中介效应和调节效应的区别

调节变量和调节效应分析

调节变量的定义

如果变量Y与变量X的关系是变量M的函数,称M为调节变量。

就是说,Y与X的关系受到第三个变量M的影响,这种有调节变量的模型一般地可以用图1示意。

调节变量可以是定性的(如性别、种族、学校类型等),也可以是定量的(如年龄、受教育年限、刺激次数等),它影响因变量和自变量之间关系的方向(正或负)和强弱。

例如：

学生的学习效果和指导方案的关系,往往受到学生个性的影响：一种指导方案对某类学生很有效，对另一类学生却没有效，从而学生个性是调节变量。

学生一般自我概念与某项自我概念(如外貌、体能等)的关系，受到学生对该项自我概念重视程度的影响：很重视外貌的人，长相不好会大大降低其一般自我概念：不重视外貌的人，长相不好对其一般自我概念影响不大，从而对该项自我概念的重视程度是调节变量。

调节效应分析

在做调节效应分析时，通常要将自变量和调节变量做中心化变换(即变量减去其均值，最简单常用的调节模型如下，即假设Y与X有如下关系

Y=aX+bM+cXM+e

调节作用通常是使用分层回归进行研究，如果X和M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。

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

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。

中介变量和中介效应

中介效应

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。

假设变量已经中心化或标准化,可用图2所示的路径图和相应的方程来说明变量之间的关系。

中介效应的大小用c-c′=ab来衡量。

例如：

上司的归因研究：下属的表现———上司对下属表现的归因———上司对下属表现的反应，其中的“上司对下属表现的归因”为中介变量。

中介效应检验

安装PROCESS插件(Hayes 2013)后，选择“Analyze”→ “Regression” →“PROCESS”；

将自变量、中介变量和因变量依次选入相应的选项框。

选择模型4，即“Model Number”为4；

设定样本量为5000, 即“Bootstrap Samples”为5 000；

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%，即“Confidence level for confidence intervals”为95。

最后“OK”确认即可得到结果

转自：“云导师学术辅导平台”微信公众号

如有侵权，请联系本站删除！