中介效应和调节效应

一、概念

中介效应或者调节效应并非分析方法，而是一种关系的描述，研究人员需要结合不同的数据分析方法对两种关系进行分析。

中介效应

中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响最终工作绩效（Y），此时创新氛围就成为了这一因果链当中的中介变量。

调节作用

调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。

二、研究步骤

（1）中介效应

中介作用的分析较为复杂，共分为以下三个步骤：

第1步：确认数据，确保正确分析。

中介作用在进行具体研究时需要对应使用研究方法（分层回归）去实现；中介作用分析时，Y一定是定量数据。X也是定量数据，中介变量M也是定量数据。

 

第2步：中介作用检验

检验中介效应是否存在，其实就是检验X到M，M到Y的路径是否同时具有有显著性意义。

中介作用共分为3个模型。针对上图，需要说明如下：

●模型1：自变量X和因变量（Y）的回归分析

●模型2：自变量X，中介变量(M)和因变量（Y）的回归分析

●模型3：自变量X和中介变量（M）的回归分析

●模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量(M)，因而模型1到模型2这两个模型应该使用分层回归分析（第一层放入X，第二层放入M）。

在理解了中介分析的原理之后，接着按照中介作用分析的步骤进行，如下图：

 

第1步是数据标准化处理（对X,M,Y需要分别进行标准化处理，有时也使用中心化处理）（SPSSAU用户使用“生成变量”功能）

第2步和第3步是进行分层回归完成（分层1放入X，分层2放入M）

第4步单独进行模型3，即X对M的影响（使用回归分析或分层回归均可，分层回归只有分层1时事实上就是回归分析）

最后第5步进行中介作用检验。

检验图如下：

SPSSAU帮助手册-中介作用

●a代表X对M的回归系数；

●b代表M对Y的回归系数；

●c代表X对Y的回归系数（模型1中）；

●c’代表X对Y的回归系数（模型3中）。

 

第3步：SPSAU进行分析

用户可以直接按照上图流程在SPSSAU中进行分析，生成结果。具体分析步骤可参考链接页面：SPSS在线_SPSSAU_中介作用

（2）调节效应

第1步：识别X和M的数据类别，选择合适的研究方法。

调节作用在进行具体研究时需要对应使用研究方法去实现；调节作用分析时，Y一定是定量数据。通常情况下X均为定量数据（比如开车速度），调节变量Z可以为分类数据（比如是否喝酒），也可以是定量数据（比如喝酒多少）。

 

第2步：调节作用检验

SPSSAU帮助手册-调节作用

 

●调节作用通常是使用分层回归进行研究，如果X和Z均为分类数据，则使用多因素方差分析（通常是双因素方差分析）进行研究。针对上图，需要说明如下：

●如果X或者Z也或者Y由多项表示，通常需要先计算对应项的平均值生成得到新列（SPSSAU生成变量功能）；

●如果X或者Z是分类数据，并且使用分层回归，则需要对X进行虚拟变量处理（哑变量处理）；

●对X或者Z进行标准化处理，也可以进行中心化处理均可；

●Y并不需要进行标准化或者中心化处理（处理也可以）；

●交互项是指两项相乘的意思，记住交互项不能再次进行标准化或中心化；

●R平方变化显著的判断，是看△F 值是否呈现出显著性，如果显著则说明R平方变化显著；

●R平方变化显著，正常情况下交互项也会出现显著。如果说R平方变化显著，但交互项并不显著，建议以没有调节作用作为最终结论；如果交互项显著，R平方变化显著，建议以有调节作用作为最终结论。

 

第3步：SPSAU进行分析

用户判断好数据类型后，直接按照上图流程，在SPSSAU中进行数据处理及分析即可。具体分析流程可参考链接页面：SPSS在线_SPSSAU_调节作用

SPSS在线_SPSSAU_中介作用：链接；

中介作用

∙中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系；比如工作满意度（X）会影响到创新氛围（M）,再影响最终工作绩效（Y）。中介作用的分析较为复杂，共分为三个步骤，分别如下：

第1步：确认数据，确保正确分析。

中介变量(M)	自变量(X)
	分类	定量
分类	-	-
定量	-	分层回归分析

中介作用是一种概念，具体研究时需要对应使用研究方法（分层回归）去实现；中介作用分析时，Y一定是定量数据（比如工作绩效）。X也是定量数据（比如工作满意度），中介变量M也是定量数据（比如创新氛围）。

∙第2步：中介作用检验

中介作用共分为3个模型。针对上图，需要说明如下：

o模型1：自变量X和因变量（Y）的回归分析

o模型2：自变量X，中介变量(M)和因变量（Y）的回归分析

o模型3：自变量X和中介变量（M）的回归分析

o模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量(M)，因而模型1到模型2这两个模型应该使用分层回归分析（第一层放入X，第二层放入M）。

理解了中介分析的原理之后，接着按照中介作用分析的步骤进行，如下图：

o第1步是数据标准化处理（对X,M,Y需要分别进行标准化处理，有时也使用中心化处理）（SPSSAU的“生成变量功能”）

o第2步和第3步是进行分层回归完成（分层1放入X，分层2放入M）

o第4步单独进行模型3，即X对M的影响（使用回归分析或分层回归均可，分层回归只有分层1时事实上就是回归分析）

o最后第5步进行中介作用检验。

检验图如下：

o特别提示：请分清楚a，b，c，c’分别代表的意义,

oa代表X对M的回归系数（模型3中）

ob代表M对Y的回归系数（模型2中）；

oc代表X对Y的回归系数（模型1中）；

oc’代表X对Y的回归系数（模型2中）。

∙第3步：SPSAU进行分析举例

针对模型1和模型2时的分层回归：

针对模型3：

中介作用是结合3个模型的结果，将系数等放在一张表上，进行对比a, b, c, c’的显著性，最后得到验证，建议放所有得到的结果整理成一张表格，类似表格如下：

∙中介作用模型

最后提示用户，中介作用的原理模型图如下：

∙参考文献

本文档中的表格，图等资料出于书籍“问卷数据分析——破解SPSS的六类分析思路”。调节作用通常需要写明参考文献，即参考出处和原始资料等，建议列明下述三个文献。

o1、周俊(2017). 问卷数据分析——破解SPSS的六类分析思路[M].北京:电子工业出版社 2017,73~77

o2、Baron and Kenny (1986)：Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51, 1173-1182.

o3、温忠麟，侯杰泰，张雷(2005).调节效应与中介效应的比较和应用.心理学报 2005,37(2):268~274

疑难解惑

中介作用时，自变量X有很多个，或者中介变量M有多个？

∙中介作用分析时，如果自变量X有多个，也或者中介变量M有多个。其操作，检验流程不变。模型1和模型2时会有多个X，并且会有很多个模型3（因为中介变量有多个）。并且其检验流程依旧遵循自变量和中介变量均为一个时的步骤。

∙当自变量或中介变量的个数较多时，模型会变得较为复杂，建议用户可对模型进行拆解，然后重复进行多次中介模型分析即可。

∙

如何进行智能化中介作用研究？

∙如果希望智能化分析，可直接使用SPSSAU问卷研究-》中介作用进行即可。

https://spssau.com/front/spssau/helps/otherdocuments/moderator.html

调节作用

调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。调节作用的分析较为复杂，共分为三个步骤，分别如下：

∙第1步：识别X和M的数据类别，选择合适的研究方法。

调节变量(Z)	自变量(X)
	分类	定量
分类	多因素方差分析(ANOVA)	分层回归分析 或 分组回归
定量	分层回归分析	分层回归分析

∙调节作用是一种概念，具体研究时需要对应使用研究方法去实现；调节作用分析时，Y一定是定量数据。通常情况下X均为定量数据（比如开车速度），调节变量Z可以为分类数据（比如是否喝酒），也可以是定量数据（比如喝酒多少）。

∙第2步：调节作用检验

调节作用通常是使用分层回归进行研究，如果X和Z均为分类数据，则使用多因素方差分析（通常是双因素方差分析）进行研究。针对上图，需要说明如下：

o如果X或者Z也或者Y由多项表示，通常需要先计算对应项的平均值生成得到新列（SPSSAU生成变量功能）

o如果X或者Z是分类数据，并且使用分层回归，则需要对X进行虚拟变量处理（哑变量处理）

o对X或者Z进行标准化处理，也可以进行中心化处理均可

oY并不需要进行标准化或者中心化处理（处理也可以）

o交互项是指两项相乘的意思，记住交互项不能再次进行标准化或中心化

oR ²变化显著的判断，是看△F 值是否呈现出显著性，如果显著则说明R ²变化显著

oR ²变化显著，正常情况下交互项也会出现显著。如果说R ²变化显著，但交互项并不显著，建议以没有调节作用作为最终结论；如果交互项显著，R ²变化显著，建议以有调节作用作为最终结论。

∙第3步：进行分析

本处以X为定量数据，Z为定量数据作为事例进行讲述，即为上述图中第四种类型，需要使用分层回归分析，首先假定X和Z均已经进行了标准化处理（“生成变量”功能），并且通过SPSSAU得到了交互项（“生成变量”功能相乘），然后进行分层回归分析，如下所示：

第一层中放入标准化后的X和Z；第二层放入交互项（标准化后X * 标准化后Z），【提示：交互项单独放在第2层，有时候也会第1层放X，第2层放Z，第3层放交互项。目的在于看由第1层到第2层时加入Z，Z是否会对Y有影响。】分析得到如下结果：

	分层1		分层2
	B	标准误	B	标准误
常数	2.518**	0.028	2.523	0.028
S_X	-0.016	0.028	0.828**	0.028
S_Z	-0.016	0.028	-0.008	0.030
S_X*S_Z			0.020	0.023
R ²	0.730		0.731
调整R ²	0.729		0.729
F 值	453.605**		302.434**
△R ²	0.730		0.001
△F 值	453.605**		0.756
因变量（Y) :Y
* p <0.05 ** p <0.01

上图中R变化值仅为0.001非常非常低，而且△F 值没有呈现出显著性（右上角没有*号），说明F 值变化不显著，也即说明分层2在分层1的基础上加入交互项，并没有对Y起着更多的作用，而且具体看交互项的回归系数值为0.020，没有呈现出显著性（右上角没有*号），也即说明交互项没有呈现出显著性，进一步说明没有调节作用产生。

∙调节作用模型

最后提示用户，调节作用的原理模型图如下：

∙参考文献

本文档中的表格，图等资料出于书籍“问卷数据分析——破解SPSS的六类分析思路”。调节作用通常需要写明参考文献，即参考出处和原始资料等，建议列明下述三个文献。

o1、周俊(2017). 问卷数据分析——破解SPSS的六类分析思路[M].北京:电子工业出版社 2017,73~77

o2、Baron and Kenny (1986)：Baron, R. M., & Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51, 1173-1182.

o3、温忠麟，侯杰泰，张雷(2005).调节效应与中介效应的比较和应用.心理学报 2005,37(2):268~274

疑难解惑

∙交互项如何处理?

∙交互项是指相乘的意思，一般是两项相乘。操作方法为：SPSSAU【数据处理->生成变量->'乘积'】功能

∙如何进行智能化调节作用研究？

∙如果希望智能化分析，可直接使用SPSSAU问卷研究-》调节作用进行即可。