No1【方法学导读】SPSS和SAS在简单中介模型中间接效应估计中的应用(中文译校)
如何运用SPSS及AMOS进行中介效应与调节效应分析
如何运用SPSS及AMOS进行中介效应与调节效应分析主题一：中介效应重要理论及操作务实一、中介效应概述中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：○1就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：○2就业压力→个体择业期望→择业行为反应；○3就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e1 1)M=ax+e2 2)Y=c’x+bM+e3 3)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：1.1首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验；1.2 在c 显著性检验通过后，继续检验方程2）M=ax+e2，如果a 显著（H0:a=0被拒绝），则继续检验方程3）；如果a 不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c ’x + bM + e3,检验b 的显著性，若b 显著（H0:b=0被拒绝）,则说明中介效应显著。
如何运用SPSS及AMOS进行中介效应与调节效应分析
如何运用SPSS及AMOS进行中介效应与调节效应分析SPSS和AMOS是两个常用的统计软件，它们可以用于进行中介效应和调节效应分析。
下面我将详细介绍如何在SPSS中进行中介效应和调节效应分析，并结合AMOS进行结构方程模型的分析。
中介效应分析：中介效应分析用于探究一个因变量和一个自变量之间是否存在中介变量，以及中介变量对于因变量和自变量之间关系的解释程度。
1.数据准备首先，需要将需要分析的数据导入SPSS软件中。
确保数据已经整理好并进行了数据清洗。
2.建立回归模型在SPSS中，选择“回归”分析模块。
将自变量放入“独立变量”框中，将因变量放入“因变量”框中。
3.检验中介变量在回归模型中，将可能的中介变量放入“控制变量”框中。
运行回归模型后，观察自变量对因变量的影响是否减小或变得不显著。
如果在加入中介变量后，自变量对因变量的影响减小或不显著，则说明中介变量起到了中介作用。
4.中介效应检验使用SPSS的BOOTSTRAP方法进行中介效应检验。
在“回归分析”中选择“中介效应”，然后将自变量、中介变量和因变量依次放入相应的框中。
确保你勾选了“调节变量”框，在该框中放入与自变量和中介变量之间可能存在调节关系的变量，比如性别、年龄等。
5.结果解释SPSS将计算出中介效应的点估计值和置信区间。
通过检查置信区间是否包含0来判断中介效应是否显著。
如果置信区间不包含0，则可以认为中介效应是显著的。
调节效应分析：调节效应分析用于探索调节变量对于自变量和因变量之间关系的调节作用。
1.数据准备同样，将需要分析的数据导入SPSS软件中。
2.建立回归模型选择“回归”分析模块。
将自变量放入“独立变量”框中，将因变量放入“因变量”框中，将调节变量放入“控制变量”框中。
3.检验调节效应观察调节变量是否对自变量和因变量之间的关系产生显著的影响。
如果调节变量对于自变量和因变量关系的显著性有所改变或存在交互作用，则说明调节变量具有调节效应。
运用SPSS及AMOS进行中介效应分析
中介效应重要理论及操作务实一、中介效应概述中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：○1就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：○2就业压力→个体择业期望→择业行为反应；○3就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e1 1)M=ax+e2 2)Y=c’x+bM+e3 3)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：1.1首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验；1.2在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
运用SPSS及AMOS进行中介效应分析
中介效应重要理论及操作务实一、中介效应概述中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：○1就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：○2就业压力→个体择业期望→择业行为反应；○3就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e11)M=ax+e22)Y=c’x+bM+e33)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：1.1首先检验方程1）y=cx+ e1，如果c显著（H:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验；1.2在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
结合SPSS及SAS软件充分发挥联合分析的作用
标题：结合SPSS及SAS软件充分发挥联合分析的作用［摘要］在我国，联合分析应用于营销调研的时间很短，仅有少许大型市场研究公司可以较好地应用联合分析为客户提供科学、有效的研究，原因在于联合分析无论从理论模型理解，还是实际操作上来说都具有一定的难度。
由于SPSS、SAS是国内业界应用较多的统计软件包，他们都提供了联合分析模块，但功能各有千秋。
本文在简单介绍联合分析模型理论的基础上，采用实例，详尽阐述了结合SPSS、SAS实现联合分析的过程，及各自的优势；并深入介绍了进行联合分析各环节所需注意的细节，及数据处理、转换的方法。
［关键词］联合分析，SPSS应用，SAS应用，联合分析实现过程、SPSS/SAS联合分析模块各自的优势联合分析(Conjoint Analysis)，又被译为结合分析，也被称为权衡分析(Trade-off Anal ysis)，是应用统计领域用于多变量分析的一种专门技术，它是1964年由Luce和Tuckey发展的一种数理心理学测量分析工具，于1971年由Green和Rao引入市场营销研究领域，从此深受营销研究人员的喜爱。
它主要用于确定产品/服务的属性(Attributes)及相关水平(Levels)对于消费者的重要程度。
产品/服务的属性包括品牌名称、价格、包装、规格、功能、颜色、款式等，不同类型的产品，具有不同的产品属性及水平。
在传统的市场研究中，我们了解消费者对产品/服务的属性重要性及相关水平的偏好时，往往采用直接询问的方式。
“你喜欢哪个品牌？”“你觉得什么功能较好？”“你希望用什么价格去购买该产品？”等等。
由于不是在现实的购买环境中，消费者的回答往往存在较大的偏差，如面对品牌和价格因素时，如果采用品牌单个属性直接询问法，则对价格敏感的消费者必然偏好选择高档品牌，但却不一定能满足高档品牌对价格的要求，得到的使结论就会导致高档品牌的营销决策失误。
相对于传统研究方法的“联合分析法”，则有效的多，它首先根据产品/服务的市场现状及消费者对产品/服务属性的关注度，通过试验设计，模拟出消费者能够理解的少量产品组合(由产品/服务的属性及相关水平组成为一个具体的产品描述)，做成卡片让消费者对其进行评分、排序，然后采用数理统计分析的方法求出产品/服务中每个属性的相对重要性( Relative Importanc e)及相关水平的效用值(Utilities)，从而为最终确定产品/服务的营销组合提供策略依据。
SPSS及AMOS进行中介效应分析
中介效应重要理论及操作务实SPSS和AMOS调节效应一、中介效应概述中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：○1就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：○2就业压力→个体择业期望→择业行为反应；○3就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e1 1)M=ax+e2 2)Y=c’x+bM+e3 3)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验；在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
如何用SPSS或AMOS实现调节效应回归方程解读
如何用SPSS或AMOS实现调节效应回归方程一、调节效应回归方程：调节效应是交互效应的一种，是有因果指向的交互效应，而单纯的交互效应可以互为因果关系；调节变量一般不受自变量和因变量影响，但是可以影响自变量和因变量；调节变量一般不能作为中介变量，在特殊情况下，调节变量也可以作为中介变量。
在统计回归分析中，检验变量的调节效应意味着检验调节变量和自变量的交互效应是否显著。
以最简单的回归方程为例，调节效应检验回归方程包括2个如下：y=a+bx+cm+e 1）y=a+bx+cm+c’mx+e 2）在上述方程中，m为调节变量，mx为调节效应，调节效应是否显著即是分析C’是否显著达到统计学意义上的临界比率.05水平)。
二、检验调节效应的方法有三种：1.在层次回归分析中（Hierarchical regression）,检验2个回归方程的复相关系数R12和R22是否有显著区别，若R12和R22显著不同，则说明mx交互作用显著，即表明m的调节效应显著；2.或看层次回归方程中的c’系数（调节变量偏相关系数），若c’（spss输出为标准化ß值）显著，则说明调节效应显著；3.多元方差分析，看交互作用水平是否显著；4.在分组回归情况下，调节效应看各组回归方程的R2。
注：上述四种方法主要用于显变量调节效应检验，且和x与m的变量类型相关，具体要根据下述几种类型采用不同的方式检验三、显变量调节效应分析的几种类型根据调节效应回归方程中自变量和调节变量的几种不同类型组合，分析调节效应的方法和操作也有区别如下：1.分类自变量（x）+分类调节变量(m)如果自变量和调节变量都是分类变量的话，实际上就是多元方差分析中的交互作用显著性分析，如x有两种水平，m有三种水平，则可以做2×3交互作用方差分析，在spss里面可以很容易实现，这我就不多讲了，具体操作看spss操作工具书就可以了。
2.分类自变量（x）+连续调节变量（m）这种类型调节效应分析需要对分类自变量进行伪变量转换，将自变量和调节变量中心化（计算变量离均差）然后做层次回归分析。
用S SS作中介效应检验
S P S S实例：[16]中介效应的检验过程spss做中介效应现在用的越来越普遍，虽然说用amos是最佳的工具，但是很多人还是喜欢spss，更容易理解，操作起来也比amos简单。
下面我们就来分享一下如何使用spss进行中介效应的检验，这个教程是理论上的讲解，目的是让你理解这个过程。
后面我们会具体的来操作一下，让你知道如何具体的去做，先来看看理论上的过程：1.先要明确你的自变量和因变量，假如我们有三个变量分别是：自变量（x），因变量（y），中介变量（M）。
2.第一个要检验的是自变量对因变量的作用，我们用下面的方程表示：我们首先要做的是对系数c的检验，你应该知道，用回归做检验，假如c不显着，说明不存在中介效应，停止检验；假如c显着，还不能说明存在中介效应，接着进行下面的步骤：3.接着我们做自变量和中介变量之间的回归方程的检验，也就是用下面的方程来表示，假如系数a显着，说明X确实可以预测M，但仍然没有说明中介效应的存在。
假如a不显着，那就需要进行sobel检验。
我们暂时不去做sobel，因为还有一个步骤4.现在我们要检验M和Y之间的关系，也就是下面的方程的系数是否显着。
假如a显着、b也显着，那么就可以证明中介效应存在；假如a和b中有一个不显着，另一个先不显着我们不知道，我们需要进行sobel检验，sobel检验显着，那么中介效应存在。
5.到此为止，我们就完成了中介效应的检验，下面来总结一下整个流程，看下面的流程图：6.中介效应的具体操作，参考我的下一篇文章。
SPSS实例：[17]进行sobel检验(小白教程)通常我们在做中介效应的时候，遇到有一个系数没有达到显着性水平，我们需要进行sobel检验，但是sobel检验的公式非常麻烦，如果你按计算器就很麻烦了，更何况你还有很多中介效应去验证，所以今天我给大家分享一个Excel可以很快的计算。
1.从下面的参考资料里下载一个Excel文件2.下载下来以后，打开Excel，你会看到一个这样的表格3.将你的三个模型的三线表粘贴过来4.我们在对应的位置写入对应的值，soble值会自动的计算出来，是否显着这一栏会告诉是否显着，如果显着说明中介效应显着5.跟大家分享一下各个单元格的公式，看下面的公示栏就知道了。
中介效应检验程序及其应用(SPSS,SAA)
应属于间接效应 （ .8-.2,40 ,33,40 ） 。在图 $ 中， "是# 对 ! 的总效应， &’ 是经过中介变量 % 的间接效应 （ 也就是中介效应） ， " (是直接效应。当只有一个自 变量、 一个中介变量时， 效应之间有如下关系 ! ! ! ! ! ! ! " % "(& &’ （=） ! ! 当所有的变量都是标准化变量时， 公式 （=） 就
面两个条件成立， 则中介效应显著： （ .） 自变量显著 影响因变量； （ ..） 在因果链中任一个变量， 当控制了 它前面的变量 （ 包括自变量） 后， 显著影响它的后继 变量。这是 7/218 和 9,88: 定义的 （ 部分） 中介过
［ 6］ 程 。如果 进 一 步 要 求： （ ... ） 在控制了中介变量
! 通讯作者： 温忠麟， /)0123：456738 9:6;< 5=;< :6 万方数据
! &am等： 中介效应检验程序及其应用
! #$"
境” （ 如技术条件） 通过 “ 工作感觉” （ 如挑战性） 影
［ #］ 响 “ 工作满意度” 。在这两个例子中， “ 儿子的教
［ $) ］ ! ! 依据路径分析中的效应分解的术语 ， 中介效
的检验程序很好地控制了第一类错误率， 同时又有 较高的检验功效。使用新提出的检验程序， 我们在 “ 学生行为对同伴关系的影响” 研究中对两个变量 （ 教师喜欢程度和教师管教方式） 进行了中介效应 的检验。
"! 中介变量和相关概念
! ! 在本文中， 假设我们感兴趣的是因变量 （ !） 和 自变量 （ "） 的关系。虽然它们之间不一定是因果关 系， 而可能只是相关关系， 但按文献上的习惯而使用 “ " 对 ! 的影响” 、 “ 因果链” 的说法。为了简单明确 起见， 本文在论述中介效应的检验程序时， 只考虑一 个自变量、 一个中介变量的情形。但提出的检验程 序也适合有多个自变量、 多个中介变量的模型 （见 %< ’ 节的讨论） 。 #$ %& 中介变量的定义 ! ! 考虑自变量 " 对因变量 ! 的影响， 如果 " 通过 影响变量 # 来影响 !， 则称 # 为中介变量。例如， “ 父亲的社会经济地位” 影响 “ 儿子的教育程度” ， 进
No1【方法学导读】SPSS和SAS在简单中介模型中间接效应估计中的应用（中文译校）
No1【方法学导读】SPSS和SAS在简单中介模型中间接效应估计中的应用（中文译校）推荐序中介分析的初衷在于揭示变量间作用的“机制”，最简单的完全中介模型就是包含一个中介变量的模型，即X→M→Y。
在中国知网平台《心理学报》发表论文的初步内容分析发现，2000年以来涉及“中介”分析的论文发表数量呈缓慢增长趋势，特别是，2016年以来每年约10篇左右的论文涉及到“中介”分析。
在众多探讨中介方法的中文文献中，尤其以温忠麟、侯杰泰、张雷老师合作发表的《中介效应检验程序及其应用》、《调节效应与中介效应的比较和应用》两篇文章最为引人注目，引用率高达8000余次，对于推动国内心理学界更多、更正式地使用中介分析做出了有目共睹的贡献。
这种趋势还是继续。
国内有限的几本发表实证研究的期刊，再也很难看到没有中介调节分析而能发表的非实验类、非综述类的文章了。
据初步估计，本校心理学本科生的论文中70%左右有用到中介分析，而心理学硕士学位论文使用中介分析的比例几乎高达90%，但用错、报告错、得出奇怪结论的情况总是难免，但研究者有时不自知、他人也不容易发现。
这当中，所引用的外文文献都比较一致地指向2004年发表于的一篇文章：《SPSS and SAS procedures for estimating indirect effects in simple mediation models》，引用率已突破6000次，这其中可能还不包括规模庞大的中文期刊论文以及中国学士以上学位论文引用的人数。
个人推测，这篇文章最受欢迎之处在于它提供了傻瓜式的宏。
然而，真正阅读英文原文的本科生和研究生人数可能并不乐观，老师们也未必能有雅兴拜读这篇原文。
本次推介的目的，反而并不是要介绍“宏”，而是尽量准确地翻译作者开发宏背后的“理”；误差也是难免的，请大家指正，是为序。
SPSS和SAS宏程序在简单中介模型的间接效应估计中的应用KRISTOPHER J. PREACHER北卡罗来纳大学ANDREW F . HAYES俄亥俄州立大学摘要：中介分析（mediation analysis）常用来间接评估假设的某个原因是否通过中介变量（mediator）对结果产生影响。
如何用SPSS做中介效应与调节效应
如何用SPSS做中介效应与调节效应中介效应和调节效应是做结构方程模型的时候，不得不探讨的问题，有时候，这些效应会在你的研究中发挥着很大的作用。
可以说，知道如何用SPSS来测量中介效应和调节效应对你的研究和数据分析至关重要。
若你正好在搞结构方程模型，那么你可以使用SPSS，记住以下几点即可测量中介效应和调节效应。
首先，你需要在SPSS中建立一个结构方程模型，这个模型要包括自变量，因变量，中介变量和调节变量，然后打开“结构方程模型”窗口，点击“新建模型”，这样你的模型就建立好了，你就可以添加相关的变量了。
接下来，你需要添加自变量、因变量、中介变量和调节变量，右击模型框架后，选择“新建变量/因变量/中介变量/调节变量”，点击OK，在弹出的窗口中选择想要的变量，比如自变量、因变量、中介变量和调节变量，然后点击“确定”，变量就被添加到你的模型里了。
接下来，你需要在模型中添加因变量和自变量的回归参数，以测量中介效应和调节效应，点击“新建参数”，在弹出的窗口中，选择你最近添加的自变量和因变量，比如说，如果你想测量一个自变量对一个因变量的中介效应，你就需要选择两个变量。
SPSS及AMOS进行中介效应分析资料报告
SPSS及AMOS进行中介效应分析资料报告中介效应分析是社会科学研究中常用的统计方法，可以用来探究变量之间的关系以及中介变量在这个关系中的作用。
SPSS和AMOS是进行中介效应分析的常用软件工具。
本文将以一个实际案例为例，介绍如何使用SPSS和AMOS进行中介效应分析，并对结果进行解读。
【引言】介绍研究背景和目的，说明为什么需要进行中介效应分析。
【方法】1.变量选择：选择独立变量、中介变量和因变量。
独立变量是影响中介变量的因素，中介变量在独立变量和因变量之间起到介导作用，因变量是希望了解的结果。
3.测量工具：介绍使用的测量工具，并评估其信度和效度。
4.数据收集：详细说明数据收集过程，如何保证数据质量。
5.数据分析：使用SPSS进行描述性统计分析，探索变量间的关系。
然后使用AMOS进行结构方程建模，进行中介效应分析，并进行模型拟合度检验。
【结果】1.描述性统计分析结果：列出各变量的均值、标准差等统计指标，描述样本的基本情况。
2.相关分析结果：展示各变量之间的相关关系，判断是否存在相关性。
3.结构方程模型结果：列出模型的参数估计值、标准误差、置信区间等统计指标，探究变量之间的关系。
4.中介效应分析结果：根据模型结果计算中介效应的大小和显著性。
【讨论】1.结果解读：解释结构方程模型结果和中介效应分析结果，说明变量之间的关系和中介变量的作用。
2.结果讨论：分析结果的意义和影响，探讨与现有研究的一致性和差异性。
3.研究局限性：指出研究的局限性和不足之处。
4.建议和展望：根据研究结果提出建议，并对未来研究方向进行展望。
【结论】总结研究的主要发现，强调中介效应分析对于理解变量关系的重要性，提出对相关领域的启示和建议。
用SPSS作中介效应检验
显著不显着中介效应显著完全中介效应显著中介效中介效应应显著不显著Y与弋相并壬显着停止中奔效应分析SPSS实例：［16］中介效应的检验过程SPSS ftt中介效应现崔用的越来越％遇，虽然说用伽OS是放佳的工具，但是很多人还是耳欢SPSS，史容易理解，摊作起来也比aaos简录夕下面我们就来分享一下如何使用sj>ss«!行中介效应的检脸，这个教翟是理论上的讲解，目的爱让你理解这个过权。
后面我们会具体的来徐作一下，让你知道如何具体的去做，先来看看理论上的过权：1. 先要明确你的A变量和因变量，假如我们有三个变量分别是：角变# (x)，因变f (y)，中介变#(M)。
2. 席一个要■检能的是自变童对因变童的作用，我们用下面的方权表示：我们首先要傩的是对索數c的检矗，你应该知道，用回扫做检胎，假如c不显著，说明不存衣中介效应，停止检胎；假如c显著，还不能说明存在Y-cX+e I?中介效应、接舟进行下面的步骤：3. 接舟我们佻自变量和中介变童之间的回归方穆的检脸，也就是用下面的方暇来表示，假如系数a显著，说明X 确实可以预測X，但仍然没有说明中介效应的存在。
假如a不显著，那就需要进行sobcl检脸「我们皆时不去M=aXTe2；fttsobel，因为还有一个步驟4. 现衣我们要检脸M和Y之间的关余，也就是下面的方权的杀數是否显著。
假如日显著、b也显著，那么就可以证明中介效应存衣：假如日和b中有一个不显著，另一个先不显箸我们不知道，我们需要•迓行sobcl桧滋，sYF X+bM+®。
obel检胎显箸：那么中介效应存在，5. 到此为止，我们就完成了中介效应的检能，下面衰总结一下塾个滾段，看下面的浪权图：都显著至少有-个不显著显著不显著6. 中介效宏的具依躱作，参考我的下一為文章。
SPSS实例：［17］进行sobel检验（小白教程）適禽我们在做中介效应的时候，遇到有一个系数没有达到显箸性水平，我们需要迸行sobel检滋，但是sobel检脸的公式非常麻烦，如果你扶计算器就很麻烦了，史何况你还有很多中介效应去绘证，所以今夭我给大家分享一个Excel可以抿快的计算。
SPSS及AMOS进行中介效应分析
SPSS及AMOS进行中介效应分析中介效应分析是通过统计分析方法，揭示一个自变量对依变量的影响是否通过一些中介变量来传递的过程。
在SPSS及AMOS软件中，可以使用路径分析或结构方程模型来进行中介效应分析。
首先，我们需要明确中介效应分析的理论框架及假设。
一般来说，中介效应分析包括三个变量：自变量（independent variable），中介变量（mediator variable）和依变量（dependent variable）。
其中，自变量对依变量的关系可以通过中介变量来解释。
我们的假设是：自变量对中介变量存在显著影响，中介变量对依变量存在显著影响，同时自变量对依变量的直接影响减少或变为非显著。
接下来，我们可以使用SPSS进行路径分析。
路径分析是一种解释变量间直接相互关系和间接相互关系的方法。
在路径分析中，我们需要建立一个模型，设置自变量、中介变量和依变量的观测变量。
然后，我们可以通过路径分析来计算直接效应和间接效应。
具体操作可以按照以下步骤进行：1. 打开SPSS软件，在“Analyze”菜单中选择“Regression”-“Linear”。
2. 将自变量、中介变量和依变量添加到“Dependent”、“Independent”和“Covariate”框中。
确保变量类型正确。
3. 点击“Options”按钮，勾选“Unstandardized”和“Standardized”，以获取直接和间接效应的标准化值。
4.点击“OK”按钮，得到回归结果。
5.根据回归结果，计算直接效应和间接效应的值。
间接效应可以通过自变量对中介变量的回归系数与中介变量对依变量的回归系数的乘积得出。
6.可以分别计算直接效应和间接效应的置信区间，以评估其显著性。
7.最后，可以通过检验直接效应是否减少或变为非显著，来判断中介效应的存在与否。
除了路径分析，我们还可以使用AMOS软件进行结构方程模型（Structural Equation Modeling, SEM）分析。
如何用SPSS做中介效应与调节效应
如何用SPSS做中介效应与调节效应1、调节变量的定义变量Y与变量X的关系受到第三个变量M的影响,就称M为调节变量。
调节变量可以是定性的，也可以是定量的。
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。
简要模型：Y = aX + bM + cXM + e。
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。
如果c显著，说明M 的调节效应显著。
2、调节效应的分析方法显变量的调节效应分析方法：分为四种情况讨论。
当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析，交互效应即调节效应；调节变量是连续变量时，自变量使用伪变量,将自变量和调节变量中心化,做Y=aX+bM+cXM+e的层次回归分析：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,作XM的回归系数检验,若显著,则调节效应显著；当自变量是连续变量时，调节变量是类别变量，分组回归:按M的取值分组,做Y对X的回归。
若回归系数的差异显著,则调节效应显著，调节变量是连续变量时，同上做Y=aX +bM +cXM +e的层次回归分析。
潜变量的调节效应分析方法：分两种情形：一是调节变量是类别变量,自变量是潜变量；二是调节变量和自变量都是潜变量。
当调节变量是类别变量时,做分组结构方程分析。
做法是,先将两组的结构方程回归系数限制为相等,得到一个χ2值和相应的自由度。
然后去掉这个限制,重新估计模型,又得到一个χ2值和相应的自由度。
前面的χ2减去后面的χ2得到一个新的χ2,其自由度就是两个模型的自由度之差。
如果χ2检验结果是统计显著的,则调节效应显著；当调节变量和自变量都是潜变量时，有许多不同的分析方法，最方便的是Marsh,Wen和Hau提出的无约束的模型。
3．中介变量的定义自变量X对因变量Y的影响,如果X通过影响变量M来影响Y,则称M 为中介变量。
用SPSS线性回归实现中介效应分析
⽤SPSS线性回归实现中介效应分析基本原理中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系，⽽是通过⼀个或⼀个以上的变量M间接影响产⽣，此时称M为中介变量，X通过M对Y的间接影响称为中介效应。
以上基本模型和回归⽅程描述了变量之间的关系：⽅程（1）的系数c为X对Y的总效应；⽅程（2）的系数a是X对M的直接效应；⽅程（3）的系数b是在控制了X的影响后，M对Y的直接效应；系数c’是控制了M的影响后， X对Y的直接效应；系数a*b是经过中介变量M产⽣的中介效应，并存在a*b=c-c’的关系。
分析步骤步骤⼀：X对Y的回归，检验回归系数c的显著性步骤⼆：X对M的回归，检验回归系数a的显著性步骤三：X和M对Y的回归，检验回归系数b和c’的显著性在SPSS操作软件中，分别对⽅程(1)(2)(3)进⾏线性回归分析，逐步检验系数的显著性。
打开菜单栏，分析→回归→线型，分别加⼊⾃变量和因变量，输出结果，得到系数的显著性。
典型案例研究⼯作认同感与⼯作绩效之间⼼理因素（焦虑）的意义，案例数据包括“不被认同”、“焦虑”、“⼯作绩效” 3个变量。
从⾃变量、因变量、中介变量的概念来理解，“不被认同”即⾃变量X，“焦虑”即中介变量M，“⼯作绩效”即因变量Y。
Step1：检验⽅程Y=c*X+e1 中系数c是否显著具体操作其实很简单，就是常规的线性回归过程。
菜单：【分析】→【回归】→【线性】，在线性回归主对话框中进⾏操作即可。
来看线性拟合结果：显然，模型 Y=c*X+e1 显著，标准化系数c=0.678，p=0.000，显著。
可以继续检验其他两个⽅程是否显著了。
Step2：检验⽅程M=a*X+e2 中系数a是否显著重复进⾏线性回归过程，焦虑变量作为因变量，⼯作不被认同变量作为⾃变量进⾏线性拟合即可。
显然，模型M=a*X+e2 显著，标准化系数a=0.533，p=0.000，系数显著。
可继续检验另外⼀个⽅程。
Step3：检验⽅程Y=c'*X+b*M+e3 中系数b和c'是否显著重复进⾏线性回归过程，⼯作绩效作为因变量，⼯作不被认同和焦虑同时作为⾃变量，进⾏线性拟合即可。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
推荐序中介分析的初衷在于揭示变量间作用的“机制”，最简单的完全中介模型就是包含一个中介变量的模型，即X→M→Y。
在中国知网平台《心理学报》发表论文的初步内容分析发现，2000年以来涉及“中介”分析的论文发表数量呈缓慢增长趋势，特别是，2016年以来每年约10篇左右的论文涉及到“中介”分析。
在众多探讨中介方法的中文文献中，尤其以温忠麟、侯杰泰、张雷老师合作发表的《中介效应检验程序及其应用》、《调节效应与中介效应的比较和应用》两篇文章最为引人注目，引用率高达8000余次，对于推动国内心理学界更多、更正式地使用中介分析做出了有目共睹的贡献。
这种趋势还是继续。
国内有限的几本发表实证研究的期刊，再也很难看到没有中介调节分析而能发表的非实验类、非综述类的文章了。
据初步估计，本校心理学本科生的论文中70%左右有用到中介分析，而心理学硕士学位论文使用中介分析的比例几乎高达90%，但用错、报告错、得出奇怪结论的情况总是难免，但研究者有时不自知、他人也不容易发现。
这当中，所引用的外文文献都比较一致地指向2004年发表于的一篇文章：《SPSS and SAS procedures for estimating indirect effects in simple mediation models》，引用率已突破6000次，这其中可能还不包括规模庞大的中文期刊论文以及中国学士以上学位论文引用的人数。
个人推测，这篇文章最受欢迎之处在于它提供了傻瓜式的宏。
然而，真正阅读英文原文的本科生和研究生人数可能并不乐观，老师们也未必能有雅兴拜读这篇原文。
本次推介的目的，反而并不是要介绍“宏”，而是尽量准确地翻译作者开发宏背后的“理”；误差也是难免的，请大家指正，是为序。
SPSS和SAS宏程序在简单中介模型的间接效应估计中的应用KRISTOPHER J. PREACHER北卡罗来纳大学ANDREW F . HAYES俄亥俄州立大学摘要：中介分析（mediation analysis）常用来间接评估假设的某个原因是否通过中介变量（mediator）对结果产生影响。
中介分析的作用在于，它不满足于对变量间关系的简单描述，而试图理解变量间的作用机制。
一个变量对另一个变量本来就存在具有统计学和实践意义上的间接影响，是“中介”概念的应有之义。
尽管心理学研究中经常探讨中介假设，但却很少对如何检验间接效应（indirect effect）的显著性进行探讨。
在简要介绍“中介”（mediation）概念之后，本文论证了直接检验间接效应显著性的重要性，并提供了SPSS和SAS 宏，它们能够运用于基于正态分布理论的方法和Bootstrap方法估计间接效应及其置信区间。
这些宏也能对Baron和Kenny（1986）提出的传统中介效应进行估计。
我们希望这一讨论和宏分析能够帮助心理学文献中能更加正式地使用中介效应检验。
这些宏的电子副本可以从心理学会的网站档案中下载，网址是/archive/。
正文心理学家经常通过研究来确定一个变量是否以及在多大程度上影响另一个变量。
然而，发现两个变量存在关联只是心理学研究目标的一个小部分。
当我们获得造成这种影响的“过程”（process）时，才能加深对变量间关系的理解。
例如，要了解一项管理培训项目是通过影响员工对管理的态度还是通过改变行为习惯来提高员工满意度的，中介分析就可能非常有用了。
在这个例子中，态度和习惯是管理培训项目与员工满意度之间潜在的中介变量。
“当一个变量解释了预测变量与效标变量之间的关系时”，这个变量就可能被称为中介变量（mediator）（Baron & Kenny，1986，p.1176）。
图1（A）表示假设的原因（X）对结果（Y）的影响。
图1（B）是最一个最简单的中介模型，它表示一个变量（M）中介了X对Y的影响，我们这里称之为简单中介（simple mediation）。
可能还有其它更复杂的中介模型，但是我们这里仅讨论这种简单的中介模型，因为它是迄今为止最常用的中介模型。
图1（A）表示X直接影响Y；图1（B）代表中介设计（mediation design）中X通过M 间接影响Y.X和Y之间的简单关系通常被称为X对Y的总效应（total effect of X on Y），如图1（A），我们用c来表示，以有别于当控制M之后后X对Y的直接效应（the direct effect of X on Y after controlling for M）c’，如图1（B）。
此前，研究者检验简单中介效应的正式做法是直接遵循Baron和Kenny （1986）提供的中介定义一步一步地分析：（1）X显著预测Y（即c≠0）；（2）X显著预测M（即a≠0）和（3）当控制了X之后，M显著地预测了Y（即b≠0）。
Baron和Kenny讨论了要执行的几项分析，描述了如何根据上述标准对分析结果进行评价。
这些标准可以按照下列方程式进行估计：其中，i是截距。
当X对Y的影响随着M的加入而降低到零时，完美中介效应（perfect mediation）就发生了（James & Brett，1984，称这种情况为完全中介complete mediation）。
当X对Y的影响降低了相当大的程度但仍然不为零时，称为发生了部分中介（partial mediation）。
根据Baron和Kenny的说法，除了满足这些要求外，还必须满足另外两个假设才能断定中介发生了，即：（1）M中不应有测量误差；（2）Y不应该是M的原因。
第一条假设经常被违反，但这不是本文要讨论的重点。
在本文最后，我们还会强调，一个中介结论的有效性最终还是取决于研究设计和统计标准。
在基础和应用心理学研究中，研究者经常检验中介假设，而且通常以Baron和Kenny（1986）提出的检验程序为指导。
例如，对《应用心理学杂志》在2000年、2001年和2002年发表论文的非正式的内容分析中发现，有22%的论文报告以中介分析为重点，而且绝大多数是基于Baron和Kenny的检验程序。
无论在中介假设出现的频率，还是在使用Baron和Kenny的检验标准方面，这种现象在其它主流心理学期刊中也都是有相当代表性的。
事实上，根据科学引文索引（Science Citation Index），截至2004年9月Baron和Kenny的论文是现代心理学文献中引用频率最高的论文之一，被引用近5300条。
目前，已有更严格的统计方法用以检验中介假设。
Baron和Kenny（1986）描述了Sobel（1982）开发的一种检验程序（以下简称Sobel test ，Sobel检验），它提供了一种更直接检验间接效应的方法。
在简单中介情况下，Sobel检验是通过比较X对Y的非直接效应的强度与虚无假设（0）而实现的。
其中，X对Y的间接影响被定义为X→M路径（a）和M→Y路径（b）的乘积项或a×b（以下简写为ab）。
在大多数情况下，a×b=（c-c’）,其中c是没有控制M的情况下，X对Y的直接影响（即总效应），c’是将M添加到模型后的X→Y的路径系数（见图1）。
a和b的标准误分别用s a和s b表示,间接效应（s a b）的标准误差可以根据Aroian（1944）、Mood、Graybill和Boes（1974）和Sobel（1982）提出的公式进行计算：为了进行Sobel检验，需要将ab除以s a b得到一个临界比，并与传统上给定α水平下标准正态分布的临界值进行比较。
Sobel检验的一个必要假设是样本量足够大，这样假如ab的抽样分布呈正态分布的情况下，统计显著性处于α=.05水平的双尾检验的粗略临界值为±1.96。
随着样本量减小，Sobel检验就变得不那么稳健。
Sobel检验的另一个变式，就是减去标准误公式（4）的最后一项（即s a2s b2），而不是加上它（Goodman，1960）。
还有一个版本则是干脆把最后一项（s a2s b2）都省略了，因为它的值可能是非常小的（Baron & Kenny，1986；Goodman，1960；MacKinnon & Dwyer，1993；MacKinnon，Warsi，& Dwyer，1995；Sobel，1982）。
Sobel（1982）描述了一种可以用来检验间接效应的更为复杂的通用程序。
截止目前，Sobel检验的效用和性能得到了研究者的广泛讨论和频繁使用（Hoyle & Kenny，1999；MacKinnon，1994；MacKinnon & Dwyer，1993；MacKinnon 等人，2001；MacKinnon等人，1995；Stone & Sobel，1990）。
MacKinnon、Lockwood、Hoffman、West和Sheets（2002）对Sobel检验（及其变式）与14种评价中介效应的方法进行比较发现，Sobel检验在统计检验力和吸引力方面更具有优势。
但是，正如我们下面将要讨论的，我们有理由怀疑依据正态分布假设来计算Sobel检验的p值，因为ab的抽样分布可能并不总是正态分析的。
令人好奇的是，Baron和Kenny（1986）采用一些必要的公式对Sobel检验进行了讨论，但实际上却很少被人使用它（参见MacKinnon等人，2002）。
我们不能肯定为什么研究者很少对间接效应的显著性进行正式检验，但至少有两种可能性：首先，Baron和Kenny并没有将X对Y的总效应（c）和直接效应（c’）之间的差值（即c-c’）具有统计显著性作为判定中介效应的必要条件。
相反，Baron 和Kenny只是说，如果在控制M之后c变得不再显著，那么就发生了完全中介，因此研究者将重点放在了这个条件上。
其次，尽管大多数流行的回归分析程序（如SPSS和SAS）会遵循Baron和Kenny提出的中介模型标准进行所有必须的统计检验，但很少有对间接效应（c-c’）是否为0（或者，等价地说，是ab=0）进行检验。
尽管这些程序已为研究人员提供了手工计算Sobel检验所需的所有信息，但还是需要一些额外的手工计算，而且研究人员可能根本抓不住这些繁琐计算的要点，因为Baron和Kenny没有将间接效应的显著性作为建立中介效应的标准之一。
在我们继续之前，有必要澄清一个可能令人困惑的问题。
虽然中介效应（mediated effects）和间接效应（indirect effects）这两个术语有时可以互换使用，但总的来说，二者之间应该有一个重要的区别（Holmbeck，1997）。
当只有一个中介变量时，中介效应通常被认为是间接效应的一个特例。
然而，存在中介效应的结论意味着最初存在一个X→Y的总效应。