调节变量和中介变量
自变量 自变量
中介变量 调节变量
因变量 因变量
280 articles
76 (27%) tested for mediation
99 (35%) 19 tested for
moderation
mentioned the moderator implied a mediator
. Incidence of tests of mediation and moderation in the Journal of Applied Psychology (volumes 84-86).
Job
Job
Sat
SatSalຫໍສະໝຸດ rySalary调节变量亦即交互作用
在模型中有特殊的表达方法 Mod
X1
Y
如何检验调节效应：
取决于变量的类型 如果自变量是二分变量，调节变量也是二分
变量
2x2 ANOVA
二分变量的调节效应
例:奖励食物数量影响动物的作业水平,内驱 力是调节变量
依次检验方法的局限
1. 总体作用显著并不是中介作用显著的必要条件；我们只 要直接检验间接作用即可发现是否有中介作用。研究者 按照Baron和Kenny因果步骤，会因为总体作用c不显 著而停止余下的检验，可能错失发现间接作用 显著的 机会
2. Baron和Kenny的方法需要a和b都要显著，而直接检 验间接作用 的中介分析（比如Sobel检验）却只需a和 b的乘积显著即可。显然，拒绝两个虚无假设要比拒绝 一个要困难。
测量间接效应
间接效应即中介作用的大小
完全中介或部分中介 间接效应=(c - c') 理论上, c - c' = a*b
但是，这些对于证实中介作用是不够的，需 要有一个统计检验.
测量间接效应
Xc Y
X
c’
Y
a
b
M
间接效应= a ×b 如果 a ×b = c,
完全中介模型
如果 a ×b < c,
基于上述发现:
不一致的发现. 阻碍的条件. 促进的条件.
调节变量的例子（1）
绩效
高亲和需要员工 低亲和需要员工
上级支持
调节变量的例子（2）
Job satisfaction proactive
High Harmony Low Harmony
调节变量的例子（3）
Police
Stock Brokers
如果交互作用显著，接下来做什么？
绘制高低组的回归图 1 SD 高于和低于均值
一个例子
High Aff Job Sat
Low Aff
Social support
连续变量的调节效应的完整程序
1. 标准化自变量和调节变量 2. 建立交互作用变量 3. 层次化多元回归 4. 绘制和解释交互作用项
3. 虽然Sobel检验直接检验间接作用a和b的乘积，但是这 种方法建立在a和b乘积正态分布的假设基础上，而这 种假设一般是不成立的。并且与重复取样的自抽样程序 相比，Sobel检验的效力要低
连续变量的调节效应
用两变量的乘积作为交互作用项
在SPSS中建立一个新变量
进行层次化多元回归
第一层: 主效应 第二层: 加入交互作用项
解释结果
因为作了中心化，所以主效应是另一个变量 在平均水平时的主效应
解释显著的交互作用
交互作用是否显著看加入交互作用项后的 R-squared change
调节变量的定义(moderating effect)
如果变量Y和变量X之间的关系是变量M的函 数,则M称为调节变量
调节变量可以是定性的(如性别,种族等) 也可以是定量的(如年龄,刺激次数等) 它影响因变量和自变量关系的方向和强弱.
研究情境
也称为边际条件 “boundary condition.”
递进的因果关系
分析过程
X
Y
c
M a
X c'
b Y
c: X 和 Y的直接关系 a: X和中介变量的关系 b: 中介变量和Y的关系 c‘: 当中介变量在方程中时X 和Y的关系
要注意的问题
整个模型的效力 中介变量的信度
这些问题都可以通过结构方程模型有效地解 决
传统方法如何检验中介作用
部分中介模型
如果 a ×b > c, 抑制模型
中介作用的Sobel 检验
MacKinnon et al (2002)
Sobel的计算：
/statcalc/calc31.aspx
依次检验方法的局限
Journal of Personality and Social Psychology“Attitudes and Social Cognition”板块的主编Smith（2012）在 今年第一期的主编评论（Editorial）中指出 ，基于旧有的Baron和Kenny（1986）的 中介分析方法已经过时，建议投稿者使用新 的更准确的、具有更强检验力的方法。
自变量或调节变量是连续变量
比较复杂 必须假定没有测量误差
效力较低 必须有较大的样本容量
不要将连续变量分成二分变量
有些做法从均值或中数分成2组，这样作降低了检 验的效力
连续变量的调节效应
中心化或标准化自变量和调节变量
中心化为了降低共线性 标准化容易用SPSS 程序计算
中介变量的定义(mediating effect)
考虑自变量X 对因变量Y的影响,如果X 通过 影响变量M 来影响Y,则称M 为中介变量。
中介变量的意义是解释自变量对因变量的影 响机制
在模型中有特殊的表达方法
X1
Med
Y
研究情境
当X 和Y 的关系给定后,目的是了解”为什 么”的机制.
考察自变量和因变量间的关系
相关或回归 求出“c”
将自变量(IV) 向中介变量(DV)回归
标准化系数 B 就是 “a”
如何检验中介作用
进行层次化回归
第一层: 放入 X 第二层: 放入中介变量(得到 b)
变量X的 降低的数量(c‘) 就是中介作用的 大小
完全中介, 变为 0 (n.s.) 部分中介, 显著减小
完全中介
如果变量X对Y的作用完全被中介变量M引 起的a和b路径所分解, 则称如果变量X对Y 的作用被变量M完全中介.
c≠0, c’=0
部分中介
如果变量X对Y的作用完全被中介变量M引 起的a和b路径显著, 而X至Y的路径仍显著, 则称如果变量X对Y的作用被变量M部分中 介.
c≠0, c’ ≠ 0