溫忠麟老師的檢驗中介效應程序

1、溫忠麟老師的檢驗中介效應程序一、中介效應概述中介效應是指變量間的影響關系（ 心Y）不是直接的因果鏈關系而是通過一個或一個以上變量（M）的間接影響產生的，此時我們稱M為中介變量，而X通過M對丫產生的的間接影響稱為中介效應。中介效應是間接效應的一種，模型中在只有一個中介變量的情況下,中介效應等于間接效應；當中介變量不止一個的情況下，中介效應的不等于間接效應，此時間接效應可以是部分中介效應的和或所有中介效應的總和。以最簡單的三變量為例，假設所有的變量都已經中心化，則中介關系可以用回歸方程表示如下:Y=cx+ei1)M=ax+e22)Y=c'+bM+e33)上述3個方程模型圖及對應方程如下:二

2、、中介效應檢驗方法中介效應的檢驗傳統(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:1.依次檢驗法（ causual steps） 。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=O被拒絕），則繼續(xù)檢驗方程2）,如果c不顯著（說明X對丫無影響），則停止中介效 應檢驗；在c顯著性檢驗通過后，繼續(xù)檢驗方程2）M=ax+e2,如果a顯著（HO:a=O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=c'

3、+ bM + e3,檢驗b的顯著性，若b顯著（HO:b=O被拒絕），則說明中介效應顯著。此時檢驗C：若C顯著，則說明是不完全中介效應；若不顯著，則說明 是完全中介效應，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 中介效應不顯著，但是此時 ab 乘積不等于 0，因此依次檢驗的結果容易犯第二類錯誤 （接受虛無假設即作出中介效應不存在的判斷）。2.系數(shù)乘積項檢驗法 （products of coefficients） 。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 = ab/

4、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，同理臨界概率也不能采用正態(tài)分布概率曲 線來判斷。具體推導公式我就不多講了，大家有興趣可以自己去看相 關統(tǒng)計書籍。分母sab的計算公式為：sab=)a2Sb2 b2sa2，在這個公式中，Sb2和Sa2分別為a和b的標準誤，這個檢驗稱為sobel檢驗，當 然檢驗公式不止這一種例如 Goodman I檢驗和Goodman II檢驗都可以檢驗(見下)，但在樣本比較大的

5、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lisrel里面則有，其臨界值為za/2>或za/2<(P < N三200)。關于臨界值比率表見附件(虛無假設概率分布見 MacKinnon表中無中介效應.表,雙側概率，非正態(tài)分布。這個臨界表沒有直接給出.05的雙側概率值, 只有.04的雙側概率值；以N=200為例，.05的雙側概率值在其表中 大概在士左右，而不是溫忠麟那篇文章中提出的。關于這一點，我看 了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<Fo

6、r example, the empirical critical value is .97 for the .05 significanee level rather than for the standard normal test of ab 4 0. We designate this test statistic by z8 because it uses a different distribution than the normal distribution.> ,實 際上在MacKinnon的概率表中，這個.97的值是在N=200下對應的.04 概率的雙側統(tǒng)計值，而不是.

7、05概率雙側統(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，相關文章見附件。當然，從統(tǒng)計概率上來說，大于在這個表中意味著其值對應概率大于.05,但是當統(tǒng)計值小于時而大于，其值對應概率的判斷就比較麻煩了， 此時要采用作為PV.05的統(tǒng)計值來進行判斷。之所以對溫的文章提出質疑,是因為這涉及到概率檢驗的結果可靠性， 我為此查了很多資料，累)。Goodman I檢驗公式如下Goodman II檢驗檢驗公式如誤趨向于減少；因此從這兩個公式可看出,吃咋的值隨著樣本容量增下Z V任訂：計F代+此斥注：從統(tǒng)計學原理可知，隨著樣本量增大

8、，樣本均值和總體均值的差大而呈幾何平方值減小，幾乎可以忽略不計算，因此MacKinnon et al.(1998)認為忙昭乘積項在樣本容量較大時是“trivial”(瑣碎不必要的)的，因此sobel檢驗和Goodman檢驗結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果，因此大家用soble檢驗公式就可以了（詳情請參考文獻 A Com parison of Methods to Test Mediatio n andOther In terve ning Variable Effects. Psychological Methods 2002, Vol. 7, No. 1,83T04）

9、。評價：采用sobel等檢驗公式對中介效應的檢驗容易得到中介效應顯 著性結果，因為其臨界概率(MacKinnon) P<.05的Z值為乙/2>或乙/2<,而正態(tài)分布曲線下臨界概率PV.05的Z值為za/2>或Za/2V,因此用該臨界概率表 容易犯第一類錯誤(拒絕虛無假設而作出中介效應顯 著的判斷)3.差異檢驗法(differenee in coefficients)。此方法同樣要找出聯(lián)合標準誤，目前存在一些計算公式，經過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F

10、reedman差異檢驗公式r xm sc'tN 2)SC2 SC2 2SCSJ1xm2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， 5-3的下標N-3表示t檢驗的自由度為N-3, 為自變量與中介變量的相關系數(shù)，為X對丫的間接效應估計值的標準誤；同理見Freedman檢驗公式。評價：這兩個公式在a=0且b=0時有較好的檢驗效果，第一類錯誤率接近，但當a=0且bM 0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的程序，如下圖:中介效定全中介 應

11、顯著效應顯著不顯著中介效中介效應F與X相關不顯著應顯著 不顯著停止中介效應分析這個程序實際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 和完全中介效應，值得推薦。三中介效應操作在統(tǒng)計軟件上的實現(xiàn)根據(jù)我對國內國外一些文獻的檢索、分析和研究，發(fā)現(xiàn)目前已經有專門分析soble檢驗的工具軟件腳本，可下掛在SPSSi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雜中介模型，分析間接效應；根據(jù)溫忠麟介紹，LISREAI也有對應的SOBEL僉 驗分析命令和輸出結果，有鑒于此，本文擬通過對在 SPSS AMOS中如何分析中

12、介效應進行操作演示，相關SOBEL檢驗腳本及臨界值表（非正態(tài)SOBEL僉驗臨界表）請看附件。1. 如何在SPSS中實現(xiàn)中介效應分析這個部分我主要講下如何在 spss中實現(xiàn)中介效應分析（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：將自變量（X）、中介變量（M）、因變量（Y對應的潛變量的項目得分合并取均值并中心化，見下圖OK 1 -JM 韻創(chuàng)匕:丄件:彼認FlJ領導不認可1同專不認可1客戶不認可心跳1緊張坐效率低效率下降13211A2223221222£2自變量（X）為工作不被認同，包含3個觀測指標，即領導不認同、 客戶不認可；

13、中介變量（M）焦慮包含3個觀測指標即心跳、緊張、在這個圖中， 同事不認可、 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。工惟不彼罠國1二惟匿戲1不彼認園（中貯化）1焦慮f申心化）:中41，化121 n2.C02.5D.92*.092：2I.JO2.CU2.00d QO*.Q9 2901.I0D1.：31.6D-1 QB-76茁2亙陣丫限!陋5fShSJ罷gw - 5f欝 Hata lEdifor籠導利可同車兀阿訐不認可爛1熱1 ii療 懂車閔辭下罔工何瞅剛M 1工作翩1 1324?22323 302.0U沌TC.1 1 121222ITZflD2DCDescri ptive Sta

14、tistics工作不被認同焦慮工作績效Valid N (listwise)NMean489489489489上面三個圖表示合并均值及中心化處理過程， 生成3個對應的變量并中心化（項目均值后取離均差）得到中心化X、M、Y。a. Predictors: (Constant), 不被認同(中心化)y=cx+eP redictors:(Constant),不 被 認 同 （中 心 化）第二步：按溫忠麟中介檢驗程序進行第一步檢驗即檢驗方程中的c是否顯著，檢驗結果如下表:Model SummaryModelRR SquareAdjusted RSquareStd. Error of the Estimat

15、eChange StatkR SquareChangesticsF Changedf1df2Sig. F Change1.678(a).460.459.70570.46011487.000Coe fficients aModelUn sta ndardized Coefficie ntsStan dardizedCoefficie ntsBetatSig.BStd. Error1(Co nsta nt).002.032.051.959不被認同（中心化）.804.040.67820.354.000a Dependent Var iable:工作績效(中心化)由上表可知，方程y=cx+e的回歸效應

16、顯著，c值.678顯著性為pv.OOO,可以進行方程m=ax+e和方程y=c'+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和完全中介效應；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，檢驗結果見下表:Model Summ aryModelRR SauareAdjusted R SauareStd. E rror of the EstimateChanae StatisticsR Square ChanaeF Chanaedf1df2Si1.533 a.284.2831.76763.28

17、4193.2471487Coe fficients aModelUn sta ndardized Coefficie ntsStan dardized Coefficie ntstSig.BStd. ErrorBeta1(Co nsta nt).001.035.034.973不被認同（中心化）.597.043.53313.901.000a. Dependent Var iable:焦慮(中心化)由上面兩個表格結果分析可知，方程m=ax+e中，a值顯著性p<.000,繼續(xù)進行方程y=c'+bm+e的檢驗，結果如下表:Model Summ aryChange StatisticsMo

18、del1RR"tgPSquare.492AdjustedStd.R Squarethe EstimateError of R SquareCha ne.492a. Predictors: （Constant）, 焦慮（中心化），不被認同（中心化）.490.68485eFfha nee235.4c0df1df2486SiCoe fficients aModelUn sta ndardized Coefficie ntsStan dardized Coefficie ntstSig.BStd. ErrorBeta1(Co nsta nt).001.031.044.965不被認同（中心化）

19、.670.045.56414.773.000焦慮（中心化）.225.040.2135.577.000a. Dependent Var iable:工作績效(中心化)由上面兩個表的結果分析可知，方程y=c'+bm+e中，b值為顯著性為pv.000,因此綜合兩個方程 m=ax+e和y=c'+bm+e的檢驗結果，a和b都非常顯著，接下來檢驗中介效應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'勺顯著性:由上表可知，c值為.564其P值<.000,因此是部分中介效應，自變量 對因變量的中介效應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

20、對工作績效有直接效應，中介效應占總效應的比值為:effectm=ab/c=x二，中介效應解釋了因變量的方差變異為sqrt （%）小結 在本例中，中介效應根據(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，中介效應占總效應比值為,中介效應解釋了因變量 %的方差變異。2. 在spss中運用spssmaro腳本來分析中介效應F面我們采用Preacher（2004）設計的spssmaro腳本來進行中介效應分析，該腳本是美國俄亥俄和州立大學Preacher和Hayes于2004年開發(fā)的在SPSS中計算間接效應、直接效應和總效應的腳本，對間接效應的計算采用了 sobel 檢驗，并給出了顯著性

21、檢驗結果，這個腳本可在如下網(wǎng)址下載:。腳本文件名為sobel_spss關于如何在spss使用該腳本請看附件（附件為pdf文件，文件名為runningscripts）。在運行了腳本后，在打開的窗口中分別輸入自變量、 中介變量和調節(jié)變量， 在選項框中可以選擇bootstrap （自抽樣）次數(shù)，設置好后，點擊ok，運行結果如下:中介效時分析數(shù)據(jù)SPSS Data £di.tuxh嚴；審S“一 緊尸''i十I ? =00Gtaal ! L D?| «i>r|rl Idnirl6工作不2 工作不被認BH 魚慮 丨工作鍍妓1不被認IW （申心化）丨倉A （中心化）

22、丨工作績交2J2?W衛(wèi)2nj4ww衛(wèi)jI3 00 I 001 QO2 00 預 2.00 3.0Q 1.331.33 2332.33 2.00 3.673.332.332.33 T333.33 3.0023文件迥 歩輯 觀a世）牌本C）誨試Q）分折® 圖表 工具OP S口WBbOP0=馬 瞼©I.J苗I葺I ljiIL唯別珂口|畫列10'This IS a script versicn of the SOS EL maro described x "Freacner, K. G., & Maves A- r. (ZOtPi) SPSS and 5A

23、S 口|* pcaccciu£c2 to£ c：9Lxaiat inc xnUizccL cllccCs lu oxmpAc 'nedxat icn mode Is. Sehavicr esearh Kethods, lnstcur>er & Computers, 3 6, 717-731-'Wric-ten toy Andrew f. Hayes'Schoo 1 c£ C3U1OUI：icnt- Lon'The Ohio State University''hayes.338HO3U.ecu'

24、VeLSlon 2.0, Caruar:/ S, 2009You must run as q scripc £iLe, not as e syntax file If select to save 匕 he boctstrar esc mates, they will '上色 saved in a aataciie called coocstrap.sav in one 'SP33 director yI A 、 占” «-* i 1* J C2JPreacher*anj Hayes (2004 SikpTb Mediaticii Script«導

25、不認可 同事不認可 客戶不認可 心跳 緊張 坐立不安 效率低 «聿下降 不»認同（中心化） 焦慮（中心化） 工作績效（中t化）Independent Variable (X)I工作不被認同IProposed Mediator (M)Dependent Variable (V)Sobel Test Standard ErrorSecond order JOKCancelAboutBootstra p Sam pies廠 Save Bootstra p EstimatesRun MATRIX procedure:VARIABLES IN SIMPLE MEDIATION MOD

26、EL工作績效 不被認同焦慮DESCRIPTIVES STATISTICS AND PEARSON CORRELATIONSMeanSD工作績效不被認同焦慮工作績 _1.0000.9590.6780.5139不被認同焦慮(中.8085.6780.5330.0000.9063.5139.5330SAMPLE SIZE489CoeffDIRECT And TOTAL EFFECTSSig(two)b(YX).8042.039520.3535.0000b(MX).5975.043013.9013.0000.2255.0404.0000.6695.045314.7731.0000注：b(yx)相當于c,

27、 b(my)相當于a, b相當于b, b相當于INDIRECT EFFECT And SIGNIFICANCE USING NORMAL DISTRIBUTIONValueLL 95 CI UL 95 CISig(two)Effect.1347.0261.0836.1858.0000(sobel)BOOTSTRAP RESULTS For INDIRECT EFFECTDataMeanLL 95 CI UL 95 CI LL 99 CI UL 99 CIEffect.1347.1333.0295.0800.1928.0582.2135NUMBER OF BOOTSTRAP RESAMPLES1

28、000FAIRCHILD ET AL. (2009) VARIANCE IN Y ACCOUNTED FOR BY INDIRECT EFFECT:.2316* NOTES *END MATRIX從 spssmacro 腳本運行的結果來看，總效應、中介效應、間接效應達到了顯著值，其中c為，a值為，b值為,C值為，間接效應（在本例中為中介效應）解釋了自變量 的方差，中介效應占中效應的比例為。下面用對加載腳本前后的計算結果進行比較見下表:Cabc' 效應比中介效應方差變異無腳本*%* * * *Sp ssmacrao%從比較結果可以看出，加載腳本后分析中介效應結果，總體效應提高了，但效應比

29、沒有多大變化（），說明中介效應實際上提高了；中介效應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和間接效應。3. 如何在AMOS中實現(xiàn)中介效應分析無論變量是否涉及潛變量，都可以利用結構方程模型來實現(xiàn)中介效應分析，下面我來談談如何在AMOS中實現(xiàn)中介效應分析，數(shù)據(jù)見附件（AMOS中介效應分析數(shù)據(jù)）。第一步：建立好模型圖，如下:1 e6 領導不認可1 e5 t.同事不認可_1 Ie4 一客戶不認可Hel63“緊張I坐立不安Ik*.工作不被認可匚 J一"一厶e2 - ； 1焦慮仝'、b _ _ _ J績效表現(xiàn)-耳廠!e

30、1111 _“J效率詆十-一 1效率卜降 1e8本模型假設，工作不被認可通過中介變量影響績效表現(xiàn)。第二步：設置參數(shù)，要在AMOS中分析中介效應，需要進行一些必要的參數(shù)設置，步驟見下圖:Qjnzs1 Til.riiiiiriiiiiniEiaII nil Illi iniiBi agrajn alyie Tocls 巴.ugLitSLnttvf*e« Prcper ti«i.J-LL"CtrlflCtrl+kCtrl+0|hJ Ojbj ect. Trop ert j e s.,Est iir.ation | Numeric al |) Bias | Output

31、Boot strap | PerjRtitati.onE | Raiidoia # | Title |V Perform bootstrap5000Huuibtr of boot strap samplesPC confidence 丄Evel0C confidence 1 卵el|M- iji H Mlmum _i m ii EPencentlle Confidence intervals ；# Bias-corrected confidence intervals按照上面幾個圖提示的步驟設置好后， 讀取數(shù)據(jù)進行運算，工具欄提示如下Scarmins工作認同蚩慮與績規(guī)Default model

32、 Hiniinisat i onIteration 8 Hininuiii iras ichieed "firzLtLn咅 ou+pn-t Chi-5QTiaEe = 26. 0, df = Eoot strapSample ECOO EC confidence intervalsPassPassP assP assP arsPassPassPassr r17234567Sg上圖表示采用bootstrap（自抽樣5000次）運算結果，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：看輸出結果即模型圖和文本輸出:.75I贏I I累孤I焦慮ly厲5昨不安I04.3G效率低8

33、7dT客戶不認祈彳領導不認可672色T同事不認可.75 62.93.636績效表現(xiàn)1176效率下降一翻Standardized estimates卡方值=25.996(P=.O75)：自由度= 17;NFI=989;TLI 汛 994;CFIm996;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和間接效應的文本輸出，見下表:焦慮.000.績效表現(xiàn).000.002.效率下降.000.002.001效率低.000.002.001領導不認可.000.同事不認可.001.客戶不認可.001

34、.坐立不安.000.001緊張.000.000心跳.000.000工作不被認可 焦慮績效表現(xiàn)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領導不認可.818.000.000同事不認可.771.000.000客戶不認可.729.000.000坐立不安.451.776.000緊張.405.688.000心跳.436.753.000Sta ndardized Total Effects - Upper Bou nds (BC) (Grou p n umber 1工作不被認可焦慮績效表現(xiàn)焦慮.703.0

35、00.000績效表現(xiàn).831.303.000效率下降.733.263.905效率低.771.284.958領導不認可.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.582.868.000Sta ndardized Total Effects - Two Tailed Sig nifica nee (BC) (Grou p n umber 1 - Default model)-Default model)Sta ndardized Total Effects (Grou p n umbe

36、r 1 - Default model)Sta ndardized Total Effects - Lower Bou nds (BC) (Grou p n umber 1 - Default model)上述三個表格是采用BC(bias-corrected)偏差校正法估計的總體效應標準化估計的下限值、上限值和雙尾顯著性檢驗結果， 雙尾檢驗結果顯示，總體效應顯著，提示自變量（工作不被認可）對因變量（績效表現(xiàn)）的總體效應顯著）值顯著，PV.OO0下面我們繼續(xù)看直接效應的文本輸出結果，如下表：工作不被認可焦慮績效表現(xiàn)焦慮.554.000.000績效表現(xiàn).549.077.000效率下降.000.00

37、0.830效率低.000.000.889領導不認可.818.000.000同事不認可.771.000.000客戶不認可.729.000.000坐立不安.000.776.000緊張.000.688.000心跳.000.753.000Sta ndardized Direct Effects - Upper Bounds (BC)(Grou P n umber工作不被認可焦慮績效表現(xiàn)焦慮.703.000.000績效表現(xiàn).759.303.000效率下降.000.000.905效率低.000.000.958領導不認可.907.000.000同事不認可.858.000.000客戶不認可.841.000.0

38、00坐立不安.000.883.000緊張.000.802.000心跳.000.868.000-Default model)Sta ndardized Direct Effects (Grou p n umber 1 - Default model)Sta ndardized Direct Effects - Lower Bou nds (BC) (Grou p n umber 1 - Default model)Sta ndardized Direct Effects - Two Tailed Sig nifica nee (BC) (Grou p n umber 1 - Default mo

39、del)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.001效率低.001領導不認可.000.同事不認可.001.工作不被認可焦慮績效表現(xiàn)客戶不認可.001. .坐立不安.001 .緊張.000 .心跳.000 .和總體效應輸出表格形式一致，前兩個表格都是標準化估計的 95%置信區(qū)間的上限值和下限值，第三個表格提示了直接效應顯著， 見紅體字部分（在本例中即為中介效應 ab和C'。下面我們來看下間接效應的顯著性分析結果，見下圖:工作不被認可焦慮績效表現(xiàn)焦慮.000.000.000績效表現(xiàn).050.000.000效率下降.612.068.000效率低.661.0

40、70.000領導不認可.000.000.000同事不認可.000.000.000客戶不認可.000.000.000坐立不安.451.000.000緊張.405.000.000心跳.436.000.000Sta ndardized In direct Effects - Upper Bounds(BC；)(Grou P n umbe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領導不認可.000.000.000同事不認可.000.000.000客戶不認可.000.000.000坐立不安.600.0

41、00.000緊張.540.000.000心跳.582.000.0001 - Default model)Sta ndardized In direct Effects (Grou p n umber 1 - Default model)Sta ndardized In direct Effects - Lower Bou nds (BC) (Grou p n umber 1 - Default model)Stan dardized In direct Effects - Two Tailed Sign ifica nee (BC) (Grou p n umber 1 - Default mo

42、del)工作不被認可 焦慮績效表現(xiàn)焦慮. . .工作不被認可 焦慮績效表現(xiàn).000.002 .000.002 .000.000.000績效表現(xiàn) 效率下降 效率低 領導不認可 同事不認可 客戶不認可 坐立不安 緊張 心跳表格形式同上，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果，我們可以判定，c,a,b,c'的估計值都達到了顯著性,F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se表示少呢見下表:Stan dardized Regressi on Weights: (Grou p n umber 1 - Default model)P arameterSE SE-SE Mean Bias SE-Bias焦慮<-工作不被認可.038 .000.628.001績效表現(xiàn)<-工作不被認可.053 .001.659.000.001績效表現(xiàn)<-焦慮.058 .001.187.001心跳<-焦慮.029 .000.814.000.000坐立不安<-焦慮.027 .000.837.000.000客戶不認可<-工作不被認可.028 .000.790.000.000同事不認