多重中介效應(yīng)檢驗(yàn)剖析

1、二.多重中介多重中介是指存在多個(gè)中介變量的情況。目前針對(duì)傳統(tǒng)多重中介分析存在(1) 分析不完整? LISREL-只能得到總的中介效應(yīng)估計(jì)值及其標(biāo)準(zhǔn)誤和t值。? AMOS -也只能得到總的中介效應(yīng)估計(jì)值。? MPLUS-可以得到特定路徑的中介效應(yīng)和總的中介效應(yīng)估計(jì)值，但還是得不到對(duì)比中介效應(yīng)的分析結(jié)果。(2) 使用sobel檢驗(yàn)的局限首先，sobel檢驗(yàn)統(tǒng)計(jì)量的推導(dǎo)基于正態(tài)假設(shè)，而特定中介效應(yīng)、總的中介效應(yīng)和對(duì)比 中介效應(yīng)估計(jì)值都涉及參數(shù)的乘積，因而通常都不滿足正態(tài)假設(shè)。其次，sobel檢驗(yàn)需要大樣本，檢驗(yàn)在小樣本的表現(xiàn)并不好。第三，sobel檢驗(yàn)統(tǒng)計(jì)量計(jì)算復(fù)雜，且需要手工計(jì)算所以采用以下兩種方

2、法來改善。1增加輔助變量的方法針對(duì)當(dāng)前多重中介效應(yīng)分析不完整的問題，在結(jié)構(gòu)方程模型中加入輔助變量，可以進(jìn)行完整的多重中介效應(yīng)分析。操作豳一/b 扣M2我們還是以上圖的模型為例子首先打開 spss數(shù)據(jù)庫(kù)，在 SPSS中FILE下選擇 Save as,依次保存上述指標(biāo)變量A1,A2,B1,B2,B3,E1-E7,E9,E10,文件格式為 Fixed ASC n( .dat),文件名為“ dc.dat”Lisrel操作單擊FILE，新建syntax窗口，輸入：TIDA NI=14 NO=706 MA=CM AP=1!表示增加一個(gè)輔助變量RA FI=dc.datlaE1 E2 E3 E4 E5 E6

3、E7 E9 E10 B1 B2 B3 A1 A2MO NY=12 NX=2 NK=1 NE=3 LX=FI L Y=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)=GA(1,1)*BE(3,1)-GA(2,1)*BE(3,2)!輔助變量，用來建立一新的待檢驗(yàn)參數(shù)PDOU AD=OFF ND=4點(diǎn)擊保存，將文件命名為fz.pr2，點(diǎn)擊運(yùn)行按鈕結(jié)果輸出部分BET

4、A可以找到b1, b2兩條路徑的參數(shù)估計(jì)值及顯著性M1M2YM1M2Y 0.1915-0.0894-(0.0607)(0.0421)3.1532-2.1256發(fā)現(xiàn)M1對(duì)Y的預(yù)測(cè)作用不顯著，M2對(duì)Y的預(yù)測(cè)作用顯著在GAMMA中可以找到其他路徑系數(shù)及顯著性XM1 0.6296(0.0561)11.2243M2 -0.3534(0.0483)-7.3242Y -0.0491(0.0597)-0.8223ADDITIONAL PARAMETERS表示輔助變量 a1*b1-a2*b2 的估計(jì)值PA(1)!表示第一個(gè)輔助變量，本例只用了一個(gè)輔助變量0.0890!表示輔助變量的參數(shù)估計(jì)值(0.0412)!表

5、示p直，小于0.05說明顯著，即兩個(gè)中介變量 M1和M2的中介效應(yīng)差異顯著。2.1616如果將輔助變量的程序設(shè)置為 CO PAR(1)=GA(1,1)*BE(3,1) 或 COPAR(1)=GA(2,1)*BE(3,2)則可以分別計(jì)算出兩個(gè)中介變量的特定中介效應(yīng)大小a1*b1或a2*b2。建議只設(shè)置一個(gè)輔助變量，因?yàn)槲以O(shè)置兩個(gè)及兩個(gè)以上輔助變量時(shí)程序無法運(yùn)行Mplus操作mplus軟件可以在一個(gè)程序中實(shí)現(xiàn)輔助變量與bootstrap法因此在下面 bootstrap法中一起介紹。2. bootstrap 法Lisrel操作Lisrel軟件進(jìn)行bootstrap分析的步驟分為六步：第一步，使用 L

6、isrel軟件中的prelis程序從原始樣本中抽取至少1000個(gè)bootstrap樣本具體操作是打開lisrel軟件，單擊file/import data in free format，選擇上一步保存好的 dc.dat文 件單擊打開，因?yàn)楸纠泄灿?4個(gè)變量，所以在number of中填14,單擊ok，生成了一個(gè)fz.PSF的文件。然后點(diǎn)擊 statistics/bootstrapping按鈕如圖filename:BootstrappingNumber o£ bootstrap c dfhml a?Sample £r acti onSave：All the standard

7、 devi aiRujtP All the MAnmttricesutput OptionCaiicelAll the mean vectorsNumber of bootstrap 中輸入 1000, sample fraction 中輸入文件名 mafile.cov 然后點(diǎn)擊 utput option按鈕出現(xiàn)如圖對(duì)話框OutputDtttSave tLe trttiiEformedIto iMewsSave to file:Vi dtk «£Numtf-r oftimnbtr o£Standard Deviations. Save to £iI Ke

8、wind data after each reptPrint bivariate firequenicyR? Frirtt tests t£ underlying! biv&riAsynptotic: Ccbvari am.ee MatrixWide print* Eandom seeC Stt i««d 1 (123456Save to £i Print in out IAsynptotic VariancesS«.vt to £iFrint in MCancel在moment matrix中選擇covarianee保存成協(xié)

9、方差矩陣，單擊OK,run。我們就會(huì)在源文件夾中發(fā)現(xiàn)mafile.COV這個(gè)新文件。注意：在我用自己的數(shù)據(jù)進(jìn)行到這一步時(shí)出現(xiàn)錯(cuò)誤提示W(wǎng)ARNING:VAR12 has more than 15 categories and will betreated as continuous. ERROR CODE 201.個(gè)人分析可能是數(shù)據(jù)不適用的問題，所以沒有再繼續(xù)進(jìn)行，但是按照文獻(xiàn)所講仍將下面的 步驟列出。第二步，設(shè)置輔助變量，采用固定方差法編寫可以分析多個(gè)樣本的Lisrel程序（如果采用固定負(fù)荷法編寫 Lisrel程序?qū)⒌玫街薪樾?yīng)的非標(biāo)準(zhǔn)化解）程序?qū)懛ㄒ娚衔牡谌?，運(yùn)行 Lisrel程序分析10

10、00個(gè)bootstrap樣本，得到研究者感興趣的特定、總的和對(duì) 比中介效應(yīng)系數(shù)估計(jì)值各1000個(gè)，保存為prelis數(shù)據(jù)文件（文件名 PSF）程序如下：DA Nl=14 NO=706 AP=4 RP=1000! AP=4表示增加4個(gè)輔助變量； RP=1000表示重復(fù)運(yùn)行 LISREL 程序1000次cm =mafile.cov !使用第一步產(chǎn)生的1000個(gè)協(xié)方差矩陣進(jìn)行分析MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FILKXLEM1 M2 丫PA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1

11、03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)= GA(1 1)* BE(3 1)!特定中介效應(yīng)目6CO PAR(2)= GA(2 1)* BE(3 2)!特定中介效應(yīng)a?b2CO PAR(3)= PAR(1)+ PAR(2)!總的中介效應(yīng)a,b-a2b.CO PAR(4)= PAR(1)-PAR(2)!對(duì)比中介效應(yīng)qd -a2POU AD=OFF ND=4 PV=bs.psf!參數(shù)估計(jì)值保存在PRELIS文件bs.psf中這里設(shè)置了四個(gè)輔助變量第四步，將prelis數(shù)據(jù)文件導(dǎo)出為 EXCEL文件（文件名.XLS

12、）第五步，在 EXCEL中將1000個(gè)中介效應(yīng)估計(jì)值從小到大進(jìn)行排序，將1000個(gè)中介效應(yīng)估計(jì)值的均值作為中介效應(yīng)估計(jì)值的標(biāo)準(zhǔn)化解；用第2.5百分位數(shù)和第97.5百分位數(shù)來估計(jì)bootstrap的中介效應(yīng)置信區(qū)間，如果置信區(qū)間不包括0,說明中介效應(yīng)顯著，百分位bootstrap方法的中介效應(yīng)檢驗(yàn)完成第六步，對(duì)第五步得到的中介效應(yīng)置信區(qū)間進(jìn)行校正，得到偏差校正的百分位bootstrap方法的中介效應(yīng)置信區(qū)間，如果置信區(qū)間不包括0，說明中介效應(yīng)顯著，偏差校正的百分位bootstrap方法的中介效應(yīng)檢驗(yàn)完成。具體校正方法見溫忠麟 2012年的文章Mplus操作打開mplus軟件單擊新建按鈕，然后在空

13、白界面中輸入：TITLE:DATA:FILE IS dc.dat; !此處還是繼續(xù)延用上文用spss保存好的數(shù)據(jù)文件 dc.datVARIABLE:NAMES =E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2;ANAL YSIS: bootstrap=1000 ! bootstrap 法抽樣 1000 次MODEL:X BY A1 A2; !兩個(gè)變量作為潛變量 X的指標(biāo)，其余同理M1 BY E1 E2 E4 E6 E7;Y BY B1 B2 B3;M2 BY E3 E5 E9 E10;Y ON M1(b1); !表示將mi到y(tǒng)的路徑系數(shù)命名為 bi，其余同

14、理。Y ON X(c);Y ON M2(b2);M1 ON X(a1);M2 ON X(a2);MODEL INDIRECT:Y IND M1 X; !表示自變量為 X，中介變量為 Mi，因變量為 Y的中介效應(yīng)，其余同理Y IND M2 X;MODEL CONSTRAINT:new (con);!對(duì)比中介效應(yīng)命名為 concon=a1*b1-a2*b2;!計(jì)算對(duì)比中介效應(yīng)大小OUTPUT:cinterval (bcbootstrap); standardized; !輸出偏差校正的百分位 bootstrap結(jié)果和標(biāo)準(zhǔn)化解 若要得到百分位bootstrap結(jié)果，僅需將 OUTPUT 中的 cin

15、terval (bcbootstrap)改為cinterval (bootstrap)即可單擊保存按鈕，將文件與dc.dat保存于同一文件夾，命名為 11.inp 結(jié)果分析我刪除了不用解釋的部分，只保留了需要解釋的部分Chi-Square Test of Model FitValue341.607Degrees of FreedomP-Value720.0000RMSEA (Root Mea n Square Error Of Approximatio n)Estimate0.07390 Perce nt C.I.0.0650.081Probability RMSEA <= .050.0

16、00CFI/TLICFITLI0.9190.898卡方值，CFI,TLI,RMSEA均在可接受范圍內(nèi)MODEL RESULTS表示模型參數(shù)估計(jì)的非標(biāo)準(zhǔn)化解Two-TailedEstimateS.E.Est./S.E.P-ValueYONM10.6970.2273.0710.002X-0.1420.163-0.8700.384M2-0.3690.187-1.9750.048從此處可以看出 M1,M2,X到Y(jié)的各路徑系數(shù)非標(biāo)準(zhǔn)化的參數(shù)估計(jì)值以及p值M1XON0.5000.0568.9730.000M2ONX-0.2470.047-5.2160.000此處表示a1,a2這兩條路徑系數(shù)的非標(biāo)準(zhǔn)化的參數(shù)

17、估計(jì)值以及p值New/Additional Parameters表示新增的輔助變量的非標(biāo)準(zhǔn)化的參數(shù)估計(jì)值以及p值CON0.2570.1401.8420.066STANDARDIZED MODEL RESULTS此處表示標(biāo)準(zhǔn)化的結(jié)果，但是注意標(biāo)準(zhǔn)化的結(jié)果沒有給出p值。注意，標(biāo)準(zhǔn)化結(jié)果中沒有輔助變量值。YONM10.1920.1920.192X-0.049-0.049-0.049M2-0.089-0.089-0.089M1ONX0.6300.6300.630M2ONX-0.353-0.353-0.353STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC IND

18、IRECT, AND DIRECT EFFECTS表示標(biāo)準(zhǔn)化的直接效應(yīng)間接效應(yīng)STDYX Sta ndardizationEstimateS.E.Est./S.E.Two-TailedP-ValueEffects from X to YSum of i ndirect0.1520.0413.7240.000總體間接效應(yīng)顯著Specific in directYM1X0.1210.0412.9440.003 M1的間接效應(yīng)顯著M2X0.0320.0171.9030.057 M2的間接效應(yīng)不顯著以上是點(diǎn)估計(jì)，以下是區(qū)間。估計(jì)判斷顯著與否的依據(jù)是，5%置信區(qū)間不包括0說明是顯著的CONFIDENCE INTERVALS OF MODEL RESULTSNew/Additi onal ParametersCON-0.0910.0130.0550.2570.5010.5620.677新增的輔助變量顯著，說明兩中介效應(yīng)差異顯著CONFIDENCE INTERVALS OF STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT,AND DIRECT EFFECTSSTDYX Sta n