中介效应和调节效应的SPSS检验
为将不同的变量的数据的尺度统一化,将所有数据进行中心化处理,即将原始数据减去平均数。
SPPS步骤:打开数据,在菜单中执行:
analyse--descriptive statistics--descriptives。
一.SPSS回归分析中介效应检验步骤:
第一步:检验自变量X(EP1)与因变量Y(SI1)的关系,即方程y=cx+e1中的c是否显著,检验结果如下表:
模型汇总
模型R R 方调整 R
方
标准估计
的误差
1 .342a.117 .114 .820
a. 预测变量: (常量), Zscore: EP1 - I am very comfortable with my physical work environment at HBAT.。
系数a
模型非标准化系数
标准系
数
t Sig. B
标准误
差试用版
1 (常量) 4.203 .041 102.559 .000
Zscore: EP1 - I am
very comfortable
with my physical
work environment at
HBAT.
.297 .041 .342 7.249 .000 a. 因变量: SI1 - I am not actively searching for another job.
由上表可知,方程y=cx+e的回归效应显著,系数c值.342显著性为
p<.000,可以进行方程m=ax+e和方程y=c’x+bm+e的显著性检验;
第二步:分别检验a和b的显著性,如果都显著,则急需检验部分中介效应和完全中介效应;如果都不显著,则停止检验;如果a或b其中只
有一个较显著,则进行sobel检验(边缘检验)。
首先,检验中介变量M(OC1)与自变量X(EP1)的关系,即方程M=ax+e2中的c是否显著,检验结果如下表:
模型汇总
模型R R 方调整 R
方
标准估计
的误差
1 .112a.01
2 .010 2.512
a. 预测变量: (常量), EP1 - I am very comfortable with my physical work environment at HBAT.。
系数a
模型非标准化系数
标准系
数
t Sig. B
标准误
差试用版
1 (常量) 3.576 .599 5.969 .000
EP1 - I am very
comfortable with my
physical work
environment at HBAT.
.154 .069 .112 2.239 .026 a. 因变量: OC1 - My work at HBAT gives me a sense of accomplishment. 由上面两个表格结果分析可知,方程m=ax+e中,a值0.112显著性p>.000,不显著,继续检验b的显著性。
第三步:检验中介变量M(OC1)、自变量X(EP1)和因变量Y(SI1)的关系,即方程y=c’x+bm+e3中的c是否显著,检验结果如下表:
模型汇总
模型R R 方调整 R
方
标准估计
的误差
1 .371a.138 .133 .811
a. 预测变量: (常量), OC1 - My work at HBAT gives me a sense of accomplishment., EP1 - I am very comfortable with my physical work environment at HBAT.。
系数a
模型 非标准化系数
标准系
数
t Sig.
B 标准 误差 试用版
1 (常量)
2.637 .202 1
3.069 .000
EP1 - I am very comfortable with my physical work environment at HBAT. .155 .022 .325 6.934 .000
OC1 - My work at HBAT gives me a sense of accomplishment.
.050 .016 .146 3.118 .002 a. 因变量: SI1 - I am not actively searching for another job.
由上面两个表的结果分析可知,方程y=c ’x+bm+e 中,b 值为0.146显著性为p>.000,所以b 不显著。
因此综合两个方程m=ax+e 和y=c ’x+bm+e 的检验结果,a 和b 都不显著,停止检验。所以,由我们的数据,分析得出调节效应不存在。
二.SPSS 回归分析调节效应检验步骤:
首先,构建两个回归方程,Y (SI1)是因变量,x (EP1)是自变量,M (OC1)是调节变量,MX (spss 计算得出:转换→计算变量,命名JFX )是调节变量和自变量的交互项,系数是a b c c'。我们可以检验两个方程的R 方改变量,如果该变量显著,说明调节作用显著,也可以直接检验c'的显著性,如果显著也可以说明调节作用。
第一步:在spss 中,打开线性回归的菜单:分析→回归→线性。
第二步:将Y (SI1)因变量,x (EP1)自变量,M (OC1)调节变量,放入各自的框框,如图:
第三步:点击下一层,设置第二个方程,在自变量框中增加交互项JFX,如图:
第四步:点击statistic ,设置输出什么参数,一定要选择
R 方改变量,点击继续(如图),然后点击确定:
第五步:结果分析:
1.我们可以看r 方的该变量,第二个方程,如果sig F change 值小于0.05,证明调节效应存在。
模型汇总c
模型 R R 方 调整 R 方 标准 估计的误差
更改统计量
Durbin-Watson
R 方更
改
F 更改 df1 df2 Sig. F
更改 1 .371a .138 .133 .811 .138 31.709 2 397 .000
2 .392b
.154 .148 .804 .016 7.626 1 396 .006 1.923 a. 预测变量: (常量), OC1 - My work at HBAT gives me a sense of accomplishment., EP1 - I am very comfortable with my physical work environment at HBAT.。 b. 预测变量: (常量), OC1 - My work at HBAT gives me a sense of accomplishment., EP1 - I am very comfortable with my physical work environment at HBAT., 交互项。
c. 因变量: SI1 - I am not actively searching for another job.
2.我们看输出的结果,也就是前面介绍的abcc',sig值是他们的显著性水平,
如果交互项系数的sig值小于0.05,说明存在调节效应。
系数a
模型非标准化系数
标准系
数
t Sig. B
标准误
差试用版
1 (常量) 2.637 .20
2 13.069 .000
EP1 - I am very
comfortable with my
physical work
environment at HBAT.
.155 .022 .325 6.934 .000
OC1 - My work at HBAT
gives me a sense of
accomplishment.
.050 .016 .146 3.118 .002
2 (常量) 1.707 .392 4.356 .000
EP1 - I am very
comfortable with my
physical work
environment at HBAT.
.267 .046 .562 5.765 .000
OC1 - My work at HBAT
gives me a sense of
accomplishment.
.236 .069 .685 3.416 .001
交互项-.022 .008 -.625 -2.761 .006 a. 因变量: SI1 - I am not actively searching for another job.
3.结论:我们的数据得出,显著性水平为0.06>0.05,所以交互效应不存在。