中介作用分析课件

,*,*,*,*,标题文本样式：微软雅黑/28号 Arial/28pt,第一级内容文本样式：微软雅黑/20号 Arial/20pt,第二级内容文本样式：微软雅黑/18号 Arial/18pt,第三级内容文本样式：微软雅黑/16号 Arial/16pt,第四级内容文本样式：微软雅黑/14号 Arial/14pt,第五级内容文本样式：微软雅黑/12号 Arial/12pt,标题文本样式：微软雅黑/28号 Arial/28pt,第一级内容文本样式：微软雅黑/20号 Arial/20pt,第二级内容文本样式：微软雅黑/18号 Arial/18pt,第三级内容文本样式：微软雅黑/16号 Arial/16pt,第四级内容文本样式：微软雅黑/14号 Arial/14pt,第五级内容文本样式：微软雅黑/12号 Arial/12pt,中介作用分析,中介作用分析,简介,基本方法,应用实例,多重中介作用分析,中介作用分析,简介基本方法应用实例多重中介作用分析中介作用分析,中介变量：如果自变量,X,通过某一变量,M,对因变量,Y,产生一定影响，则称,M,为,X,和,Y,的中介变量或,M,在,X,和,Y,之间起中介作用。,研究目的：帮助研究者解释自变量,X,和因变量,Y,关系的作用机制，也可以整合已有变量之间的关系。,理论假设：中介变量反映了自变量通过它来影响因变量的过程。,一、中介作用简介,中介变量：如果自变量X通过某一变量M对因变量Y产生一定影响，,M,X,Y,a,b,c,图,1.,简单的、标准的三变量中介模型,如图,1,所示，,X,是自变量，,M,是假定的中介变量，,Y,是因变量。在假定和检验中介作用的研究中，关注点是,X,对,Y,的作用是直接的（即,XY,）还是间接的（通过,M,起作用，即,X M,）？间接作用的假设是，变量,X,有助于预测和解释中介变量,M,的变化，而这又有助于预测和解释变量,Y,的变化。,Davis(1985:15),曾提到，好的决定因素（如中介作用中的,X,）可以是“某些稳定的”的特征：如宗教信仰、职业声望、收入、智力、性别等。好的,M,或,Y,可以是“相对不稳定的”或易变的变量：如幸福感指标、品牌偏好、态度等。,例如：,X,可以是某种认知需要，,M,是对广告的态度，,Y,是购买某种广告商品的可能性。,M X Yabc 图1.简单的、标准的三变,二、基本方法,（一）经典的中介作用检验,X,Y,c,1,M,X,Y,a,b,c,图,2.,中介变量示意图,2,3,最流行的检验中介作用的方法是,Baron,和,Kenny(1986),年提出的。根据这一方法，需要拟合三个回归方程。假设所有变量都已经中心化（即均值为零,),可以用下列方程来描述变量之间的关系,相应的路径图见图,2.,Y=,1,+cX+,1,M=,2,+aX,+,2,Y=,3,+,c,X,+bM+,3,方程中的,表示截距,(,一般忽略不计,),表示模型的误差项,(,一般忽略不计,),，,a,、,b,、,c,、,c,表示回归系数，反映了三个关键变量之间的关系。其中，,ab,是经过中介变量,M,的中介效应，,c,是,X,对,Y,的总效应，,c,是直接效应。,二、基本方法（一）经典的中介作用检验XYc1M X Ya,如果满足下列条件，则认为中介作用可能存在：,（,1,）回归系数,a,显著，表明自变量,X,与中介变量,M,之间存在线性关系。,（,2,）回归系数,c,显著，表明自变量,X,与因变量,Y,之间存在线性关系。,（,3,）回归系数,b,显著，意味着中介变量,M,有助于预测因变量,Y,并且显示自变量,X,对因变量,Y,的直接作用的,c,与,c,相比，数值显著变小。,（,4,）,c,与,c,的大小是通过,z,检验来判定的。（,Sobel,z,检验）,（,5,）检验,c,（直接作用）与,c(,控制了间接的中介作用之后的直接作用）的差异与检验中介效应,ab,的强度是否大于,0,是等价的。,即：,z=,以相关系数推导出路径系数的方程如下：,a=r,XM,b=(1/1-r,XM,),（,r,MY,-r,XM,r,XY,),c=(1/1-r,XM,)(r,XY,-r,XM,r,MY,),如果满足下列条件，则认为中介作用可能存在：,（二）中介效应分析方法,依次检验回归系数（最简单）,依次检验回归系数,a,和,b,检验统计量,t,等于回归系数的估计值除以相应的标准误。这种检验的第一类错误率很小，一般都远远小于显著性水平（如,0.05,）。不足在于中介效应较弱时，检验力并不高。联合检验（原假设是,H,0,：,a=0,且,b=0,同时检验,a,和,b,的显著性，检验力比依次检验要高。,检验,H,0,：,ab=0,目前至少有,5,种以上的近似计算公式，当样本容量比较大时（如大于,500,），各种检验的检验力差别不大。比较常用的是,Sobel,根据一阶,Taylor,展式得到的近似公式：,z,=,s,ab,=,检验,H,0,：,c-c=0,（二）中介效应分析方法,（三）温忠麟等提出了一个新的检验中介效应的程序，如下图：,（三）温忠麟等提出了一个新的检验中介效应的程序，如下图：,（四）中介效应的解释,对于检验结果显著的中介效应，要区分是完全中介效应还是部分中介效应。如果是完全中介效应，则说明自变量对因变量的影响，完全是通过中介变量,M,而起作用，此时,X,对,Y,没有直接影响。如果是部分中介效应，则说明自变量,X,对因变量,Y,的影响，有一部分是通过中介变量,M,起作用，应当报告中介效应的比例，或者报告中介效应与直接效应之比。,（五）中介效应的相对大小,中介效应,/,总效应,=,中介效应,/,直接效应,=,（四）中介效应的解释,三、多重中介模型,（一）定义,多重中介模型是指在自变量与因变量之间存在多个中介变量的模型。链式多重中介模型与并行多重中介模型是多重中介模型的基本构成单元。多重中介模型可以分析总的中介效应、特定中介效应和对比中介效应。,（二）常见的多重中介模型,（,1,）单变量多重中介模型（根据多个中介变量之间是否存在相互影响划分）,并行（单步）多重中介模型,:,反映的是多个中介变量（不存在相互影响）同时在 自变量和因变量之间起中介作用（见图,3,）,链式（多步）多重中介模型：多个中介变量之间存在相互影响，并且表现顺序性特征，形成中介链。（见图,4,）,复合式多重中介模型：由前两种模型复合而成，既包含并行的多个中介变量也包含串联的多个中介变量。,（见图,5,）,(2),多元多重中介模型,三、多重中介模型（一）定义,x,M,1,M,2,M,n,x,Y,.,图,4.,链式多重中介模型,a,3,Y,M,2,M,1,x,图,5.,复合式多重中介模型,a,1,a,2,b,1,b,2,c,M,n-1,Y,M,n,M,1,M,2,.,图,3.,并行多重中介模型,x,xM1M2MnxY.图4.链式多重中介模型a3YM2M1x,以图,5,所示的含有两个中介变量,M,1,和,M,2,的多重中介模型为例，此时的多重中介效应分析可以从三个角度入手：,总的中介效应：,a,1,b,1,+a,2,b,2,+a,1,a,3,b,2,特定路径的中介效应：,a,1,b,1,、,a,2,b,2,和,a,1,a,3,b,2,对比中介效应：,a,1,a,3,b,2,a,2,b,2,、,a,1,b,1,a,2,b,2,和,a,1,a,3,b,2,a,1,b,1,（三）优势,可以得到总的中介效应。,可以在控制其他中介变量,(,如控制,M,1,),的前提下，研究每个中介变量,(,如,M,2,),的特定中介效应。这种做法可以减少简单中介模型因为忽略其他中介变量而导致的参,数估计偏差。,可以得到对比中介效应，使得研究者能判断多个中介变量的效应,(,如,a,1,b,1,和,a,2,b,2,),中，哪一个效应更大，即判断哪一个中介变量的作用更强。这样，对比中介效应能使研究者判断多个中介变量理论,(,如,XM,1,Y,和,XM,2,Y),中，哪个中介变量理论更有意义。,以图5所示的含有两个中介变量M1和M2的多重中介模型为例，此,（四）多重中介效应的,SEM,分析程序,确定多重中介模型。由于中介模型是一种验证性模型而不是探索性模型，因此必 须首先根据理论确定自变量、中介变量和因变量，以及变量之间的因果顺序。,设置辅助变量。根据第,1,步确立的多重中介模型和使用的,SEM,软件，设置相应的辅助变量。（,LIS,EL,软件只需要在输入指令“,DA”,的结尾处加入“,AP”,选项，,MPLUS,软件只需使用“,MODELCONST,AINT”,命令就可以便利的设置多个辅助变量,。通过设置多个辅助变量，使得研究者可以同时得到特定、总的和对比中介效应值，实现完整的多重中介效应分析）,偏差校正,Bootstrap,的,SEM,分析。如果,SEM,模型的拟合程度可接受，则根据偏差校正,Bootstrap,得到的中介效应区间估计进行中介效应显著性判断,(,判断方法是，对要检验的中介效应,(,如特定中介效应,),，如果其置信区间不包含零，则相应的中介效应显著,);,如果,SEM,模型的拟合程度不可接受，则停止分析。,（四）多重中介效应的SEM分析程序,（五）多重中介分析的,Bootstrap,方法,定义：,Bootstrap,方法是由,Efron,最早提出的一种重复抽样方法,(resampling methods),。,Bootstrap,方法是将原始样本当成,Bootstrap,抽样的总体，通过有放回的重复抽样抽取大量,Bootstrap,样本并获得统计量的过程，其实质是模拟了从总体中随机抽取大量样本的过程。,Bootstrap,方法的唯一要求是原始样本可以反映研究总体，但不需要知道研究总体的具体分布。常用的,Bootstrap,方法包括百分位,Bootstrap,方法和偏差校正的百分位,Bootstrap,方法。国内研究者方杰等认为偏差校正百分位,Bootstrap,方法优于百分位,Bootstrap,方法。,优势：不需要正态性假设，也不需要大样本，进行中介效应区间,(,如果区间不包括,0,，表示中介效应显著,),估计时更无需标准误。,（六）如何在,SEM,分析软件中设置,Bootstrap,AMOS,软件在分析属性,(Analysis Properties)Bootstrap,对话框就可以进行,Bootstrap,方法的设置，但是,AMOS,软件无法同时提供辅助变量的设置。,MPLUS,软件在“,Analysis”,命令中就可以进行,Bootstrap,方法的设置，也能设置多个辅助变量，因此能使用,Bootstrap,方法进行完整的多重中介分析。,LIS,EL,软件进行,Bootstrap,分析可以得到多重中介效应的标准化解。,（五）多重中介分析的Bootstrap方法,中介作用分析课件,（七）拟合指数,（七）拟合指数,注：,（,1,）对于,RMSEA:,（,Hu,与,Bentler,（,1991,）认为可以把,RMSEA0.06,作为模型拟合的截取值）,0:,完美拟合,0.10,：拟合很差,（,2,）对于,TLI,：不一定在,0,1,取值，若超出该范围,，则重新设定其为,0,或,1,（,3,）对于,CFI,：在,0,1,取值，若超出该范围，,则重新设定其为,0,或,1,。,Hu,与,Bentler,（,1998,1999,）认为,CFI,指数应提高到,0.95,。,注：,四、应用实例,父母冲突对青少年社会焦虑的影响：序列中介效应分析,（一）研究目的：运用偏差校正的百分位,Bootstrp,方法探索青少年对父母冲突的威胁知觉和情绪不安全感（消极表征、情绪失调、行为失调）在父母冲突水平与青少年社交焦虑之间的序列中介作用。,（二）研究假设：,H,1,：父母冲突正向预测青少年对父母冲突的威胁知觉和情绪不安全感,;,H,2,：青少年的威胁知觉正向预测其情绪不安全感，但对情绪不安全感的不同维度（消极表征、情绪失调、行为失调）存在不同影响；,H,3,：青