中介效應屬於研究方法嗎

⑴ 三種中介效應檢驗方法及操作步驟

介紹三種常見中介效應檢驗方法，分別是因果逐步回歸檢驗法、系數乘積法、改良後的因果逐步回歸法，以及如果使用SPSSAU進行操作。

中介效應： 如果自變數X通過影響變數M而對因變數Y產生影響，則稱M為中介變數。

例如，上司的歸因研究：下屬的表現→上司對下屬表現的歸因→上司對下屬表現的反應， 其中的「上司對下屬表現的歸因」為中介變數。

中介作用的檢驗模型可以用以下路徑圖來描述：

方程(1)的系數c 為自變數X對因變數Y的總效應；

方程(2)的系數a為自變數X對中介變數M的效應；

方程(3)的系數b是在控制了自變數X的影響後，中介變數M對因變數Y的效應；

方程(3)的系數c′是在控制了中介變數M 的影響後，自變數X對因變數Y的直接效應；

系數乘積a*b即為中介效應等於間接效應

因果逐步回歸法由Baron和Kenny(1986)提出，其檢驗步驟分為三步：

第一，分析X對Y的回歸，檢驗 回歸系數c 的顯著性(即檢驗H0:c=0)；

第二，分析X對M的回歸，檢驗 回歸系數a 的顯著性(即檢驗H0:a=0)；

第三，分析加入中介變數M後X對Y的回歸，檢驗 回歸系數b和c' 的顯著性(即檢驗H0:b=0、H0:c』=0)。

根據檢驗結果按下圖進行判斷：

基於SPSSAU的操作

（1）第一步，登錄SPSSAU，上傳數據；

（2）第二步，選擇【問卷研究】--【中介作用】；

（3）第三步，選擇變數拖拽到右側對應分析框內，點擊開始分析。

結果分析

SPSSAU的「中介作用」可直接將中介作用的檢驗過程自動化，一鍵提供出上述提及模型結果。

本次結果中共包含三個模型：

①模型1：X對Y的回歸模型，結果顯示x與y存在顯著影響關系，回歸系數c=0.130.

②模型2：x對m的回歸模型，結果顯示x與y存在顯著影響關系，回歸系數a=0.175.

③模型3：加入中介變數m後x對y的回歸模型，結果顯示回歸系數b、c』均呈現顯著性，系數a、b均顯著，說明存在中介效應。

第一種因果逐步回歸檢驗法簡單易懂、容易理解和解釋，因而受到廣泛的應用，但有學者認為其檢驗效能較低，有時候本身有中介作用但卻顯示沒有中介作用。有學者提出乘積系數法的統計功效優於因果逐步回歸法，因此，系數乘積法逐漸受到研究者的青睞。

其原理是 檢驗a*b是否呈現出顯著性。 系數乘積法分為兩類，一類是基於中介效應的抽樣分布為正態分布的 Sobel 檢驗法 ，另一類是基於中介效應的抽樣分布為非正態分布的 Bootstrap抽樣法 。

① Sobel中介效應檢驗法

Sobel檢驗的前提假設是中介效應^a^b是 正態分布且需要大樣本。

使用Sobel系數乘積檢驗法存在的主要問題是，檢驗統計量依據的正態分布前提很難滿足，特別是樣本量較少時。因為即使a，b分別服從正態分布，ab的乘積也可能與正態分布存在較大差異。

當前較為流行的檢驗方法為Bootstrap抽樣法，SPSSAU系統里暫未提供Sobel檢驗，需要使用Sobel檢驗可參考此鏈接進行分析：http://quantpsy.org/sobel/sobel.htm

② Bootstrap抽樣法

Bootstrap法能適用於中、小樣本和各種中介效應模型，當前SPSSAU【問卷研究】--【中介作用】也使用Bootstrap抽樣法進行檢驗。並且支持一次性放置多個自變數X、中介變數M及控制變數等。

檢驗方法： Bootstrap抽樣法檢驗是指回歸系數a和回歸系數b的乘積項（a*b）的95%置信區間是否包括數字0；如果95%置信區間不包括數字0，則說明具有中介作用；如果說95%置信區間包括數字0，即說明沒有中介作用。

基於SPSSAU的操作

（1）第一步，登錄SPSSAU，上傳數據；

（2）第二步，選擇【問卷研究】--【中介作用】；

（3）第三步，選擇變數拖拽到右側對應分析框內，點擊開始分析。

使用SPSSAU【中介作用】Bootstrap抽樣法檢驗與第一種因果逐步回歸檢驗法在操作上沒有任何區別，只是在解讀結果時有區分。

結果分析

由上圖兩項結果指標可知，乘積項結果顯著，95%區間並不包括數字0，說明中介變數在x影響y的關系中具有中介效應。

在a*b系數呈現出顯著性時，可具體進一步得到中介作用的效應量。

由上圖可知，直接效應為0.085，間接效應為0.045，總效應為0.130。間接效應在總效應中佔比為34.403%。

因果逐步檢驗法便於理解和操作而受到歡迎，但也有人研究認為逐步檢驗會比較不容易得到中介效應顯著的結論，檢驗功效較低。因此，有學者在逐步檢驗流程上進行相應的修改，得到如下檢驗步驟：

基於SPSSAU的操作

與上述bootstrap檢驗法操作方法一致，選擇SPSSAU【問卷研究】--【中介作用】，放入對應變數，點擊開始分析即可。

結果分析

第一步，檢驗方程(1)的系數c，如果顯著，按中介效應立論，否則按遮掩效應立論。 但無論是否顯著，都進行後續檢驗。

第二步，依次檢驗方程(2)的系數a和方程(3)的系數b，如果兩個都顯著，則間接效應顯著，轉到第四步；如果至少有一個不顯著，進行第三步。

第三步，用Bootstrap法檢驗。如果顯著，則間接效應顯著，進行第四步；否則間接效應不顯著，停止分析。

如果第二步中，系數a、b有一個不顯著，則查看a*b中介效應是否顯著（a*b95%BootCI是否包括數字0）

第三步：間接效應顯著

第四步，檢驗方程(3)的系數c′，如果不顯著，即直接效應不顯著，說明只有中介效應。如果顯著，即直接效應顯著，進行第五步。

第五步，比較ab和c′的符號，如果同號，屬於部分中介效應，報告中介效應占總效應的比例ab/c。如果異號，屬於遮掩效應，報告間接效應與直接效應的比例的絕對值|ab/c|。

本次研究，自變數x對因變數y的總效應是0.130，影響顯著；其中直接效應為0.085，間接效應0.045，具有顯著性；最終以有部分中介作用作為結論，中介效應在總效應佔比為34.403%。

（1） 中介作用前需要標准化處理嗎？

一般情況下，在進行中介作用前需要標准化或中心化處理，可使用數據處理->生成變數功能批量完成標准化或中心化處理；SPSSAU提供的中介作用檢驗默認不會對數據進行處理。

（2）SPSSAU分析結果中有對檢驗結果的自動化判斷，用戶可以直接使用。智能分析中也有相應解讀，如果有不了解的地方，可以點擊右側的「燈泡」按鈕查看幫助手冊。

（3）spssau也支持鏈式中介檢驗，操作方法是點擊【問卷研究】--【中介效應】，[中介類型]選擇「鏈式中介」。提供中介效應分析方法為非參數百分位Bootstrap法。

（4）如果數據是顯變數如何處理？

如果數據是顯變數，此時可轉換成潛變數再處理即可。使用【生成變數】--【平均值】功能。當然如果是使用結構方程模型進行研究分析中介作用時，建議使用因果逐步回歸檢驗法進行中介效應驗證。SPSSAU提供的結構方程模型暫不提供Bootstrap抽樣法檢驗。

⑵ 中介效應檢驗方法

中介效應檢驗的方法目前有四種：逐步回歸法、系數乘積檢驗法、差異系數檢驗法和Bootstrapping。

1、逐步回歸法
分別檢驗W1，W2，W3和W1-1是否有顯著，如果W2和W3同時有意義，那麼中介效應存在；如果W1也有意義，那麼就是部分中介，否則就是完全中介。部分中介存在的缺陷容易出現假陽性，因為W2的置信度為95%，而W3的置信度也是95%，如果不加以控制，判斷A和B之間存在中介效應的置信度將會降低為95%的平方，也就是90.25%，也就意味著這個結論的可靠性降低了。逐步回歸法直接用SPSS的回歸功能就能完成。
2、系數乘積檢驗法（Sobel檢驗）
鑒於逐步回歸法的缺陷，很多研究者創造了修正的方法，系數乘積檢驗法就是其中一種顫差。系數乘積檢驗法的原理是將W2和W3綜合考慮，也就是考慮W2*W3是否有意義，這樣就避免了分別檢驗W2和W3造成的置信度降低問題。Sobel檢驗也存在缺陷，那就是要求W2*W3服從正態分布，但是這一點是很難保證的，即使是W2和W3服從正態分布，W2*W3也不一定服從正態分布。Sobel檢驗可以使用SPSS中的Process插件來完成。
3、差異系數檢驗法
差異系數檢驗法檢驗的是(W1-W1-1)是否有意義，因為通常情況下，W2*W3=(W1-W1-1)，因此，乘積系數法和差異系數法的檢驗效力是基本上相同的，區別在於兩者的標准誤不同。經過很多研究者的對比，乘積系數法和差異系數法都比逐步回歸法的檢驗結果更為准確。
4、Bootstrapping法
跟著草堂君學習了統計基礎部分內容的朋友應該知道，大多數假設檢驗用到的標准誤都是做無偏估計或有偏估計得來的，也就是說，檢驗用的標准誤都是偽標准誤（估計值），要使估計值准確，需要服從很多的假設條件（例如上面說到的正態分布），系數乘積檢驗法和差異系數檢驗法的標如褲准誤都是如此。