SPSS及AMOS進行中介效應(yīng)分析

1、中介效應(yīng)重要理論及操作務(wù)實SPSS和AMOS調(diào)節(jié)效應(yīng)一、中介效應(yīng)概述中介效應(yīng)是指變量間的影響關(guān)系（XTY）不是直接的因果鏈關(guān)系而 是通過一個或一個以上變量（M）的間接影響產(chǎn)生的，此時我們稱M為 中介變量，而X通過M對丫產(chǎn)生的的間接影響稱為中介效應(yīng)。中介效 應(yīng)是間接效應(yīng)的一種，模型中在只有一個中介變量的情況下，中介效 應(yīng)等于間接效應(yīng)；當(dāng)中介變量不止一個的情況下，中介效應(yīng)的不等于 間接效應(yīng)，此時間接效應(yīng)可以是部分中介效應(yīng)的和或所有中介效應(yīng)的 總和。在心理學(xué)研究當(dāng)中，變量間的關(guān)系很少是直接的，更常見的是 間接影響，許多心理自變量可能要通過中介變量產(chǎn)生對因變量的影 響，而這常常被研究者所忽視。例如，大

2、學(xué)生就業(yè)壓力與擇業(yè)行為之 間的關(guān)系往往不是直接的，而更有可能存在如下關(guān)系： 就業(yè)壓力T個體壓力應(yīng)對T擇業(yè)行為反應(yīng)。此時個體認知評價就成為了這一因果鏈當(dāng)中的中介變量。在實際 研究當(dāng)中，中介變量的提出需要理論依據(jù)或經(jīng)驗支持，以上述因果鏈 為例，也完全有可能存在另外一些中介因果鏈如下： 就業(yè)壓力T個體擇業(yè)期望T擇業(yè)行為反應(yīng)； 就業(yè)壓力T個體生涯規(guī)劃T擇業(yè)行為反應(yīng)；因此，研究者可以更具自己的研究需要研究不同的中介關(guān)系。當(dāng) 然在復(fù)雜中介模型中，中介變量往往不止一個，而且中介變量和調(diào)節(jié) 變量也都有可能同時存在，導(dǎo)致同一個模型中即有中介效應(yīng)又有調(diào)節(jié) 效應(yīng)，而此時對模型的檢驗也更復(fù)雜。以最簡單的三變量為例，假

3、設(shè)所有的變量都已經(jīng)中心化，則中介 關(guān)系可以用回歸方程表示如下：Y 二 cx+ei1)M=ax+e22)丫二c x+bM+e33)上述3個方程模型圖及對應(yīng)方程如下：巨宀巨+科二、中介效應(yīng)檢驗方法中介效應(yīng)的檢驗傳統(tǒng)上有三種方法，分別是依次檢驗法、系數(shù)乘積項檢驗法和差異檢驗法，下面簡要介紹下這三種方法： 仁依次檢驗法(causual steps)o依次檢驗法分別檢驗上述1) 2) 3) 三個方程中的回歸系數(shù)，程序如下：首先檢驗方程1) y=cx+ e1,如果c顯著(HO：c二0被拒絕)，則繼 續(xù)檢驗方程2),如果c不顯著(說明X對Y無影響)，則停止中介效 應(yīng)檢驗；在c顯著性檢驗通過后，繼續(xù)檢驗方程2

4、) M二ax+e2,如果a顯 著(HO:a二0被拒絕)，則繼續(xù)檢驗方程3);如果a不顯著，則停止檢驗;在方程1）和2）都通過顯著性檢驗后，檢驗方程3）即y二c x + bM + e3,檢驗b的顯著性，若b顯著（HO：b二0被拒絕），則說明中介 效應(yīng)顯著。此時檢驗c，若c顯著，則說明是不完全中介效應(yīng)；若 不顯著，則說明是完全中介效應(yīng)，x對y的作用完全通過M來實現(xiàn)。評價:依次檢驗容易在統(tǒng)計軟件中直接實現(xiàn)，但是這種檢驗對于較 弱的中介效應(yīng)檢驗效果不理想，如a較小而b較大時，依次檢驗判定 為中介效應(yīng)不顯著，但是此時ab乘積不等于0,因此依次檢驗的結(jié) 果容易犯第二類錯誤（接受虛無假設(shè)即作出中介效應(yīng)不存在

5、的判斷）。2.系數(shù)乘積項檢驗法（products of coefficients） o此種方法主要檢 驗ab乘積項的系數(shù)是否顯著，檢驗統(tǒng)計量為z二ab/ Sab,實際上熟 悉統(tǒng)計原理的人可以看出，這個公式和總體分布為正態(tài)的總體均值顯 著性檢驗差不多，不過分子換成了乘積項，分母換成了乘積項聯(lián)合標 準誤而已，而且此時總體分布為非正態(tài)，因此這個檢驗公式的Z值和 正態(tài)分布下的Z值檢驗是不同的，同理臨界槪率也不能采用正態(tài)分布 概率曲線來判斷。具體推導(dǎo)公式我就不多講了，大家有興趣可以自己 去看相關(guān)統(tǒng)計書籍。分母隸的計算公式為：sab=）a2sh2+b2sa2 ,在這個 公式中，sj和sj分別為a和b的標準

6、誤，這個檢驗稱為sobel檢驗， 當(dāng)然檢驗公式不止這一種例如Goodman I檢驗和Goodman I I檢驗都 可以檢驗（見下），但在樣本比較大的情況下這些檢驗效果區(qū)別不大。 在AMOS中沒有專門的soble檢驗的模塊，需要自己手工計算出而在 I isrel里面則有,其臨界值為z或za/2（P , NN200）。關(guān)于臨 界值比率表見附件（虛無假設(shè)概率分布見MacKinnon表中無中介效應(yīng). 表，雙側(cè)概率，非正態(tài)分布。這個臨界表沒有直接給出.05的雙側(cè)概 率值，只有.04的雙側(cè)概率值；以N二200為例，.05的雙側(cè)概率值在 其表中大概在土左右，而不是溫忠麟那篇文章中提出的。關(guān)于這一點， 我看了

7、溫的參考文獻中提到的MacKinnon那篇文章，發(fā)現(xiàn)溫對于.97 的解釋是直接照搬MacKinnon原文中的一句話For examp I e, the emp i r i ca I cr i tica I va I ue i s . 97 for the . 05 s ignif icanee I eve I rat her than for the stan dard n ormal test of ab 4 0. We designate this test statistic by z8 because it uses a different d i str i but i on tha

8、n the norma I d i str i but i on. ,實 際上在 MacK i nnon 的概率表中，這個.97的值是在N=200下對應(yīng)的.04概率的雙側(cè)統(tǒng)計 值，而不是.05槪率雙側(cè)統(tǒng)計值，因為在該表中根本就沒有直接給 出.05概率的統(tǒng)計值。為了確定這點，我專門查了國外對這個概率表 的介紹，發(fā)現(xiàn)的確如此，相關(guān)文章見附件。當(dāng)然，從統(tǒng)計槪率上來說， 大于在這個表中意味著其值對應(yīng)概率大于.05,但是當(dāng)統(tǒng)計值小于時 而大于，其值對應(yīng)槪率的判斷就比較麻煩了，此時要采用作為P. 05 的統(tǒng)計值來進行判斷。之所以對溫的文章提出質(zhì)疑，是因為這涉及到 概率檢驗的結(jié)果可靠性，我為此查了很多資料，

9、累)。Goodman I檢驗公式如下Goodman I I檢驗檢驗公式如下丁邛z =z 一 v疋處十代記+記斥)注：從統(tǒng)計學(xué)原理可知，隨著樣本量增大，樣本均值和總體均值的差 誤趨向于減少；因此從這兩個公式可看出，處斥的值隨著樣本容量增 大而呈幾何平方值減小，幾乎可以忽略不計算，因此MacKinnon et aI (1998)認為代噸乘積項在樣本容量較大時是“trivial ”(瑣碎不必要 的)的，因此sobe I檢驗和Goodman檢驗結(jié)果在大樣本情況下區(qū)別不 大，三個檢驗公式趨向于一致性結(jié)果，因此大家用soble檢驗公式就 可以了 (詳情請參考文獻 A Compar i son of Met

10、hods to Test Med i at i on and Other I ntervening Var i abIe Effects. Psychological Methods 2002, Vol. 7, No. 1, 83-104)。評價：采用sobeI等檢驗公式對中介效應(yīng)的檢驗容易得到中介效應(yīng)顯 著性結(jié)果，因為其臨界概率(MacKinnon) P或z /2,而正態(tài)分布曲線下臨界概率P或Za/2,因此 用該臨界概率表容易犯第一類錯誤(拒絕虛無假設(shè)而作出中介效應(yīng)顯 著的判斷)3.差異檢驗法(difference in coefficients) o此方法同樣要找出聯(lián) 合標準誤，目前存在一

11、些計算公式，經(jīng)過MacKinnon等人的分析，認 為其中有兩個公式效果較好，分別是Clogg等人和Freedman等人提 出的，這兩個公式如下：Clogg差異檢驗公式Freedman差異檢驗公式這兩個公式都采用t檢驗，可以通過t值表直接查出其臨界概率。Clogg等提出的檢驗公式中，N-3的下標N-3表示t檢驗的自由度 為N-3, 4型為自變量與中介變量的相關(guān)系數(shù)，L1為X對Y的間接效 應(yīng)估計值的標準誤；同理見Freedman檢驗公式。!評價：這兩個公式在a二0且b二0時有較好的檢驗效果，第一類錯誤率 接近，但當(dāng)a二0且btO時，第一類錯誤率就非常高有其是Clogg等 提出的檢驗公式在這種情況下

12、第一類錯誤率達到100%,因此要謹慎 對待。4.溫忠麟等提出了一個新的檢驗中介效應(yīng)的程序，如下圖：中介效気全中介 應(yīng)顯著效應(yīng)顯著中介效中介效應(yīng) 應(yīng)顯著不顯著廠與相關(guān)不顯著 傳止中介效應(yīng)分析這個程序?qū)嶋H上只采用了依次檢驗和sobel檢驗，同時使第一類錯誤 率和第二類錯誤率都控制在較小的概率，同時還能檢驗部分中介效應(yīng) 和完全中介效應(yīng)，值得推薦。三中介效應(yīng)操作在統(tǒng)計軟件上的實現(xiàn)根據(jù)我對國內(nèi)國外一些文獻的檢索、分析和研究，發(fā)現(xiàn)目前已經(jīng) 有專門分析soble檢驗的工具軟件腳本，可下掛在SPSS當(dāng)中；然而在AMOS中只能通過手工計算，但好處在于能夠方便地處理復(fù)雜中介 模型，分析間接效應(yīng)；根據(jù)溫忠麟介紹，L

13、ISREAL也有對應(yīng)的SOBEL 檢驗分析命令和輸出結(jié)果，有鑒于此，本文擬通過對在SPSS、AMOS 中如何分析中介效應(yīng)進行操作演示，相關(guān)SOBEL檢驗?zāi)_本及臨界值表 (非正態(tài)SOBEL檢驗臨界表)請看附件。如何在SPSS中實現(xiàn)中介效應(yīng)分析這個部分我主要講下如何在SPSS中實現(xiàn)中介效應(yīng)分析(無腳本， 數(shù)據(jù)見附件spss中介分析數(shù)據(jù),自變量為工作不被認同，中介變量 為焦慮，因變量為工作績效)。第一步：耳備自變量(X)、中介變量(M)、因變量(Y)對應(yīng)的潛變量的項 目得分合并取均值并中心化，見下圖文件E)編爼 視國邊 數(shù)據(jù))轉(zhuǎn)換0)分析)國表 工具 窗口魁)幫助Q1)領(lǐng)導(dǎo)不認可同事不認可I客戶不認

14、可心跳緊張坐立不安效率低|效率下降|124222322141a14242n2a224I 11色擁俸聞社血臨*fj 走匚帝6：工作不被認冋在這個圖中，自變量(X)為工作不被認同，包含3個觀測指標，即領(lǐng)導(dǎo)不認同. 同事不認可、客戶不認可；中介變量(M)焦慮包含3個觀測指標即心跳、緊張、 坐立不安；因變量(Y)包含2個觀測指標即效率低和效率下降。.sav - SPSS Data文件歸獺腿辺紙溯0分析如蹶工具S窗口也帥輛gjgjgjb：工碗認同|3領(lǐng)導(dǎo)不阿同事幣認可陪戶不認可心跳丨緊張|坐立後 減率低做率下降|工作不枝認同I焦慮|工傾婦324222323W|2.002.502111|2 2222 1W

15、 !2002.BDescriptive Statistics工作不被認同焦慮工作績效Vai id N(1 istwise)NMean489489489489sav立件 烷緝觀圖電）找據(jù)陽XQ）分析無 工貝邊宙口型幫肋QPF盂孕珂 L社19處工匚焉6:工作不彼認同2工作不被認同焦慮工作績皴|不披認同中心化工作績效1中心化）13. CO2.002.50.92-.092221.C02.002.001.08-092331.C01331.50-1 H-7578上面三個圖表示合并均值及中心化處理過程，生成3個對應(yīng)的變量并中心化（項目均值后取離均差）得到中心化X、M、Yo第二步：按溫忠麟中介檢驗程序進行第一

16、步檢驗即檢驗方程y二cx+e中的c是否顯著，檢驗結(jié)果如下表:Model SummaryModel(RR SquareAd justed R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig F Change1(.678 (a).460.459 70570.4601487.000a Predictors: (Constant),不咸:認同(中心化)CoefficientModelUnstan dardized CoefficientsStan dardized Coefficient

17、stSig.BStd. &rorBeta1(Constant).002.032.051.959不被認同（中心化）.804.04067820.354.000a. Dependent Variable: I作續(xù)效(中心化)由上表可知，方程y二cx+e的回歸效應(yīng)顯著，c值.678顯著性為p. 000, 可以進行方程m=ax+e和方程y二c x+bm+e的顯著性檢驗；第三步：按溫忠麟第二步檢驗程序分別檢驗a和b的顯著性，如果都顯 著，則急需檢驗部分中介效應(yīng)和完全中介效應(yīng)；如果都不顯著，則停 止檢驗；如果a或b其中只有一個較顯著，則進行sobel檢驗，檢驗結(jié) 果見下表：Model SummaryMode

18、lRR SquareAdjusted R SquareStd. &ror of the EstimateChange StatisticsR Square ChanqeF Chanqedf1df2Siq. F Chanqe1.533a.284.283.76763.284193.2471487.000a. Predictors: (Constant),不被認同(中心化)CoefficientsModelUnstan dardized CoefficientsStandardized CoefficientstSiq.BStd. &rorBeta1(Constant).001.035.034.97

19、3不被認同（中心化）.597.043.53313.901.000a. Dependent Variable:焦廉(中心化)由上面兩個表格結(jié)果分析可知，方程iTFax+e中，a值顯著性p.000,繼續(xù)進行方程y二c x+bm+e的檢驗，結(jié)果如下表：Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change1.702a.492.490.68485.492235.4902486.000a. Predic

20、tors: （Constant）,焦ft （中心化），不被認同（中心化）CoefficientsModelUnstan dardized CoefficientsStan dardized CoefficientstSiq.BStd. &rorBeta1(Constant).001.031.044.965不被認同（中心化）.670.045.56414.773.000焦慮（中心化）.225.040.2135.577.000a. Dependent Variable:工作續(xù)效（中心化）由上面兩個表的結(jié)果分析可知，方程y二c x+bm+e中，b值為顯著性為 p. 000,因此綜合兩個方程m=ax+e

21、和y二c x+bm+e的檢驗結(jié)果，a和b 都非常顯著，接下來檢驗中介效應(yīng)的到底是部分中介還是完全中介； 第四步：檢驗部分中介與完全中介即檢驗c的顯著性：由上表可知，c值為.564其p值.000,因此是部分中介效應(yīng)，自變量 對因變量的中介效應(yīng)不完全通過中介變量焦慮的中介來達到其影響， 工作不被認同對工作績效有直接效應(yīng)，中介效應(yīng)占總效應(yīng)的比值為： effectm=ab/c=X=,中介效應(yīng)解釋了因變量的方差變異為sqrt （%） 小結(jié) 在本例中，中介效應(yīng)根據(jù)溫忠麟的檢驗程序最后發(fā)現(xiàn)自變量和 因變量之間存在不完全中介效應(yīng)，中介效應(yīng)占總效應(yīng)比值為，中介效 應(yīng)解釋了因變量的方差變異。2.在spss中運用s

22、pssmaro腳本來分析中介效應(yīng) I |亍伽被湘IProposed Mediator (MJ I展慮Dependent Variable (Y)目|工作績效Sobel Test Standard ErrorSecond order Bootstrap SamplesSave Bootstrap EstimatesRun MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MODELY工作績效X不被認同M焦慮DESCRIPT IVES STATISTICS AND PEARSON CORRELATIONSMeanSD工作績效不被認同焦慮工作績_1.000

23、0 9590 678CI.5139不就認同.808567805330焦慮（中.0000.9063.5139.5330SAMPLE SIZE489DIRECT And TOTAL EFFECTSCoeffb(YX).8042.0395b(MX).5975.0430b2255 0404t Sig (two)20.3535 000013.9013.0000 0000 b.6695.045314.7731.0000注：b(yx)相當(dāng)于c, b(my)相當(dāng)于a, b相當(dāng)于b, b相當(dāng)于c，INDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTION

24、Value LL 95 Cl UL 95 ClZS i g (two)Effect 1347.0261.0836 1858.0000(sobel)BOOTSTRAPRESULTSFor INDIRECTEFFECTDataMean LL 95Cl UL95Cl LL 99 Cl UL 99 ClEffect.1347.1333.0295.0800.1928.0582.2135NUMBER OF BOOTSTRAP RESAMPLES1000FAIRCHILD ET AL. (2009) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT:.2316*林

25、* notes *END MATRIX 從spssmacro腳本運行的結(jié)果來看，總效應(yīng)、中介效應(yīng)、間接效應(yīng)達到了顯著值，其中c為，a值為，b值為，c值為，間接效應(yīng)(在本例中為中介效應(yīng))解釋了自變量的方差，中介效應(yīng)占中效應(yīng)的比例為。下面用對加載腳本前后的 計算結(jié)果進行比較見下表：cabc，效應(yīng)比中介效應(yīng)方差變異無腳本I i I i%C4W4WSpssmacrao%從比較結(jié)果可以看出，加載腳本后分析中介效應(yīng)結(jié)果，總體效應(yīng)提高 了，但效應(yīng)比沒有多大變化()，說明中介效應(yīng)實際上提高了；中介 效應(yīng)對因變量的方差變異的解釋比例也提高了了近5個百分點，說明 采用bootstrap抽樣法能更準確地估計總體效應(yīng)

26、和間接效應(yīng)。3.如何在AMOS中實現(xiàn)中介效應(yīng)分析無論變量是否涉及潛變量，都可以利用結(jié)構(gòu)方程模型來實現(xiàn)中介 效應(yīng)分析，下面我來談?wù)勅绾卧贏MOS中實現(xiàn)中介效應(yīng)分析，數(shù)據(jù)見 附件（AMOS中介效應(yīng)分析數(shù)據(jù)）。第一步：建立好模型圖，如下：本模型假設(shè)，工作不被認可通過中介變量影響績效表現(xiàn)。第二步：設(shè)置參數(shù)，要在AMOS中分析中介效應(yīng)，需要進行一些必要的參數(shù)設(shè)置，步驟見下圖:File EAitView Biagram Analyze Tools Plugins Help口 o1 lai erface Properties.Ctrl+I1 fJj- Aitalysi s Properties.Ctrl+X

27、4 I1 皐 Ot j ect Properti es. . .Ctrl+0alysis Propertiesd2 xEstimation Numerical Bias Output Boot strap Permutations Random # TitleV Perform boot strapNumber of boot strap samplesPC confidence l.evelBC confidence level =Percentile confidence intervals7 Bias-corrected confidence intervalsLysis Propert

28、iesESt覚或丄巴J Numerical Bias | Output Bootstrap Permutations Random # TitleDiscrepancyMaximum likelihoodC weighted least squaresC Asynptotically di st r ibut i on-f r e eEst imat e means and intercepts廠 Emul.isrel6ChicorrectFor the purpose of computing fit measures with incomplete data:the saturated a

29、nd independence modelsC Fitthe saturated no del onlyneither model按照上面幾個圖提示的步驟設(shè)置好后，讀取數(shù)據(jù)進行運算，工具欄提示如下Scanning復(fù)件 工作認同焦慮與績效S Default JiodelMinimizat ionIteration 8Ninijnujn was achieved Writing oulputChi-square = 26. 0, df = 17 Boot strapSample 5000BC confidence intervalsPass 1Pass 2Pass 3Pass 4Pass 5Pas

30、s 6Pass 7Pass 8Pass 9Computat iV上圖表示采用bootstrap （自抽樣5000次）運算結(jié)果，數(shù)據(jù)迭代到第8次得到收斂。模型卡方為，自由度為17.第三步：看輸出結(jié)果即模型圖和文本輸出:Standardized estimates卡方值=25.996(P=.O75);自由度= 17；NFI=.989;TLI=.994;CFI=.996;卡方與自由度之比=1.529從模型標準化路徑圖可以看出，模型卡方與自由度之比為，p值.05,各項擬合指數(shù)皆較理想，說明模型較理想，下面我們來看下模型的總體效應(yīng)和間接效應(yīng)的文本輸出，見下表:Standardized Total Eff

31、ects (Group number 1 - DefauIt model)Standardized Total Effects - Lower Bounds (BC) (Group number 1 - Defau11 mode I)工作不被認可焦慮績效表現(xiàn)焦慮.554.000.000績效表現(xiàn).714.077.000效率下降.612.068.830效率低.661.070.889領(lǐng)導(dǎo)不認可.818.000.000同事不認可.771.000.000客戶不認可.729.000.000工作不被認可焦慮績效表現(xiàn)坐立不安.451.776.000緊張.405.688.000心跳.436.753.000Sta

32、ndardized Total Effects - Upper Bounds (BC) (Group number 1 - Defau11 mode I)工作不被認可焦慮績效表現(xiàn)焦慮.703.000.000績效表現(xiàn).831.303.000效率下降.733.263.905效率低.771.284.958領(lǐng)導(dǎo)不認可.907.000.000同事不認可.858.000.000客戶不認可).841.000.000坐立不安.600.883.000緊張.540.802.000心跳.582.868.000Standardized Total Effects - Two Tailed Significance (

33、BC) (Group number 1 - DefauIt mode I)工作不被認可焦慮績效表現(xiàn)焦慮.000 (績效表現(xiàn).000.002 效率下降.000.002.001效率低.000.002.001領(lǐng)導(dǎo)不認可.000 同事不認可.001 客戶不認可.001 工作不被認可 焦慮 績效表現(xiàn)坐立不安.000.001 .緊張.000.000 . .000.000 .心跳上述三個表格是采用BC（bias-corrected）偏差校正法估計的總體效 應(yīng)標準化估計的下限值、上限值和雙尾顯著性檢驗結(jié)果，雙尾檢驗結(jié) 果顯示，總體效應(yīng)顯著，提示自變量（工作不被認可）對因變量（績 效表現(xiàn)）的總體效應(yīng)顯著）值顯著

34、，P. 000;下面我們繼續(xù)看直接效 應(yīng)的文本輸出結(jié)果，如下表：Standardized Di rect Effects (Group number 1 - Default model)Standardized Direct Effects - Lower Bounds (BC) (Group number 1 - Default model)焦慮.554.000.000績效表現(xiàn).549.077.000效率下降.000.000.830效率低(.000.000.889領(lǐng)導(dǎo)不認可.818.000.000同事不認可坐立不安.451.000.000緊張.405.000.000心跳.436.000.00

35、0Standardized Indirect Effects - Upper Bounds (BC) (Group number 1 - Default model)工作不被認可焦慮績效表現(xiàn)焦慮.000.000.000績效表現(xiàn).197.000.000效率下降.733.263.000效率低.771.284(.000領(lǐng)導(dǎo)不認可.000.000.000同事不認可.000.000.000客戶不認可.000.000.000坐立不安.600.000.000工作不被認可焦慮績效表現(xiàn)緊張.540.000.000心跳.582.000.000Standardized Indirect Effects - Two

36、Tailed Sign汗icance (BC) (Group number 1 - Default mode I)工作不被認可焦慮績效表現(xiàn)焦慮績效表現(xiàn) 效率下降 效率低 領(lǐng)導(dǎo)不認可 同事不認可 客戶不認可 坐立不安 緊張 心跳 .002 000.002.000.002. .000.000.000 . .表格形式同上，顯著性見紅體字部分，在本例中即為C。綜合上述文本化輸出的結(jié)果，我們可以判定，c, a,b,c,的估計值都達到了顯著性，下面，我們來看些這四個路徑系數(shù)的標準化估計值和標準誤到底是多少呢見下表:Estimat 6-scalars-4S tandardized Regression We

37、igh ts: (Group number 1 - Default mode I)2ParameterSESE-SEMeanBiasSE-Bias焦慮-一工作不被認可.038.000.628.001績效表現(xiàn)一工作不被認可.053.001.659.000.001績效表現(xiàn)-一0.058.001187.001cSE SE-SE Mean Bias SE-Bi asrarameter焦慮心跳一焦慮.029.000.814.000.000坐立不安-焦慮.027.000.837.000.000客戶不認可一一工作不被認可.028.000.790.000.000同事不認可一一工作不被認可.023.000.818.001.000領(lǐng)導(dǎo)不認可一一工作不被認可.023.000.865.000效率低-一績效表現(xiàn).017.000.927.000.000效率下降-一績效表現(xiàn).020.000.871.000.000緊張-一焦慮.029.000.747.000.000上表是采用bootstrap方法得出的標準化估計值及其標