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法来改善。1

2、.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（.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 E7 E9 E10 B1 B2 B3

3、A1 A2MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=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BETA可以找到b1，b2两条路径的参数估计

4、值及显著性 M1 M2 Y - - - M1 - - - - - - M2 - - - - - - Y 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 X - M1 0.6296 (0.0561) 11.2243 M2 -0.3534 (0.0483) -7.3242 Y -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

5、了一个辅助变量 -0.0890 !表示辅助变量的参数估计值 (0.0412) !表示p值，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 CO PAR(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

6、Lisrel软件进行 bootstrap分析的步骤分为六步：第一步，使用 Lisrel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Number of bootstrap 中输入1000，sample fraction中输入文件名mafile.cov然后点

7、击utput option按钮出现如图对话框在moment matrix中选择covariance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W_A_R_N_I_N_G: VAR12 has more than 15 categories and will be treated 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

8、(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：DA NI=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,

9、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) ! 特定中介效应CO PAR(2)= GA(2 1)* BE(3 2) ! 特定中介效应CO PAR(3)= PAR(1)+ PAR(2) ! 总的中介效应CO PAR(4)= PAR(1)-PAR(2) ! 对比中介效应OU AD=OFF ND=4 PV=bs.psf !参数估计值保存在PRELIS文件bs.

10、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 97.5 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 bootst

11、rap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.dat VARIABLE: NAMES =E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2;ANALYSIS: 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 B

12、2 B3; M2 BY E3 E5 E9 E10; Y ON M1(b1); !表示将M1到Y的路径系数命名为b1，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; !表示自变量为X，中介变量为M1，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con con=a1*b1-a2*b2; !计算对比中介效应大小OUTPUT: cinterval (bcbootstrap); standardiz

13、ed; !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.inp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 Fit Value 341.607 Degrees of Freedom 72 P-Value 0.0000RMSEA (Root Mean Square Error Of Approximation)

14、Estimate 0.073 90 Percent C.I. 0.065 0.081 Probability RMSEA <= .05 0.000CFI/TLI CFI 0.919 TLI 0.898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-Tailed Estimate S.E. Est./S.E. P-Value Y ON M1 0.697 0.227 3.071 0.002 X -0.142 0.163 -0.870 0.384 M2 -0.369 0.187 -1.975 0.048从此处可以看出M1,M

15、2,X到Y 的各路径系数非标准化的参数估计值以及p值 M1 ON X 0.500 0.056 8.973 0.000 M2 ON X -0.247 0.047 -5.216 0.000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 CON 0.257 0.140 1.842 0.066STANDARDIZED 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。 Y ON M1 0.192 0.192 0.192

16、X -0.049 -0.049 -0.049 M2 -0.089 -0.089 -0.089 M1 ON X 0.630 0.630 0.630 M2 ON X -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 Standardization Two-Tailed Estimate S.E. Est./S.E. P-ValueEffects from X to Y Sum of indirect 0.152 0.041

17、3.724 0.000总体间接效应显著 Specific indirectYM1X 0.121 0.041 2.944 0.003 M1的间接效应显著 Y M2 X 0.032 0.017 1.903 0.057 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/Additional Parameters CON -0.091 0.013 0.055 0.257 0.501 0.562 0.677新增的辅助变量显著，说明两中介效应差异显著CONFIDENCE

18、INTERVALS OF STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT,AND DIRECT EFFECTSSTDYX Standardization Lower .5% Lower 2.5% Lower 5% Estimate Upper 5% Upper 2.5% Upper .5%Effects from X to Y Sum of indirect 0.047 0.072 0.085 0.152 0.219 0.232 0.257 Specific indirect Y M1 X 0.015 0.040 0.053 0.121 0.188 0.201 0.226 Y M2 X -0.011 -0.001 0.004 0.032 0.059 0.064 0.074总体间接效应和两特别间接效应都显著，说明两中介变量的中介效应都是显著的。注意，此处与点估计的结果有出入，以此处的结果为准，因为bootstrap法的检验效力高于sobel检验，也就是当sobl