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。除此之外，SPSSAU还提供调节中介Index of MM法，可直接使用，相对来说，‘条件中介效应表格检验法‘法更直观易懂，但调节中介Index of MM法直接查看系数显著性即可，相对更加简单便捷。

  • 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。除此之外，SPSSAU还提供调节中介Index of MM法，可直接使用，相对来说，‘条件中介效应表格检验法‘法更直观易懂，但调节中介Index of MM法直接查看系数显著性即可，相对更加简单便捷。

  • 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。