【正文】 焦慮 .000 .000 .000 績效表現(xiàn) .050 .000 .000 效率下降 .612 .068 .000 效率低 .661 .070 .000 領導不認可 .000 .000 .000 同事不認可 .000 .000 .000 客戶不認可 .000 .000 .000 坐立不安 .451 .000 .000 緊張 .405 .000 .000 心跳 .436 .000 .000 Standardized Indirect Effects Upper Bounds (BC) (Group number 1 Default model) 工作不被認可 焦慮 績效表現(xiàn) 焦慮 .000 .000 .000 績效表現(xiàn) .197 .000 .000 效率下降 .733 .263 .000 效率低 .771 .284 .000 領導不認可 .000 .000 .000 同事不認可 .000 .000 .000 客戶不認可 .000 .000 .000 坐立不安 .600 .000 .000 緊張 .540 .000 .000 心跳 .582 .000 .000 Standardized Indirect Effects Two Tailed Significance (BC) (Group number 1 Default model) 工作不被認可 焦慮 績效表現(xiàn) 焦慮 ... ... ... 工作不被認可 焦慮 績效表現(xiàn) 績效表現(xiàn) .002 ... ... 效率下降 .000 .002 ... 效率低 .000 .002 ... 領導不認可 ... ... ... 同事不認可 ... ... ... 客戶不認可 ... ... ... 坐立不安 .000 ... ... 緊張 .000 ... ... 心跳 .000 ... ... 表格形式同上，顯著性見紅體字部分， 在本例中即為 c’ 。 第二步：設置參數(shù)，要在 AMOS 中分析中介效應， 需要進行一些必要的參數(shù)設置，步驟見下圖： 按照上面幾個圖提示的步驟設置好后，讀取數(shù)據(jù)進行運算，工具欄提示如下 上圖表示采用 bootstrap(自抽樣 5000 次 )運算結果，數(shù)據(jù)迭代到第 8次得到收斂。212 xmCCCCNrSSSSCCt?????? 這兩個公式都采用 t 檢驗，可以通過 t 值表直接查出其臨界概率。分母 sab的計算 公式 為 ： sab= 2222ab sbsa ?， 在 這個公式中， sb2和 sa2分別為 a 和 b 的標準誤， 這個檢驗 稱 為 sobel 檢驗 ，當然檢驗公式不止這一種例如 Goodman I 檢驗 和 Goodman II 檢驗 都可以檢驗 （見下） ,但在樣本比較大的情況下這些檢驗效果區(qū)別不大。 中介效應是間接效應的一種，模型中在只有一個中介變量 的情況下，中介效應等于間接效應；當中介變量不止一個的情況下，中介效應的不等于間接效應，此時間接效應可以是部分中介效應的和或所有中介效應的總和。 這個臨界表沒有直接給出 .05 的雙側概率值，只有 .04 的雙側概率值 ；以 N=200 為例， .05 的 雙側 概率值在其表中大概在 177。 序，如下圖： 這個程序實際上只采用了依次檢驗和 sobel 檢驗，同時使第一類錯誤率和第二類錯誤率都控制在較小的概率，同時還能檢驗部分中介效應和完全中介效應，值得推薦。綜合上述文本化輸出的結果，我們可以判定， c,a,b,c’ 的估計值都達到了顯著性，下面，我們來看些這四個路徑系數(shù)的標準化估計值和標準誤到底是多少呢？見下表： Standardized Regression Weights: (Group number 1 Default model) Parameter SE SESE Mean Bias SEBias 焦慮 工作不被認可 .038 .000 .628 .001 績效表現(xiàn) 工作不被認可 .053 .001 .659 .000 .001 績效表現(xiàn) 焦慮 .058 .001 .187 .001 心跳 焦慮 .029 .000 .814 .000 .000 坐立不安 焦慮 .027 .000 .837 .000 .000 客戶不認可 工作不被認可 .028 .000 .790 .000 .000 同事不認可 工作不被認可 .023 .000 .818 .001 .000 領導不認可 工作不被認可 .023 .000 .865 .000 效率低 績效表現(xiàn) .017 .000 .927 .000 .000 效率下降 績效表現(xiàn) .020 .000 .871 .000 .000 緊張 焦慮 .029 .000 .747 .000 .000 上表是采用 bootstrap 方法得出的標準化估計值及其標準誤， se 表示估計值標準誤； sese 表示用 bootstrap 估計標準誤而產生的標準誤； mean 表示標準化估計均值； bias 表示采用 bootstrap 前后的標準化估計值的差異值，符號表示差異大??； sebias 表示 對估計值差異估計的標準誤。be101e111a 本模型假設，工作不被認可通過中介變量影響績效表現(xiàn)。239。具體推導公式我就不多講 了，大家有興趣可以自己去看相關統(tǒng)計書籍。 在心理學研究當中，變量間的關系很少是直接的，更常見的是間接影響，許多心理自變量可能要通過中介 變量產生對因變量的影響，而這常常被研究者所忽視。 左右，而不是溫忠麟那篇文章中提出的 。 三 中介效應操作在統(tǒng)計軟件上的實現(xiàn) 根據(jù)我對國內國外一些文獻的檢索、分析和研究，發(fā)現(xiàn)目前已經有專門分析 soble 檢驗的工具軟件腳本，可下掛在 SPSS 當中 ； 然而 在 AMOS 中只能通過手工計算，但好處在 于 能夠方便地處理復雜中介模型，分析間接效應 ； 根據(jù)溫忠麟介紹， LISREAL 也有對應的 SOBEL檢驗分析命令和輸出結果，有鑒于此，本文擬通過對 在 SPSS、 AMOS中如何分析 中介效應 進行操作演示，相關 SOBEL 檢驗腳本 及臨界值表（非正態(tài) SOBEL 檢驗臨界表）請看附件。對照這個表，可以得出 a=，對應的標準誤 Sa 為 ； b=,對應的標準誤 Sb為 ； c’ 值為 ,標準誤為 。 第一步：建立好模型圖，如下： 焦慮心跳e111緊張e21坐立不安e31工作不被認可客戶不認可e4同事不認可e5領導不認可e61111績效表現(xiàn)效率低 e7效率下降 e8111c39。239。此種方法主要檢驗 ab 乘積項的系數(shù)是否顯著 ，檢驗統(tǒng)計量為 z = ab/ sab， 實際上熟悉統(tǒng)計原理的人可以看出， 這個公式和總體分布為正態(tài)的總體均值顯著性檢驗差不多，不過分子換成了乘積項，分母換成了乘積項聯(lián)合