多重中介效应检验

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，但还是得不到对比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、总的中介效应和对比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，在结构方程模型中加入辅助变量，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打开spss数据库，在SPSS中FILE下选择Saveas，依次保存上述指标变量A1,A2,B1,B2,B3,E1-E7,E9,E10,文件格式为FixedASCⅡ（.dat），文件名为“dc.dat”Lisrel操作单击FILE，新建syntax窗口，输入：TIDANI=14NO=706MA=CMAP=1!表示增加一个辅助变量RAFI=dc.datlaE1E2E3E4E5E6E7E9E10B1B2B3A1A2MONY=12NX=2NK=1NE=3LX=FILY=FIGA=FU,FIBE=FU,FILKXLEM1M2YPALY2(100)0101000101001000100103(001)PALX11FRga31ga21ga11FRbe31be32COPAR(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PDOUAD=OFFND=4点击保存，将文件命名为fz.pr2，点击运行按钮结果输出部分BETA可以找到b1，b2两条路径的参数估计值及显著性M1M2Y------------------------M1------M2------Y0.1915-0.0894--(0.0607)(0.0421)3.1532-2.1256发现M1对Y的预测作用不显著，M2对Y的预测作用显著在GAMMA中可以找到其他路径系数及显著性X--------M10.6296(0.0561)11.2243M2-0.3534(0.0483)-7.3242Y-0.0491(0.0597)-0.8223ADDITIONALPARAMETERS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，即两个中介变量M1和M2的中介效应差异显著。2.1616如果将辅助变量的程序设置为COPAR(1)=GA(1,1)*BE(3,1)或COPAR(1)=GA(2,1)*BE(3,2)则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，因为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程序从原始样本中抽取至少1000个bootstrap样本具体操作是打开lisrel软件，单击file/importdatainfreeformat，选择上一步保存好的dc.dat文件单击打开，因为本例中共有14个变量，所以在numberof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Numberofbootstrap中输入1000，samplefraction中输入文件名mafile.cov然后点击utputoption按钮出现如图对话框在momentmatrix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W_A_R_N_I_N_G:VAR12hasmorethan15categoriesandwillbetreatedascontinuous.ERRORCODE201.个人分析可能是数据不适用的问题，所以没有再继续进行，但是按照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、总的和对比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：DANI=14NO=706AP=4RP=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.cov!使用第一步产生的1000个协方差矩阵进行分析MONY=12NX=2NK=1NE=3LX=FILY=FIGA=FU,FIBE=FU,FILKXLEM1M2YPALY2(100)0101000101001000100103(001)PALX11FRga31ga21ga11FRbe31be32COPAR(1)=GA(11)*BE(31)!特定中介效应11abCOPAR(2)=GA(21)*BE(32)!特定中介效应22abCOPAR(3)=PAR(1)+PAR(2)!总的中介效应1122ababCOPAR(4)=PAR(1)-PAR(2)!对比中介效应1122ababOUAD=OFFND=4PV=bs.psf!参数估计值保存在PRELIS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2012年的文章Mplus操作打开mplus软件单击新建按钮，然后在空白界面中输入：TITLE:DATA:FILEISdc.dat;!此处还是继续延用上文用spss保存好的数据文件dc.datVARIABLE:NAMES=E1E2E3E4E5E6E7E9E10B1B2B3A1A2;ANALYSIS:bootstrap=1000!bootstrap法抽样1000次MODEL:XBYA1A2;!两个变量作为潜变量X的指标，其余同理M1BYE1E2E4E6E7;YBYB1B2B3;M2BYE3E5E9E10;YONM1(b1);!表示将M1到Y的路径系数命名为b1，其余同理。YONX(c);YONM2(b2);M1ONX(a1);M2ONX(a2);MODELINDIRECT:YINDM1X;!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。YINDM2X;MODELCONSTRAINT:new(con);!对比中介效应命名为concon=a1*b1-a2*b2;!计算对比中介效应大小OUTPUT:cinterval(bcbootstrap);standardized;!输出偏差校正的百分位bootstrap结果和标准化解若要得到百分位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部分，只保留了需要解释的部分Chi-SquareTestofModelFitValue341.607DegreesofFreedom72P-Value0.0000RMSEA(RootMeanSquareErrorOfApproximation)Estimate0.07390PercentC.I.0.0650.081ProbabilityRMSEA=.050.000CFI/TLICFI0.919TLI0.898卡方值，CFI,TLI,RMSEA均在可接受范围内MODELRESULTS表示模型参数估计的非标准化解Two-TailedEstimateS.E.Est./S.E.P-ValueYONM10.6970.2273.0710.002X-0.1420.163-0.8700.384M2-0.3690.187-1.9750.048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p值M1ONX0.5000.0568.9730.000M2ONX-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/AdditionalParameters表示新增的辅助变量的非标准化的参数估计值以及p值CON0.2570.1401.8420.066STANDARDIZEDMODELRESULTS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-0.049-0.049-0.049M2-0.089-0.089-0.089M1ONX0.6300.6300.630M2ONX-0.353-0.353-0.353STANDARDIZEDTOTAL,TOTALINDIRECT,SPECIFICINDIRECT,ANDDIRECTEFFECTS表示标准化的直接效应间接效应STDYXStandardizationTwo-TailedEstimateS.E.Est./S.E.P-ValueEffectsfromXtoYSumofindirect0.1520.0413.7240.000总体间接效应显著SpecificindirectYM1X0.1210.0412.9440.003M1的间接效应显著YM2X0.0320.0171.9030.057M2的间接效应不显著以上是点估计，以下是区间。估计判断显著与否的依据是，5%置信区间不包括0说明是显著的CONFIDENCEINTERVALSOFMODELRESULTSNew/AdditionalParametersCON-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CONFIDENCEINTERVALSOFSTANDARDIZEDTOTAL,TOTALINDIRECT,SPECIFICINDIRECT,ANDDIRECTEFFECTSSTDYXStandardizationLower.5%Lower2.5%Lower5%EstimateUpper5%Upper2.5%Upper.5%EffectsfromXtoYSumofindirect0.0470.0720.0850.1520.2190.2320.257SpecificindirectYM1X0.0150.0400.0530.1210.1880.2010.226YM2X-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