中介效应检验方法.ppt
中介效应检验方法,中介效应的检验方法和效果量测量:回顾与展望方杰 张敏强 邱皓政（心理发展与教育2012）中介效应研究的新趋势研究设计和数据统计方法甘怡群（心理卫生评估2014）,2,中介效应分析思路,中介作用分析是在确认了两个变量有因果关系的前提下，确认中介变量可以全部或部分地解释这种因果关系的机制的统计程序。,总效应c=ab+cc为总效应，c为考虑中介效应后的直接效应，ab为中介效应也称间接效应。在回归模型中ab=c-c，但在其他模型（如logistic回归和多水平分析）中两者不一定完全相等(MacKinnon,2008;温忠麟等,2012)。,3,中介检验的方法,一、逐步检验法/因果步骤法/依次检验法(Causal Steps Approach;Baron&Kenny,1986)中介效应的效果量(effect size)常用ab/c 或ab/c 来衡量,4,中介检验的方法,一、逐步检验法/因果步骤法/依次检验法(Causal Steps Approach;Baron&Kenny,1986),局限首先，系数c 显著 作为中介效应检验的前提条件，即如果系数c 不显著，就不存在中介效应了，但有学者认为这个前提条件是不必要的，因为在系数c 不显著的情况下完全可能存在中介效应（ab和c方向相反时，如果两个中介效应方向相反）,5,中介检验的方法,一、逐步检验法/因果步骤法/依次检验法(Causal Steps Approach;Baron&Kenny,1986),其次，Mackinnon(2002)通过模拟研究比较了三类中介效应检验方法的表现，发现因果步骤法的统计功效最低，并且容易低估第类错误率，统计功效最低成为因果步骤法的主要批评来源。有学者认为，这主要与因果步骤法需要系数c 显著有关，系数c 显著的要求严重降低了统计功效。,6,中介检验的方法,一、逐步检验法/因果步骤法/依次检验法(Causal Steps Approach;Baron&Kenny,1986),第三，因果步骤法是通过一系列的假设检验去推测中介效应的有无，而不是直接检验中介效应ab是否显著不为0，因此无法直接提供中介效应的点估计，也就无法提供中介效应的置信区间。,7,中介检验的方法,一、逐步检验法/因果步骤法/依次检验法(Causal Steps Approach;Baron&Kenny,1986),第四，因果步骤法根据系数c 的显著性将中介效应分为完全中介和部分中介，但有学者建议放弃部分中介和完全中介的说法，因为这种粗糙的中介效果量诊断方法存在较大的局限。,8,中介检验的方法,二、系数乘积法(Product of Coefficients Approach)系数乘积检验就是检验ab乘积是否显著不为0，无需以系数c 显著作为中介效应检验的前提条件，可以直接提供中介效应的点估计和置信区间，统计功效优于因果步骤法。,系数乘积法分为两类，一类是基于中介效应的抽样分布为正态分布的Sobel 检验法另一类是基于中介效应的抽样分布为非正态分布的不对称置信区间法,9,中介检验的方法,二、系数乘积法(Product of Coefficients Approach),1、Sobel 检验法原理Sobel 检验法就是用中介效应估计值ab 除以中介效应估计值ab的标准误得到一个z 值(z=ab/Sab)，将这个z 值和基于标准正态分布的临界z 值进行比较，如果z 值大于临界z值，说明中介效应存在，如果z 值小于临界z 值，说明中介效应不存在;或构建一个对称的置信区间，如果置信区间不包括0，说明有中介效应存在。,10,中介检验的方法,二、系数乘积法(Product of Coefficients Approach),1、Sobel 检验法局限前提假设是中介效应ab是正态分布，且需要大样本，但实际情况是即使a，b分别服从正态分布，ab的乘积也不一定是正态分布存。Macho 和Ledermann(2011)指出Sobel 检验的另一个不足是在有多个中介变量的模型中，中介效应估计值的标准误常用Delta 法计算，计算公式比较复杂，且使用不便。,11,中介检验的方法,二、系数乘积法(Product of Coefficients Approach),2、不对称置信区间法原理不对称置信区间法由于放弃了中介效应的抽样分布为正态分布的前提，对中介效应的抽样分布不加限制，因此得到不对称置信区间。不对称置信区间法包括Bootstrap 法和乘积分布法 Bootstrap 法能适用于中、小样本和各种中介效应模型，且目前常用的各种统计软件都能进行Bootstrap 法运算。,12,中介检验的方法,二、系数乘积法(Product of Coefficients Approach),2、不对称置信区间法（bootstrap法）Bootstrap的原理是当正态分布假设不成立时，以样本来代表总体，在此样本中进行放回抽样直至抽取n 个(如100 个)，组成一个样本。这样的程序反复进行多次(k 次)，亦即产生多个样本，每个样本都可以算出一个间接作用估计值，由此可以算出k 个值，形成一个实际的分布。这个分布近似于从原始总体中取样的分布。一般建议最少抽样1000 次(亦即k=1000)，推荐抽样5000次。这种程序产生的置信区间可以用CI 的偏差调整或者偏差调整和 加速 调整上限值和下限值。不管使用何种程序，如果0 不在 上下限的区间之内，可以说有CI%的可信度认为中介作用 不是0。,13,中介检验的方法,二、系数乘积法(Product of Coefficients Approach),2、不对称置信区间法（bootstap法）优点：Bootstrapping不需要分布假设所以避免了系数乘积检验违反分布假设的问题而且该方法不依赖标准误所以避免了不同标准误公式产生结果不一致的问题。模拟研究发现，与其他中介效应检验方法相比Bootstrapping具有较高的统计效力 因此，Bootstrapping法是目前比较理想的中介效应检验法。,14,中介检验的方法,三、差异系数检验,原理：差异系数检验即检验H0：c-c=0。通常情况下ab=c-c因此差异系数同系数乘积法有很多相同之处。差异系数采用t检验，其统计量为t=c-c/Sc-c。局限：由于系数差异法在a 或b 不全为0 时，存在第类错误率很高的缺陷(可高达100%)，且难以应用到更复杂的涉及多个中介变量或有调节的中介模型分析中而鲜有使用。,15,软件的应用条件,在中介效应、调节效应的分析过程中，主要有两种思路，一种是显变量，另一种是潜变量结构方程模型。对应的软件也分为两类，一类是基于显变量路径分析模型的SPSS、SAS等软件，一类是基于潜变量模型的、lisrel、Amos、Mplus等结构方程模型软件。由于SPSS操作更为简单，因此，如何用SPSS进行中介效应、调节效应模型的分析成为很多学者的兴趣，近几年发展出的Process插件就是经典，应用逐年猛增。,16,软件的应用条件,Process第一，Process的操作应用。Process主要应用于SPSS、SAS等传统数据统计分析软件，在SPSS中除了可以可视化操作外，还可以通过Syntax语法等方式操作，扩展功能更为强大。第二，Process可以提供的分析结果。首先，传统SPSS做中介和调节效应时需要分步或分层回归，但Process则一步到位。其次，Process专门用于分析中介效应和调节效应分析，除了常规回归分析的结果外，还额外提供直接效应、间接效应的估计值以及Bootstrap置信区间、Sobel检验等结果。此外，Process还可以处理多中介、多调节以及有调节的中介、有中介的调节等复杂模型。所有这些，是大多数选择用SPSS做中介或调节效应分析的主要原因，也是这个插件的优势之处。第三，Process的模型构建。Process提供了70多个模型，分析过程中需要选择对应的模型，设置相应的自变量、因变量、中介或调节变量即可。,17,软件的应用条件,Process第四，其他注意事项。1、Process只能处理显变量路径分析模型，不能处理潜变量模型，潜变量模型需要使用结构方程模型。那么，是用SPSS的Process插件还是用Amos等结构方程模型处理中介（Mediation）、调节效应（Moderation），哪个更好？对此要考虑这么几个问题：一个是样本量的问题，当样本量比较小时，用SPSS的Process方法比较好，因为小样本的数据更接近t分布而不是正态分布，而结构方程模型主要用于处理大样本。另一个是测量误差问题，SPSS只能处理显变量，不能分离测量误差，因而其结果不如潜变量的结构方程模型精确。第三是，SPSS不能像结构方程模型那样提供模型拟合参数，不能进行模 型的整体评价。因此，如果研究者关注的重点是路径关系而不是整体模 型效度，或者结构方程模型分析发现变量之间的路径关系符合理论假 设但模型拟合不佳（需要规避模型拟合问题）则考虑SPSS的Process方法比较好。,18,软件的应用条件,Process第四，其他注意事项。2、在做调节效应分析时，自变量、调节变量都要纳入模型，而不能只是将交互项纳入模型，同时还需要注意变量的中心化问题。SPSS与AMOUS的区别 SPSS是一个探索性统计分析软件，AMOUS是验证性统计分析软件。做探索性因素分析时用SPSS，探索性因素分析完成后，为了验证所得到的因子结构是否合理，就需要进行验证性因素分析。现在的论文如果涉及因子分析，大多要求进行验证性因素分析，以及路径分析等。AMOUS是可以做路径分析、结构方程模型、群组分析等。,
