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。



(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。

2. 调节效应 SPSS 实现(X与M均为分类变量)

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




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。

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。






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。


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。



如果已有数据想更新




(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。

(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。

(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。

5 Process 插件安装

http://afhayes.com/index.html
无法访问
可以在百度网盘下载



6 Process 分析中介效应




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

B

7 Process 分析调节效应



报错:

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

(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。


(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。

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》
相关文章:
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。 (2&…...
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,它通过化简得出了正确结果;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…...
【计算机网络】什么是AC和AP?
在现代的无线网络中,AC(Access Controller,接入控制器)和AP(Access Point,无线接入点)是两个至关重要的设备,它们在网络的管理、连接和优化中扮演着重要角色。理解它们的功能和区别&…...
python3中函数的参数
一. 简介 前面学习了Python3中函数的语法规则,文章如下: python3中函数的语法规则-CSDN博客 本文继续学习python中函数的参数。调用函数时可使用的正式参数类型: 必需参数,关键字参数,默认参数,不定长参…...
数据仓库建设方案和经验总结
在做数据集成的过程中,往往第二步的需求就是建设数仓由于数据分散在不同的存储环境或数据库中,对于新业务需求的开发需要人工先从不同的数据库中同步、集中、合并等处理,造成资源和人力的浪费。同时,目前的系统架构,无…...
Re77 读论文:LoRA: Low-Rank Adaptation of Large Language Models
诸神缄默不语-个人CSDN博文目录 诸神缄默不语的论文阅读笔记和分类 论文全名:LoRA: Low-Rank Adaptation of Large Language Models ArXiv网址:https://arxiv.org/abs/2106.09685 官方GitHub网站(包含在RoBERTa、DeBERTa、GPT-2上用Lora微调…...
曲波系数 curvelet transform
Curvelet 变换后的系数涵义 曲波变换(Curvelet Transform)是一种多尺度、多方向的变换工具,能够有效地表示信号中的几何特征(如边缘、曲线等)。曲波变换后的系数具有明确的物理意义,反映了信号在不同尺度、…...
OS的随机数生成过程中的内核熵池
内核熵池(Kernel Entropy Pool)是操作系统内核中用于收集和管理熵(随机性来源)的机制 ,在操作系统的随机数生成过程中发挥关键作用。 以下从其原理、作用、工作方式方面详细介绍: 原理:熵在信…...
数据结构:双向循环链表
双向循环链表(Doubly Circular Linked List) 双向循环链表是双向链表的一种变体,其特点是链表的头节点和尾节点相连,形成一个闭环。这种结构允许在链表中进行无缝的双向遍历,并且由于循环特性,可以从任何节…...
IP网和传输网区别(以访问百度为例!)
1. IP网和传输网的关系 IP网:是基于IP协议的网络,负责数据的逻辑传输,包括数据包的路由、寻址和转发。IP网是“虚拟”的,它依赖于底层的传输网来实际传递数据。 传输网:是物理网络基础设施,负责数据的物理…...
STM32裸机开发转FreeRTOS教程
目录 1. 简介2. RTOS设置(1)分配内存(2)查看任务剩余空间(3)使用osDelay 3. 队列的使用(1)创建队列(1)直接传值和指针传值(2)发送/接收…...
FreeSWITCH dialplan/default.xml 之释疑
准备花时间好好研究下,一直都是一知半解 sip_looped_call 通俗地说,就是自己呼叫自己 查文档,是这样讲的:如果调用已通过 ACL 以外的方式进行身份验证,并且当前请求 IP/port 与配置文件 IP/port 匹配,那…...
lambda用法及其原理
目录 lambda形式lambda用法1.sort降序2.swap3.捕捉列表 习题解题 lambda形式 [capture-list](parameters)->return type{function boby}[capture-list]:[捕捉列表]用于捕捉函数外的参数,可以为空,但不能省略;(parameters) &am…...
Go Ebiten随机迷宫生成示例
引言 迷宫生成是计算机科学中一个经典的问题,常用于算法教学和游戏开发。本文将介绍如何使用 Go 语言和 Ebiten 游戏引擎实现一个基于深度优先搜索(DFS)的随机迷宫生成算法,并通过可视化的方式展示迷宫的生成过程。 技术栈 Go …...
前端学习DAY31(子元素溢出父元素)
.box1{width: 200px;height: 200px;background-color: chocolate;} 子元素是在父元素的内容区中排列的,如果子元素的大小超过了父元素,则子元素会从 父元素中溢出,使用overflow属性设置父元素如何处理溢出的子元素 可选值:visible…...
『SQLite』表的创建、修改和删除
本节摘要:主要讲述SQLite中创建、删除、修改表等操作。 创建表 CREATE TABLE 语句来创建表。 修改表 ALTER TABLE 语句来修改表名称、已有表字段,或者新增字段。 删除表 DROP TABLE 语句用来删除表. 注意: 上述内容详细讲解见文章&#…...
可持久化数据结构-线段树(主席树)
可持久化数据结构-线段树(主席树) (与可持久化字典树差不多) 概念:可持久化线段树是基本线段树的一个简单拓展, 是使用函数式编程思想的线段树; 作用: 可以存下来数据结构的所有历史版本 特点: 拓扑结构…...
如何利用PHP爬虫按关键字搜索淘宝商品
在当今的电商时代,获取淘宝商品信息对于市场研究、价格监控和竞争分析等方面具有重要意义。手动搜索和整理大量商品信息不仅耗时耗力,而且容易出错。幸运的是,PHP爬虫技术为我们提供了一种高效、自动化的方式来按关键字搜索淘宝商品。本文将详…...
GitHub - riscv-software-src/riscv-isa-sim: Spike, a RISC-V ISA Simulator
GitHub - riscv-software-src/riscv-isa-sim: Spike, a RISC-V ISA Simulator 操作手册 $ apt-get install device-tree-compiler libboost-regex-dev libboost-system-dev $ mkdir build $ cd build $ ../configure --prefix$RISCV $ make $ [sudo] make install 具体安装 …...
ubuntu开机启动服务
需求背景: 需要监控日志,每次都是手动启动 nohup ./prometheus >/dev/null & nohub ./node_exporter >/dev/null & 需求目标: 重启后系统自动启动服务...
深入浅出Asp.Net Core MVC应用开发系列-AspNetCore中的日志记录
ASP.NET Core 是一个跨平台的开源框架,用于在 Windows、macOS 或 Linux 上生成基于云的新式 Web 应用。 ASP.NET Core 中的日志记录 .NET 通过 ILogger API 支持高性能结构化日志记录,以帮助监视应用程序行为和诊断问题。 可以通过配置不同的记录提供程…...
Redis相关知识总结(缓存雪崩,缓存穿透,缓存击穿,Redis实现分布式锁,如何保持数据库和缓存一致)
文章目录 1.什么是Redis?2.为什么要使用redis作为mysql的缓存?3.什么是缓存雪崩、缓存穿透、缓存击穿?3.1缓存雪崩3.1.1 大量缓存同时过期3.1.2 Redis宕机 3.2 缓存击穿3.3 缓存穿透3.4 总结 4. 数据库和缓存如何保持一致性5. Redis实现分布式…...
Java - Mysql数据类型对应
Mysql数据类型java数据类型备注整型INT/INTEGERint / java.lang.Integer–BIGINTlong/java.lang.Long–––浮点型FLOATfloat/java.lang.FloatDOUBLEdouble/java.lang.Double–DECIMAL/NUMERICjava.math.BigDecimal字符串型CHARjava.lang.String固定长度字符串VARCHARjava.lang…...
1.3 VSCode安装与环境配置
进入网址Visual Studio Code - Code Editing. Redefined下载.deb文件,然后打开终端,进入下载文件夹,键入命令 sudo dpkg -i code_1.100.3-1748872405_amd64.deb 在终端键入命令code即启动vscode 需要安装插件列表 1.Chinese简化 2.ros …...
基础测试工具使用经验
背景 vtune,perf, nsight system等基础测试工具,都是用过的,但是没有记录,都逐渐忘了。所以写这篇博客总结记录一下,只要以后发现新的用法,就记得来编辑补充一下 perf 比较基础的用法: 先改这…...
使用Matplotlib创建炫酷的3D散点图:数据可视化的新维度
文章目录 基础实现代码代码解析进阶技巧1. 自定义点的大小和颜色2. 添加图例和样式美化3. 真实数据应用示例实用技巧与注意事项完整示例(带样式)应用场景在数据科学和可视化领域,三维图形能为我们提供更丰富的数据洞察。本文将手把手教你如何使用Python的Matplotlib库创建引…...
【分享】推荐一些办公小工具
1、PDF 在线转换 https://smallpdf.com/cn/pdf-tools 推荐理由:大部分的转换软件需要收费,要么功能不齐全,而开会员又用不了几次浪费钱,借用别人的又不安全。 这个网站它不需要登录或下载安装。而且提供的免费功能就能满足日常…...
【Linux】Linux 系统默认的目录及作用说明
博主介绍:✌全网粉丝23W,CSDN博客专家、Java领域优质创作者,掘金/华为云/阿里云/InfoQ等平台优质作者、专注于Java技术领域✌ 技术范围:SpringBoot、SpringCloud、Vue、SSM、HTML、Nodejs、Python、MySQL、PostgreSQL、大数据、物…...
Windows电脑能装鸿蒙吗_Windows电脑体验鸿蒙电脑操作系统教程
鸿蒙电脑版操作系统来了,很多小伙伴想体验鸿蒙电脑版操作系统,可惜,鸿蒙系统并不支持你正在使用的传统的电脑来安装。不过可以通过可以使用华为官方提供的虚拟机,来体验大家心心念念的鸿蒙系统啦!注意:虚拟…...
CppCon 2015 学习:REFLECTION TECHNIQUES IN C++
关于 Reflection(反射) 这个概念,总结一下: Reflection(反射)是什么? 反射是对类型的自我检查能力(Introspection) 可以查看类的成员变量、成员函数等信息。反射允许枚…...
