《心理与行为科学统计（第二版）》课件4. 调节变量和中介变量

调节变量和中介变量自变量因变量中介变量自变量因变量调节变量280articles76(27%)testedformediation99(35%)testedformoderation19mentionedthemoderatorimpliedamediator.IncidenceoftestsofmediationandmoderationintheJournalofAppliedPsychology(volumes84-86).

调节变量的定义(moderatingeffect)如果变量Y和变量X之间的关系是变量M的函数,则M称为调节变量调节变量可以是定性的(如性别,种族等)也可以是定量的(如年龄,刺激次数等)它影响因变量和自变量关系的方向和强弱.研究情境也称为边际条件“boundarycondition.”基于上述发现:不一致的发现.阻碍的条件.促进的条件.调节变量的例子（1）上级支持绩效高亲和需要员工低亲和需要员工调节变量的例子（2）JobsatisfactionproactiveHighHarmonyLowHarmony调节变量的例子（3）JobSatJobSatSalarySalaryPoliceStockBrokers调节变量亦即交互作用在模型中有特殊的表达方法X1YMod如何检验调节效应：取决于变量的类型如果自变量是二分变量，调节变量也是二分变量2x2ANOVA二分变量的调节效应例:奖励食物数量影响动物的作业水平,内驱力是调节变量自变量或调节变量是连续变量比较复杂必须假定没有测量误差效力较低必须有较大的样本容量不要将连续变量分成二分变量有些做法从均值或中数分成2组，这样作降低了检验的效力连续变量的调节效应中心化或标准化自变量和调节变量中心化为了降低共线性标准化容易用SPSS程序计算连续变量的调节效应用两变量的乘积作为交互作用项在SPSS中建立一个新变量进行层次化多元回归第一层:主效应第二层:加入交互作用项解释结果因为作了中心化，所以主效应是另一个变量在平均水平时的主效应解释显著的交互作用交互作用是否显著看加入交互作用项后的

R-squaredchange如果交互作用显著，接下来做什么？绘制高低组的回归图1SD高于和低于均值一个例子SocialsupportJobSatHighAffLowAff连续变量的调节效应的完整程序标准化自变量和调节变量建立交互作用变量层次化多元回归绘制和解释交互作用项中介变量的定义(mediatingeffect)考虑自变量X对因变量Y的影响,如果X通过影响变量M来影响Y,则称M为中介变量。中介变量的意义是解释自变量对因变量的影响机制在模型中有特殊的表达方法X1MedY研究情境当X和Y的关系给定后,目的是了解”为什么”的机制.递进的因果关系YMXabc'YXcc:X和Y的直接关系a:X和中介变量的关系b:中介变量和Y的关系c‘:当中介变量在方程中时X和Y的关系分析过程要注意的问题整个模型的效力中介变量的信度这些问题都可以通过结构方程模型有效地解决传统方法如何检验中介作用考察自变量和因变量间的关系相关或回归求出“c”将自变量(IV)向中介变量(DV)回归标准化系数B就是“a”如何检验中介作用进行层次化回归第一层:放入X第二层:放入中介变量(得到b)变量X的降低的数量(c‘)就是中介作用的大小完全中介,

变为0(n.s.)部分中介,显著减小完全中介如果变量X对Y的作用完全被中介变量M引起的a和b路径所分解,则称如果变量X对Y的作用被变量M完全中介.c≠0,c’=0部分中介如果变量X对Y的作用完全被中介变量M引起的a和b路径显著,而X至Y的路径仍显著,则称如果变量X对Y的作用被变量M部分中介.c≠0,c’

≠0测量间接效应间接效应即中介作用的大小完全中介或部分中介间接效应=(c-c')理论上,c-c'=a*b但是，这些对于证实中介作用是不够的，需要有一个统计检验.测量间接效应XYMXYcabc’间接效应=a×b

如果a×b=c,完全中介模型如果a×b<c,部分中介模型如果

a×b>c,

抑制模型中介作用的Sobel检验MacKinnonetal(2002)Sobel的计算：/statcalc/calc31.aspx依次检验方法的局限JournalofPersonalityandSocialPsychology“AttitudesandSocialCognition”板块的主编Smith（2012）在今年第一期的主编评论（Editorial）中指出，基于旧有的Baron和Kenny（1986）的中介分析方法已经过时，建议投稿者使用新的更准确的、具有更强检验力的方法。依次检验方法的局限总体作用显著并不是中介作用显著的必要条件；我们只要直接检验间接作用即可发现是否有中介作用。研究者按照Baron和Kenny因果步骤，会因为总体作用c不显著而停止余下的检验，可能错失发现间接作用

显著的机会Baron和Kenny的方法需要a和b都要显著，而直接检验间接作用

的中介分析（比如Sobel检验）却只需a和b的乘积显著即可。显然，拒绝两个虚无假设要比拒绝一个要困难。虽然Sobel检验直接检验间接作用a和b的乘积，但是这种方法建立在a和b乘积正态分布的假设基础上，而这种假设一般是不成立的。并且与重复取样的自抽样程序相比，Sobel检验的效力要低基于自抽样程序的中介效应检验所谓自抽样程序（bootsrap），是以样本（如，样本大小n=100）来代表总体，在此样本中进行放回抽样（已被抽取的个体允许被再度抽取），直至抽取n个（如100个），组成一个样本。这样的程序反复进行多次（k次），亦即产生多个样本，每个样本都可以算出一个间接作用估计值，由此可以算出k个值，形成一个实际的分布。这个分布近似于从原始总体中取样的分布。一般建议最少抽样1000次（亦即k=1000），推荐抽样5000次

（Preacher&Hayes,2008）。中介作用真值的统计推论根据这k个估计值产生的ci%置信区间得到。如果置信区间不包括0，那么中介作用显著，支持中介作用的假设；如果包括0，则不显著，不支持中介作用的假设一个中介变量的研究实例根据研究结果，大学生抑郁症状与消极应对有关，而消极应对可由应激源预测。 计算应激源对大学生抑郁症状的效应，消极应对作为一个中介变量中介模型DEPCOPSTR0.220.2800.296DEPSTR.358调节变量和中介变量的比较更复杂的模型(1)有中介的调节模型:Amoderatingeffectistransmittedthroughamediatorvariable(Baron&Kenny,1986)X1MedYModX1MedYModX1MedYGroup1HighModX1MedYGroup2LowMod自变量X调节变量U交互项U×X中介变量M因变量YY=c+X+M+U+UX+εM=c+X+U+UX+ε自变量X因变量Y中介变量M调节变量U带中介的调节模型更复杂的模型(2)有调节的中介模型:Ame