面情绪）依次选入相应的选项框。 设定样本量为5000；置信区间选择95%，Bootstrap取样方法选择偏差
校正的非参数百分位法，在X编码框中选择“Indicator”，即将自变量 作为多组别分类变量进行编码。
.
3. Bootstrap中介效应检验方法及其应用
3.2 自变量为多类别分类变量
> 结果汇报
.
1 经典的中介检验方法（即前一个ptt中讲的）
因果逐步回归方法 (Causal Step Regression) (Baron & Kenny1986) (1) (2) (3)
M
a=0.7*
b=0.58*
X
* p<0.05
c’=0.2
Y
c=0.6*
.
1 经典的中介检验方法
温忠麟等（2004）中介效应检验程序（知网上应该有）
资料来源：温忠麟,张雷,侯杰泰,刘红云. 中介效应检验程序及其应用. 心理学报, 2004, 36(5): 614-620. .
1. 经典的中介检验方法
存在的问题 > 主效应并非中介效应存在的前提 > 完全中介并非中介检验的完美准则 > 该方法并非直接检验中介路径a*b=0 > 未能明晰复杂中介的检验
中介效应分析：原理、程序、Bootstrap方法及其应用
清华大学经济管理学院 陈瑞 郑毓煌 刘文静
.
本文的写作目的
• 总结介绍前沿的中介检验程序和方法 • 结合研究实例，阐述Bootstrap中介检验的具体应用 • 结合研究实例，阐述复杂中介检验时Bootstrap的应用、
结果分析和汇报
.
目录
• 经典的中介效应检验方法 • 中介效应检验的原理和程序 • Bootstrap中介检验方法及其应用 • 结论和讨论
.2. Βιβλιοθήκη 介检验的检验程序和方法显著
a×b
不显著
显著
不显著
c'
显著
c'
不显著
a× b× c'
正
负
互补的 中介
竞争的 中介
唯一的 中介
仅有直 接作用
无任何 作用
中介成立
中介成立
中介成立
可能忽略其他中介，有待讨论 唯一的中介
中介不成立 忽略其他中介
中介不成立 错误的理论框架
资料来源：Zhao, Xinshu, Lynch, J. G., Chen, Q. Reconsidering Baron and Kenny: Myths and Truths about Mediation Analysis[J]. Journal of consumer research, 2010, 37(2): 197-20.6.
选择）依次选入相应的选项框。 选择模型4，设定样本量为5000, Bootstrap取样方法选择偏差校正的
非参数百分位法，即勾选“Bias Corrected”；对置信区间的置信度， 选择95%
• Tong, L., Zheng, Y., & Zhao, P. 2013. Is money really the root of all evil? The impact of priming money on consumer choice[J]. Marketing Letters, 24(2): 119-129.
按照Zhao et al.（2010）提出的中介分析程序，参照Preacher & Hayes (2012)提出的多类别分类自变量模型进行Bootstrap中介效应 检验， 将自变量以无实验要求组为参照编码为两个哑变量，样本 量选择5000，在95%置信区间下，遵照实验要求排斥他人（vs. 无 实验要求）对情绪的负面影响受到心理需求的中介影响（LLCI=.25 ULCI=.63） ，该区间不包含0，中介效应大小为0.43；遵照实验要 求接纳他人（vs. 无实验要求）对情绪的负面影响也受到心理需求 的中介影响（LLCI=.01 ULCI=.28），该区间没有包含0，中介效应 大小为0.13。此外，两个哑变量（遵照实验要求排斥他人 vs. 无实 验要求；遵照实验要求接纳他人 vs. 无实验要求）对因变量（情绪） 的直接影响均不显著（p>0.05），. 表明心理需求是唯一的中介变量。
.
3. Bootstrap中介效应检验方法及其应用
3.1 简单中介检验
> 结果汇报
按照 Zhao et al. （2010）提出的中介效应分析程序， 参照 Preacher
& Hayes(2004) 和Hayes (2013) 提出的Bootstrap方法进行中介 效应
检验， 样本量选择5000，在95%置信区间下，中介检验的结果 的确
.
3. Bootstrap中介效应检验方法及其应用
3.2 自变量为多类别分类变量
> 具体操作步骤（以Legate et al. (2013)为例介绍）
安装MEDIATE插件（Hayes & Preacher 2012） 打开SPSS，选择“Analyze”→“Regression”→“MEDIATE”； 将自变量（遵照实验要求）、中介变量（自主性需求）和因变量（负
分别进行两组间比较的回归中介分析(如 Mehta et al. 2012, Pedersen et al. 2011)
若两个控制组对因变量影响无显著差异，将控制组合并 (如Calogero & Jost 2010, Janssen et al. 2010)
将对实验操纵的操纵检验变量作为自变量 (如Forgas 2011)
没有包含0（LLCI=-1.7089, ULCI=-.1597），表明防御聚焦导 向的中
.
介效应显著，且中介效应大小为-.8379。此外，控制了中介变量
3. Bootstrap中介效应检验方法及其应用
3.2 自变量为多类别分类变量
> 以往检验方法
使用ANOVA进行因果逐步回归（如Pandelaere et al. 2010, Wirtz & McColl-Kennedy, 2009）
2. 中介检验的检验程序和方法
a × b 的检验
> Soble test
假设a × b 服从正态分布，但实际上a × b 不服从正态分布，导 致第一类错误的概率增加。
没有直接操作的软件
> Bootstrapping程序 (Preacher & Hayes 2004, 2008)
并不假设a × b 服从正态分布，而是依据实际的分布进行检验 可以通过spss插件直接操作 可以同时检验多个中介等较为复杂的中介
> 其他方法：乘积分布法和MCMC法
.
3. Bootstrap中介效应检验方法及其应用
3.1 简单中介检验
> 具体操作步骤（以Tong, Zheng & Zhao (2013)为例介绍）
安装PROCESS插件（Hayes 2013） 打开SPSS，选择“Analyze”→“Regression”→“PROCESS”； 将自变量（时间概念）、中介变量（防御聚焦）和因变量（享乐实用