调节中介作用分析

如果需要进行调节中介作用分析,SPSSAU按照Process程序编制的模型编号进行。在进行调节中介分析时,第一步需要找到自己对应的模型编号(下述理论部分有说明模型编号的意义); 第二步是针对结果进行分析。调节中介作用同时考虑中介变量和调节作用,其核心是中介作用,基于中介作用基础上再进一步讨论调节作用。比如X->M->Y这条中介路径存在,即说明具有中介作用。接着在进一步分析条件中介作用,即在另外一个调节变量Z取不同水平时(通常分为3个水平,低水平,平均水平,高水平),中介作用的幅度(也称条件间接效应)情况如何。

调节中介分析时,中介作用的检验使用bootstrap法,即检验bootstrap 95%置信区间是否包括数字0,如果包括数字0,那么说明没有中介作用,反之如果说bootstrap 95%置信区间不包括数字0,则说明具有中介作用。分析调节变量在不同水平时,中介作用的情况是否有着差异,即分析条件中介作用。除此之外,X对于Y的影响关系即直接效应也会进行分析,但其重要性较低,因为核心关注点在于中介和调节中介。

调节中介效应案例

  • 1、背景

    当前有一个研究(样本量为540),自变量有1个,中介变量共有2个,调节变量1个,因变量1个,希望研究自变量X对于因变量Y的影响时,并且在有2个中介变量前提下,Z是否有调节中介作用。

    变量类型 名称
    自变量 X
    中介变量 M1,M2
    调节变量 Z
    因变量 Y

    检验的模型如下图如下:

    本案例想分析X对于Y的影响时,2个中介变量是否会起中介作用,并且还分析X对于2个M的影响时,是否会受到调节变量Z的干扰,即X对2个M的影响时,Z是否会起着调节作用。明显的,此模型应该为Model 7(下述理论部分对模型编号的意义)。

  • 2、理论

    本部分从两个角度说明调节中介作用,第一部分是调节中介作用的检验模型;第二部分是调节中介作用的分析。

    第一部分:调节中介作用检验模型

    SPSSAU调节作用检验算法完全遵循Andrew F. Hayes学者开发的Process程序进行。除调节中介模型外,Process程序包括更多的检验模型,更多可参考网址: http://www.afhayes.com

    涉及调节中介作用的常用模型共有7个,接下来针对该7个调节中介模型分别进行说明,包括模型结构和检验模型进行说明:

    Model 5时:图中W即为调节变量。调节变量仅针对X->Y这一条路进行调节(准确说Model 5并不是调节中介作用,只是模型中已经考虑了中介作用而已)。

    Model 7时:图中W即为调节变量。调节变量仅针对X->M这一条路进行调节。

    Model 8时:图中W即为调节变量。调节变量针对X->M和X->Y这2条路进行调节。

    Model 14时:图中V即为调节变量。调节变量仅针对M->Y这一路进行调节。

    Model 15:图中V即为调节变量。调节变量针对X->Y和M->Y这2路进行调节。

    Model 58:图中W即为调节变量。调节变量针对X->M和M->Y这2路进行调节。

    Model 59:图中W即为调节变量。调节变量针对X->M,X->Y和M->Y这3路进行调节。

    第二部分:调节中介作用剖析

    调节中介作用进行分析时,首先分析中介作用,即分析Bootstrap 95%置信区间是否包括数字0,如果不包括数字0即说明具有中介作用,反之如果包括数字0则说明不具有中介作用。接着再分析调节中介作用(条件间接效应),分析调节变量在不同水平时,中介作用的情况如何。事实上二者的分析并没有绝对的前后关系,通常是综合进行说明。

    除此之外,直接效应也应该进行分析,但由于关注重心在于中介作用和条件中介,而且分析中介作用并不要求一定有直接效应,因此直接效应分析通常不需要过多说明。

  • 3、操作

    本例子中的操作截图如下,切记选择正确的模型编号,本案例是Model 7:

    • 特别提示:
    • 调节中介作用时,自变量仅为1个,如果有多个自变量,建议重复分析,比如有2个X分别是X1和X2。操作如下:第1次分析时先放X1到自变量框中,X2放控制变量框中,得到结果;第2次分析时放X2到自变量框中,X1放控制变量框中,得到结果。然后将结果进行汇总。

  • 4、SPSSAU输出结果

    • SPSSAU共输出4类表格;
    • 第一是“回归模型汇总表格”表格;该表格把模型结果全部列出,即检验中涉及的各类系数等;通常情况下仅需要描述调节中介作用分析时涉及的模型,不同的调节作用模型时,模型结构是不一致的。

    • 第二是“直接效应(Direct Effect)结果”表格;该表格列出直接效应即X对于Y的影响情况;

    • 第三是“条件间接效应(Conditional Indirect Effect)结果”表格;该表格展示中介作用和调节中介作用结果,此表格为核心表格。

    • 第四是“回归模型汇总表格-简化格式”表格;该表格为“回归模型汇总表格”的简化格式。

  • 5、文字分析

    调节中介效应模型共分为两类回归模型;

    第一:第1类回归模型为因变量为Y时的回归模型构建;

    第二:第2类回归模型为因变量为中介变量M的回归模型构建(如果多个中介变量则多个模型); 从上表可知:调节中介效应分析共涉及3个模型,分别如下:

    • Y=0.696-0.062*X +0.396*M1 +0.469*M2

    • M1=1.652-0.106*X +0.422*Z +0.060*X*Z

    • M2=5.844-0.896*X-0.708*Z +0.270*X*Z

    事实上表格仅呈现出结果,正是利用上表格中的数字,才能用于接下来的直接效应,调节中介作用研究等,比如上表格中的-0.062正是直接效应;以及调节中介作用中的效应量effect值也是基于上表格中的数字得到,但其需要进行一些数学计算,可参考书籍“高级心理统计(刘红云)”。

    从上表格可知:X对于Y的影响并没有呈现出显著性(p=0.163>0.05),但这并不会影响到接下来的调节中介作用分析,因为X是否对于Y有影响,并不是调节中介(也或者中介作用)的前提条件。

    • 条件间接效应为核心的结果:
    • 第一:如果间接效应值的95%区间(BootCI)值包括数字0,则说明不具有中介效应;

    • 第二:如果间接效应值的95%区间(BootCI)值不包括数字0,则说明具有中介效应;

    • 第三:条件间接效应指调节变量Z在不同水平时的中介效应情况,即调节中介效应。

    首先看X->M1->Y这条路径,在Z取平均水平(Z=4.236)时,Bootstrap 95%置信区间为0.029~0.098,不包括0,也即说明平均水平下,X对Y影响时M1有着中介作用。在Z取低水平(Z=3.160)时,Bootstrap 95%置信区间为0.003~0.081,不包括0,也即说明Z在低水平时,X对Y影响时M1有着中介作用。在Z取高水平(Z=4.862)时,Bootstrap 95%置信区间为0.04~0.128,不包括0,也即说明Z在高水平时,X对Y影响时M1有着中介作用。综合可知,在Z取低水平,平均水平,或高水平时,M1均会起中介作用。三种水平时,均起着中介作用而且都是效应量均大于0,说明调节中介不存在,因为中介作用情况一致。

    接着看X->M2->Y这条路径,在Z取平均水平(Z=4.236)时,Bootstrap 95%置信区间为0.062~0.172,不包括0,也即说明平均水平下,X对Y影响时M2有着中介作用。在Z取低水平(Z=3.160)时,Bootstrap 95%置信区间为-0.014~0.099,包括0,也即说明Z在低水平时,X对Y影响时M2不会有中介作用。在Z取高水平(Z=4.862)时,Bootstrap 95%置信区间为0.114~0.266,不包括0,也即说明Z在高水平时,X对Y影响时M2有着中介作用。综合可知,在Z取低水平时M2不会起中介作用,Z取平均水平或高水平时,M2均会起中介作用。三种水平时M2是否有中介作用的情况并不一致,因此X->M2->Y时,条件中介作用存在。

    • 特别提示:
    • 调节中介作用的检验方法?

    • 调节中介作用的检验方式有很多,最为常用是条件中介效应表格检验法,即调节变量Z取不同水平时,X->M->Y的中介效应情况是否有着差异性。但同时也还有其它的检验方法,可参考相关文献。

    • 调节变量Z的低水平、平均水平和高水平是什么意思?

    • 调节变量低水平,平均水平或高水平是指,调节变量取平均值减1个标准差,取平均值,取平均值加1个标准差这3种不同值情况。

  • 6、剖析

    涉及以下几个关键点,分别如下:

    • 调节中介作用的检验方法?
    • 调节中介作用的检验方式有很多,最为常用是条件中介效应表格检验法,即调节变量Z取不同水平时,X->M->Y的中介效应情况是否有着差异性。该检验方法的检验力最高,当然也还有其它的检验方法,可参考相关文献。

    • 调节变量Z的低水平、平均水平和高水平是什么意思?
    • 调节变量低水平,平均水平或高水平是指,调节变量取平均值减1个标准差,取平均值,取平均值加1个标准差这3种不同值情况。

    • 调节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。同时调节中介作用分析时也不要求一定具有中介作用。

    • 调节中介作用是否需要首先进行标准化处理?
    • 在进行调节中介作用研究时,一般不需要进行标准化或中心化处理。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。

疑难解惑

  • 自变量X对于因变量Y没有影响怎么办?
  • 调节中介作用分析时,并不要求自变量X对因变量Y产生影响作为前提条件,因为有可能X对于Y没有影响,正好是由于调节作用的‘中和’所致,比如调节变量在高水平时X对于Y正向影响,但调节变量在低水平时X对于Y负向影响,刚好‘中和’。

  • 没有中介作用,是否可以进行调节中介分析?
  • 没有中介作用也可以进行调节中介作用分析,调节中介作用分析时,并不要求一定存在中介作用,因为有可能中介路径被‘中和’导致没有中介作用,比如调节变量在高水平时有正向中介作用,但调节变量在低水平时有负向中介作用,刚好‘中和’。

  • 直接效应、间接效应、中介效应、条件间接效应是什么?
  • 直接效应指X对于Y的影响;间接效应指X通过中间变量再影响Y,可能中间变量是1个或多个,也或者是链式比如X->M1->M2->Y,只要研究X通过中间变量再影响Y,都叫间接效应;中介效应也是一种间接效应,通常情况下中介效应是指X->M->Y这种情况(即非链式中介作用);条件间接效应指调节变量取不同水平时,间接路径(条件路径)情况如何的分析和研究。

  • 如果发现没有调节中介,是否可直接分析中介作用?
  • 如果显示没有调节中介作用,可重新建立模型比如直接进行中介作用,此时需要使用问卷研究->中介作用这一方法即可。

  • 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。

  • 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。

  • 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个样本的数据做调节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,然后运行调节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等计算95%区间即为Bootstrap 95%CI值。

  • 结果与process插件结果不一致?
  • 调节中介时,SPSSAU默认是提供平均值加减1个标准差时的条件效应结果等,Process默认提供分位数时的相关结果,同时process也有提供平均值加减1个标准差时的结果,可通过相关选项进行设置即可。

  • 如何判断是否有调节中介作用?
  • 判断调节中介作用的思路是查看调节变量z 值在不同水平(低水平,平均值,高水平)时,效应值Effect的显著性是否有不同,或者都表现出一致的显著性但是符号不同。

  • 比如低水平时呈现出显著性(即boot 95%不包括数字0,说明低水平时有中介作用),平均值或高水平时没有呈现出显著性(即boot 95%包括数字0,说明平均或高水平时没有中介作用),那么说明不同水平下是否有中介作用有着差异性,最终就说明具有调节中介作用。

  • 比如低水平时显著(即boot 95%不包括数字0)且效应值effect为正数0.1,但是高水平时显著(即boot 95%不包括数字0)且效应值effect为负数-0.1。此两种情况均可说明具有调节中介作用。

  • 只要不同水平下显著性情况有着不同,也或者不同水平时显著性情况一致但effect值符号出现相反,此两种情况均说明具有调节中介作用。

  • 另boot 95%即指bootstrap抽样95%区间,BootLLCI指Bootstrap抽样95%区间下限,BootULCI指Bootstrap抽样95%区间上限,比如BootLLCI为0.1,BootULCI为0.2,那么boot 95%不包括数字0即说明呈现出显著性。

  • 调节中介作用分析时,如果查看调节作用?
  • 调节中介作用时,如果想分析调节作用,可通过‘回归模型汇总表格’里面交互项的显著性进行调节作用判断。中介作用的判断是通过‘条件间接效应’里面‘平均值水平’对应的bootstrap区间是否包括0进行判断。

  • 调节中介作用分析时,调节水平值是什么意思?
  • 调节中介作用分析时,SPSSAU默认提供调节变量在3种水平(平均值,平均值+标准差,平均值-标准差)时的作用情况。当然可设置按不同分位数水平时的作用情况,下拉‘调节水平值’参数进行选择即可。