中介作用分析

TLI或NNFI
CFI
Tucher-lewis指数或非规范拟 合指数
比较拟合指数 信息标准指数，不用于评估 给定模型对数据的拟合指数 ，而是用于模型比较
>0.9，越接近于1越好
>0.9，越接近于1越好 越小越好 越小越好
信息指数
AIC BIC
注：
（1）对于RMSEA:（Hu与Bentler（1991）认为可以把RMSEA≤0.06作为模型拟合的 截取值） 0:完美拟合 <0.05:精确拟合 0.05~0.08：合理拟合 0.08~0.10：拟合不好 >0.10：拟合很差 （2）对于TLI：不一定在[0,1] 取值，若超出该范围，则重新设定其为0或1 （3）对于CFI ：在[0,1] 取值，若超出该范围，则重新设定其为0或1。Hu与 Bentler（1998,1999）认为CFI指数应提高到0.95。
（六）如何在SEM分析软件中设置Bootstrap
①AMOS 软件在分析属性(Analysis Properties)→Bootstrap 对话框就可以进 行Bootstrap 方法的设置，但是AMOS 软件无法同时提供辅助变量的设置。 ②MPLUS 软件在“Analysis”命令中就可以进行Bootstrap 方法的设置，也能 设置多个辅助变量，因此能使用Bootstrap 方法进行完整的多重中介分析。 ③LISＲEL 软件进行Bootstrap 分析可以得到多重中介效应的标准化解。
（五）多重中介分析的Bootstrap方法
①定义：Bootstrap 方法是由Efron 最早提出的一种重复抽样方法(resampling methods)。Bootstrap 方法是将原始样本当成Bootstrap 抽样的总体，通过有放 回的重复抽样抽取大量Bootstrap 样本并获得统计量的过程，其实质是模拟了 从总体中随机抽取大量样本的过程。Bootstrap 方法的唯一要求是原始样本可 以反映研究总体，但不需要知道研究总体的具体分布。常用的Bootstrap 方法 包括百分位Bootstrap 方法和偏差校正的百分位Bootstrap 方法。国内研究者方 杰等认为偏差校正百分位Bootstrap方法优于百分位Bootstrap方法。 ②优势：不需要正态性假设，也不需要大样本，进行中介效应区间(如果区间不 包括0，表示中介效应显著) 估计时更无需标准误。
②检验H0 ：ab=0 目前至少有5种以上的近似计算公式，当样本容量比较大时（如大于 500），各种检验的检验力差别不大。比较常用的是Sobel根据一阶 Taylor展式得到的近似公式： ˆ2 2 ˆˆ ˆ2 2 b ab a
z=
s
sab=
s
b
s
a
ab
③检验H0 ：c-
c‘=0
s
c c'
rXM sc'
（二）常见的多重中介模型
（1）单变量多重中介模型（根据多个中介变量之间是否存在相互影响划分） ①并行（单步）多重中介模型:反映的是多个中介变量（不存在相互影响）同时在 自变量和因变量之间起中介作用（见图3） ②链式（多步）多重中介模型：多个中介变量之间存在相互影响，并且表现顺序性 特征，形成中介链。 （见图4） ③复合式多重中介模型：由前两种模型复合而成，既包含并行的多个中介变量也包 含串联的多个中介变量。 （见图5） (2)多元多重中介模型
SEM软件
优点
缺点
AMOS
MPLUS LISＲEL
方便实施Bootstrap方法 无法设置辅助变量
方便实施Bootstrap方法 无法得到中介效应标准 ，能设置辅助变量 化解
能设置辅助变量，可以 执行Bootstrap方法比较 得到中介效应标准化解 繁琐
（七）拟合指数
指数名称 绝对拟合指数 χ² GFI RMR SRMR RMSEA 相对拟合指数（ 增值拟合指数） NFI 含义 拟合劣度 拟合优度指数 残差均方根 标化残差均方根 近似残差均方根 规范拟合指数 评价标准 越小越好 >0.9 <0.05，越小越好 <0.05，越小越好 <0.05，越小越好 >0.9，越接近于1越好
+ a1a3b2 ②特定路径的中介效应：a1b1、a2b2和a1a3b2 ③对比中介效应：a1a3b2 － a2b2、a1b1 － a2b2和a1a3b2－ a1b1
（三）优势
①可以得到总的中介效应。 ②可以在控制其他中介变量(如控制M1)的前提下，研究每个中介变量(如M2) 的特 定中介效应。这种做法可以减少简单中介模型因为忽略其他中介变量而导致的参 数估计偏差。 ③可以得到对比中介效应，使得研究者能判断多个中介变量的效应( 如a1b1和a2b2) 中，哪一个效应更大，即判断哪一个中介变量的作用更强。这样，对比中介效应 能使研究者判断多个中介变量理论(如X→M1→Y 和X→M2→Y) 中，哪个中介变量理 论更有意义。
X
c'
图2.中介变量示意图
如果满足下列条件，则认为中介作用可能存在： （1）回归系数a显著，表明自变量X与中介变量M之间存在线性关系。 （2）回归系数c显著，表明自变量X与因变量Y之间存在线性关系。 （3）回归系数b显著，意味着中介变量M有助于预测因变量Y,并且显示自 变量X对因变量Y的直接作用的 c' 与c相比，数值显著变小。 （4）c与c'的大小是通过z检验来判定的。（Sobel z检验） （5）检验c（直接作用）与c'(控制了间接的中介作用之后的直接作用）的 差异与检验中介效应ab的强度是否大于0是等价的。 即：z=
（四）研究结果
4.1各变量间的相关关系
4.2模型1~3的检验与分析
4.2.1模型1中变量关系的回归分析
4.2.2威胁知觉和情绪失调的中介效应分析
间接效应1：冲突水平→威胁知觉→社交焦虑 间接效应2：冲突水平→威胁知觉→情绪失调→社交焦虑 间接效应3：冲突水平→情绪失调→社交焦虑
四、应用实例
父母冲突对青少年社会焦虑的影响：序列中介效应分析
（一）研究目的：运用偏差校正的百分位Bootstrp方法探索青少年对父母冲突的 威胁知觉和情绪不安全感（消极表征、情绪失调、行为失调）在父母冲突水平与 青少年社交焦虑之间的序列中介作用。
（二）研究假设： H1 ：父母冲突正向预测青少年对父母冲突的威胁知觉和情绪不安全感; H2 ：青少年的威胁知觉正向预测其情绪不安全感，但对情绪不安全感的不同维度 （消极表征、情绪失调、行为失调）存在不同影响； H3 ：青少年的维系知觉和情绪不安全感分别正向预测其社交焦虑； H4 ：威胁知觉和情绪不安全感在父母冲突与青少年社交焦虑之间起着序列中介作 用。 （三）研究结论： 父母冲突主要通过三条途径影响青少年社交焦虑：通过威胁知觉的中介作用；通 过情绪不安全感，特别是消极表征的中介作用；通过依次影响威胁知觉和情绪不 安全感（特别是消极表征和情绪失调）而正向预测青少年社交焦虑。
ab 2 a2 S 2 b 2 Sa b
以相关系数推导出路径系数的方程如下：
a=rXM
b= ( 1/1-r²XM)（rMY-rXMrXY)
c= ( 1/1-r²XM)(rXY-rXMrMY)
Fra Baidu bibliotek
（二）中介效应分析方法
①依次检验回归系数（最简单） 依次检验回归系数a和b,检验统计量t等于回归系数的估计值除以相应的 标准误。这种检验的第一类错误率很小，一般都远远小于显著性水平 （如0.05）。不足在于中介效应较弱时，检验力并不高。联合检验（ 原假设是H0 ：a=0且b=0,同时检验a和b的显著性，检验力比依次检验 要高。
M a b Y
① 如图1所示，X是自变量，M是假定的中介变量， Y是因变量。在假定和检验中介作用的研究中，关注 点是X对Y的作用是直接的（即X→Y）还是间接的 （通过M起作用，即X →M →）？间接作用的假设 是，变量X有助于预测和解释中介变量M的变化，而 这又有助于预测和解释变量Y的变化。 ② Davis(1985:15)曾提到，好的决定因素（如中介 作用中的X）可以是“某些稳定的”的特征：如宗教 信仰、职业声望、收入、智力、性别等。好的M或Y 可以是“相对不稳定的”或易变的变量：如幸福感 指标、品牌偏好、态度等。 ③ 例如：X可以是某种认知需要，M是对广告的态 度，Y是购买某种广告商品的可能性。
（五）中介效应的相对大小
①中介效应/总效应= ②中介效应/直接效应=
ˆ ˆ / ab ˆ ˆc ˆ' ab
ˆˆ/c ˆ' ab
三、多重中介模型
（一）定义
多重中介模型是指在自变量与因变量之间存在多个中介变量的模型。链式多重中介 模型与并行多重中介模型是多重中介模型的基本构成单元。多重中介模型可以分析 总的中介效应、特定中介效应和对比中介效应。
Y= β1+cX+ ε1
M a b Y
ε2
M= β2+aX+ ε2
Y= β3+c' X+bM+ε3 ε3 方程中的β表示截距(一般忽略不计),ε表示模 型的误差项(一般忽略不计), ，a、b、c、
c' 表示回归系数，反映了三个关键变量之间的 关系。其中，ab是经过中介变量M的中介效应， c是X对Y的总效应， c'是直接效应。
X
c'
图1.简单的、标准的三变量中介模型
二、基本方法
（一）经典的中介作用检验
c 最流行的检验中介作用的方法是Baron和 Kenny(1986)年提出的。根据这一方法，需要拟 合三个回归方程。假设所有变量都已经中心化 （即均值为零),可以用下列方程来描述变量之 间的关系,相应的路径图见图2.
X
Y
ε1
中介作用分析
报告人：汪瑶 时间：2014、12、9
简介
基本方法
中介作用分析
多重中介作用分析
应用实例
中介变量：如果自变量X通过某一变量M对因变量Y产生一定影响， 则称M为X和Y的中介变量或M在X和Y之间起中介作用。
理论假设：中介变量反映了自变量通过它来影响因 变量的过程。
一、中介作用简介
研究目的：帮助研究者解释自变量X和 因变量Y关系的作用机制，也可以整合 已有变量之间的关系。
（四）多重中介效应的SEM分析程序
① 确定多重中介模型。由于中介模型是一种验证性模型而不是探索性模型，因此必 须首先根据理论确定自变量、中介变量和因变量，以及变量之间的因果顺序。
② 设置辅助变量。根据第1 步确立的多重中介模型和使用的SEM 软件，设置相应的辅 助变量。（LISＲEL 软件只需要在输入指令“DA”的结尾处加入“AP”选项，MPLUS 软 件只需使用“MODELCONSTＲAINT”命令就可以便利的设置多个辅助变量。通过设置 多个辅助变量，使得研究者可以同时得到特定、总的和对比中介效应值，实现完整 的多重中介效应分析） ③ 偏差校正Bootstrap 的SEM 分析。如果SEM模型的拟合程度可接受，则根据偏差校 正Bootstrap得到的中介效应区间估计进行中介效应显著性判断(判断方法是，对要检 验的中介效应(如特定中介效应)，如果其置信区间不包含零，则相应的中介效应显著); 如果SEM 模型的拟合程度不可接受，则停止分析。
ˆc ˆ ' / sc c' t c
2 scc' sc 2 sc '2 2sc sc ' 1 rXM
（三）温忠麟等提出了一个新的检验中介效应的程序，如下图：
（四）中介效应的解释
对于检验结果显著的中介效应，要区分是完全中介效应还是部分中介效应。如果是 完全中介效应，则说明自变量对因变量的影响，完全是通过中介变量M而起作用，此 时X对Y没有直接影响。如果是部分中介效应，则说明自变量X对因变量Y的影响，有一 部分是通过中介变量M起作用，应当报告中介效应的比例，或者报告中介效应与直接 效应之比。
M1 M1 M2 ....
M2
..
Mn
x
图4.链式多重中介模型 Y M1 a1 x a2 c′ a3 M2 b1
Y
xx
Mn-1
Mn
图3.并行多重中介模型
b2 Y
图5.复合式多重中介模型
以图5所示的含有两个中介变量M1和M2的多重中介模型为例，此时的多重中介效 应分析可以从三个角度入手：
①总的中介效应：a1b1 + a2b2
威胁知觉
+
情绪失调
威胁知觉
+
消极表征
+
父母冲突
+
+
+
社交焦虑
+
父母冲突
+
+
+
社交焦虑
模型1：父母冲突水平影响青少年社交焦虑：威胁 知觉与情绪失调的序列中介作用
模型2：父母冲突水平影响青少年社交焦虑：威胁 知觉与消极表征的序列中介作用
威胁知觉
+
行为失调
+
父母冲突
+
+
+
社交焦虑
模型3：父母冲突水平影响青少年社交焦虑：威胁 知觉与行为失调的序列中介作用