干货 | 利用SPSS进行高级统计分析第二期

作者:彭彭

Hello,
这里是行上行下,我是喵君姐姐~
在上一期中,我们为大家带来了利用SPSS软件进行高级统计分析的实操教程第一期,内容包括:描述性统计表格模板、卡方&T检验、相关&回归分析等。

在本期中,我们继续为大家介绍如何利用SPSS进行:中介、多重中介、链式中介、调节分析、有中介的调节分析等。

PS:后台回复关键词“高级统计”即可获得所述的PDF原文啦!

中介【报告B,SE,t(df),p),置信区间,画中介效应图】

1.回归方程法

1.1 算三个回归方程

1) 自—因

2) 自—中

3) 自、中—因

1.2 数据分析

2. Process插件法:Model4

部分标准化

效应量/Y的标准差

完全标准化

所有变量的标准化

3. 报告【B、SE、t(df)、P、置信区间 图(标准化系数)】

本研究采用软件SPSS 24.0 中文版进行采集录入和统计分析实验数据。中介效应检验:参照Preacher 和Hayes (2004)提出的Bootstrap 方法进行中介效应检验(模型4),样本量选择5000,在95%置信区间下。

为了探讨MIL和FCI的关系中是否存在PA的中介作用,本研究以MIL得分为自变量,FCI得分为因变量,PA得分为中介变量进行中介效应检验。结果表明,PA在MIL和FCI之间起着中介作用。

MIL对PA有显著的预测作用(B=0.24,SE=0.07,t(98)=3.55,p < 0.001),置信区间(LLCT = 0.10,ULCT =0.37)不包含0;中介检验的结果不包含0(LLCT =0.07, ULCT =0.37),表明PA的中介效应显著(中介效应大小为0.22,SE=0.08),中介效应如图所示。

参考文献:Preacher, K. J. , & Hayes, A. F. . (2004). Spss and sas procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments & Computers, 36(4), p.717-731.

多重中介

Process插件法:model4

链式中介

Process插件法:model6

中心化:原始数据-均值

拆分文件:spilt

中心化:原始数据-均值

拆分文件:spilt

调节【报告B、SE、t、β、p、95%CI、Δ 画回归表、交互作用图】

1. 线性回归法

1.1 Spss操作

1)算z分数

2)算交互项

3)算回归方程

1.2 Spss结果解读

1.3 画交互作用图:对调节变量做高低分组

高分组:平均值 标准差=6.12

低分组:平均值—标准差=3.68

1.4 拆分文件,做回归

1.5 再做一次回归,画图

2. Process插件法:model1

2.1 Spss操作

2.2 Spss结果解读

2.3 报告

利用Process model 1 (Hayes,2018)探讨生命意义感P、社会支持以及二者的交互作用与工作倦怠的关系。

结果表明,生命意义感P(B =-0.46,t =-1.35,p =0.18)、社会支持(B =-0.19,t =-0.55,p=0.58)以及二者交互作用(B =0.05,t =0.83,p=0.41)对工作倦怠的作用均不显著(如表3所示),简单斜率分析图如图2所示。

有调节的中介【报告B、SE、β、p、95%CI 画回归表 交互作用图】

1.线性回归法

1.1 算两组交互项 自*调 中*调

1) 自、调、自*调—因

2) 自、调、自*调—中

3) 自、调、自*调、中、中*调—因

1.2 报告

接下来验证有调节的中介作用,以压力为自变量,生命意义感P为调节变量,自我效能感为中介变量,深层劳动为因变量为例。

根据温忠麟和叶宝娟(2014)的观点,检验有调节的中介模型需要对三个回归方程的参数进行检验:(1)方程1 估计调节变量(生命意义感P)对自变量(压力)与因变量(深层劳动)之间关系的调节效应; (2)方程2 估计调节变量(生命意义感P)对自变量(压力)与中介变量(自我效能感)之间关系的调节效应; (3)方程3 估计调节变量(生命意义感P)对中介变量(自我效能感)与因变量(深层劳动)之间关系的调节效应以及自变量(压力)对因变量(深层劳动)残余效应的调节效应。

根据Muller, Judd 和Yzerbyt (2005)的观点, 如果模型满足以下两个条件则说明有调节的中介效应存在:(1)方程1 中, 压力的总效应显著, 且该效应的大小不取决于生命意义感P; (2)方程2 和方程3中, 压力对自我效能感的效应显著, 生命意义感P与自我效能感对深层劳动的交互效应显著, 和/或压力与生命意义感P对自我效能感的交互效应显著, 自我效能感对深层劳动的效应显著,本研究中有调节的中介模型检验结果见表2、图3。

由表2、图1可见,方程1 中压力负向预测深层劳动(β=-0.37,p<0.001),压力与生命意义感P的交互项对深层劳动的预测作用显著(β=-0.23,p<0.001)。

方程2 和方程3 中,压力与生命意义感P的交互项对自我效能感的预测效应显著(β=-0.18,p<0.01);压力与生命意义感P的交互项对深层劳动的预测作用显著(β=-0.18,p<0.01);同时自我效能感对深层劳动的预测效应显著(β=0.53,p<0.001)。

这表明,压力、生命意义感P、自我效能感和深层劳动四者之间构成了有调节的中介效应模型自我效能感在压力与深层劳动之间具有中介作用生命意义感P在压力与深层劳动、压力与自我效能感间起调节作用

表2 压力对深层劳动有调节的中介效应检验(以生命意义感P为调节变量、自我效能感为中介变量)

图 3 压力对深层劳动有调节的中介效应图(中介变量为自我效能感,调节变量为生命意义感P)

参考文献:温忠麟, & 叶宝娟. (2014). 中介效应分析:方法和模型发展. 心理科学进展, 022(005), 731-745.

由于生命意义感P在压力与深层劳动、压力与自我效能感间起调节作用,因此需要进一步检验简单效应以明确生命意义感P调节作用。

首先将生命意义感P按照正负一个标准差分成高、低组, 采用简单斜率检验考察在生命意义感P不同水平上压力对深层劳动、压力对自我效能感的影响,相应的简单效应分析见图5、图6。

图5结果表明,对于生命意义感P较高的个体来说,压力能负向预测深层劳动(B=-0.44,SE =0.13, p <0.01);而对于生命意义感P较低的个体来说,压力不能显著预测深层劳动(B =0.09, SE = 0.11,p = 0.45),即比起低压力情景,高生命意义感P的个体在高压情景下,会有更少的深层劳动。

图 5 生命意义感P对压力与深层劳动之间的关系调节作用

图6结果表明,对于生命意义感P较低的个体来说,压力不能预测自我效能感(B = -0.19,SE =0.13,p =0.17);而对于生命意义感P较高的个体来说压力能负向预测深层劳动(B =-0.45,SE = 0.13,p <0.01);即比起低压力情景时,高生命意义感P的个体在高压情景下自我效能感更低。

图 6 生命意义感P对压力与自我效能感之间的关系调节作用

2. Process插件法

2.1 调节前半路径:model7

1)Spss操作

2) Spss结果解读

2.2 调节后半路径:model14

1) Spss操作

2)Spss结果解读

2.3 探索前后:model57

2.4 报告

使用 Hayes (2019)的SPSS 宏程序PROCESS(Model7),分析自我效能感在压力与深层劳动之间的中介作用(前半段)是否受生命意义感P的调节。

结果表明(如表4所示):自我效能感显著正向预测深层劳动(B=0.37,SE=0.04,p<0.001)压力与生命意义感P的交互项能显著负向预测自我效能感(B=-0.02,SE=0.01,p<0.01)

表4 生命意义感P调节自我效能感在压力与深层劳动之间中介作用的回归分析

在生命意义感P得分为平均数减一个标准差、平均数以及平均数加一个标准差三个水平时,自我效能感在压力与深层劳动之间的中介效应值及其95%Bootstrap 置信区间如表5所示。

综合以上结果,本研究提出的有调节的中介模型得到了支持。自我效能感在压力与深层劳动之间起中介作用,而且该中介作用前半段受到生命意义感P的调节。

表5:不同生命意义感P水平时压力与自我效能感之间的关系

进一步采用简单斜率检验来分析生命意义感P在压力与自我效能感关系中的调节作用。按生命意义感P的平均分加减一个标准差将被试分为高生命意义感P水平组(高于平均数加一个标准差的被试)、低生命意义感P水平组(低于平均数减一个标准差的被试)与中生命意义感P水平组(介于两组之间的被试)三组,采用分组回归的方式考察压力与自我效能感的关系,结果如图所示:随着生命意义感P水平的升高, 压力对自我效能感的负向预测作用逐渐变强 (由B=-0.09, p < 0.001 减弱为B=-0.17,p < 0.001)。

图8 生命意义感P对压力与自我效能感之间的关系调节作用

3. Mplus

3.1 Mplus输入语法

DATA:

FILE IS DATA.dat; !原始数据

VARIABLE:

NAMES ARE X W M Y XW MW;!数据中变量的命名

USEVARIABLES = W M X Y XW MW; !使用的变量有哪些?

ANALYSIS: Bootstrap=2000; !Bootstrap法抽样1000次

MODEL:

Y on M (b1)

X W XW

MW (b2); !做因变量Y对M、X、W、XW、MW的回归,将Y对M MW的回归系数命名为b1、b2

M on X (a1)

W

XW (a3);!做中介变量M对X、W、XW的回归,将M对X XW的回归系数命名为a1、a3

MODEL CONSTRAINT:

new(H1-H3);

H1=a3*b1;!中介效应值 a3 b1的估计

H2=a3*b2;!中介效应值 a3 b2的估计

H3=a1*b2;!中介效应值 a1 b2的估计

OUTPUT:cinterval (bcbootstrap) STDYX;!输出偏差校正的百分位Bootstrap 计算中介效应

3.2 Mplus输出语法

3.3 报告

根据温忠麟和叶宝娟(2014)的建议, 使用Mplus进行有调节的中介效应检验,采用偏差校正的百分位Bootstrap 法抽取1000个Bootstrap 样本检验有调节的中介效应。

结果发现,模型与数据拟合良好(χ2/df=0.41, RMSEA=0.00, RMSEA90% CI =0.00~0.15, CFI=1.00, TLI = 1.02, SRMR =0.01)。

同时有调节的中介效应检验结果表明(如图):压力能够显著预测深层劳动(B=-0.10,SE=0.04,β=-0.17,p<0.01,95%CI=[-0.17,-0.03])、自我效能感(B=-0.34,SE=0.06,β=-0.39,p<0.001,95%CI=[-0.47,-0.23]);自我效能感显著预测深层劳动(B=0.35,SE=0.05,β=0.53,p<0.001,95%CI=[0.26,0.44]),说明自我效能感的中介效应显著;压力与生命意义感P的交互项不能显著预测深层劳动(B=-0.46,SE=0.30,β=-0.18,p=0.16,95%CI=[ -0.77,0.25]);自我效能感与生命意义感P的交互项未显著预测深层劳动(B=-0.30,SE=0.30,β=-0.08,p=0.32,95%CI=[ -0.87,0.26]),压力与生命意义感P的交互项能显著预测自我效能感(B=-0.71,SE=0.25,β=-0.18,p<0.05,95%CI=[ -1.10,-0.07]),说明生命意义感P能够调节压力与自我效能感的关系。

本期的内容就到此结束啦!

在本期中,我们为大家介绍了如何利用SPSS进行中介分析、调节分析、有中介的调节分析。在下一期中,我们继续为大家介绍方差分析,以及EEA、CFA分析。
我们下期再见!

(0)

相关推荐