用SSS作中介效应检验

SPSS 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，

Y=cX+ei；

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

YF X+bM+e3 0

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

中介效完全中介应显若效应显着中介效中介效应盧显著不显着

1.从下面的参考资料里下载一个Excel文件

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，打幵 Excel ，你会看到一个这样的表格

c

A

B D

E F G

H

a

b

S3

sb scble

屋吞显著

值

0.104

0.023

0.01

0.L59

0.14S 否

J

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,

栏会告诉是否显着，如果显着说明中介效应显着

是否显着这一

D

G

b

a

0,023

0 116 soble

0.104

0445

sb

0J59

是否显奢 口

sa

0.03

0 227

13.750

0 000 M=a*X+e2 a h 0.061

12.770

0.000

12 653

0 000

0.502

0.103

Y=c'*X+b*M+e3

b

0 222

0 052

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

EF 日T

纭城叔幵发工貝

Calibri T11 k貳岸--- 月玲F

B I y - [B——-------------- g合幷后居中0”

SPSS实例：［20］检验中介效应的操作方法

上一篇文章我介绍了检验中介效应的理论过程，见文章【中介效应的检验过程】，现

在哦我们要在上一篇文章的基础上进行操作，操作方法如下：

Y F X+引；

1.首先检验第一个方程，方程形式如下

检验过程是使用线性回归：：：：：：打幵线性回归的对话框

tl] • 1DM idiicr

? ?????????????

Araljze Direct MarlcMirtg Graphs utilities Add-ons ^inflow Help

Reports

D escri piivs Statistics

Tables

Conipare M&ans ► General Linear Model

►

Generalized Linear Models > Mixed Models 卜 Correlate

卜

GW

| G11 n

G12

u

5 00

5.00

5.00

3.00

3fQ

3.00 1.00 5.00

4.00

1 00

3.00

2.00

Regressior Dim 利 Reduction

然后再放入X 和Y ,

*

Select an Variable

Case Ls^els:

*

]Automatic Linear Motlelinj... Lagline ar Neural Networks

Classify

Linear...

Curve Estimation... $ Partial Least Squ rrr s..

「

gaBs

Save

Optic H£- Boctsl^p

uevio-fl! Enter

ir

T-LSATEig

世