中介效应和调节效应的SPSS检验

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 调整 R 标准 估计模型 R R 方 方 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 标准系非标准化系数 数 标准 误模型 B 差 试用版 t Sig. 1 (常量) 4.203 .041 102.559 .000 Zscore: EP1 - I am .297 .041 .342 7.249 .000 very comfortable with my physical work environment at HBAT. 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 调整 R 标准 估计模型 R R 方 方 的误差 1 .112a .012 .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 标准系非标准化系数 数 标准 误模型 B 差 试用版 t Sig. 1 (常量) 3.576 .599 5.969 .000 EP1 - I am very .154 .069 .112 2.239 .026 comfortable with my physical work environment at HBAT. 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

调整 R 标准 估计模型 R R 方 方 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 非标准化系数 标准 误B 差 试用版 t Sig. 2.637 .202 13.069 .000 .155 .022 .325 6.934 .000 标准系数 模型 1 (常量) EP1 - I am very comfortable with my physical work environment at HBAT. OC1 - My work at HBAT .050 .016 .146 3.118 .002 gives me a sense of accomplishment. 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 更改统计量 调整 R 标准 估计方 的误差 R 方更改 Sig. F 模型 R R 方 F 更改 df1 df2 更改 Durbin-Watson 1 .371a .138 .133 .811 .138 31.709 2 397 .000 b2 .392 .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

标准系

非标准化系数 数

标准 误

模型 B 差 试用版

1 (常量) 2.637 .202 EP1 - I am very .155 .022 comfortable with my physical work environment at HBAT. OC1 - My work at HBAT .050 .016 .146 3.118 gives me a sense of accomplishment.

2 (常量) 1.707 .392 4.356 EP1 - I am very .267 .046 .562 5.765 comfortable with my physical work environment at HBAT. OC1 - My work at HBAT .236 .069 .685 3.416 gives me a sense of accomplishment. 交互项 -.022 .008 -.625 -2.761 a. 因变量: SI1 - I am not actively searching for another job.

t Sig. 13.069 .000 .325 6.934 .000 .002 .000 .000 .001 .006

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。

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

标准系

非标准化系数 数

标准 误

模型 B 差 试用版

1 (常量) 2.637 .202 EP1 - I am very .155 .022 comfortable with my physical work environment at HBAT. OC1 - My work at HBAT .050 .016 .146 3.118 gives me a sense of accomplishment.

2 (常量) 1.707 .392 4.356 EP1 - I am very .267 .046 .562 5.765 comfortable with my physical work environment at HBAT. OC1 - My work at HBAT .236 .069 .685 3.416 gives me a sense of accomplishment. 交互项 -.022 .008 -.625 -2.761 a. 因变量: SI1 - I am not actively searching for another job.

t Sig. 13.069 .000 .325 6.934 .000 .002 .000 .000 .001 .006

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。

本文来源：https://www.bwwdw.com/article/9xpt.html