干货

Hello， 这里是行上行下，我是喵君姐姐~

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。

原文链接： https://mp.weixin.qq.com/s?__biz=MzI0MTQxNDE5NA==&mid=2247506738&idx=1&sn=d42066a3790dfdf3bcaed1fc3369cf7f&chksm=e909626fde7eeb79e5c16c68db88ce2362b74664867cd64ba25d01592c0f4d8089f5ddff8981&scene=21#wechat_redirect

1.回归方程法

1.1 算三个回归方程

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PA的中介效应显著（中介效应大小为0.22，SE=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.

1. Process插件法：model4

1. Process插件法：model6 中心化：原始数据-均值 拆分文件：spilt

1. 线性回归法

1.1 Spss操作

1）算z分数 2）算交互项 3）算回归方程 1.2 Spss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 Spss操作 2.2 Spss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。

1.线性回归法

1.1 算两组交互项 自调 中调

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