如何检验有调节的中介作用?

调节中介作用同时考虑中介变量和调节作用,其核心是中介作用,基于中介作用基础上再进一步讨论调节作用。

SPSSAU按照Process程序编制的模型编号进行。在进行调节中介分析时:

第一步,需要找到自己对应的模型编号(下述理论部分有说明模型编号的意义)

第二步,是针对结果进行分析

1 案例背景

当前有一个研究(样本量为540),自变量有1个,中介变量共有2个,调节变量1个,因变量1个,希望研究自变量X对于因变量Y的影响时,并且在有2个中介变量前提下,Z是否有调节中介作用。

检验的模型如下图如下:

本案例想分析X对于Y的影响时,2个中介变量是否会起中介作用,并且分析X对于2个M的影响时,是否会受到调节变量Z的干扰,即X对2个M的影响时,Z是否会起着调节作用。明显的,此模型应该为Model 7(下述理论部分对模型编号的意义)。

2 理论

本部分从两个角度说明调节中介作用,第一部分是调节中介作用的检验模型;第二部分是调节中介作用的操作及分析

第一部分:调节中介作用检验模型

SPSSAU调节中介作用检验算法遵循Andrew F. Hayes学者开发的Process程序进行。

涉及调节中介作用的常用模型共有7个(SPSSAU默认提供),接下来针对该7个调节中介模型分别进行说明,包括模型结构和检验模型进行说明:

Model 5:图中W即为调节变量。调节变量仅针对X->Y这一条路进行调节(准确说Model 5并不是调节中介作用,只是模型中已经考虑了中介作用而已)。

Model 7:图中W即为调节变量。调节变量仅针对X->M这一条路进行调节。

Model 8:图中W即为调节变量。调节变量针对X->M和X->Y这2条路进行调节。

Model 14:图中V即为调节变量。调节变量仅针对M->Y这一路进行调节。

Model 15:图中V即为调节变量。调节变量针对X->Y和M->Y这2路进行调节。

Model 58:图中W即为调节变量。调节变量针对X->M和M->Y这2路进行调节。

Model 59:图中W即为调节变量。调节变量针对X->M,X->Y和M->Y这3路进行调节。

第二部分:调节中介作用剖析

调节中介作用进行分析时,首先分析中介作用,即分析Bootstrap 95%置信区间是否包括数字0,如果不包括数字0即说明具有中介作用,反之如果包括数字0则说明不具有中介作用。接着再分析调节中介作用(条件间接效应),分析调节变量在不同水平时,中介作用的情况如何。事实上二者的分析并没有绝对的前后关系,通常是综合进行说明。

除此之外,直接效应也应该进行分析,但由于关注重心在于中介作用和条件中介,而且分析中介作用并不要求一定有直接效应,因此直接效应分析通常不需要过多说明。

3 操作步骤

进入SPSSAU,选择[问卷研究]--[调节中介作用]

本例子中的操作截图如下,切记选择正确的模型编号:

4 SPSSAU结果分析

第一个表格是“回归模型汇总表格”;该表格把模型结果全部列出,即检验中涉及的各类系数等;通常情况下仅需要描述调节中介作用分析时涉及的模型

调节中介效应模型共分为两类回归模型;

第一:第1类回归模型为因变量为Y时的回归模型构建;

第二:第2类回归模型为因变量为中介变量M的回归模型构建(如果多个中介变量则多个模型);

从上表可知:调节中介效应分析共涉及3个模型,分别如下:

Y=0.696-0.062*X +0.396*M1 +0.469*M2

M1=1.652-0.106*X +0.422*Z +0.060*X*Z

M2=5.844-0.896*X-0.708*Z +0.270*X*Z

第二个表格是“直接效应(Direct Effect)结果”;该表格列出直接效应即X对于Y的影响情况;

从上表格可知:X对于Y的影响并没有呈现出显著性(p=0.163>0.05),但这并不会影响到接下来的调节中介作用分析,因为X是否对于Y有影响,并不是调节中介(也或者中介作用)的前提条件。

第三个表格是“条件间接效应(Conditional Indirect Effect)结果”;该表格展示中介作用和调节中介作用结果,此表格为核心表格。

条件间接效应为核心的结果:

第一:如果间接效应值的95%区间(BootCI)值包括数字0,则说明不具有中介效应;

第二:如果间接效应值的95%区间(BootCI)值不包括数字0,则说明具有中介效应;

第三:条件间接效应指调节变量Z在不同水平时的中介效应情况,即调节中介效应。

首先看X->M1->Y这条路径,在Z取平均水平(Z=4.236)时,Bootstrap 95%置信区间为0.029~0.098,不包括0,也即说明平均水平下,X对Y影响时M1有着中介作用。在Z取低水平(Z=3.160)时,Bootstrap 95%置信区间为0.003~0.081,不包括0,也即说明Z在低水平时,X对Y影响时M1有着中介作用。在Z取高水平(Z=4.862)时,Bootstrap 95%置信区间为0.04~0.128,不包括0,也即说明Z在高水平时,X对Y影响时M1有着中介作用。

综合可知,在Z取低水平,平均水平,或高水平时,M1均会起中介作用。三种水平时,均起着中介作用而且都是效应量均大于0,说明调节中介不存在,因为中介作用情况一致。

接着看X->M2->Y这条路径,在Z取平均水平(Z=4.236)时,Bootstrap 95%置信区间为0.062~0.172,不包括0,也即说明平均水平下,X对Y影响时M2有着中介作用。在Z取低水平(Z=3.160)时,Bootstrap 95%置信区间为-0.014~0.099,包括0,也即说明Z在低水平时,X对Y影响时M1不会有中介作用。在Z取高水平(Z=4.862)时,Bootstrap 95%置信区间为0.114~0.266,不包括0,也即说明Z在高水平时,X对Y影响时M2有着中介作用。

综合可知,在Z取低水平时M2不会起中介作用,Z取平均水平或高水平时,M2均会起中介作用。三种水平时M2是否有中介作用的情况并不一致,因此X->M2->Y时,条件中介作用存在。

(0)

相关推荐