中介作用分析.ppt

;;;M;二、基本方法;;（二）中介效应分析方法 ①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H0 ：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。 ②检验H0 ：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= sab= ③检验H0 ：c- c‘=0 ;;（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 ①中介效应/总效应= ②中介效应/直接效应=?;三、多重中介模型;x;;;（五）多重中介分析的Bootstrap方法 ①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。 ②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 ①AMOS 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 ???件无法同时提供辅助变量的设置。 ②MPLUS 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。 ③LISＲEL 软件进行Bootstrap 分析可以得到多重中介效应的标准化解。 ; ;（七）拟合指数 ;注： （1）对于RMSEA:（Hu与Bentler（1991）认为可以把RMSEA≤0.06作为模型拟合的截取值） 0:完美拟合 0.05:精确拟合 0.05~0.08：合理拟合 0.08~0.10：拟合不好 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。 ;四、应用实例;消极表征;（四）研究结果 4.1各变量间的相关关系 4.2模型1~3的检验与分析 4.2.1模型1中变量关系的回归分析 ;;5.1.5威胁知觉和情绪不安全感在父母冲突与青少年社交焦虑之间起序列中介作用;   企业员工不被认可对工作绩效的影响：中介效应分析（一）研究目的：采用Preacher(2004)设计的spssmaro脚本来进行中介效应分析（该脚本是美国俄亥俄和州立大学Preacher和Hayes于2004年开发的在spss中计算中介效应、直接效应和总效应的脚本，对中介效应的计算采用了sobel检验，并给出了显著性检验结果），探究员工焦虑在不被认可与工作绩效的中介作用。（三）研究变量：自变量（X）：工作不被认同，包含3个观测指标，即领导不认同、同事不认可、客户不认可；中介变量（M）：焦虑，包含3个观测指标即心跳、紧张、坐立不安；因变量（Y）：工作绩效，包含2个观测指标即效率低和效率下降。（二）研究假设：H1 ：员工不被认可正向预测焦虑;H2 ：员工的焦虑正向预测工作绩效H3 ：员工的焦虑在不被认可与工作