多重中介效应检验分解

1、二.多重中介多重中介是指存在多个中介变量的情况.目前针对传统多重中介分析存在(1)分析不完整? LISREL-只能得到总的中介效应估计值及其标准误和t值.? AMOS -也只能得到总的中介效应估计值.? MPLUS-可以得到特定路径的中介效应和总的中介效应估计值,但还是得不到比照中介效应的分析结果.(2)使用sobel检验的局限首先,sobel检验统计量的推导基于正态假设,而特定中介效应、总的中介效应和比照 中介效应估计值都涉及参数的乘积,因而通常都不满足正态假设.其次,sobel检验需要大样本,检验在小样本的表现并不好.第三,sobel检验统计量计算复杂,且需要手工计算所以采用以下两种方法来

2、改善.1 .增加辅助变量的方法针对当前多重中介效应分析不完整的问题,在结构方程模型中参加辅助变量,可以进行完整的多重中介效应分析.操作我们还是以上图的模型为例子首先翻开spss数据库,在 SPSS中FILE下选择 Save as,依次保存上述指标变量A1,A2,B1,B2,B3,E1-E7,E9,E10, 文件格式为 Fixed ASC n ( .dat ),文件名为 “ dc.dat Lisrel操作单击FILE,新建syntax窗口,输入：TIDA NI=14 NO=706 MA=CM AP=1!表示增加一个辅助变量RA FI=dc.datlaE1 E2 E3 E4 E5 E6 E7 E9

3、 E10 B1 B2 B3 A1 A2MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1CO PAR(1)=GA(1,1)*BE(3,1)-GA(2,1)*BE(3,2)!辅助变量,用来建立一新的待检验参数PDOU AD=OFF ND=4点击保存,将文件命名为fz.pr2,点击运行按钮结果输出局部BETA可以找到b1 , b2两条路径的参数估计值

4、及显著性M1M2丫M1-M2-Y 0.1915-0.0894-(0.0607)(0.0421)3.1532-2.1256发现M1又Y的预测作用不显著,M2又丫的预测作用显著在GAMMA 中可以找到其他路径系数及显著性XM1 0.6296(0.0561)11.2243M2 -0.3534(0.0483)-7.3242丫 -0.0491(0.0597)-0.8223ADDITIONAL PARAMETERS 表示辅助变量 a1*b1-a2*b2的估计值PA(1)!表示第一个辅助变量,本例只用了一个辅助变量0.0890!表示辅助变量的参数估计值(0.0412)!表示p值,小于0.05说明显著,即两个

5、中介变量M1和M2的中介效应差异显者.2.1616如果将辅助变量的程序设置为 CO PAR(1)=GA(1,1)*BE(3,1) 或 COPAR(1)=GA(2,1)*BE(3,2)那么可以分别计算出两个中介变量的特定中介效应大小a1*b1或a2*b2.建议只设置一个辅助变量,由于我设置两个及两个以上辅助变量时程序无法运行Mplus操作mplus软件可以在一个程序中实现辅助变量与bootstrap 法因此在下面bootstrap 法中一起介绍.2 .bootstrap 法Lisrel操作Lisrel软件进行bootstrap 分析的步骤分为六步：第一步,使用Lisrel软件中的prelis程序

6、从原始样本中抽取至少1000个bootstrap 样本具体操作是翻开lisrel软件,单击file/import data in free format ,选择上一步保存好的dc.dat文件单击翻开,由于本例中共有 14个变量,所以在number of中填14 ,单击ok,生成了一个fz.PSF的文件.然后点击 statistics/bootstrapping按钮如图BootstrappingMumbtr 力E bootstrapSample frictionSave：V All the JIAFatfi 时三厂 AU the meut vec Ioite.All the staridard

7、deYi a1t Opti onNumber of bootstrap中输入1000 , sample fraction中输入文件名 mafile.cov 然后点击utput option按钮出现如图对话框在moment matrix 中选择covariance 保存成协方差矩阵, 单击OK,run.我们就会在源文件夹中发现mafile.COV这个新文件.注意：在我用自己的数据进行到这一步时出现错误提示WARNING:VAR12 has more than 15 categories and will betreated as continuous. ERROR CODE 201.个人分析可能

8、是数据不适用的问题,所以没有再继续进行,但是根据文献所讲仍将下面的步骤列出.第二步,设置辅助变量,采用固定方差法编写可以分析多个样本的Lisrel程序(如果采用固定负荷法编写Lisrel程序将得到中介效应的非标准化解)程序写法见上文第三步,运行Lisrel程序分析1000个bootstrap 样本,得到研究者感兴趣的特定、总的和比照中介效应系数估计值各1000个,保存为prelis数据文件(文件名.PSF)程序如下：DA NI=14 NO=706 AP=4 RP=1000! AP=4 表示增加 4个辅助变量；RP=1000 表示重复运行 LISREL程序1000 次cm = mafile .c

9、ov !使用第一步产生的1000个协方差矩阵进行分析MO NY=12 NX=2 NK=1 NE=3 LX=FI LY=FI GA=FU,FI BE=FU,FILKXLEM1 M2 YPA LY2(1 0 0)0 1 01 0 00 1 01 0 01 0 00 1 00 1 03(0 0 1)PA LX11FR ga 3 1 ga 2 1 ga 1 1FR be 3 1 be 3 2CO PAR(1)= GA(1 1)* BE(3 1)!特定中介效应 ahCO PAR(2)= GA(2 1)* BE(3 2)CO PAR(3)= PAR(1)+ PAR(2)CO PAR(4)= PAR(1)-

10、PAR(2)特定中介效应a2 b2总的中介效应a1bla2 t2比照中介效应qb1 a2b2OU AD=OFF ND=4 PV=bs.psfPRELIS 文件 bs.psf 中这里设置了四个辅助变量 第四步,将prelis数据文件导出为 EXCEL文件文件名.XLS第五步,在EXCEL中将1000个中介效应估计值从小到大进行排序,将1000个中介效应估计值的均值作为中介效应估计值的标准化解；用第2.5百分位数和第 97.5百分位数来估计bootstrap的中介效应置信区间,如果置信区间不包括0,说明中介效应显著,百分位bootstrap方法的中介效应检验完成第六步,对第五步得到的中介效应置信区

11、间进行校正,得到偏差校正的百分位bootstrap方法的中介效应置信区间,如果置信区间不包括0,说明中介效应显著,偏差校正的百分位bootstrap 方法的中介效应检验完成.具体校正方法见温忠麟2021年的文章Mplus操作翻开mplus软件单击新建按钮,然后在空白界面中输入：TITLE:DATA:FILE IS dc.dat;spss保存好的数据文件dc.datVARIABLE:NAMES =E1 E2 E3 E4 E5 E6 E7 E9 E10 B1 B2 B3 A1 A2;ANALYSIS: bootstrap=1000 ! bootstrap 法抽样 1000 次MODEL:X BY

12、A1 A2; !两个变量作为潜变量 X的指标,其余同理M1 BY E1 E2 E4 E6 E7;丫 BY B1 B2 B3;M2 BY E3 E5 E9 E10;Y ON M1(b1);!表示将mi到丫的路径系数命名为bi ,其余同理.Y ON X(c);Y ON M2(b2);M1 ON X(a1);M2 ON X(a2);MODEL INDIRECT:Y IND M1 X; !表示自变量为X,中介变量为 M1 ,因变量为Y的中介效应,其余同理.Y IND M2 X;MODEL CONSTRAINT:new (con);!比照中介效应命名为 concon=a1*b1-a2*b2;!计算比照中

13、介效应大小OUTPUT:cinterval (bcbootstrap); standardized;!输出偏差校正的百分位bootstrap 结果和标准化解假设要得到百分位 bootstrap结果,仅需将OUTPUT 中的cinterval (bcbootstrap) 改为cinterval (bootstrap) 即可单击保存按钮,将文件与 dc.dat保存于同一文件夹,命名为 11.inp结果分析我删除了不用解释的局部,只保存了需要解释的局部Chi-Square Test of Model FitValue341.607Degrees of Freedom72P-Value0.0000RM

14、SEA (Root Mean Square Error Of Approximation)Estimate90 Percent C.I.0.0730.0650.081Probability RMSEA <= .050.000CFI/TLICFI0.919TLI0.898卡方值,CFI,TLI,RMSEA 均在可接受范围内MODEL RESULTS表示模型参数估计的非标准化解Two-T ailedEstimateS.E.Est./S.E.P-ValueYONM10.6970.2273.0710.002X-0.1420.163-0.8700.384M2-0.3690.187-1.9750.0

15、48从此处可以看出 M1,M2,X 到Y的各路径系数非标准化的参数估计值以及X0.5000.0568.9730.000M2ONX-0.2470.047-5.2160.000此处表示a1,a2这两条路径系数的非标准化的参数估计值以及p值New/Additional Parameters表示新增的辅助变量的非标准化的参数估计值以及p值CON0.2570.1401.8420.066STANDARDIZED MODEL RESULTS此处表示标准化的结果, 但是注意标准化的结果没有给出p值.注意,标准化结果中没有辅助变量值.YONM10.1920.1920.192X-0.049-0.049-0.049

16、M2-0.089-0.089-0.089M1XON0.6300.6300.630M2XON-0.353-0.353-0.353STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT, AND DIRECT EFFECTS表不标准化的直接效应间接效应STDYX StandardizationTwo-TailedEstimateS.E. Est./S.E. P-ValueEffects from X to YSum of indirect0.1520.0413.7240.000总体间接效应显著Specific indirectYM10.1210.

17、0412.9440.003 M1的间接效应显著YM20.0320.0171.9030.057 M2的间接效应不显著5%置信区间不包括0说明是显以上是点估计,以下是区间.估计判断显著与否的依据是,著的CONFIDENCE INTERVALS OF MODEL RESULTSNew/Additional ParametersCON-0.0910.0130.0550.2570.5010.5620.677新增的辅助变量显著,说明两中介效应差异显著CONFIDENCE INTERVALS OF STANDARDIZED TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT,A

18、ND DIRECT EFFECTSSTDYX StandardizationLower .5%Lower 2.5%Lower 5%EstimateUpper 5%Upper 2.5%Upper .5%Effects from X to YSum of indirect0.0470.0720.0850.1520.2190.2320.257Specific indirectYM1X0.0150.0400.0530.1210.1880.2010.226YM2X-0.011-0.0010.0040.0320.0590.0640.074总体间接效应和两特别间接效应都显著,说明两中介变量的中介效应都是显著的.注意,此处与点估计的结果有出入,以此处的结果为准,由于 bootstrap法的检验效力高于 sobel检验,也就是当 sobl