什么是调节模型和中介模型？ 请问什么是中介变量与调节变量？他们二者的区别是什么？能否在组...
\u53ef\u4ee5\u5c06\u522b\u4eba\u7684\u8c03\u8282\u6a21\u578b\u81ea\u5df1\u6539\u4e3a\u4e2d\u4ecb\u6a21\u578b\u5417\u53ef\u4ee5\u3002\u8c03\u8282\u6a21\u578b\u548c\u4e2d\u4ecb\u6a21\u578b\uff1a\u6709\u673a\u5206\u5b50\u7ed3\u6784\u7406\u8bba\u53d1\u5c55\u8fc7\u7a0b\u4e2d\u7684\u4e00\u79cd\u5b66\u8bf4\u3002\u4e2d\u4ecb\u6548\u5e94\uff0c\u5b83\u6307\u7684\u662fX\u5bf9Y\u7684\u5f71\u54cd\u662f\u901a\u8fc7M\u5b9e\u73b0\u7684\uff0c\u4e5f\u5c31\u662f\u8bf4M\u662fX\u7684\u51fd\u6570\uff0cY\u662fM\u7684\u51fd\u6570\uff08Y-M-X\uff09\u3002\u8003\u8651\u81ea\u53d8\u91cfX\u5bf9\u56e0\u53d8\u91cfY\u7684\u5f71\u54cd\uff0c\u5982\u679cX\u901a\u8fc7M\u5f71\u54cd\u53d8\u91cfY\uff0c\u5219\u79f0M\u4e3a\u4e2d\u4ecb\u53d8\u91cf\u3002\u4f8b\u5982\uff0c\u4e0a\u53f8\u7684\u5f52\u56e0\u7814\u7a76\uff1a\u4e0b\u5c5e\u7684\u8868\u73b0\u2014\u2014\u4e0a\u53f8\u5bf9\u4e0b\u5c5e\u8868\u73b0\u7684\u5f52\u56e0\u2014\u2014\u4e0a\u53f8\u5bf9\u4e0b\u5c5e\u8868\u73b0\u7684\u53cd\u5e94\uff0c\u5176\u4e2d\u201c\u4e0a\u53f8\u5bf9\u4e0b\u5c5e\u8868\u73b0\u7684\u5f52\u56e0\u201d\u4e3a\u4e2d\u4ecb\u53d8\u91cf\u3002\u5047\u8bbe\u53d8\u91cf\u5df2\u7ecf\u4e2d\u5fc3\u5316\u6216\u6807\u51c6\u5316\u5176\u4e2d\uff0cc\u662fX\u5bf9Y\u7684\u603b\u6548\u5e94\uff0cab\u662f\u7ecf\u8fc7\u4e2d\u4ecb\u53d8\u91cfM\u7684\u4e2d\u4ecb\u6548\u5e94\uff08mediating effect\uff09\uff0cc\u2018\u662f\u76f4\u63a5\u6548\u5e94\u3002\u5f53\u53ea\u6709\u4e00\u4e2a\u4e2d\u4ecb\u53d8\u91cf\u65f6\uff0c\u6548\u5e94\u4e4b\u95f4\u6709\u5982\u4e0b\u5173\u7cfb\uff1ac=c\u2019+ab\uff0c\u4e2d\u4ecb\u6548\u5e94\u7684\u5927\u5c0f\u7528c-c'=ab\u6765\u8861\u91cf\u3002
在当前学术研究中，会经常遇到中介作用和调节作用，但很多小伙伴还搞不清楚什么是中介效应、什么是调节效应？以及如何区分两者？
闲话少叙下面就来为各位讲解一下。
1明确概念
中介效应或者调节效应并非分析方法，而是一种关系的描述，研究人员需要结合不同的数据分析方法对两种关系进行分析。
中介作用
中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响最终工作绩效（Y），此时创新氛围就成为了这一因果链当中的中介变量。
调节作用
调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。
2研究步骤
2.1中介作用
中介作用的分析较为复杂，共分为以下三个步骤：
第1步：确认数据，确保正确分析。
中介作用在进行具体研究时需要对应使用研究方法（分层回归）去实现；中介作用分析时，Y一定是定量数据。X也是定量数据，中介变量M也是定量数据。
资料来源：SPSSAU帮助手册-中介作用
第2步：中介作用检验
检验中介效应是否存在，其实就是检验X到M，M到Y的路径是否同时具有有显著性意义。
中介作用共分为3个模型。针对上图，需要说明如下：
模型1：自变量X和因变量（Y）的回归分析
模型2：自变量X，中介变量(M)和因变量（Y）的回归分析
模型3：自变量X和中介变量（M）的回归分析
模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量(M)，因而模型1到模型2这两个模型应该使用分层回归分析（第一层放入X，第二层放入M）。
第1步是数据标准化处理（对X,M,Y需要分别进行标准化处理，有时也使用中心化处理）（SPSSAU用户使用“生成变量”功能）
第2步和第3步是进行分层回归完成（分层1放入X，分层2放入M）
第4步单独进行模型3，即X对M的影响（使用回归分析或分层回归均可，分层回归只有分层1时事实上就是回归分析）
最后第5步进行中介作用检验。
a代表X对M的回归系数；
b代表M对Y的回归系数；
c代表X对Y的回归系数（模型1中）；
c’代表X对Y的回归系数（模型3中）。
调节作用通常是使用分层回归进行研究，如果X和Z均为分类数据，则使用多因素方差分析（通常是双因素方差分析）进行研究。针对上图，需要说明如下：
如果X或者Z也或者Y由多项表示，通常需要先计算对应项的平均值生成得到新列（SPSSAU生成变量功能）
如果X或者Z是分类数据，并且使用分层回归，则需要对X进行虚拟变量处理（哑变量处理）
对X或者Z进行标准化处理，也可以进行中心化处理均可
Y并不需要进行标准化或者中心化处理（处理也可以）
交互项是指两项相乘的意思，记住交互项不能再次进行标准化或中心化
R平方变化显著的判断，是看△F 值是否呈现出显著性，如果显著则说明R平方变化显著
R平方变化显著，正常情况下交互项也会出现显著。如果说R平方变化显著，但交互项并不显著，建议以没有调节作用作为最终结论；如果交互项显著，R平方变化显著，建议以有调节作用作为最终结论。
用户判断好数据类型后，直接按照上图流程，在SPSSAU中进行数据处理及分析即可。具体分析流程可参考SPSS在线版SPSSAU帮助手册-调节作用
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骤进行，如下图：
检验图如下：
第3步：SPSAU进行分析
用户可以直接按照上图流程在SPSSAU中进行分析，生成结果。具体分析步骤SPSS在线版SPSSAU帮助手册-中介作用
图片来源：SPSSAU官网网站
2.2调节效应
第1步：识别X和M的数据类别，选择合适的研究方法。
调节作用在进行具体研究时需要对应使用研究方法去实现；调节作用分析时，Y一定是定量数据。通常情况下X均为定量数据（比如开车速度），调节变量Z可以为分类数据（比如是否喝酒），也可以是定量数据（比如喝酒多少）。
资料来源：SPSSAU帮助手册-调节作用
第2步：调节作用检验
有机分子结构理论发展过程中的一种学说。中介效应，它指的是X对Y的影响是通过M实现的，也就是说M是X的函数，Y是M的函数（Y-M-X）。考虑自变量X对因变量Y的影响，如果X通过M影响变量Y，则称M为中介变量。例如，上司的归因研究：下属的表现——上司对下属表现的归因——上司对下属表现的反应，其中“上司对下属表现的归因”为中介变量。假设变量已经中心化或标准化其中，c是X对Y的总效应，ab是经过中介变量M的中介效应（mediating effect），c‘是直接效应。当只有一个中介变量时，效应之间有如下关系：c=c’+ab，中介效应的大小用c-c'=ab来衡量。
绛旓細涓粙浣滅敤鏄爺绌禭瀵筜鐨勫奖鍝嶆椂锛屾槸鍚︿細鍏堥氳繃涓粙鍙橀噺M锛屽啀鍘诲奖鍝峐锛涘嵆鏄惁鏈塜->M->Y杩欐牱鐨勫叧绯伙紝濡傛灉瀛樺湪姝ょ鍏崇郴锛屽垯璇存槑鍏锋湁涓粙鏁堝簲銆傛瘮濡傚伐浣滄弧鎰忓害锛圶锛変細褰卞搷鍒板垱鏂版皼鍥达紙M锛,鍐嶅奖鍝嶆渶缁堝伐浣滅哗鏁堬紙Y锛夛紝姝ゆ椂鍒涙柊姘涘洿灏辨垚涓轰簡杩欎竴鍥犳灉閾惧綋涓殑涓粙鍙橀噺銆璋冭妭浣滅敤 璋冭妭浣滅敤鏄爺绌禭瀵筜鐨勫奖鍝嶆椂锛...
绛旓細璋冭妭妯″瀷鍜屼腑浠嬫ā鍨嬶細鏈夋満鍒嗗瓙缁撴瀯鐞嗚鍙戝睍杩囩▼涓殑涓绉嶅璇銆備腑浠嬫晥搴旓紝瀹冩寚鐨勬槸X瀵筜鐨勫奖鍝嶆槸閫氳繃M瀹炵幇鐨勶紝涔熷氨鏄M鏄疿鐨勫嚱鏁帮紝Y鏄疢鐨勫嚱鏁帮紙Y-M-X锛夈傝冭檻鑷彉閲廥瀵瑰洜鍙橀噺Y鐨勫奖鍝嶏紝濡傛灉X閫氳繃M褰卞搷鍙橀噺Y锛屽垯绉癕涓轰腑浠嬪彉閲忋備緥濡傦紝涓婂徃鐨勫綊鍥犵爺绌讹細涓嬪睘鐨勮〃鐜扳斺斾笂鍙稿涓嬪睘琛ㄧ幇鐨勫綊鍥犫斺斾笂鍙稿...
绛旓細妯″瀷鐨勪腑浠嬫晥搴斿拰璋冭妭鏁堝簲鏄粺璁″涓敤浜庤В閲婂彉閲忛棿鍏崇郴鐨勯噸瑕佹蹇銆備腑浠嬫晥搴旀彮绀轰簡涓涓彉閲忓浣曢氳繃涓粙鍙橀噺褰卞搷鍙︿竴涓彉閲忥紝鑰岃皟鑺傛晥搴斿垯璇存槑浜嗕竴涓彉閲忓浣曞奖鍝嶅彟澶栦袱涓彉閲忎箣闂寸殑鍏崇郴寮哄害鎴栨柟鍚戙傞鍏堬紝鎴戜滑鏉ユ帰璁ㄤ腑浠嬫晥搴斻傚湪绀句細绉戝銆佸績鐞嗗鍜岀粡娴庡绛夊涓鍩熺殑鐮旂┒涓紝鐮旂┒鑰呬滑缁忓父鍙戠幇鍙橀噺涔嬮棿骞朵笉...
绛旓細璋冭妭浣滅敤鍜屼腑浠嬩綔鐢ㄦ槸涓や釜涓嶅悓鐨勬蹇碉紝鍒嗗埆鐢辫皟鑺傚彉閲忓拰涓粙鍙橀噺寮曡捣銆備腑浠嬪彉閲忓湪缁熻鍒嗘瀽涓壆婕旂潃鍏抽敭瑙掕壊锛屽綋鑷彉閲廥閫氳繃涓粙鍙橀噺M褰卞搷鍥犲彉閲廦鏃讹紝M琚О涓轰腑浠嬪彉閲忋備緥濡傦紝涓婂徃鐨勫弽搴斿彈涓嬪睘琛ㄧ幇鍜屼笂鍙稿綊鍥犲奖鍝嶏紝鍗充笂鍙稿綊鍥犳槸涓粙鍙橀噺锛屽叾褰卞搷澶у皬琚О涓轰腑浠嬫晥搴斻傝皟鑺傚彉閲忓垯鍏虫敞鑷彉閲廥濡備綍鍦ㄥ彟涓涓彉閲廙...
绛旓細鍙互銆傜爺绌朵笉鍚屾儏澧冧笅涓粙鏁堝簲鍜璋冭妭鏁堝簲瀵硅涓虹殑褰卞搷锛屽彲浠ョ爺绌朵腑浠嬫晥搴斿拰璋冭妭鏁堝簲濡備綍褰卞搷浜洪檯鍏崇郴銆佹矡閫氳涓轰互鍙婂喅绛栬繃绋嬶紝鎵浠ヤ腑浠嬫晥搴斿拰璋冭妭鏁堝簲鍙互鍦ㄤ竴涓妯″瀷閲屻備腑浠嬫晥搴旀槸鎸囦竴涓彉閲忓浜庝袱涓叾浠栧彉閲忎箣闂寸殑鍏崇郴浜х敓褰卞搷銆
绛旓細1. 璋冭妭浣滅敤鍜屼腑浠浣滅敤鏄袱绉嶄笉鍚岀殑鐜拌薄锛岀敱涓嶅悓鐨勫彉閲忓紩璧枫2. 涓粙鍙橀噺锛屾垨绉癿ediator锛屽湪鍥炲綊鍒嗘瀽涓寚鑷彉閲廥閫氳繃褰卞搷鍙橀噺M杩涜屽奖鍝嶅洜鍙橀噺Y鐨勬儏鍐碉紝M鍗虫槸涓粙鍙橀噺銆3. 浠ヤ笅灞炶〃鐜板拰涓婂徃鍙嶅簲涓轰緥锛屼笂鍙稿綊鍥犲彲瑙嗕负涓粙鍙橀噺锛屽畠浠嬬粛浜嗚嚜鍙橀噺鍜屽洜鍙橀噺涔嬮棿鐨勬晥搴斿ぇ灏忥紝鍗充腑浠嬫晥搴斻4. 璋冭妭鍙橀噺锛屾垨绉...
绛旓細spss涓殑process妯″瀷5鏄睘浜庢湁璋冭妭鐨勪腑浠嬫ā鍨嬨係PSS涓殑PROCESS妯″瀷5鏄竴绉嶆湁璋冭妭鐨勪腑浠嬫晥搴旀ā鍨嬶紝涔熺О涓鸿皟鑺備腑浠嬫ā鍨嬶紝鏄皢涓粙妯″瀷鍜岃皟鑺傛ā鍨缁撳悎璧锋潵锛屽悓鏃惰冭檻璋冭妭鍙橀噺瀵逛簬涓粙鏁堝簲鐨勫奖鍝嶃
绛旓細鎴戜滑鍦ㄤ妇鍙﹀涓涓緥瀛愨滆矾寰勫垎鏋愨濊矾寰勫垎鏋愯兘璁╂垜浠敤浜庢潯浠舵ā鍨嬶紙conditional relationships锛夛紝涓婂浘涓殑妯″瀷鏄竴绉嶈皟瑙ｅ瀷妯″瀷鎴栬涓粙妯″瀷锛屽湪杩欓噷Z 鏄綔涓轰竴涓涓粙璋冭妭鑰呭悓鏃惰皟鑺俋鍜孻杩欎袱涓彉閲忕殑鍏崇郴銆傚湪杩欓噷鎴戜滑鎬荤粨涓涓嬶細鍥炲綊鍒嗘瀽绠鍗曠殑璇村氨鏄細X鐪熺殑褰卞搷Y 鍚楋紵璺緞鍒嗘瀽锛...
绛旓細璋冭妭浣滅敤鏄敱璋冭妭鍙橀噺寮曡捣鐨勶紝涓粙浣滅敤鏄敱涓粙鍙橀噺寮曡捣鐨勩備腑浠嬪彉閲忎粙缁嶏細鍗砿ediator锛屾槸鎸囧湪鍥炲綊鍒嗘瀽涓紝濡傛灉鑷彉閲廥閫氳繃褰卞搷鍙橀噺M杩涜屽奖鍝嶅洜鍙橀噺Y锛岄偅涔堝彉閲廙灏辫绉颁负涓粙鍙橀噺銆備緥濡傦紝涓嬪睘鐨勮〃鐜伴氳繃涓婂徃褰掑洜杩欎釜鍙橀噺褰卞搷涓婂徃鐨勫弽搴旓紝灏卞彲浠ヨ涓婂徃褰掑洜杩欎釜鍙橀噺鏄腑浠鍙橀噺銆傜敱涓粙鍙橀噺寮曡捣鐨勪腑浠嬩綔鐢ㄧ殑澶у皬琚...
绛旓細鑰屼氦浜掍綔鐢ㄥ湴浣嶆槸绛変环鐨勩傚湪浜や簰浣滅敤鍒嗘瀽涓, 涓や釜鑷彉閲忕殑鍦颁綅鍙互鏄绉扮殑, 鍏朵腑浠讳綍涓涓兘鍙互瑙ｉ噴涓鸿皟鑺傚彉閲;涔熷彲浠ユ槸涓嶅绉扮殑, 鍙鍏朵腑鏈変竴涓捣鍒颁簡璋冭妭鍙橀噺鐨勪綔鐢, 浜や簰鏁堝簲灏卞瓨鍦ㄣ備絾鍦ㄨ皟鑺傛晥搴斾腑, 鍝釜鏄嚜鍙橀噺, 鍝釜鏄皟鑺鍙橀噺, 鏄緢鏄庣‘鐨, 鍦ㄤ竴涓‘瀹氱殑妯″瀷涓袱鑰呬笉鑳戒簰鎹
