实证研究论文数据分析方法详解

实证论文数据析方法解（周健整理）以下面研模型为例来明实证论文数分析方法

修订日：2010.12.8变革型领导

组织认同交易型领导

工作绩效回避型领导

领导成员交换名称

变量类型

在SPSS软件中的简称（自己设定的代号）变革型领导交易型领导回避型领导认同和内部化领导成员交换工作绩效

自变量1zbl1自变量2zbl2自变量3zbl3调节变量TJ中介变量ZJ因变量YB调节变量：如果自变量与因变量的关系是变量M的数称变量M为节变量。也就是领导风格（自变量）与工作绩效（因变量）的关系受到组织认同（调节变量）的影响，或组织认同（调节变量）在领导风格（自变量）对工作绩效（因变量）影响关系中起到调节作用。具体来说，对于组织认同高的员工，变革型领导对工作绩效的影响力，要高于组织认同低的员工。中介变量：如果自变量通过影响变量N来实现对因变量的影响，则称N为介变量。也就是，领导风格（自变量）对工作绩效（因变量）影响作用是通过领导成员交换（中介变量）的中介而产生的。研究思路及三个主要部分组成：领导风格对于员工工作绩效的主效应MainEffects）研究。组织认同对于不同领导风格与员工工作绩效之间关系的调节效应（ModeratingEffects）研究。领导成员交换对于不同领导风格与员工工作绩效之间关系的中介效应（MediatorEffects）研究。word档可自由复制编辑目

录～～32～～～～3把4～～～～～～52～～～～5～～～～～～～～～～～～～～～～～～～～～～～6～～～～～～～～～～～～～～～～～～～～～～～8～～～～～～～～～～～～～～～～～～～～～～～912～～～～～～～～～～～～～～～～～～～～～～2～～～～～～～～～～～～～～～求值～～13量量～～～～13～～14～～14～～18～22word档可自由复制编辑《查问卷表》中数据预先处理1.1剔《调查问卷表》中有内容对立的题项，主要是测试答题人是否认真阅读和填写本调查问卷表而设置的，例如：2.2题我在决策过程当中经常发表了自己的意见。2.8题在决策中我没有发表意见的机会。可供的回答选项如下：

完不符合

比不符合

有符合

比符合

完符合如果答题者题回答选，做题回答却选，这份调查问卷无效。该调查问卷所有数据应事先删除，即：这份调查问卷不能用做数据分析。有效

的回答为：如果2.2题的答做2.8题的回答选或，如果2.2题选，那么2.8题选。……等等（依此类推，在此不全部列出）1.2重输入在Excel中的《调查问卷表》数据项，例如：最高学历、性别、年龄，当前工作时间，等等，诸如此类的描述统计的项目被统称为控制变”数据导入之中事先高学历等控变进行了归类和重新定义，例如：性别的重新定义：男性表示1女性表示2年龄的重新定义：25岁下表示为125～岁表示30～岁表示35～岁表示40岁上表示为5当前工作时间的重新定义：1年以下表为1～年表为23～年表为35～年表为48年以上表为……等等（依此类推，对其他控变量进行适当的定义）word档可自由复制编辑把Excel数据导入到SPSS软件的方法操作方法打开程，点击在左上角的File—————对话框的“文件类型”项中选择格”——选择你要导入的E数文件——点击“打开——在对话框中的”项定义提取Excel表数据的围“最左上角:最下角如:HW217据动导入到表中，在DateView页中确认一下数据是否少读或多读不需要的信息。（注意：在对话框选项“namesformthedate”上打勾或不打勾，对定义Excel表数据的范围有影响，所以要确认一下数据是否少读或多读不需要的信息）从“View页面转到VariableView页面，根据最左边的Name”对应“调查问卷”中的问题项，在”列中标明自变量1、自变量2、自变量3调节变量、中介变量、因变量。Q1:在Label”列中标注什么代号？A1:根据个人的喜欢和方便识别、记忆可自定义，本文的标注是：自变量1zbl1自变量2zbl2自变量3zbl3调节变量TJ中介变量ZJ因变量YBQ2:怎样知道哪几行是自变量、哪几行是自变量、……、哪几行是因变量？A2:导会事先告诉你，在《调查问卷表》中哪些问题项是属于自变量1哪些问题项是属于自变量、……、哪些问题项是属于因量。对照《调查问卷表》中各问题项的排列顺序找SPSS中相应的“行”并作上述标注。注意数据较，不要错行这样会致运了其他相关的数据造成错!确所有的变量中有无“反向计”项在做效度分析之前，先要看清楚《调查问卷表》中被选作变的问卷目有没有“向计分的？每个变量所应的问卷题目内容再仔细地一题一题确认一遍“向计分”题是指在同一变量中与其他题目逻辑相反的题。例如：5.1题5.2题。5.3题我的。←假这3道题都于一量第5.3word档可自由复制编辑题其题逻相，题是反向分。做据析，题的分与它相，此先对题计进转，换法如3.2说明3.1如果没有反向计分题过3.2的步骤3.2操作方法：Transform———Different——在左边的框中找到“反向计分”的项并点击放入→Variable框内——在右边框输入新的名字如（表变量反向计分项—点OldandNewValues后入另一个对话框如你《查问卷表中该题是1~5计范围，那么按以下方法输入：在Old框中键入1后在NewValue框键入5点击Add按；在Old框中键入2后在NewValue框键入4点击Add按；在Old框中键入4后在NewValue框键入2点击Add按；在Old框中键入5后在NewValue框键入1点击Add按；最后，按按钮，完成计分转换的设定，再按OK键成。生成新的行，即：自变量向计分项（代号现View页面所有数据行的最下面。不遗的意：在此后的运算（效度分析，信度分析，求均值，凡是涉及到要使该项时，均用新生成的自量2反向计分项（代号：）代替原有项进行运算。word档可自由复制编辑效分析操作方法：—Reduction—Factor—在左边的框中把所有自变量的项（标注为）都放到框去，点击OK完成自变量的效度分析。重复以上操作，自变量2自变量3调节变量、中介变量、因变量都要分别做效度分析。结果如下要Copy必要的数据即可，不用把生成的所有结果都出）判断标准：看表Component的值，如果全部都在以上就有效，以上载荷就好；如果出现载荷小于0.5的量题项那么就筛除该题项。筛除方法：记住该变量的题项在下表ComponentMatrix(a)位置顺序，并在软的“View”页中找到相对应的数据行，在”中删除先前标注的变量代号，总而言之，就是今后在做任何运算时都不要用到该项。结果如下bl1变量1）变革型领导ComponentMatrix(a)Component1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1

.732.763.740.790.786.803.777.711.778.788.789.770.768.770.816.784.762.760ExtractionMethod:PrincipalComponentAnalysis.a1componentsextracted.word档可自由复制编辑bl2变2交易型领导ComponentMatrix(a)Component1zbl2zbl2zbl2zbl2

.809.803.792.810ExtractionMethod:PrincipalComponentAnalysis.a1componentsextracted.bl3变量3）回避型领导ComponentMatrix(a)Component1Zbl3Zbl3Zbl3Zbl3Zbl3Zbl3Zbl3Zbl3

.839.897.713.884.796.819.821.514……等等（此处省略，不一一列出各表格）根据以这些结果作下面这的表格放在文中即（在论中表格居中放置如下：变革型领导的因子载荷矩阵Component1变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导

.732.763.740.790.786.803.777.711.778.788.789word档可自由复制编辑变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导变革型领导

.770.768.770.816.784.762.760……等等（依此类推，作出各变量表格放在论文中）信分析操作方法：Analyze——Reliability—在左边的框中把有自变量1的项（标注为zbl1全都放到框中去，点击OK，完成自变量信度分析。重复以上操作，自变量、自变量3、调节变量、中介变量、因变量都要分别做信度分析。结果如下要Copy出要的数据即可，不用把生成的所有结果都出）判断标准：看表Cronbach'sAlpha值，如果全部都在0.7度以上就可以接受；如果信度小于，么就要检查否存在反向计分的题项，或者有些题项信度太低影响总的信度水平，排除这个题项后再算信度看看是否改善。如果发现这类情况，那么今后在做任何运算时都不要用到该题项。变量）变革型领导ReliabilityStatisticsCronbach'sAlpha

NofItems.960

18变）交易型领导ReliabilityStatisticsCronbach'sAlpha

NofItems.816

4变）回避型领导ReliabilityStatisticsword档可自由复制编辑Cronbach'sAlpha.870

NofItems8节变量）认同和内部化ReliabilityStatisticsCronbach'sAlpha

NofItems.864

3ZJ

（中介变量）领导成员交换ReliabilityStatisticsCronbach'sAlpha.902

NofItems6YB变量）工作绩效ReliabilityStatisticsCronbach'sAlpha

NofItems.873

4根据以这些结果作下面这的表格放在文中即（在论中表格居中放置如下：分量表信度分析汇总表变量类别自变量调节变量中介变量因量

分量表变革型领导交易型领导回避型领导组织认同领导成员交换员工绩

Cronbach'sAlpha.960.816.870.864.902.873描统计描述统计的对象本文的《调问卷表》中：最高学历、性别、年龄，当前工作时间，等等为描述统计的对象（一般统计员工的数据，有必要时才统计领导数据这些对被统称为“制变量”（事先在数据入前，在EXCEL表中先进行归和重新义具参见第3页1.2节内容）word档可自由复制编辑操作方法Analyze—Statistics—Frequencies—在左边的框中把所控制变（如：最高学历、性别、年龄，当前工作时间、等等）全都放到框去，点击OK完成描述统计。Q1左边的框中”怎样知道哪个是最高学历、哪个是性别，哪个是龄……等等代号：照《调查问卷表》中各问题项的排列顺序找SPSS中相应的“行标结果如下要Copy出要的数据即可，不用把生成的所有结果都出来）年龄CumulativeValid1Total

Frequency2445575534215

Percent11.220.926.525.615.8100.0

ValidPercent11.220.926.525.615.8100.0

Percent11.232.158.684.2100.025岁以下25～岁30～岁35～岁40岁以上当前工作间

表示为1表示为2表示为3表示为4表示为5CumulativeValid

Total

Frequency2646484649215

Percent12.14348100.0

ValidPercent12.14348100.0

Percent12.133.555.877.2100.01年以下表为1～年表为23～年表为35～年表为48年以上表为……等等（此处省略，不一一列出各表格）然后根这些结果作下面这的表格放在文中即（在论文中格要居放置）如下：注意：下表只是为了说明表格的制作式样和方法，所以复制了与本文有些不相关的内容和数据。word档可自由复制编辑项目性质类型规模

类别外商独资中外合资国家企业民营企业其他生产制造商务贸易房地产金融服务业其他100人下人500-1000人1000人以上

被试的组织特征人数（个）9453301671203624106410436780

人数百分比（）47%27%15%8%4%60%18%12%5%3%2%5%22%34%40%

有效率（）100100100被试的员工特征项目最高学历性别年龄当前工作间

类别初中高中中专大专本科硕士Total男女Total25以下25~3030~3535~4040以上Total1年以下1~3年3~5年5~8年8年以上Total

人数（个）45484757182151239221524455755342152646484649215

百分比(%)20.922.321.926.58.4100.057.242.8100.011.220.926.525.615.8100.012.14348100.0

有效百分比(%)20.922.321.926.58.4100.057.242.8100.011.220.926.525.615.8100.012.14348100.0

累计百分比(%)20.943.365.191.6100.057.2100.011.232.158.684.2100.012.133.555.877.2100.0word档可自由复制编辑7.各变量相关系数7.1以自变量自变量自变量调节变量中介变量因变量

生成新的1行zbl1junzhi生成新的1行zbl2junzhi生成新的1行zbl3junzhi生成新的junzhi生成新的1行生成新的1行操作方法：——Compute——TargetVariable框键入名称（自己定这里是键入了zbl1——在Functiongroup框选Statistical后在下方的表中选定并双击，此时在NumericExpression框出现了（，——放入所有属于自变量1（）的各项到MEAN（zbl1zbl1zbl1…）各项之间用逗号分开——点击OK键——生成新的1行变1均代号junzhi现在“View”面所有数据行的最下面1行重复以上操作，分别生成各自新的1行即：自变量值（代号zbl2junzhi变量（代号：…因量均值（代号7.2做操作方法：

———Bivariate—把自变量的均（zbl1junzhi自变量的均值junzhi变3的均（junzhi节量的均TJjunzhi量的均junzhi变量的均）都放入“”中——点击OK结果如下：Correlationszbl1zbl2zbl3TJjunzhiZJ

PearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)N

bl1junzhi1215.891(**).000215-.891(**).000215.758(**).000215.897(**).000215

bl2junzhi.891(**).0002151215-.789(**).000215.695(**).000215.829(**).000215

bl3junzhi-.891(**).000215-.789(**).0002151215-.691(**).000215-.815(**).000215

TJjunzhi.758(**).000215.695(**).000215-.691(**).0002151215.745(**).000215

ZJjunzhi.897(**).000215.829(**).000215-.815(**).000215.745(**).0002151215

YBjunzhi.865(**).000215.804(**).000215-.797(**).000215.726(**).000215.837(**).000215word档可自由复制编辑unzhi

PearsonCorrelationSig.(2-tailed)N

.865(**).000215

.804(**).000215

-.797(**).000215

.726(**).000215

.837(**).000215

1215**Correlationissignificantatthe0.01level(2-tailed).表中变量的含义为：：变革型领导：交易型领导：避型领导

调节变量—认同和内部化：中介变量—领导成员交换YB：因变量—工作绩效将上面结果作出下这样的格放在论文即（在论页面中表格居中放如下：各变量之间的相关矩阵变革型交易型回避型组织认同领导成员交换员工工作绩效

变革型1.891(**)-.891(**).758(**).897(**).865(**)

交易型1-.789(**).695(**).829(**).804(**)

回避型1-.691(**)-.815(**)-.797(**)

组织认同1.745(**).726(**)

领导成员交换1.837(**)

工作绩效1**Correlationissignificantatthe0.01level(2-tailed).8.回归分析8.1使用各均求值自变量均值zbl1junzhi自变量均值zbl2junzhi自变量均值zbl3junzhi调节变量的均值TJjunzhi中介变量的均值junzhi因变量的均值YB

生成新的行Zzbl1junzhi生成新的行Zzbl2junzhi生成新的行Zzbl3junzhi生成新的行Zjunzhi生成新的ZZJjunzhi生成新的行ZYBjunzhi操作方法：Analyze—DescriptiveStatistics———把上述变的均放到框中去，并在左下角的savevariables"的选项打勾后，按——生成新的1行，即Z运算后的各变量，出现在“Variable”页面所有数据行的最下面几行。8.2自量Z值量Z值自变量的Z值调节变量的Z值自变量的Z值调节变量的Z值自变量的Z值调节变量的Z值

生成新的1行Zzbl1生成新的1行Zzbl2生成新的1行Zzbl3操作方法：——Compute——Variable框键入名称（自己定我这里是键入了—在左边的框中选定自变量1的Z值放Expression框并入乘号*之入调节变量的Z值——点word档可自由复制编辑击OK键—生成新的1行变量1Z值调节变量的Z（代号：Zzbl1ZTJ现View”页面所有数据行的最下面1行重复以上步骤，分别算出：自变量的Z值调节变量的Z值自变量的Z值调节变量的Z值8.3进8.3.1调作用分析：操作方法：

Analyze——Regression——Linear先在Dependent框中放入因变量值计）再在Independent框中：第一步、依次放入各控制变（不用均值值计算：高学历、性别、年龄……等，按“NEXT”键继续一步。第二步、依次放入已Z值计算的自变1、自变2、自3，按“NEXT键继续下一步。第三步、放入已Z值计算的调节变量，按NEXT”继续下一步。第四步、把以8项作生成3对自变量值调节变Z的乘依次放入完成以上四步骤后，点击对话框的左下角Statistics钮，进入一个新的对话框，在“SquaredChange”项上打勾选中。最后按“OK”键，运算完成。得到如odelSummary和NOVA(e)表表中用整理后用在论文中。

红和影示数

是ModelR

AdjustedRRSquareSquare

ModelSummaryStd.ErroroftheEstimate

ChangeStatisticsRSquareChange

FChange

df1

df2

Sig.FC

.212(a).877(b).882(c).895(d)

.045.770.778.801

.017.759.768.788

.99134691.49047285.48210725.46039112

.045.725.009.022

1.625214.9128.1767.566

6313

208205204201aPredictors:(Constant),V198,V194,V193,V195,V196,V197Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi)

用于判断RS几颗星是该用出现在论文dPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi),Zbl1Ztj,Zbl2Ztj,Zbl3Ztjword档可自由复制编辑ANOVA(e)SumofModel

Squares

df

MeanSquare

F

Sig.1RegressionResidual

9.584204.416

6208

1.597.983

1.625

.142(a)Total

214.000

2142RegressionResidual

164.68449.316

9205

18.298.241

76.064

.000(b)Total

214.000

2143RegressionResidual

166.58547.415

10204

16.658.232

71.672

.000(c)Total

214.000

2144RegressionResidual

171.39642.604

13201

13.184.212

62.202

.000(d)Total

214.000

214aPredictors:(Constant),V198,V194,V193,V195,V196,V197

用于判断为颗Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi),Zbl1Ztj,Zbl2Ztj,Zbl3ZtjDependentVariable:Zscore(YBjunzhi)

但是该数据不用在论文中在到如所

Coefficients(a)

表结中取Bate数，根Sig列的数在eta值打号在论的格不要现sig据。打星的别标准如下Sig.0.01~0.05为*Sig.0.001~0.01为**Sig.0.001以为***备注：只要满足以上区间要求，不管StandardizedCoefficientsBeta是是负，都要相应数据旁标上相应的星数。Coefficients(a)StandardizedModelCoefficientsBetaword档可自由复制编辑

Sig.1

(Constant)

.542V193V194

.020-.020

.785.767V195

-.217

*

.020V196

.088

.419V197V198

.229-.191

**

.049.0482

(Constant)

.115V193

-.017

.642V194

-.080

*

.020V195V196V197V198Zscore(zbl1junzhi)

.592

-.021.054.044-.083***

.656.321.443.083.000Zscore(zbl2junzhi)

.173

*

.022Zscore(zbl3junzhi)

-.132

.0803

(Constant)

.105V193

-.007

.838V194

-.079

*

.019V195V196V197V198Zscore(zbl1junzhi)

.503

-.031.048.044-.080***

.505.364.435.089.000Zscore(zbl2junzhi)

.156

*

.035Zscore(zbl3junzhi)

-.123

.098Zscore(TJjunzhi)

.147

**

.0054

(Constant)

.040V193V194V195V196V197V198Zscore(zbl1junzhi)

.513

-.017-.056-.031.051.047-.058***

.610.083.489.316.394.206.000Zscore(zbl2junzhi)

.163

*

.022Zscore(zbl3junzhi)

-.093

.191Zscore(TJjunzhi)zbl1Ztj

.124.064

**

.014.032zbl2Ztj

-.049

.429zbl3Ztj

.054

**

.008aDependentVariable:Zscore(YBjunzhi)word档可自由复制编辑将以上些结果整理下面的格放在论文即可（论文页面中格要居放置具体如下：表8领导风格对员工工作绩效的影响员工工作绩效S1Beta

S2Beta

S3Beta

S4BetaStep1最高学历

.020

-.017

-.007

-.017性别

-.020

-.080

*

-.079

*

-.056年龄

-.217

*

-.021

-.031

-.031从事当前工作时间

.088

.054

.048

.051当前公司工作时间与当前上司共事时间

.229-.191

**

.044-.083

.044-.080

.047-.058R

2

0.45F

1.625Step2变革型领导

.592

***

.503

***

.513

***交易型领导

.173

*

.156

*

.163

*回避型领导

-.132

-.123

-.093R

2

0.770Adjusted

R

2

0.759△R

2

0.725

***F

76.064

***Step3组织认同

.147

**

.124

*R

2

0.778Adjusted

R

2

0.768△R

2

0.009

**F

71.672

***Step4变革型领导×组织认同

-.064

*交易型领导×组织认同

-.049回避型领导×组织认同

.054

**R

2

0.801Adjusted

R

2

0.788△R

2

0.022

***F准β系数；p<**p<

62.202

***word档可自由复制编辑8.3.2中作用分析：操作方法：

Analyze—Regression——Linear先前放入过这次新加入

先在Dependent框中放入因变量值计）再在Independent框中：（提示：先前做8.3.1调节作用析时，放入的内容依旧存在，因此点击在Independent框方Previous按，对不需要的内容进行除去处理，而需要的内容，比如：以下要放入的控制变量和自变量，不要重复放入第一步、依次放入各控制变（不用均值值计算：高学历、性别、年龄……等，按“NEXT”键继续一步。第二步、依次放入已Z值计算的自变1、自变2、自3，按“NEXT键继续下一步。第三步、放入已Z值计算的中介变量，按NEXT”继续下一步。完成以上三步骤后，点击对话框的左下角Statistics钮，进入一个新的对话框，在“SquaredChange”上打勾选中。最后按“”，运算完成。得到如odelSummary和NOVA(e)表表中用整理后用在论文中。

红色和阴表示的数据

是ModelR

AdjustedRRSquareSquare

ModelSummaryStd.ErroroftheEstimate

ChangeStatisticsRSquareChange

FChange

df1

df2

Sig.FC

.212(a).877(b).886(c)

.045.770.785

.017.759.774

.99134691.49047285.47534349

.045.725.015

1.625214.91214.257

631

208205204aPredictors:(Constant),V198,V194,V193,V195,V196,V197bPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),

用于判断RSZscore(bl1junzhi)

几颗星是该cPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),

用出现在论文Zscore(bl1junzhi),Zscore(ZJjunzhi)用于判断为颗星，ANOVA(d)

但是该数据不用出现Sumof

在论文中Model

Squares

df

MeanSquare

F

Sig.1RegressionResidual

9.584204.416

6208

1.597.983

1.625

.142(a)Total

214.000

2142RegressionResidual

164.68449.316

9205

18.298.241

76.064

.000(b)Total

214.000

2143Regression

167.906

10

16.791

74.311

.000(c)word档可自由复制编辑ResidualTotal

46.094214.000

204214

.226Predictors:(Constant),V198,V194,V193,V195,V196,V197Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(ZJjunzhi)DependentVariable:Zscore(YBjunzhi)在到如所

Coefficients(a)

表结中取StandardizedBate数，根Sig列的数在eta值打号在论的格不要现sig据。打星的别标准如下Sig.0.01~0.05为*Sig.0.001~0.01为**Sig.0.001以为***备注：只要满足以上区间要求，不StandardizedCoefficientsBeta正是负，都要相应数据旁标上相应的星数。Coefficients(a)StandardizedModel

CoefficientsBeta

Sig.1

(Constant)

.542V193V194

.020-.020

.785.767V195

-.217

*

.020V196

.088

.419V197V198

.229-.191

**

.049.0482

(Constant)

.115V193

-.017

.642V194

-.080

*

.020V195V196V197V198Zscore(zbl1junzhi)

.592

-.021.054.044-.083***

.656.321.443.083.000Zscore(zbl2junzhi)

.173

*

.022Zscore(zbl3junzhi)

-.132

.0803

(Constant)

.132word档可自由复制编辑V193

.001

.981V194

-.082

*

.014V195V196V197V198

-.034.063.037-.083

.450.232.505.074Zscore(zbl1junzhi)

.392

**

.008Zscore(zbl2junzhi)Zscore(zbl3junzhi)Zscore(中介unzhi

.285

.128-.113**

.084.121.000aDependentVariable:Zscore(YBjunzhi)上表Coefficients(a)的析，如：首先：中介变量的回归作用显著，Z中介unzhi)Sig.0.000。其次，比较这两个数据，步入中介变量后，自变（Zscore(zbl1junzhi)）显性降（Sig.从.000到.008）Beta系数也减少了（0.592减0.392），则说明中介变量对自变量和因量关系的中介效应被证实了。同理，再比较自变（Zscore(zbl1junzhi)后的差异，发显性失（Sig.从.022到.084），则说明中介变量对变量和因变量的中介作用被证实，并且是完全中介作用。再看自变量3（Zscore(zbl3junzhi)

），在加入中介变量前已经不显著（主效应不成立，显著性ig.是.080），则不必探讨其中介作用了。将以上些结果整理下面的格放在论文即（在论文中表格要中放置下：表8领导风格对员工工作绩效的影响员工工作绩效S1Beta

S2Beta

S3BetaStep1最高学历

.020

-.017

.001性别

-.020

-.080

*

-.082

*年龄

-.217

*

-.021

-.034从事当前工作时间当前公司工作时间与当前上司共事时间R

.088*.229*-.1910.045

.054.044-.083

.063.037-.083F

1.625Step2变革型领导

.592

***

.392

**交易型领导

.173

*

.128word档可自由复制编辑回避型领导

-.132

-.113R

2

0.770Adjusted

R

2

0.759△

2

0.725

***F

76.064

***Step3领导成员交换

.285

***R

2

0.785Adjusted

R

2

0.774△

2

0.015

***F准β*p<**p<.01;

74.311

***当然，果你把主效（自变对因变量的响、节效应中介效应的部所需数据理在一张表放入到文中，也是以的。下：各假设的多层回归分析员工工作绩效模型

模型

模型

模型

模型1.控制变量最高学历

.020

-.017

-.007

-.017

.001性别

-.020

-.080

*

-.079

*

-.056

-.082

*年龄

-.217

*

-.021

-.031

-.031

-.034从事当前工作时间

.088

.054

.048

.051

.063当前公司工作时间与当前上司共事时间

.229-.191

**

.044-.083

.044-.080

.047-.058

.037-.0832.预测变量（自变量）变革型领导

***

***

***

.392