“ 统计学中,中介分析通过包含第三个假设变量(中介变量)来识别和解释观察到的自变量和因变量之间的关联的机制”
中介分析
如果自变量X通过某一变量M对因变量Y产生一定影响,则称M为X和Y的中介变量。中介分析首先会拟合下图中的3个模型:
(1) Y = i1 + cX+ e1
(2) M = i2 + aX + e2
(3) Y = i3 + c’X + bM +e3
i1,i2,i3代表截距项, e1,e2,e3代表回归模型的残差项。
c为X对Y的总效应(total effect),c’为控制中介变量后X对Y的效应(直接效应,direct effect), a为X对M的效应,b表示调整后的M-Y效应。
间接效应(中介效应)则可表示为总效应减去直接效应(即c-c’),也等于a*b
假如X对y的效应原本显著,而在控制M后变为不显著,则说明M对X-Y的中介是完全中介,如果c’比起c仅减少部分,则称为部分中介。
有少数情况下,会出现间接效应(ab)与直接效应(c’)符号相反的情况,这种称为遮掩效应,这时, 中介模型的逻辑已从传统中介模型“X 对 Y 的影响机制”转变为“X 是如何不影响 Y 的机制”。
如何判断中介是否显著
我们需要判断这种中介效应是否在统计上显着(与零不同)。为此,有两种主要方法:Sobel 测试 (Sobel, 1982) 和 bootstrapping (Preacher & Hayes, 2004)。
由于sobel法检验统计量是基于正态分布的假设,而中介效应估计值涉及到参数的乘积,所以一般不满足正态假设。其次sobel法为一次近似,不够准确,所以我们通常使用bootstrap自助法抽样来获得置信区间以及p值。
SPSS实现中介分析
我们使用spss的process插件进行中介分析
输入我们的X,Y,M以及想要控制的协变量
之后SPSS会输出总效应,直接效应以及简介效应大小,以及标准误和置信区间上下限
欢迎关注我的公众号:聊无的学习笔记