溫忠麟老師的檢驗(yàn)中介效應(yīng)程序

./溫忠麟老師的檢驗(yàn)中介效應(yīng)程序一、中介效應(yīng)概述中介效應(yīng)是指變量間的影響關(guān)系〔X→Y不是直接的因果鏈關(guān)系而是通過(guò)一個(gè)或一個(gè)以上變量<M>的間接影響產(chǎn)生的,此時(shí)我們稱M為中介變量,而X通過(guò)M對(duì)Y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(gè)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(gè)的情況下,中介效應(yīng)的不等于間接效應(yīng),此時(shí)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。以最簡(jiǎn)單的三變量為例,假設(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=cx+e11>M=ax+e22>Y=c’x+bM+e33>上述3個(gè)方程模型圖及對(duì)應(yīng)方程如下：二、中介效應(yīng)檢驗(yàn)方法中介效應(yīng)的檢驗(yàn)傳統(tǒng)上有三種方法,分別是依次檢驗(yàn)法、系數(shù)乘積項(xiàng)檢驗(yàn)法和差異檢驗(yàn)法,下面簡(jiǎn)要介紹下這三種方法：1.依次檢驗(yàn)法〔causualsteps。依次檢驗(yàn)法分別檢驗(yàn)上述123三個(gè)方程中的回歸系數(shù),程序如下：1.1首先檢驗(yàn)方程1y=cx+e1,如果c顯著〔H0:c=0被拒絕,則繼續(xù)檢驗(yàn)方程2,如果c不顯著〔說(shuō)明X對(duì)Y無(wú)影響,則停止中介效應(yīng)檢驗(yàn)；1.2在c顯著性檢驗(yàn)通過(guò)后,繼續(xù)檢驗(yàn)方程2M=ax+e2,如果a顯著〔H0:a=0被拒絕,則繼續(xù)檢驗(yàn)方程3；如果a不顯著,則停止檢驗(yàn)；1.3在方程1和2都通過(guò)顯著性檢驗(yàn)后,檢驗(yàn)方程3即y=c’x+bM+e3,檢驗(yàn)b的顯著性,若b顯著〔H0:b=0被拒絕,則說(shuō)明中介效應(yīng)顯著。此時(shí)檢驗(yàn)c’,若c’顯著,則說(shuō)明是不完全中介效應(yīng)；若不顯著,則說(shuō)明是完全中介效應(yīng),x對(duì)y的作用完全通過(guò)M來(lái)實(shí)現(xiàn)。評(píng)價(jià):依次檢驗(yàn)容易在統(tǒng)計(jì)軟件中直接實(shí)現(xiàn),但是這種檢驗(yàn)對(duì)于較弱的中介效應(yīng)檢驗(yàn)效果不理想,如a較小而b較大時(shí),依次檢驗(yàn)判定為中介效應(yīng)不顯著,但是此時(shí)ab乘積不等于0,因此依次檢驗(yàn)的結(jié)果容易犯第二類錯(cuò)誤〔接受虛無(wú)假設(shè)即作出中介效應(yīng)不存在的判斷。2.系數(shù)乘積項(xiàng)檢驗(yàn)法<productsofcoefficients>。此種方法主要檢驗(yàn)ab乘積項(xiàng)的系數(shù)是否顯著,檢驗(yàn)統(tǒng)計(jì)量為z=ab/sab,實(shí)際上熟悉統(tǒng)計(jì)原理的人可以看出,這個(gè)公式和總體分布為正態(tài)的總體均值顯著性檢驗(yàn)差不多,不過(guò)分子換成了乘積項(xiàng),分母換成了乘積項(xiàng)聯(lián)合標(biāo)準(zhǔn)誤而已,而且此時(shí)總體分布為非正態(tài),因此這個(gè)檢驗(yàn)公式的Z值和正態(tài)分布下的Z值檢驗(yàn)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(lái)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(jì)書籍。分母sab的計(jì)算公式為：sab=,在這個(gè)公式中,sb2和sa2分別為a和b的標(biāo)準(zhǔn)誤,這個(gè)檢驗(yàn)稱為sobel檢驗(yàn),當(dāng)然檢驗(yàn)公式不止這一種例如GoodmanI檢驗(yàn)和GoodmanII檢驗(yàn)都可以檢驗(yàn)〔見(jiàn)下,但在樣本比較大的情況下這些檢驗(yàn)效果區(qū)別不大。在AMOS中沒(méi)有專門的soble檢驗(yàn)的模塊,需要自己手工計(jì)算出而在lisrel里面則有,其臨界值為zα/2>0.97或zα/2<-0.97<P<0.05,N≧200>。關(guān)于臨界值比率表見(jiàn)附件〔虛無(wú)假設(shè)概率分布見(jiàn)MacKinnon表中無(wú)中介效應(yīng)C.V.表,雙側(cè)概率,非正態(tài)分布。這個(gè)臨界表沒(méi)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=200為例,.05的雙側(cè)概率值在其表中大概在±0.90左右,而不是溫忠麟那篇文章中提出的0.97。關(guān)于這一點(diǎn),我看了溫的參考文獻(xiàn)中提到的MacKinnon那篇文章,發(fā)現(xiàn)溫對(duì)于.97的解釋是直接照搬MacKinnon原文中的一句話<Forexample,theempiricalcriticalvalueis.97forthe.05significancelevelratherthan1.96forthestandardnormaltestofab40.Wedesignatethisteststatisticbyz8becauseitusesadifferentdistributionthanthenormaldistribution.>,實(shí)際上在MacKinnon的概率表中,這個(gè).97的值是在N=200下對(duì)應(yīng)的.04概率的雙側(cè)統(tǒng)計(jì)值,而不是.05概率雙側(cè)統(tǒng)計(jì)值,因?yàn)樵谠摫碇懈揪蜎](méi)有直接給出.05概率的統(tǒng)計(jì)值。為了確定這點(diǎn),我專門查了國(guó)外對(duì)這個(gè)概率表的介紹,發(fā)現(xiàn)的確如此,相關(guān)文章見(jiàn)附件mediationmodels.rar。當(dāng)然,從統(tǒng)計(jì)概率上來(lái)說(shuō),大于0.97在這個(gè)表中意味著其值對(duì)應(yīng)概率大于.05,但是當(dāng)統(tǒng)計(jì)值小于0.9798th時(shí)而大于0.8797th,其值對(duì)應(yīng)概率的判斷就比較麻煩了,此時(shí)要采用0.90作為P<.05的統(tǒng)計(jì)值來(lái)進(jìn)行判斷。之所以對(duì)溫的文章提出質(zhì)疑,是因?yàn)檫@涉及到概率檢驗(yàn)的結(jié)果可靠性,我為此查了很多資料,累。GoodmanI檢驗(yàn)公式如下GoodmanII檢驗(yàn)檢驗(yàn)公式如下注：從統(tǒng)計(jì)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(gè)公式可看出,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(jì)算,因此MacKinnonetal.<1998>認(rèn)為乘積項(xiàng)在樣本容量較大時(shí)是"trivial"〔瑣碎不必要的的,因此sobel檢驗(yàn)和Goodman檢驗(yàn)結(jié)果在大樣本情況下區(qū)別不大,三個(gè)檢驗(yàn)公式趨向于一致性結(jié)果,因此大家用soble檢驗(yàn)公式就可以了〔詳情請(qǐng)參考文獻(xiàn)AComparisonofMethodstoTestMediationandOtherInterveningVariableEffects.PsychologicalMethods2002,Vol.7,No.1,83–104。評(píng)價(jià)：采用sobel等檢驗(yàn)公式對(duì)中介效應(yīng)的檢驗(yàn)容易得到中介效應(yīng)顯著性結(jié)果,因?yàn)槠渑R界概率〔MacKinnonP<.05的Z值為zα/2>0.90或zα/2<-0.90,而正態(tài)分布曲線下臨界概率P<.05的Z值為zα/2>1.96或zα/2<-1.96,因此用該臨界概率表容易犯第一類錯(cuò)誤〔拒絕虛無(wú)假設(shè)而作出中介效應(yīng)顯著的判斷3.差異檢驗(yàn)法<differenceincoefficients>。此方法同樣要找出聯(lián)合標(biāo)準(zhǔn)誤,目前存在一些計(jì)算公式,經(jīng)過(guò)MacKinnon等人的分析,認(rèn)為其中有兩個(gè)公式效果較好,分別是Clogg等人和Freedman等人提出的,這兩個(gè)公式如下：Clogg差異檢驗(yàn)公式Freedman差異檢驗(yàn)公式這兩個(gè)公式都采用t檢驗(yàn),可以通過(guò)t值表直接查出其臨界概率。Clogg等提出的檢驗(yàn)公式中,的下標(biāo)N-3表示t檢驗(yàn)的自由度為N-3,為自變量與中介變量的相關(guān)系數(shù),為X對(duì)Y的間接效應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤；同理見(jiàn)Freedman檢驗(yàn)公式。評(píng)價(jià)：這兩個(gè)公式在a=0且b=0時(shí)有較好的檢驗(yàn)效果,第一類錯(cuò)誤率接近0.05,但當(dāng)a=0且b≠0時(shí),第一類錯(cuò)誤率就非常高有其是Clogg等提出的檢驗(yàn)公式在這種情況下第一類錯(cuò)誤率達(dá)到100%,因此要謹(jǐn)慎對(duì)待。4.溫忠麟等提出了一個(gè)新的檢驗(yàn)中介效應(yīng)的程序,如下圖：這個(gè)程序?qū)嶋H上只采用了依次檢驗(yàn)和sobel檢驗(yàn),同時(shí)使第一類錯(cuò)誤率和第二類錯(cuò)誤率都控制在較小的概率,同時(shí)還能檢驗(yàn)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(jì)軟件上的實(shí)現(xiàn)根據(jù)我對(duì)國(guó)內(nèi)國(guó)外一些文獻(xiàn)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(yàn)的工具軟件腳本,可下掛在SPSS當(dāng)中；然而在AMOS中只能通過(guò)手工計(jì)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,LISREAL也有對(duì)應(yīng)的SOBEL檢驗(yàn)分析命令和輸出結(jié)果,有鑒于此,本文擬通過(guò)對(duì)在SPSS、AMOS中如何分析中介效應(yīng)進(jìn)行操作演示,相關(guān)SOBEL檢驗(yàn)?zāi)_本及臨界值表〔非正態(tài)SOBEL檢驗(yàn)臨界表請(qǐng)看附件。1.如何在SPSS中實(shí)現(xiàn)中介效應(yīng)分析這個(gè)部分我主要講下如何在spss中實(shí)現(xiàn)中介效應(yīng)分析〔無(wú)腳本,數(shù)據(jù)見(jiàn)附件spss中介分析數(shù)據(jù),自變量為工作不被認(rèn)同,中介變量為焦慮,因變量為工作績(jī)效。第一步：將自變量〔X、中介變量<M>、因變量<Y>對(duì)應(yīng)的潛變量的項(xiàng)目得分合并取均值并中心化,見(jiàn)下圖在這個(gè)圖中,自變量〔X為工作不被認(rèn)同,包含3個(gè)觀測(cè)指標(biāo),即領(lǐng)導(dǎo)不認(rèn)同、同事不認(rèn)可、客戶不認(rèn)可；中介變量〔M焦慮包含3個(gè)觀測(cè)指標(biāo)即心跳、緊張、坐立不安；因變量〔Y包含2個(gè)觀測(cè)指標(biāo)即效率低和效率下降。DescriptiveStatistics工作不被認(rèn)同焦慮工作績(jī)效ValidN<listwise>N489489489489Mean2.08212.08592.2807上面三個(gè)圖表示合并均值及中心化處理過(guò)程,生成3個(gè)對(duì)應(yīng)的變量并中心化〔項(xiàng)目均值后取離均差得到中心化X、M、Y。第二步：按溫忠麟中介檢驗(yàn)程序進(jìn)行第一步檢驗(yàn)即檢驗(yàn)方程y=cx+e中的c是否顯著,檢驗(yàn)結(jié)果如下表：ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedf1df2Sig.FChange1.678<a>.460.459.70570.460414.2651487.000aPredictors:<Constant>,不被認(rèn)同〔中心化由上表可知,方程y=cx+e的回歸效應(yīng)顯著,c值.678顯著性為p<.000,可以進(jìn)行方程m=ax+e和方程y=c’x+bm+e的顯著性檢驗(yàn)；第三步：按溫忠麟第二步檢驗(yàn)程序分別檢驗(yàn)a和b的顯著性,如果都顯著,則急需檢驗(yàn)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(yàn)；如果a或b其中只有一個(gè)較顯著,則進(jìn)行sobel檢驗(yàn),檢驗(yàn)結(jié)果見(jiàn)下表：由上面兩個(gè)表格結(jié)果分析可知,方程m=ax+e中,a值0.533顯著性p<.000,繼續(xù)進(jìn)行方程y=c’x+bm+e的檢驗(yàn),結(jié)果如下表：由上面兩個(gè)表的結(jié)果分析可知,方程y=c’x+bm+e中,b值為0.213顯著性為p<.000,因此綜合兩個(gè)方程m=ax+e和y=c’x+bm+e的檢驗(yàn)結(jié)果,a和b都非常顯著,接下來(lái)檢驗(yàn)中介效應(yīng)的到底是部分中介還是完全中介；第四步:檢驗(yàn)部分中介與完全中介即檢驗(yàn)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(duì)因變量的中介效應(yīng)不完全通過(guò)中介變量焦慮的中介來(lái)達(dá)到其影響,工作不被認(rèn)同對(duì)工作績(jī)效有直接效應(yīng),中介效應(yīng)占總效應(yīng)的比值為：effectm=ab/c=0.533×0.213/0.678=0.167,中介效應(yīng)解釋了因變量的方差變異為sqrt<0.490-0.459>=0.176〔17.6%小結(jié)在本例中,中介效應(yīng)根據(jù)溫忠麟的檢驗(yàn)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0.167,中介效應(yīng)解釋了因變量17.6%的方差變異。2.在spss中運(yùn)用spssmaro腳本來(lái)分析中介效應(yīng)下面我們采用Preacher<2004>設(shè)計(jì)的spssmaro腳本來(lái)進(jìn)行中介效應(yīng)分析,該腳本是美國(guó)俄亥俄和州立大學(xué)Preacher和Hayes于2004年開(kāi)發(fā)的在spss中計(jì)算間接效應(yīng)、直接效應(yīng)和總效應(yīng)的腳本,對(duì)間接效應(yīng)的計(jì)算采用了sobel檢驗(yàn),并給出了顯著性檢驗(yàn)結(jié)果,這個(gè)腳本可在如下網(wǎng)址下載：。腳本文件名為sobel_spss,關(guān)于如何在spss使用該腳本請(qǐng)看附件<附件為pdf文件,文件名為runningscripts>。在運(yùn)行了腳本后,在打開(kāi)的窗口中分別輸入自變量、中介變量和調(diào)節(jié)變量,在選項(xiàng)框中可以選擇bootstrap〔自抽樣次數(shù),設(shè)置好后,點(diǎn)擊ok,運(yùn)行結(jié)果如下：RunMATRIXprocedure:VARIABLESINSIMPLEMEDIATIONMODELY工作績(jī)效X不被認(rèn)同M焦慮DESCRIPTIVESSTATISTICSANDPEARSONCORRELATIONSMeanSD工作績(jī)效不被認(rèn)同焦慮工作績(jī)_1.0000.95901.0000.6780.5139不被認(rèn)同-.0020.8085.67801.0000.5330焦慮〔中.0000.9063.5139.53301.0000SAMPLESIZE489DIRECTAndTOTALEFFECTSCoeffs.e.tSig<two>b<YX>.8042.039520.3535.0000cb<MX>.5975.043013.9013.0000ab<YM.X>.2255.04045.5773.0000bb<YX.M>.6695.045314.7731.0000c’注：b<yx>相當(dāng)于c,b<my>相當(dāng)于a,b<YM.X>相當(dāng)于b,b<YX.M>相當(dāng)于c’INDIRECTEFFECTAndSIGNIFICANCEUSINGNORMALDISTRIBUTIONValues.e.LL95CIUL95CIZSig<two>Effect.1347.0261.0836.18585.1647.0000<sobel>BOOTSTRAPRESULTSForINDIRECTEFFECTDataMeans.e.LL95CIUL95CILL99CIUL99CIEffect.1347.1333.0295.0800.1928.0582.2135NUMBEROFBOOTSTRAPRESAMPLES1000FAIRCHILDETAL.<2009>VARIANCEINYACCOUNTEDFORBYINDIRECTEFFECT:.2316*********************************NOTES**********************************ENDMATRIX從spssmacro腳本運(yùn)行的結(jié)果來(lái)看,總效應(yīng)、中介效應(yīng)、間接效應(yīng)達(dá)到了顯著值,其中c為0.8042,a值為0.5975,b值為0.2255,c’值為0.6695,間接效應(yīng)〔在本例中為中介效應(yīng)解釋了自變量23.16%的方差,中介效應(yīng)占中效應(yīng)的比例為0.168。下面用對(duì)加載腳本前后的計(jì)算結(jié)果進(jìn)行比較見(jiàn)下表：cabc’效應(yīng)比中介效應(yīng)方差變異無(wú)腳本0.678***0.513***0.213***0.564***0.167417.6%Spssmacrao0.804***0.598***0.226***0.670***0.167523.16%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(méi)有多大變化〔0.0001,說(shuō)明中介效應(yīng)實(shí)際上提高了；中介效應(yīng)對(duì)因變量的方差變異的解釋比例也提高了了近5個(gè)百分點(diǎn),說(shuō)明采用bootstrap抽樣法能更準(zhǔn)確地估計(jì)總體效應(yīng)和間接效應(yīng)。3.如何在AMOS中實(shí)現(xiàn)中介效應(yīng)分析無(wú)論變量是否涉及潛變量,都可以利用結(jié)構(gòu)方程模型來(lái)實(shí)現(xiàn)中介效應(yīng)分析,下面我來(lái)談?wù)勅绾卧贏MOS中實(shí)現(xiàn)中介效應(yīng)分析,數(shù)據(jù)見(jiàn)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(rèn)可通過(guò)中介變量影響績(jī)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(jìn)行一些必要的參數(shù)設(shè)置,步驟見(jiàn)下圖：按照上面幾個(gè)圖提示的步驟設(shè)置好后,讀取數(shù)據(jù)進(jìn)行運(yùn)算,工具欄提示如下上圖表示采用bootstrap<自抽樣5000次>運(yùn)算結(jié)果,數(shù)據(jù)迭代到第8次得到收斂。模型卡方為26.0,自由度為17.第三步：看輸出結(jié)果即模型圖和文本輸出：從模型標(biāo)準(zhǔn)化路徑圖可以看出,模型卡方與自由度之比為1.529,p值>.05,各項(xiàng)擬合指數(shù)皆較理想,說(shuō)明模型較理想,下面我們來(lái)看下模型的總體效應(yīng)和間接效應(yīng)的文本輸出,見(jiàn)下表：StandardizedTotalEffects<Groupnumber1-Defaultmodel>StandardizedTotalEffects-LowerBounds<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.554.000.000績(jī)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(rèn)可.818.000.000同事不認(rèn)可.771.000.000客戶不認(rèn)可.729.000.000坐立不安.451.776.000緊張.405.688.000心跳.436.753.000StandardizedTotalEffects-UpperBounds<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.703.000.000績(jī)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(rèn)可.907.000.000同事不認(rèn)可.858.000.000客戶不認(rèn)可.841.000.000坐立不安.600.883.000緊張.540.802.000心跳.582.868.000StandardizedTotalEffects-TwoTailedSignificance<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.000績(jī)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(rèn)可.000同事不認(rèn)可.001客戶不認(rèn)可.001坐立不安.000.001...緊張.000.000...心跳.000.000...上述三個(gè)表格是采用BC<bias-corrected>偏差校正法估計(jì)的總體效應(yīng)標(biāo)準(zhǔn)化估計(jì)的下限值、上限值和雙尾顯著性檢驗(yàn)結(jié)果,雙尾檢驗(yàn)結(jié)果顯示,總體效應(yīng)顯著,提示自變量〔工作不被認(rèn)可對(duì)因變量〔績(jī)效表現(xiàn)的總體效應(yīng)顯著值顯著,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：StandardizedDirectEffects<Groupnumber1-Defaultmodel>StandardizedDirectEffects-LowerBounds<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.554.000.000績(jī)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(rèn)可.818.000.000同事不認(rèn)可.771.000.000客戶不認(rèn)可.729.000.000坐立不安.000.776.000緊張.000.688.000心跳.000.753.000StandardizedDirectEffects-UpperBounds<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.703.000.000績(jī)效表現(xiàn).759.303.000效率下降.000.000.905效率低.000.000.958領(lǐng)導(dǎo)不認(rèn)可.907.000.000同事不認(rèn)可.858.000.000客戶不認(rèn)可.841.000.000坐立不安.000.883.000緊張.000.802.000心跳.000.868.000StandardizedDirectEffects-TwoTailedSignificance<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.000績(jī)效表現(xiàn).000.002...效率下降001效率低001領(lǐng)導(dǎo)不認(rèn)可.000同事不認(rèn)可.001客戶不認(rèn)可.001坐立不安001...緊張000...心跳000...和總體效應(yīng)輸出表格形式一致,前兩個(gè)表格都是標(biāo)準(zhǔn)化估計(jì)的95%置信區(qū)間的上限值和下限值,第三個(gè)表格提示了直接效應(yīng)顯著,見(jiàn)紅體字部分〔在本例中即為中介效應(yīng)ab和c’。下面我們來(lái)看下間接效應(yīng)的顯著性分析結(jié)果,見(jiàn)下圖：StandardizedIndirectEffects<Groupnumber1-Defaultmodel>StandardizedIndirectEffects-LowerBounds<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.000.000.000績(jī)效表現(xiàn).050.000.000效率下降.612.068.000效率低.661.070.000領(lǐng)導(dǎo)不認(rèn)可.000.000.000同事不認(rèn)可.000.000.000客戶不認(rèn)可.000.000.000坐立不安.451.000.000緊張.405.000.000心跳.436.000.000StandardizedIndirectEffects-UpperBounds<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮.000.000.000績(jī)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(rèn)可.000.000.000同事不認(rèn)可.000.000.000客戶不認(rèn)可.000.000.000坐立不安.600.000.000緊張.540.000.000心跳.582.000.000StandardizedIndirectEffects-TwoTailedSignificance<BC><Groupnumber1-Defaultmodel>工作不被認(rèn)可焦慮績(jī)效表現(xiàn)焦慮績(jī)效表現(xiàn).002效率下降.000.002...效率低.000.002...領(lǐng)導(dǎo)不認(rèn)可同事不認(rèn)可客戶不認(rèn)可坐立不安.000緊張.000心跳.000表格形式同上,顯著性見(jiàn)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(jì)值都達(dá)到了顯著性,下面,我們來(lái)看些這四個(gè)路徑系數(shù)的標(biāo)準(zhǔn)化估計(jì)值和標(biāo)準(zhǔn)誤到底是多少呢？見(jiàn)下表：StandardizedRegressionWeights:<Groupnumber1-Defaultmodel>ParameterSESE-SEMeanBiasSE-Bias焦慮<工作不被認(rèn)可.038.000.628-.001.001績(jī)效表現(xiàn)<工作不被認(rèn)可.053.001.659.000.001績(jī)效表現(xiàn)<焦慮.058.001.187-.001.001心跳<焦慮.029.000.814.000.000坐立不安<焦慮.027.000.837.000.000客戶不認(rèn)可<工作不被認(rèn)可.028.000.790.000.000同事不認(rèn)可<工作不被認(rèn)可.023.000.818.001.000領(lǐng)導(dǎo)不認(rèn)可<工作不被認(rèn)可.023.000.865-.001.000效率低<績(jī)效表現(xiàn).017.000.927.000.000效率下降<績(jī)效表現(xiàn).020.000.871.000.000緊張<焦慮.029.000.747.000.000上表是采用bootstrap方法得出的標(biāo)準(zhǔn)化估計(jì)值及其標(biāo)準(zhǔn)誤,se表示估計(jì)值標(biāo)準(zhǔn)誤；se-se表示用bootstrap估計(jì)標(biāo)準(zhǔn)誤而產(chǎn)生的標(biāo)準(zhǔn)誤；mean表示標(biāo)準(zhǔn)化估計(jì)均值；bias表示采用bootstrap前后的標(biāo)準(zhǔn)化估計(jì)值的差異值,符號(hào)表示差異大?。籹e-bias表示對(duì)估計(jì)值差異估計(jì)的標(biāo)準(zhǔn)誤。對(duì)照這個(gè)表,可以得出a=0.628,對(duì)應(yīng)的標(biāo)準(zhǔn)誤Sa為0.038；b=0.187,對(duì)應(yīng)的標(biāo)準(zhǔn)誤Sb為0.058；c’