原理完全一致,但正是数学原理的一致性才会出现gap,但其并不会对结论有任何影响,非常正常。

  • 更多说明原理说明可点击查看

  • SPSSAU中介作用输入bootstrap抽样次数?
  • Bootstrap抽样次数可自行进行选择,常见1000次即可。如果不选择,SPSSAU系统会根据样本量自动提供适合的抽样次数。

  • SPSSAU的bootstrap抽样是非参数还是偏差校正法?
  • SPSSAU于2023.6.30升级,升级后提供两种bootstrap抽样法,分别是非参数百分位bootstrap抽样和偏差校正bootstrap法。

  • 面板数据是否可以进行中介作用?
  • 从数学理论上,面板数据可以直接进行中介作用分析,中介作用分析并不区分是否面板数据,直接分析即可。

  • spssau中介作用分析时,boot ci不包括0但是对应p 值大于0.05?
  • 从原理上有可能出现boot ci不包括数字0但对应p 值>0.05,bootci是基于百分位数原理计算,p 值是基于bootstrap抽样正态分布原理计算(上述为非参数百分位bootstrap抽样法原理,偏差校正bootstrap抽样法原理则不同)。

  • SPSSAU 中介作用中的effect值意义是?
  • 中介作用分析时,effect值一般指回归系数值,其不同情景下意义不同,可指直接效应,间接效应或中介效应对应的回归系数值。

  • 中介作用如何得到标准化效应系数?
  • SPSSAU进行中介作用时,默认输出的a*b值为非标准化系数对应的系数,如果需要使用标准化系数,可针对自变量X和中介变量M进行标准化处理(使用数据处理->生成变量),得到标准化系数后,然后再放入模型中进行分析,得到的系数全部都是基于标准化系数的了。

  • SPSSAU进行三阶段中介作用?
  • 中介作用的检验方法上,通常包括bootstrap自抽样法和三阶段中介作用,默认SPSSAU是使用自抽样法进行检验,如果需要使用三阶段法,可点击查看

  • 自变量X为定类数据如何进行中介作用?
  • 如果自变量为定类数据,一般需要进行哑变量设置后再能分析。虚拟哑变量设置说明,可点击查看

  • Boot自抽样95%CI值不包括effect值?
  • 比如类似上图时,effect值为-0.306, boot自抽样区间为(-0.149,-0.026),自抽样区间范围不包括effect值。从原理上:比如effect值为-0.3。比如抽样10次,分别得到为-0.2,-0.24,-0.25,-0.23,-0.22,-0.21,-0.21,-0.29,-0.23,那么计算95%区间的时候就可能不包括-0.3。此种概率相对很低但从理论上也可以出现,尤其是在数据质量不太好的时候(比如有某标题的数字很多都是固定1个值时)。

  • 为什么间接效应分析表格中值的95%区间(BootCI)值包括数字0,p 值还显著呢?
  • 间接效应分析表格中BootCI是基于自助抽样原理计算得到,而z 检验对应的p 值是基于点估计得到,二者并不数学理论上的对应关系,在偶然的情况下会出现Boot 95%置信区间不包括数字0但是z 检验不显著,也或者Boot 95%置信区间包括数字0但是z 检验显著。