多重中介效应检验分解

1、二.多重中介多重中介是指存在多个中介变量的情况。目前针对传统多重中介分析存在(1) 分析不完整? LISREL-只能得到总的中介效应估计值及其标准误和t值。? AMOS -也只能得到总的中介效应估计值。? MPLUS-可以得到特定路径的中介效应和总的中介效应估计值，但还是得不到对比中介效应的分析结果。(2) 使用sobel检验的局限首先，sobel检验统计量的推导基于正态假设，而特定中介效应、总的中介效应和对比 中介效应估计值都涉及参数的乘积，因而通常都不满足正态假设。其次，sobel检验需要大样本，检验在小样本的表现并不好。第三，sobel检验统计量计算复杂，且需要手工计算所以采用以下两种方

2、法来改善。1增加辅助变量的方法针对当前多重中介效应分析不完整的问题，在结构方程模型中加入辅助变量，可以进行完整的多重中介效应分析。操作豳一/b 扣M2我们还是以上图的模型为例子首先打开 spss数据库，在 SPSS中FILE下选择 Save as,依次保存上述指标变量A1,A2,B1,B2,B3,E1-E7,E9,E10,文件格式为 Fixed ASC n( .dat),文件名为“ dc.dat”Lisrel操作单击FILE，新建syntax窗口，输入：TIDA NI=14 NO=706 MA=CM AP=1!表示增加一个辅助变量RA FI=dc.datlaE1 E2 E3 E4 E5 E6

3、E7 E9 E10 B1 B2 B3 A1 A2MO NY=12 NX=2 NK=1 NE=3 LX=FI L Y=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)=GA(1,1)*BE(3,1)-GA(2,1)*BE(3,2)!辅助变量，用来建立一新的待检验参数PDOU AD=OFF ND=4点击保存，将文件命名为fz.pr2，点击运行按钮结果输出部分BET

4、A可以找到b1, b2两条路径的参数估计值及显著性M1M2YM1M2Y 0.1915-0.0894-(0.0607)(0.0421)3.1532-2.1256发现M1对Y的预测作用不显著，M2对Y的预测作用显著在GAMMA中可以找到其他路径系数及显著性XM1 0.6296(0.0561)11.2243M2 -0.3534(0.0483)-7.3242Y -0.0491(0.0597)-0.8223ADDITIONAL PARAMETERS表示辅助变量 a1*b1-a2*b2 的估计值PA(1)!表示第一个辅助变量，本例只用了一个辅助变量0.0890!表示辅助变量的参数估计值(0.0412)!表

5、示p直，小于0.05说明显著，即两个中介变量 M1和M2的中介效应差异显著。2.1616如果将辅助变量的程序设置为 CO PAR(1)=GA(1,1)*BE(3,1) 或 COPAR(1)=GA(2,1)*BE(3,2)则可以分别计算出两个中介变量的特定中介效应大小a1*b1或a2*b2。建议只设置一个辅助变量，因为我设置两个及两个以上辅助变量时程序无法运行Mplus操作mplus软件可以在一个程序中实现辅助变量与bootstrap法因此在下面 bootstrap法中一起介绍。2. bootstrap 法Lisrel操作Lisrel软件进行bootstrap分析的步骤分为六步：第一步，使用 L

6、isrel软件中的prelis程序从原始样本中抽取至少1000个bootstrap样本具体操作是打开lisrel软件，单击file/import data in free format，选择上一步保存好的 dc.dat文 件单击打开，因为本例中共有14个变量，所以在number of中填14,单击ok，生成了一个fz.PSF的文件。然后点击 statistics/bootstrapping按钮如图filename:BootstrappingNumber o bootstrap c dfhml a?Sample r acti onSave：All the standard devi aiRujt

7、P All the MAnmttricesutput OptionCaiicelAll the mean vectorsNumber of bootstrap 中输入 1000, sample fraction 中输入文件名 mafile.cov 然后点击 utput option按钮出现如图对话框OutputDtttSave tLe trttiiEformedIto iMewsSave to file:Vi dtk Numtf-r oftimnbtr oStandard Deviations. Save to iI Kewind data after each reptPrint bivar

8、iate firequenicyR? Frirtt tests t underlying! biv&riAsynptotic: Ccbvari am.ee MatrixWide print* Eandom seeC Stt id 1 (123456Save to i Print in out IAsynptotic VariancesS.vt to iFrint in MCancel在moment matrix中选择covarianee保存成协方差矩阵，单击OK,run。我们就会在源文件夹中发现mafile.COV这个新文件。注意：在我用自己的数据进行到这一步时出现错误提示WARNING:VA

9、R12 has more than 15 categories and will betreated as continuous. ERROR CODE 201.个人分析可能是数据不适用的问题，所以没有再继续进行，但是按照文献所讲仍将下面的 步骤列出。第二步，设置辅助变量，采用固定方差法编写可以分析多个样本的Lisrel程序（如果采用固定负荷法编写 Lisrel程序将得到中介效应的非标准化解）程序写法见上文第三步，运行 Lisrel程序分析1000个bootstrap样本，得到研究者感兴趣的特定、总的和对 比中介效应系数估计值各1000个，保存为prelis数据文件（文件名 PSF）程序如下：

10、DA Nl=14 NO=706 AP=4 RP=1000! AP=4表示增加4个辅助变量； RP=1000表示重复运行 LISREL 程序1000次cm =mafile.cov !使用第一步产生的1000个协方差矩阵进行分析MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FILKXLEM1 M2 丫PA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)= GA(1 1)* B

11、E(3 1)!特定中介效应aCO PAR(2)= GA(2 1)* BE(3 2)!特定中介效应a2b2CO PAR(3)= PAR(1)+ PAR(2)!总的中介效应dQ亠&2匕2CO PAR(4)= PAR(1)-PAR(2)!对比中介效应dQ2匕2OU AD=OFF ND=4 PV=bs.psf!参数估计值保存在PRELIS文件bs.psf中这里设置了四个辅助变量第四步，将prelis数据文件导出为 EXCEL文件（文件名.XLS）第五步，在 EXCEL中将1000个中介效应估计值从小到大进行排序，将1000个中介效应估计值的均值作为中介效应估计值的标准化解；用第2.5百分位数和第97.

12、5百分位数来估计bootstrap的中介效应置信区间，如果置信区间不包括0,说明中介效应显著，百分位bootstrap方法的中介效应检验完成第六步，对第五步得到的中介效应置信区间进行校正，得到偏差校正的百分位bootstrap方法的中介效应置信区间，如果置信区间不包括0，说明中介效应显著，偏差校正的百分位bootstrap方法的中介效应检验完成。具体校正方法见温忠麟 2012年的文章Mplus操作打开mplus软件单击新建按钮，然后在空白界面中输入：TITLE:DATA:FILE IS dc.dat; !此处还是继续延用上文用spss保存好的数据文件 dc.datVARIABLE:NAMES

13、=E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2;ANAL YSIS: bootstrap=1000 ! bootstrap 法抽样 1000 次MODEL:X BY A1 A2; !两个变量作为潜变量 X的指标，其余同理M1 BY E1 E2 E4 E6 E7;Y BY B1 B2 B3;M2 BY E3 E5 E9 E10;Y ON M1(b1); !表示将mi到y的路径系数命名为 bi，其余同理。Y ON X(c);Y ON M2(b2);M1 ON X(a1);M2 ON X(a2);MODEL INDIRECT:Y IND M1 X; !表示自变

14、量为 X，中介变量为 Mi，因变量为 Y的中介效应，其余同理Y IND M2 X;MODEL CONSTRAINT:new (con);!对比中介效应命名为 concon=a1*b1-a2*b2;!计算对比中介效应大小OUTPUT:cinterval (bcbootstrap); standardized; !输出偏差校正的百分位 bootstrap结果和标准化解 若要得到百分位bootstrap结果，仅需将 OUTPUT 中的 cinterval (bcbootstrap)改为cinterval (bootstrap)即可单击保存按钮，将文件与dc.dat保存于同一文件夹，命名为 11.in

15、p结果分析我删除了不用解释的部分，只保留了需要解释的部分Chi-Square Test of Model FitValue341.607Degrees of FreedomP-Value720.0000RMSEA (Root Mea n Square Error Of Approximatio n)Estimate0.07390 Perce nt C.I.0.0650.081Probability RMSEA = .050.000CFI/TLICFITLI0.9190.898卡方值，CFI,TLI,RMSEA均在可接受范围内MODEL RESULTS表示模型参数估计的非标准化解Two-Tail

16、edEstimateS.E.Est./S.E.P-ValueYONM10.6970.2273.0710.002X-0.1420.163-0.8700.384M2-0.3690.187-1.9750.048从此处可以看出 M1,M2,X到Y的各路径系数非标准化的参数估计值以及p值M1XON0.5000.0568.9730.000M2ONX-0.2470.047-5.2160.000此处表示a1,a2这两条路径系数的非标准化的参数估计值以及p值New/Additional Parameters表示新增的辅助变量的非标准化的参数估计值以及p值CON0.2570.1401.8420.066STANDA

17、RDIZED MODEL RESULTS此处表示标准化的结果，但是注意标准化的结果没有给出p值。注意，标准化结果中没有辅助变量值。YONM10.1920.1920.192X-0.049-0.049-0.049M2-0.089-0.089-0.089M1ONX0.6300.6300.630M2ONX-0.353-0.353-0.353STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT, AND DIRECT EFFECTS表示标准化的直接效应间接效应STDYX Sta ndardizationEstimateS.E.Est./S.E.Two

18、-TailedP-ValueEffects from X to YSum of i ndirect0.1520.0413.7240.000总体间接效应显著Specific in directYM1X0.1210.0412.9440.003 M1的间接效应显著M2X0.0320.0171.9030.057 M2的间接效应不显著以上是点估计，以下是区间。估计判断显著与否的依据是，5%置信区间不包括0说明是显著的CONFIDENCE INTERVALS OF MODEL RESULTSNew/Additi onal ParametersCON-0.0910.0130.0550.2570.5010.5620.677新增的辅助变量显著，说明两中介效应差异显著CONFIDENCE INTERVALS OF STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT,AND DIRECT EFFECTSSTDYX Sta ndardizati