调节效应与中介效应比较和应用08961.pdf

心 理 学 报 2005, 37(2) : 268～274 Acta Psychologica Sinica268 收稿日期: 2004 - 06 - 303全国教育科学“十五“规划教育部重点课题(DBA010169)以及香港中文大学和华南师范大学心理应用研究中心(教育部文科基地)资助通讯作者:温忠麟, E2mail: wenzl@scnu. edu. cn调节效应与中介效应的比较和应用3温忠麟1, 2侯杰泰2张 雷2(1华南师范大学教育科学学院,广州510631) (2香港中文大学教育学院,香港)摘 要 讨论了调节变量的概念和调节效应分析方法,并简要介绍了中介变量的概念和中介效应分析方法从研究目的、 关联概念、 典型模型、 变量的位置和功能、 效应的估计和检验方法等角度,对调节变量和中介变量、 调节效应和中介效应以及相应的模型做了系统的比较作为应用例子,在儿童行为对同伴关系的影响研究中分析和比较了调节变量和中介变量关键词 调节变量,调节效应,中介变量,中介效应分类号 B841. 2调节变量(moderator)和中介变量(mediator)是 两个重要的统计概念,它们都与回归分析有关。

相 对于人们关注的自变量和因变量而言,调节变量和 中介变量都是第三者,经常被人混淆从文献上看, 存在的问题主要有如下几种: (1)术语混用或换用,两个概念不加区分例如,在描述同一个过程时,既 使用调节过程的术语( interactwith,见下面1. 2节) ,又使用中介过程的术语(mediating)[1 ]2)术语和概念不一致如研究的是调节过程,却使用中介 的术语[2, 3 ]3)术语和统计分析不一致如使用了中介变量的术语,却没有做相应的统计分析[4 ]出现前面的任何一个问题都会使统计结果解释含糊 不清,往往导致错误结论仅在儿童临床心理和少 儿心理方面的研究文献中, Holmbeck就指出了不少 误用的例子[5 ]国内涉及中介变量的文章不多,涉及调节变量 的就更少从国外的情况看,一旦这方面的定量分 析多起来,误用和混用的情况也就可能多起来,所以 让应用工作者正确理解和区分中介变量和调节变 量,会用适当的方法进行统计分析,对提高心理科学的研究水平具有积极意义本文首先讨论了调节变量的概念和调节效应分 析方法,并简要介绍了中介变量的概念和中介效应 分析方法然后对这两种效应模型做了比较系统的 比较。

最后,用一个实际例子进行两种效应的分析1 调节变量与调节效应分析在本文中,假设我们感兴趣的是因变量(Y)和 自变量(X)的关系虽然它们之间有时不一定是因 果关系,而可能只是相关关系,但按文献上的习惯而 使用“X对Y的影响 ” 的说法虽然也可以考虑多个自变量的模型,但为了简单明确起见,本文在理论 阐述方面只考虑一个自变量1. 1 调节变量的定义如果变量Y与变量X的关系是变量M的函数, 称M为调节变量[6 ]就是说,Y与X的关系受到第三个变量M的影响,这种有调节变量的模型一般地 可以用图1示意调节变量可以是定性的(如性 别、 种族、 学校类型等) ,也可以是定量的(如年龄、 受教育年限、 刺激次数等) ,它影响因变量和自变量 之间关系的方向(正或负)和强弱[7 ]图1 调节变量示意图© 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.2期温忠麟 等:调节效应与中介效应的比较和应用269 例如,学生的学习效果和指导方案的关系,往往 受到学生个性的影响:一种指导方案对某类学生很 有效,对另一类学生却没有效,从而学生个性是调节 变量。

又如,学生一般自我概念与某项自我概念(如外貌、 体能等)的关系,受到学生对该项自我概念重视程度的影响:很重视外貌的人,长相不好会大 大降低其一般自我概念;不重视外貌的人,长相不好 对其一般自我概念影响不大,从而对该项自我概念 的重视程度是调节变量在做调节效应分析时,通常要将自变量和调节变量做中心化变换(即变量减去其均值,参见文献[8 ])本文主要考虑最简单常用的调节模型,即假 设Y与X有如下关系Y=aX+b M+cXM+e(1) 可以把上式重新写成Y=b M+(a+c M ) X+e 对于固定的M,这是Y对X的直线回归Y与X的 关系由回归系数a+c M来刻画,它是M的线性函 数,c衡量了调节效应(moderating effect)的大小1. 2 调节效应与交互效应对模型(1)中调节效应的分析主要是估计和检 验c如果c显著(即H0∶c=0的假设被拒绝) ,说 明M的调节效应显著熟悉交互效应( interactioneffect)的读者可以从模型(1)看出,c其实代表了X与M的交互效应,所以这里的调节效应就是交互效 应这样,调节效应与交互效应从统计分析的角度 看可以说是一样的然而,调节效应和交互效应这两个概念不完全 一样。

在交互效应分析中,两个自变量的地位可以是对称的,其中任何一个都可以解释为调节变量;也 可以是不对称的,只要其中有一个起到了调节变量 的作用,交互效应就存在这一点从有关讨论交互 效应的专著中可以看出(例如,显变量之间的交互 效应参见文献[8 ],潜变量之间的交互效应参见文献[9 ]) 但在调节效应中,哪个是自变量,哪个是 调节变量,是很明确的,在一个确定的模型中两者不 能互换例如,要研究数学能力的性别差异,将年级 作为调节变量,这个问题关注的是性别差异,以及性 别差异是否会随年级而变化如果从小学一年级到高中三年级都获得了各年级学生有代表性的样本, 每个年级各用一份测试题,所得的数据就可以进行 上述分析但同样的数据却不能用于做年级为自变 量、 数学能力为因变量、 性别为调节变量的分析,因 为各年级的测试题目不同,得分没有可比性,因而按调节效应的分析方法(见表1) ,分别不同性别做数 学能力对年级的回归没有意义要做数学能力对年 级的回归,应当用同一份试题测试所有年级的学生表1 显变量的调节效应分析方法调节变量(M)自变量(X)类别连续类别两因素有交互效应的方差分析(ANOVA) ,交互效应即调节效应。

分组回归:按M的取值分组,做Y对X的回归若回归系数的差异显著,则调节效应显著连续自变量使用伪变量,将自变量和调节变量中心化,做Y=aX+b M+cXM+e的层次回归分析:1.做Y对X和M的回归,得测定系数R212.做Y对X、M和XM的回归得R22,若R22显著高于R21,则调节效应显著或者,作XM的回归系数检验,若显著,则调节效应显著将自变量和调节变量中心化,做Y=aX+b M+cXM+e的层次回归分析(同左)除了考虑交互效应项XM外,还可以考虑高阶交互效应项(如XM2,表示非线性调节效应;MX2,表示曲线回归的调节)1. 3 调节效应分析方法调节效应分析和交互效应分析大同小异这里分两大类进行讨论一类是所涉及的变量(因变 量、 自变量和调节变量)都是可以直接观测的显变 量(observable variable) ,另一类是所涉及的变量中 至少有一个是潜变量( latent variable)1. 3. 1 显变量的调节效应分析方法 调节效应分析方法根据自变量和调节变量的测量级别而定变 量可 分 为 两 类,一 类 是 类 别 变 量( categoricalvariable) ,包括定类和定序变量,另一类是连续变量 (continuous variable) ,包括定距和定比变量。

定序变量的取值比较多且间隔比较均匀时,也可以近似 作为连续变量处理表1分类列出了显变量调节效 应分析方法© 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.270 心 理 学 报37卷当自变量和调节变量都是类别变量时做方差分 析当自变量和调节变量都是连续变量时,用带有 乘积项的回归模型,做层次回归分析: (1)做Y对X 和M的回归,得测定系数R2 12)做Y对X、M和XM的回归得R2 2,若R2 2显著高于R2 1,则调节效应显 著;或者,做XM的偏回归系数检验,若显著,则调节效应显著当调节变量是类别变量、 自变量是连续变量时, 做分组回归分析[10 ]但当自变量是类别变量、 调节变量是连续变量时,不能做分组回归,而是将自变量 重新编码成为伪变量(dummy variable) ,用带有乘积项的回归模型,做层次回归分析需要说明的是,除非已知X和M不相关(即相 关系数为零) ,否则调节效应模型不能看标准化解 这是因为,即使X和M的均值都是零,XM的均值一 般说来也不是零1. 3. 2 潜变量的调节效应分析方法 有关潜变量 的分析需要用到结构方程模型(参见[ 11 ])。

潜变 量的测量会带来测量误差,所以考虑潜变量时都认 为是连续变量有潜变量的调节效应模型通常只考 虑如下两种情形:一是调节变量是类别变量,自变量 是潜变量;二是调节变量和自变量都是潜变量当调节变量是类别变量时,做分组结构方程分 析[12, 13]这种方法是显变量情形分组回归的推广常用的结构方程分析软件(如L ISREL 8. 3, AMOS4. 0, EQS 6. 0 )都 有 现 成 的 分 组( subgroup或multigroup)分析命令做法是,先将两组的结构方 程回归系数限制为相等,得到一个 χ2值和相应的自 由度然后去掉这个限制,重新估计模型,又得到一 个χ2值和相应的自由度前面的 χ2减去后面的 χ2得到一个新的χ2,其自由度就是两个模型的自由度之差如果χ2检验结果是统计显著的,则调节效应 显著当调节变量和自变量都是潜变量时,有许多不 同的分析方法[14]如Algina和Moulder的中心化 乘积指标方法[15 ](适用于正态分布情形) ,Wall和Amemiya的广义乘积指标(GAPI)方法[16 ](非正态分布情形也适用) ,这两种方法都需要用到非线性 参数约束(constraint) ,使用起来很麻烦且容易出错。

Marsh,Wen和Hau提出的无约束的模型[17 ],无需参 数约束,从而大大简化了程序,容易为一般的应用工作者掌握,是目前最新最方便的方法2 中介变量和中介效应有关中介变量的效应分析方法详见文献[18 ] 为了便于阅读和比较,这里简要归纳主要结果2. 1 中介变量的定义考虑自变量X对因变量Y的影响,如果X通过 影响变量M来影响Y,则称M为中介变量例如, 上司的归因研究:下属的表现 — — — 上司对下属表现 的归因 — — — 上司对下属表现的反应,其中的“ 上司对下属表现的归因 ” 为中介变量[6 ]图2 中介变量示意图假设变量已经中心化或标准化,可用图2所示 的路径图和相应的方程来说明变量之间的关系其 中,c是X对Y的总效应,ab是经过中介变量M的 中介效应(mediating effect) ,c′是直接效应当只有一个中介变量时,效应之间有如下关系c=c′+ab(2) 中介效应的大小用c-c′=ab来衡量2. 2 中介效应分析方法 中介效应是间接效应,无 论变量是否涉及潜变量,都可以用结构方程模型分 析中介效应如果所有变量都是显变量,可以依次 做图2中的三个回归分析。

无论是结构方程分析还是回归分析,用统计软件都可以得到c的估计^ c,a,b, c′的估计^ a, ^ b, ^ c′,以及相应的标准误中介变量 的估计是^ a^ b中介效应与总效应之比[^ a^ b/ ( ^ c′+© 1995-2006 Tsinghua Tongfang Optical Disc Co., Ltd. All rights reserved.2期温忠麟 等:调节效应与中介效应的比较和应用271 。