學習筆記34—中介效應分析與調節效應分析

本文轉載自查看原文 2018-11-11 10:10 4196 學習筆記/ 科研達人

PS：如您使用了本貼內容並用於研究，請引用該文章 "Reduced hippocampal volume and its relationship with verbal memory and negative symptoms in treatment-naive first-episode adolescent-onset schizophrenia" (文章鏈接：https://doi.org/10.1093/schbul/sbaa092)，謝謝您！

一、中介效應分析

1）中介效應分析模型和概念：

模型來自文獻：中介效應分析：原理、程序、方法及其應用（作者：陳瑞）

請參考鏈接: https://wenku.baidu.com/view/886e80cb7375a417876f8f3b.html?rec_flag=default&sxts=1541685975300;

https://wenku.baidu.com/view/cf3a7ad9710abb68a98271fe910ef12d2af9a90f.html;

2）如何計算中介分析：（前提是要安裝好SPSS軟件）

基於該模型計算中介分析：

① SPSS實例：檢驗中介效應的操作方法

首先檢驗第一個方程，方程形式如下：

檢驗過程是使用線性回歸：：：：：：打開線性回歸的對話框

然后再放入X和Y，如圖：

檢驗第二個方程，方程形式如下：

接着還是使用線性回歸，我們放入M和X，如下圖：

接着檢驗第三個方程，方程形式如下：

操作方法如下：

點擊ok按鈕可以進行參數的估計，然后得到下面圖：

② SPSS代碼實例：

打開spss安裝process插件：(下載地址: http://www.processmacro.org/download.html)

點擊OK之后，插件導入成功；

接下來，進行數據分析：

選擇"Analysis" -----> "regression" -----> "PROCESS";

如下圖，加載好數據，點擊OK即可：

結果：

PS: 在用代碼計算中介時，展示的結果中沒有X與Y的總效應（也就是C），需要另外計算（比如：用matlab中的函數：[C,P] = corr(X,Y)）

參考鏈接：http://www.quantpsy.org/sobel/sobel.htm；http://davidakenny.net/cm/mediate.htm；http://www.nrhpsych.com/mediation/logmed.html;http://www.afhayes.com/spss-sas-and-mplus-macros-and-code.html

參考文獻：中介效應分析：原理、程序、方法及其應用（作者：陳瑞）；

過程英文描述參考改文獻： The neural basis of theory of mind and its relationship to social functioning and social anhedonia in individuals with schizophrenia

二、調節效應分析

1）調節效應分析定義：

調節作用是研究X對Y的影響時，是否會受到調節變量Z的干擾；比如開車速度（X）會對車禍可能性（Y）產生影響，這種影響關系受到是否喝酒（Z）的干擾，即喝酒時的影響幅度，與不喝酒時的影響幅度是否有着明顯的不一樣。

2）如何計算中介分析：

第1步：識別X和M的數據類別，選擇合適的研究方法。

調節作用在進行具體研究時需要對應使用研究方法去實現；調節作用分析時，Y一定是定量數據。通常情況下X均為定量數據（比如開車速度），調節變量Z可以為分類數據（比如是否喝酒），也可以是定量數據（比如喝酒多少）。

資料來源：SPSSAU幫助手冊-調節作用

第2步：調節作用檢驗

資料來源：SPSSAU幫助手冊-調節作用

- 調節作用通常是使用分層回歸進行研究，如果X和Z均為分類數據，則使用多因素方差分析（通常是雙因素方差分析）進行研究。針對上圖，需要說明如下：
- 如果X或者Z也或者Y由多項表示，通常需要先計算對應項的平均值生成得到新列（SPSSAU生成變量功能）
- 如果X或者Z是分類數據，並且使用分層回歸，則需要對X進行虛擬變量處理（啞變量處理）
- 對X或者Z進行標准化處理，也可以進行中心化處理均可
- Y並不需要進行標准化或者中心化處理（處理也可以）
- 交互項是指兩項相乘的意思，記住交互項不能再次進行標准化或中心化
- R平方變化顯著的判斷，是看△F 值是否呈現出顯著性，如果顯著則說明R平方變化顯著
- R平方變化顯著，正常情況下交互項也會出現顯著。如果說R平方變化顯著，但交互項並不顯著，建議以沒有調節作用作為最終結論；如果交互項顯著，R平方變化顯著，建議以有調節作用作為最終結論。

第3步：SPSAU進行分析

用戶判斷好數據類型后，直接按照上圖流程，在SPSSAU中進行數據處理及分析即可。具體分析流程可參考鏈接頁面：https://spssau.com/front/spssau/helps/otherdocuments/moderator.html

三、中介效應和調節效應區別：

解釋一：（來自鏈接：https://www.zhihu.com/question/60520004/answer/180233872）

要區分中介作用和調節作用，就必須提到中介變量和調節變量

1 中介變量是自變量對因變量發生影響的中介

1.1中介變量和中介效應圖解

圖中，X是自變量，Y是因變量，M是中介變量（mediator）。c是X對Y的總效應，a、b是經過中介變量M的中介效應，或者反過來說，中介變量M在X和Y之間起到了一個中介作用。c'是直接效應。

2.調節變量是用來解釋自變量在何種條件下會影響因變量的。也就是說，當自變量與因變量的相關大小或正負方向受到其它因素的影響時，這個其他因素就是所謂調節變量

2.1調節變量和調節效應圖解

圖中，X是自變量，Y是因變量，M是調節變量（moderator）。在自變量X對因變量Y起作用的過程中，受到了調節變量M的影響。具體是怎樣的影響由函數f(X,M)來表示。例如，最簡單的調節模型中，f(X,M)被設為aX+bM+cXM，即得Y=aX+bM+cMX+e。這樣一來，式子里的cMX項中的cM可以看作X與Y之間的一個系數。於是，我們就把c稱為調節變量M的調節效應，或者反過來說，調節變量M在X和Y之間起到了一個調節作用。

(參考文獻: 盧謝峰韓立敏《中介變量、調節變量與協變量——概念、統計檢驗及其比較》

解釋二：（鏈接：https://www.zhihu.com/question/60520004/answer/253758211）

關注這個問題有一段時間了，自己來個非專業、類比式的回答。
中介變量和調節變量討論的就是“如何”的問題。
問：警察是如何抓住小偷的？

答：有一輛車才能追上小偷並把他抓起來。那么這輛車就是一個中介變量。
中介變量討論的是，自變量（警察）通過什么影響因變量（抓住小偷），即警察通過利用交通工具來抓住小偷。並且，中介變量並不是唯一的，可能有很多，比如，也可能是通過“電棍”（武力），“策略”（智力）來抓住小偷的。那就看做實驗前的假設了。
而調節變量討論的則是中介變量在何種情況下起作用，起多大作用。
進一步舉例子，就是：有一輛車就可以抓住小偷嗎？

那么就可以分情況討論了：假設調節變量是汽車性能，則汽車速度比小偷慢的時候抓不住，比小偷快的情況下能抓住；或者汽車速度是50km/h的情況下需要10分鍾抓住小偷，汽車速度是40km/h的情況下需要15分鍾才能抓住小偷，警察弄反方向，還有可能離小偷越來越遠…
所以，調節變量就是對中介變量起到調節作用的變量。它決定了中介變量在自變量影響因變量的方向與程度。

解釋三：（來自： https://zhuanlan.zhihu.com/p/57106782）

在當前學術研究中，會經常遇到中介作用和調節作用，但很多小伙伴還搞不清楚什么是中介效應、什么是調節效應？以及如何區分兩者？

那么閑話少敘下面就來為大家一一講解。

1明確概念

中介效應或者調節效應並非分析方法，而是一種關系的描述，研究人員需要結合不同的數據分析方法對兩種關系進行分析。

中介效應

中介作用是研究X對Y的影響時，是否會先通過中介變量M，再去影響Y；即是否有X->M->Y這樣的關系，如果存在此種關系，則說明具有中介效應。比如工作滿意度（X）會影響到創新氛圍（M）,再影響最終工作績效（Y），此時創新氛圍就成為了這一因果鏈當中的中介變量。

調節作用

2研究步驟

2.1中介效應

中介作用的分析較為復雜，共分為以下三個步驟：

第1步：確認數據，確保正確分析。

中介作用在進行具體研究時需要對應使用研究方法（分層回歸）去實現；中介作用分析時，Y一定是定量數據。X也是定量數據，中介變量M也是定量數據。

資料來源：SPSSAU幫助手冊-中介作用

第2步：中介作用檢驗

檢驗中介效應是否存在，其實就是檢驗X到M，M到Y的路徑是否同時具有有顯著性意義。

資料來源：SPSSAU幫助手冊-中介作用

中介作用共分為3個模型。針對上圖，需要說明如下：

- 模型1：自變量X和因變量（Y）的回歸分析
- 模型2：自變量X，中介變量(M)和因變量（Y）的回歸分析
- 模型3：自變量X和中介變量（M）的回歸分析
- 模型1和模型2的區別在於，模型2在模型1的基礎上加入了中介變量(M)，因而模型1到模型2這兩個模型應該使用分層回歸分析（第一層放入X，第二層放入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驟進行，如下圖：

資料來源：SPSSAU幫助手冊-中介作用

第1步是數據標准化處理（對X,M,Y需要分別進行標准化處理，有時也使用中心化處理）（SPSSAU用戶使用“生成變量”功能）

第2步和第3步是進行分層回歸完成（分層1放入X，分層2放入M）

第4步單獨進行模型3，即X對M的影響（使用回歸分析或分層回歸均可，分層回歸只有分層1時事實上就是回歸分析）

最后第5步進行中介作用檢驗。

檢驗圖如下：

資料來源：SPSSAU幫助手冊-中介作用

- a代表X對M的回歸系數；
- b代表M對Y的回歸系數；
- c代表X對Y的回歸系數（模型1中）；
- c’代表X對Y的回歸系數（模型3中）。

第3步：SPSAU進行分析

用戶可以直接按照上圖流程在SPSSAU中進行分析，生成結果。具體分析步驟可參考鏈接頁面：https://spssau.com/front/spssau/helps/otherdocuments/mediator.html

2.2調節效應

第1步：識別X和M的數據類別，選擇合適的研究方法。

資料來源：SPSSAU幫助手冊-調節作用

第2步：調節作用檢驗

資料來源：SPSSAU幫助手冊-調節作用

- 調節作用通常是使用分層回歸進行研究，如果X和Z均為分類數據，則使用多因素方差分析（通常是雙因素方差分析）進行研究。針對上圖，需要說明如下：
- 如果X或者Z也或者Y由多項表示，通常需要先計算對應項的平均值生成得到新列（SPSSAU生成變量功能）
- 如果X或者Z是分類數據，並且使用分層回歸，則需要對X進行虛擬變量處理（啞變量處理）
- 對X或者Z進行標准化處理，也可以進行中心化處理均可
- Y並不需要進行標准化或者中心化處理（處理也可以）
- 交互項是指兩項相乘的意思，記住交互項不能再次進行標准化或中心化
- R平方變化顯著的判斷，是看△F 值是否呈現出顯著性，如果顯著則說明R平方變化顯著
- R平方變化顯著，正常情況下交互項也會出現顯著。如果說R平方變化顯著，但交互項並不顯著，建議以沒有調節作用作為最終結論；如果交互項顯著，R平方變化顯著，建議以有調節作用作為最終結論。

第3步：SPSAU進行分析