调节效应与中介效应.ppt

调节效应与中介效应的比较和应用 温忠麟1, 2 　侯杰泰2 　张　雷2 ( 1华南师范大学教育科学学院,广州) 　 ( 2香港中文大学教育学院,香港) 目 录 1　调节变量与调节效应分析 1. 1　调节变量的定义 1. 2　调节效应与交互效应 1. 3　调节效应分析方法 2　中介变量和中介效应 2. 1　中介变量的定义 2. 2　中介效应分析方法 3　调节变量与中介变量的比较 4　调节效应与中介效应分析实例比较 一 调节变量与调节效应分析 在本文中,假设我们感兴趣的是因变量(Y)和自变量(X)的关系。虽然它们之间有时不一定是因果关系,而可能只是相关关系,但按文献上的习惯而使用“X 对Y的影响”的说法。虽然也可以考虑多个自变量的模型,但为了简单明确起见,本文在理论阐述方面只考虑一个自变量。 1. 1　调节变量的定义 1、定义：如果变量Y与变量X的关系是变量M 的函数,称M为调节变量。就是说,Y与X的关系受到第三个变量M的影响。 调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱。 1. 1　调节变量的定义 2、模型：这种有调节变量的模型一般地可以用图1示意。 1. 1　调节变量的定义 3、举例： 1. 1　调节变量的定义 举例： 1. 1　调节变量的定义 4、说明： 在做调节效应分析时,通常要将自变量和调节变量做中心化变换（即变量减去其均值 ）。 本文主要考虑最简单常用的调节模型,即假设Y与X 有如下关系： Y = aX + bM + cXM + e ① 可以把上式重新写成 Y = bM + ( a + cM ) X + e 对于固定的M ,这是Y对X 的直线回归。Y与X 的关系由回归系数a + cM 来刻画,它是M 的线性函数, c衡量了调节效应(moderating effect)的大小。 1. 2　调节效应与交互效应 1、二者的联系： Y = aX + bM + cXM + e ① 对模型①中调节效应的分析主要是估计和检验c。如果c显著(即H0 ：c=0的假设被拒绝) ,说明M 的调节效应显著。 从模型①可以看出, c其实代表了X与M 的交互效应,所以这里的调节效应就是交互效应。这样,调节效应与交互效应从统计分析的角度看可以说是一样的。 1. 2　调节效应与交互效应 2、二者的区别 调节效应和交互效应这两个概念不完全一样。 在交互效应分析中,两个自变量的地位可以是对称的,其中任何一个都可以解释为调节变量;也可以是不对称的,只要其中有一个起到了调节变量的作用,交互效应就存在。 但在调节效应中,哪个是自变量,哪个是调节变量,是很明确的,在一个确定的模型中两者不能互换。 1. 2　调节效应与交互效应 3、举例 1. 2　调节效应与交互效应 1. 3　调节效应分析方法 调节效应分析可分两大类进行讨论。 一类是所涉及的变量(因变量、自变量和调节变量)都是可以直接观测的显变量(observable variable) ； 另一类是所涉及的变量中至少有一个是无法直接观测的潜变量( latent variable) 。 1. 3. 1　显变量的调节效应分析方法 调节效应分析方法根据自变量和调节变量的测量级别（量尺）而定。 1、按测量的级别，变量可分为两类： 一类是类别变量( categorical variable) 包括定类和定序变量。 一类是连续变量( continuous variable) 包括定距和定比变量。 注：定序变量的取值比较多且间隔比较均匀时,也可以近似作为连续变量处理。 2、显变量的调节效应分析方法 2、显变量的调节效应分析方法 说明： 1、当自变量和调节变量都是类别变量时做方差分析。 2、当自变量和调节变量都是连续变量时,用带有乘积项的回归模型,做层次回归分析 （1）做Y对X和M 的回归,得测定系数R12。 （2）做Y对X、M 和XM 的回归得R22 。 若R22 显著高于R12,则调节效应显著;或者,做XM 的偏回归系数检验,若显著,则调节效应显著。 2、显变量的调节效应分析方法 3、当调节变量是类别变量、自变量是连续变量时,做分组回归分析。 4、当自变量是类别变量、调节变量是连续变量时, 将自变量重新编码成为伪变量( dummy variable) ,用带有乘积项的回归模型,做层次回归分析。 1. 3. 2　潜变量的调节效应分析方法 有潜变量的调节效应模型通常只考虑如下两种情形: 一是调节变量是类别变量,自