干货 | 利用SPSS进行高级统计分析第二期
Hello,这里是 行上行下 ,我是 喵君姐姐 ~
在上一期中,我们为大家带来了 利用SPSS软件进行高级统计分析的实操教程第一期 ,内容包括: 描述性统计表格模板、卡方&T检验、相关&回归分析 等。
在本期中,我们继续为大家介绍如何利用SPSS进行:中介、多重中介、链式中介、调节分析、有中介的调节分析等。
PS: 后台回复关键词 “高级统计” 即可获得所述的PDF原文啦!
一、中介【报告B,SE,t(df),p),置信区间,画中介效应图】
1.回归方程法
1.1 算三个回归方程
1) 自—因
2) 自—中
3) 自、中—因
1.2 数据分析
2. Process插件法:Model4
部分标准化
效应量/Y的标准差
完全标准化
所有变量的标准化
3. 报告【B、SE、t(df)、P、置信区间+图(标准化系数)】
本研究采用软件SPSS 24.0 中文版进行采集录入和统计分析实验数据。中介效应检验:参照Preacher 和Hayes (2004)提出的Bootstrap 方法进行中介效应检验(模型4),样本量选择5000,在95%置信区间下。
为了探讨MIL和FCI的关系中是否存在PA的中介作用,本研究以MIL得分为自变量,FCI得分为因变量,PA得分为中介变量进行中介效应检验。结果表明,PA在MIL和FCI之间起着中介作用。
MIL对PA有显著的预测作用(B=0.24,SE=0.07,t(98)=3.55,p < 0.001),置信区间(LLCT = 0.10,ULCT =0.37)不包含0; 中介检验的结果不包含0( LLCT = 0.07 , ULCT = 0.37) ,表明 P A 的中介效应显著(中介效应大小为0.22,S E =0.08) ,中介效应如图所示。
参考文献:Preacher, K. J. , & Hayes, A. F. . (2004). Spss and sas procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments & Computers, 36 (4), p.717-731.
二、多重中介
1. Process插件法:model4
三、链式中介
1. Process插件法:model6
中心化:原始数据-均值
拆分文件:spilt
四、调节【报告B、SE、t、β、p、95%CI、Δ+画回归表、交互作用图】
1. 线性回归法
1.1 S pss操作
1)算z分数
2)算交互项
3)算回归方程
1.2 S pss结果解读
1.3 画交互作用图:对调节变量做高低分组
高分组:平均值+标准差=6.12
低分组:平均值—标准差=3.68
1.4 拆分文件,做回归
1.5 再做一次回归,画图
2. Process插件法:model1
2.1 S pss操作
2.2 S pss结果解读
2.3 报告
利用Process model 1 (Hayes,2018)探讨生命意义感P、社会支持以及二者的交互作用与工作倦怠的关系。
结果表明, 生命意义感P (B = -0.46, t = -1.35, p = 0.18 )、 社会支持 (B = -0.19, t = -0.55, p =0.58 )以及二者交互作用(B = 0.05, t = 0.83, p =0.41 ) 对工作倦怠的作用 均不显著 (如表3所示),简单斜率分析图如图2所示。
图 2简单斜率效应分析图
五、有调节的中介【报告B、SE、β、p、95%CI+画回归表+交互作用图】
1.线性回归法
1.1 算两组交互项 自*调 中*调
1) 自、调、自*调—因
2) 自、调、自*调—中
3) 自、调、自*调、中、中*调—因
1.2 报告
接下来验证有调节的中介作用,以压力为自变量,生命意义感P为调节变量,自我效能感为中介变量,深层劳动为因变量为例。
根据温忠麟和叶宝娟(2014)的观点,检验有调节的中介模型需要对三个回归方程的参数进行检验:(1)方程1 估计调节变量(生命意义感P)对自变量(压力)与因变量(深层劳动)之间关系的调节效应; (2)方程2 估计调节变量(生命意义感P)对自变量(压力)与中介变量(自我效能感)之间关系的调节效应; (3)方程3 估计调节变量(生命意义感P)对中介变量(自我效能感)与因变量(深层劳动)之间关系的调节效应以及自变量(压力)对因变量(深层劳动)残余效应的调节效应。
根据Muller, Judd 和Yzerbyt (2005)的观点, 如果模型满足以下两个条件则说明有调节的中介效应存在:(1)方程1 中, 压力的总效应显著, 且该效应的大小不取决于生命意义感P; (2)方程2 和方程3 中, 压力对自我效能感的效应显著, 生命意义感P与自我效能感对深层劳动的交互效应显著, 和/或压力与生命意义感P对自我效能感的交互效应显著, 自我效能感对深层劳动的效应显著,本研究中有调节的中介模型检验结果见表2、图3。
由表2、图1可见,方程1 中压力负向预测深层劳动(β=-0.37,p<0.001),压力与生命意义感P的交互项对深层劳动的预测作用显著(β=-0.23,p<0.001)。
方程2 和方程3 中,压力与生命意义感P的交互项对自我效能感的预测效应显著(β=-0.18,p<0.01);压力与生命意义感P的交互项对深层劳动的预测作用显著(β=-0.18,p<0.01);同时自我效能感对深层劳动的预测效应显著(β=0.53,p<0.001)。
这表明, 压力、生命意义感P、自我效能感和深层劳动四者之间构成了有调节的中介效应模型 , 自我效能感在压力与深层劳动之间具有中介作用 , 生命意义感P 在 压力与深层劳动、压力与自我效能感间起调节作用 。
表2 压力对深层劳动有调节的中介效应检验(以生命意义感P为调节变量、自我效能感为中介变量)
图 3压力对深层劳动有调节的中介效应图(中介变量为自我效能感,调节变量为生命意义感P)
参考文献:
温忠麟, & 叶宝娟. (2014). 中介效应分析:方法和模型发展. 心理科学进展, 022 (005), 731-745.
由于生命意义感P在压力与深层劳动、压力与自我效能感间起调节作用,因此需要进一步检验简单效应以明确生命意义感P调节作用。
首先将生命意义感P按照正负一个标准差分成高、低组, 采用简单斜率检验考察在生命意义感P不同水平上压力对深层劳动、压力对自我效能感的影响,相应的简单效应分析见图5、图6。
图5结果表明,对于 生命意义感P 较 高 的个体 来说,压力能负向预测深层劳动( B= -0.44, SE = 0.13, p <0.01 ) ;而对于生命意义感P较低的个体来说,压力不能显著预测深层劳动(B =0.09, SE = 0.11,p = 0.45),即 比起低压力情景,高生命意义感P的个体在高压情景下,会有更少的深层劳动。
图 5生命意义感P对压力与深层劳动之间的关系调节作用
图6结果表明,对于生命意义感P较低的个体来说,压力不能预测自我效能感(B = -0.19,SE =0.13,p =0.17);而对于 生命意义感P较高的个体来说 , 压力能负向预测深层劳动( B =-0.45 , SE = 0.13 , p <0.01) ;即比起低压力情景时, 高生命意义感P的个体在高压情景下自我效能感更低。
图 6生命意义感P对压力与自我效能感之间的关系调节作用
2. Process插件法
2.1 调节前半路径:model7
1)Spss操作
2) Spss结果解读
2.2 调节后半路径:model14
1) Spss操作
2)Spss结果解读
2.3 探索前后:model57
2.4 报告
使用Hayes (2019)的SPSS 宏程序PROCESS(Model7),分析自我效能感在压力与深层劳动之间的中介作用(前半段)是否受生命意义感P的调节。
结果表明(如表4所示): 自我效能感显著正向预测深层劳动(B= 0.37 ,S E =0.0 4 ,p< 0.001 ) ; 压力与生命意义感P的交互项能显著负向预测自我效能感(B=-0.02,S E =0.01,p< 0.01 ) 。
表4:生命意义感P调节自我效能感在压力与深层劳动之间中介作用的回归分析
在生命意义感P得分为平均数减一个标准差、平均数以及平均数加一个标准差三个水平时,自我效能感在压力与深层劳动之间的中介效应值及其95%Bootstrap 置信区间如表5所示。
综合以上结果,本研究提出的有调节的中介模型得到了支持。 自我效能感 在 压力与深层劳动之间起中介作用, 而且该中介作用 前 半段 受到生命意义感P的调节。
表5:不同生命意义感P水平时压力与自我效能感之间的关系
生命意义感P水平中介效应值Boot标准误Bootstrap下限Bootstrap上限
M-SD-0.09 *** 0.03-0.16-0.04
M-0.13 *** 0.03-0.19-0.08
M+SD-0.17 *** 0.03-0.24-0.11
注: *** p<0.001
进一步采用简单斜率检验来分析生命意义感P在压力与自我效能感关系中的调节作用。按生命意义感P的平均分加减一个标准差将被试分为高生命意义感P水平组(高于平均数加一个标准差的被试)、低生命意义感P水平组(低于平均数减一个标准差的被试)与中生命意义感P水平组(介于两组之间的被试)三组,采用分组回归的方式考察压力与自我效能感的关系,结果如图所示: 随着 生命意义感P水平的升高 , 压力 对 自我效能感 的负向预测作用逐渐 变强 (由B=-0.09 , p < 0.001 减弱为B=-0.17,p < 0.001)。