SPSS实现中介效应与调节效应

1. 中介效应 SPSS 实现

本例研究的自变量(X) “工作不被认同”;中介变量(M)为“焦虑”,因变量(Y)为“工作绩效”。探讨焦虑是否在工作不被认同与工作绩效间的作用。

图片

图片

 

图片

 

(2)分析一回归一线性,如图所示,将工作绩效放入“因变量”框,工作不被认同放入“块(B)”,方法选择“输入法”,点击“确定”运行。

图片

2. 调节效应 SPSS 实现(X与M均为分类变量)

图片

1.探讨不同性别下,工种和工资的关系

2.探讨不同性别下,工龄和工资的关系

3.探讨不同工龄下,工种和工资的关系

4.探讨不同工龄下,每天工时和工资的关系

图片

图片

图片

图片

分析结果见图,可见性格 (character) 和性别(gender)对得分均有作用,但性格与性别之间没有交互作用,即没有调节作用。

图片

3. 调节效应 SPSS 实现(M为分类变量,X为连续变量)

某研究者研究胸围对肺呼量的影响,考虑到性别可能会起到调节作用,数据见图。

图片

图片

图片

图片

图片

图片

结果解读

(1)模型验证分析结果见图23-15,可见男生组和女生组的回归模型都是有意义的。

F男=102.889,P=0.000,F女=6.974,P=0.009。

(2) 模型方程结果见图23-16,根据男生、女生胸围的回归系数的t检验结果,发现回归系数均是有意义的。然后需要对2个回归系数进行假设检验,但SPSS 不能直接对2个回归系数进行检验,但可以计算其各自的95%可信区间。发现男生胸围回归系数的 95%CI: 47.802~70.814;女生胸围回归系数的95%CI:2.656~18.204,两个95%可信区间之间没有重合,或者说完全分离,因此,2个回归系数之间差异有统计学意义。

进一步说明性别会调节胸围对肺呼量的作用。

图片

图片

4 调节效应 SPSS 实现(M为连续变量,X为分类或者连续变量)

有研究者研究胸围对肺呼量的影响,考虑到身高可能对其产生调节作用,数据见图。

图片

图片

图片

如果已有数据想更新

图片

图片

图片

图片

(1)模型R方,由图23-21可知模型2的R方0.574比模型1的R方0.548多出0.026,这就是 R方变化量,P=0.000<0.05,因此R方变化量是有意义的。

图片

(2)方程检验,由图23-22可知,2个模型P均为0.000,小于0.05,因此2个模型皆有统计学意义。

图片

(3) 方程系数,由图23-23可知XM(即胸围x身高)的回归系数为2.059,t=5.988, P=0.000<0.05,因此XM回归系数是有意义的,即意味着身高对胸围与肺呼量间的作用存在着调节作用。

图片

5 Process 插件安装

图片

http://afhayes.com/index.html

无法访问

可以在百度网盘下载

图片

图片

图片

6 Process 分析中介效应 

图片

图片

图片

图片

由图23-34可知

1.X和Y的总效应为 0.8042,95%CI: 0.7266~0.8819,P=0.000<0.05,因此X-Y总效应有统计学意义。

2.X对Y的直接效应 0.6695,95%CI:0.5805~0.7586,P=0.000<0.05,因此X对Y存在直接效应。

3.X对Y的间接效应为 0.1347,95%CI:0.0806~0.1950。

因此本例焦虑对工作不被认同对工作绩效的影响模型为间接中介模型。

如果本例直接效应无统计学意义,那么就是完全中介模型。

后面B部分告诉我们采用的是95% 可信区间进行了5000次自抽样计算。

A

图片

B

图片

7 Process 分析调节效应

图片

图片

图片

报错:

图片

变量名超过8个字符

解决方案:

1.缩短变量名

2.在PROCESS中勾选同意长变量名进行分析的选项

图片

(1) 模型一般情况,图23-39告诉我们Y、X和 如何定义的,以及590样本量。

(2) 模型结果,图23-40(A)部分为模型摘要,R-sg(R方)=0.6546,P=0.000<0.05,因此建立的模型是有意义的。

23-40(B)部分为构建的具体的模型,其中 int_1为胸围与性别的交互项,系数为-48.8777,P=0.000<0.05,说明存在交互作用,意味着调节效应存在。

23-40(C)部分为交互项的R方改变量值为0.0291,P=0.000<0.05,因此,增加交互项,确实能改变模型的效能,也再次证实调节效应存在。

图片

图片

(3)分层分析结果,如图23-41所示,按照性别分层,得到分别在男生和女生中,胸围都影响肺呼量。

图片

知识拓展

排除R、SAS软件,以SPSS系列分析为例,中介效应和调节效应可以采用SPSS实现、Process 实现以及 AMOS 实现;

Process 可以完全替代SPSS的中介和调节效应分析,但和SPSS一样,均只能进行显变量分析,无法进行潜变量的分析;

AMOS 可以实现潜变量与显变量的中介效应与调节效应,中介效应上比 Process 做得好;

但对于显变量的调节效应,Process 优于 AMOS。

参考资料:武松《SPSS实战与统计思维》

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/949341.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

Spring 复习笔记

文章目录 Spring IoC / DISpring IoC / DI 核心概念Spring 组件管理概念Spring IoC / DI 概念Spring Ioc 容器具体接口和实现类Spring Ioc 的管理方式 基于 XML 方式管理 BeanSpring IoC/ / DI 实现步骤第一步&#xff1a;导入依赖配置元数据第二步&#xff1a;实例化 IoC 容器…

免费GEMINI模型使用及API调用

一、概述 谷歌最新发布的Gemini 2.0 FLASH模型为AI应用带来了新的可能性。该模型分为两个版本&#xff1a;gemini-2.0-flash-exp 和 gemini-2.0-flash-thinking-exp-1219。这两个模型目前限时免费使用&#xff0c;用户可以通过智匠MindCraft客户端或小程序直接体验&#xff0c;…

探索 ES6 Set:用法与实战

&#x1f90d; 前端开发工程师、技术日更博主、已过CET6 &#x1f368; 阿珊和她的猫_CSDN博客专家、23年度博客之星前端领域TOP1 &#x1f560; 牛客高级专题作者、打造专栏《前端面试必备》 、《2024面试高频手撕题》 &#x1f35a; 蓝桥云课签约作者、上架课程《Vue.js 和 E…

《探秘计算机视觉与深度学习:开启智能视觉新时代》

《探秘计算机视觉与深度学习&#xff1a;开启智能视觉新时代》 一、追溯起源&#xff1a;从萌芽到崭露头角二、核心技术&#xff1a;解锁智能视觉的密码&#xff08;一&#xff09;卷积神经网络&#xff08;CNN&#xff09;&#xff1a;图像识别的利器&#xff08;二&#xff0…

HTML+CSS+JS制作高仿小米官网网站(内附源码,含6个页面)

一、作品介绍 HTMLCSSJS制作一个高仿小米官网网站&#xff0c;包含首页、商品详情页、确认订单页、订单支付页、收货地址管理页、新增收获地址页等6个静态页面。其中每个页面都包含一个导航栏、一个主要区域和一个底部区域。 二、页面结构 1. 顶部导航栏 包含Logo、主导航菜…

ssl证书免费申请指南!一行命令,一分钟搞定SSL证书自动续期。

一行命令&#xff0c;一分钟轻松搞定SSL证书自动续期。 快速开始 ​一行命令&#xff0c;一分钟轻松搞定SSL证书自动续期。 适合nginx配置过SSL证书的用户&#xff0c;如果是第一次配置SSL证书&#xff0c;请参考手把手教程 一、安装httpsok 登陆PC控制台 &#x1f449; &…

cat命令详解

cat 是 Linux/Unix 中的一个非常常用的命令&#xff0c;主要用于 连接 文件并显示文件内容。它的名称来源于 concatenate&#xff08;连接&#xff09;&#xff0c;不仅可以查看文件内容&#xff0c;还能将多个文件合并为一个文件&#xff0c;或用作其他数据流操作。 以下是对 …

【Linux】Linux命令

目录 ​编辑 系统维护命令 man man&#xff1a;查看 man 手册 sudo passwd 用户名&#xff1a;修改用户密码 su&#xff1a;切换用户 echo ”输出内容“&#xff1a;向终端输出内容&#xff0c;默认换行 date查看当前系统的日期 clear&#xff1a;清屏 df -Th /df -h&…

优化算法---遗传算法

目录 一、基本定义1.1 遗传与变异1.2 进化 二、算法简介2.1 基本原理2.2 算法步骤2.3 算法案例2.3.1 最大值求解2.3.2 旅行商问题求解 2.4 算法优缺点 优化算法—模拟退火算法 优化算法—遗传算法 一、基本定义 遗传算法(Genetic Algorithm,GA)是模仿自然界生物进化机制发展起来…

匠人天工Ai浮雕网站创新发布了ZBrush插件,提效500%,为AI+数字雕刻行业带来新的活力

2025年1月6日&#xff0c;杭州——杭州仓颉造梦数字科技公司旗下产品匠人天工近日宣布推出一款创新的ZBrush插件&#xff0c;旨在为AI数字雕刻行业带来前所未有的效率提升。该插件通过一系列智能化功能&#xff0c;大幅简化了数字雕刻的建模流程&#xff0c;使建模效率提高了50…

NV256H语音提示芯片助力自动洗车机更加智能化!

汽车保养是每位车主日常生活中不可或缺的一部分&#xff0c;而洗车作为保养的基本环节&#xff0c;其便捷性和智能化程度正逐渐成为消费者选择的重要考量。在这样的背景下&#xff0c;全自动洗车机应运而生&#xff0c;并被广泛应用于汽车美容行业。 因为是全自动洗车模式&…

NLP CH3复习

CH3 3.1 几种损失函数 3.2 激活函数性质 3.3 哪几种激活函数会发生梯度消失 3.4 为什么会梯度消失 3.5 如何解决梯度消失和过拟合 3.6 梯度下降的区别 3.6.1 梯度下降&#xff08;GD&#xff09; 全批量&#xff1a;在每次迭代中使用全部数据来计算损失函数的梯度。计算成本…

关于蔬菜商品的预测定价计算【数值计算课设】

源码+报告 下载链接在文章末尾。 文章目录 源码+报告蔬菜类商品的自动定价与补货决策1 引 言2 题目描述3 问题解决3.1 模型的建立与求解3.2 算法3.2.1 非线性算法3.2.2 ARMA算法3.2.3 粒子群算法4 结论参考文献下载链接蔬菜类商品的自动定价与补货决策 [摘 要] 蔬菜商品的补货…

adb使用及常用命令

目录 介绍 组成 启用adb调试 常用命令 连接设备 版本信息 安装应用 卸载应用 文件操作 日志查看 屏幕截图和录制 设备重启 端口转发 调试相关 设置属性 设备信息查询 获取帮助 模拟输入 介绍 adb全称为 Android Debug Bridge(Android调试桥)&#xff0c;是 A…

y7000p2023AX211ubuntu20无线网卡驱动

网卡检测 查看无线网卡驱动,本教程适用的网卡为Intel Corporation Device[8086:51f1],即AX211 lspci -nn | grep Net这里的Ethernet controller是有线网卡&#xff0c;Network controller是无线网卡&#xff0c;Intel corporation Device指英伟达网卡对应的设备号是[8086:51f1]…

链表OJ题(一)

(一&#xff09;轮转数组 . - 力扣&#xff08;LeetCode&#xff09; 题目描述&#xff1a;给定一个整数数组 nums&#xff0c;将数组中的元素向右轮转 k 个位置&#xff0c;其中 k 是非负数。 示例一&#xff1a; 方法一&#xff1a;暴力求解 先用一个变量存储数组中的最后…

Python如何精准定位并修改MP4文件的mvhd原子

深入了解MP4文件的结构对于安全地修改元数据非常重要。MP4文件采用基于原子&#xff08;atom&#xff09;的结构组织数据&#xff0c;每个原子代表一种特定的信息或数据块。例如&#xff0c;moov原子包含了视频的元数据信息&#xff0c;mvhd原子包含了视频的头信息&#xff0c;…

[SMARTFORMS] 系统变量的使用

在PAGE1页面节点下创建WINDOW5窗口 填写WINDOW5窗口描述以及位置&#xff0c;大小等相关信息 在WINDOW5窗口节点下新建TEMPLATE模板 为TEMPLATE模板设置行列相关信息 在TEMPLATE模板节点下面新增3个TEXT文本 每个TEXT文本的内容如下所示&#xff1a; %TEXT25 打印日期文本内容 …

C盘清理方法大全

目录 方法1&#xff1a;系统磁盘清理 方法2&#xff1a;找到存储删除 方法3&#xff1a;使用第三方软件Dism 方法4&#xff1a;关闭虚拟内存功能 方法5&#xff1a;磁盘分区扩展 方法1&#xff1a;系统磁盘清理 第一步&#xff1a;「此电脑 」- 「本地磁盘C」&#xff0c…

计算机的错误计算(二百零三)

摘要 利用两个大模型化简计算 其中一个大模型是数学解题器&#xff0c;它通过化简得出了正确结果&#xff1b;另外一个大模型给出了 Python代码。 例1. 化简计算摘要中算式。 下面是一个数学解题器大模型给的回答。 以上是数学解题器大模型给的回答。 下面是与另外一个大模型…