【数据分析】中介效应与调节效应的区别

调节变量放在前半段后半段路径的区别

中介效应或者调节效应并非分析方法，而是一种关系的描述，研究人员需要结合不同的数据分析方法对两种关系进行分析。

【数据分析】中介效应与调节效应的区别

中介效应

中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响终工作绩效（Y），此时创新氛围就成为了这一因果链当中的中介变量。

调节作用

调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。 一、中介效应

假设自变量是X，因变量是Y，中介变量是M，调节变量是W，那么中介效应就是如果X影响Y，并且X是通过一个中间变量M对Y产生影响的，那么M就是中介变量，它所起的效应就是中介效应。

中介效应可以分为完全中介效应和部分中介效应。

完全中介效应是指自变量X只能通过中介变量M影响因变量Y，如果没有中介变量M的话，自变量X就不会影响因变量Y。

部分中介效应是指自变量X可以通过中介变量M影响因变量Y，但也可以不通过中介变量M影响因变量Y，直接影响因变量Y。

举例：林国耀等人的《大学生支持与主观幸福感的关系：生命意义感的中介作用》，这篇文献中，自变量是大学生支持，因变量是主观幸福感，中介变量则是生命意义感，生命意义感在支持和主观幸福感之间起到了部分中介作用。生命意义感在朋友支持、家庭支持和主观幸福感之间起部分中介作用，即朋友支持、家庭支持可以通过生命意义感正向影响大学生的主观幸福感。

另外，中介变量还可以平行中介和链式中介。

平行中介是指几个中介变量如M1，M2，M3都在自变量X对因变量Y的影响中起着同等的中介作用；

链式中介则是指自变量X先通过中介变量M1再影响M2再影响M3终影响因变量Y。

二、调节效应

调节效应是指如果变量X与变量Y有关系，但是X与Y的关系受第三个变量W的影响，那么变量W就是调节变量，调节变量所起的效应就是调节效应。根据调节变量的不同水平会对X与Y的关系产生不同的影响，可以把调节效应分为正向调节和负向调节。当调节变量W对变量X与变量Y间的影响关系具有显著的强化或促进作用时，称为正向调节，反之则为负向调节。

举例：刘莎等人在《大学生感知压力与手机依赖：孤独感的中介作用与性别的调节作用》这篇文献中，自变量X为大学生感知压力，因变量Y为手机依赖，中介变量为孤独感，调节变量为性别，结论是孤独感在感知压力和手机依赖的关联中起中介作用，性别在该中介路径的后半段起调节作用。

三、中介效应与调节效应的区别

总的来说，中介效应的本质是一种简接效应，研究的目的是看自变量X如何影响因变量Y；而调节效应是看自变量何时影响因变量Y或者何时影响较大，是一种情境变量所产生的效应。

四、有中介的调节

有中介的调节是指自变量X通过中介变量M影响因变量Y，并且调节效应（至少部分地）通过中介变量（M）起作用。

五、有调节的中介

有调节的中介是指如果中介变量M的中介效应受到调节变量W的影响，就称这样的中介效应为有调节的中介效应。

好了，这些概念相信大家应该比较清楚了，搞懂这些概念对我们阅读心理学文献是非常有帮助的，而且如果将来自己做研究，也是需要弄懂这些概念的。

什么是中介变量和调节变量？

一、定义

1、中介变量(mediator)是自变量对因变量发生影响的中介，是自变量对因变量产生影响的实质性的、内在的原因 。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。

2、调节变量是指考虑自变量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。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、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。

二、区别

1、研究目的不同

调节变量研究的目的是X何时影响Y或何时影响比较大。中介变量研究的目的是X如何影响Y。

2、M的功能不同

调节变量M的功能影响Y和X之间关系的方向（正和负）和强弱。中介变量M代表一种机制，X通过它影响Y。

3、检验策略不同

调节变量做层次回归分析，检验偏回归系数C的显著性，或者检验测定系数的变化。中介变量做依次检验，必要时做Sobel检验。

三、例子

1、中介变量

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。

2、调节变量

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 。如果一个变量与自变量或因变量相关不大,它不可能成为中介变量,但有可能成为调节变量。

理想的调节变量是与自变量和因变量的相关都不大。有的变量,如性别、年龄等，由于不受自变量的影响,自然不能成为中介变量，但许多时候都可以考虑为调节变量。对于给定的自变量和因变量，有的变量做调节变量和中介变量都是合适的，从理论上都可以做出合理的解释。

扩展资料

调节变量的特征

一般来说，调节变量是定性（如，性别，种族，阶层）或定量（如，回报大小）变量，影响自变量（IV）或预测变量（PV）与因变量（DV）或效标变量（CV）之间关系的方向和/或强度。

在相关分析中，调节变量是影响其它两个变量之间的零次相关（the zero-order correlation）的第三方变量。在更熟悉的方分析中，自变量与通过控设定为某种条件的因子之间的交互作用代表一个基本的调节效应。

调节变量总是作为自变量，而中介从结果到原因的角色变化取决于分析的重点。

参考资料来源：

参考资料来源：

调节作用和中介作用

调节作用是由调节变量引起的，中介作用是由中介变量引起的。

中介变量介绍：

即mediator，是指在回归分析中，如果自变量X通过影响变量M进而影响因变量Y，那么变量M就被称为中介变量。例如，下属的表现通过上司归因这个变量影响上司的反应，就可以说上司归因这个变量是中介变量。由中介变量引起的中介作用的大小被称为中介效应。

调节变量介绍

即moderator，是指自变量X对因变量Y的影响受到另一个变量M的调节，例如，心理资本对学业成绩的影响受到了性别因素的调节，男生中这种影响较大，而女生中这种影响较小，这时性别就被称为调节变量，它与自变量的关系类似一种交互作用。由调节变量引起的调节作用的大小被称为调节效应。

调节作用和中介作用的比较：

如果一个变量与自变量或因变量相关不大，它不可能成为中介变量，但有可能成为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量，如性别、年龄等，由于不受自变量的影响，自然不能成为中介变量，但许多时候都可以考虑为调节变量。对于给定的自变量和因变量，有的变量做调节变量和中介变量都是合适的，从理论上都可以做出合理的解释。

总的来说，模型建立有赖于对变量的区分，变量的区分和建模都依靠学科理论或经验常识。考虑将一个变量作为调节变量或中介变量分析之前，从学科理论或经验常识的角度要能够解释得通。

如何用SPSS做中介效应与调节效应

调节变量可以是定性的，也可以是定量的。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。简要模型：Y = aX + bM + cXM + e 。Y 与X 的关系由回归系数a + cM 来刻画,它是M 的线性函数, c 衡量了调节效应(moderating effect) 的大小。如果c 显著，说明M 的调节效应显著。 2、调节效应的分析方法 显变量的调节效应分析方法：分为四种情况讨论。当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方分析，交互效应即调节效应；调节变量是连续变量时，自变量使用伪变量,将自变量和调节变量中心化,做 Y=aX+bM+cXM+e 的层次回归分析：1、做Y对X和M 的回归,得测定系数R1 2 。2、做Y对X、M 和XM 的回归得R2 2 ，若R2 2 显著高于R1 2 ，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；当自变量是连续变量时，调节变量是类别变量，分组回归:按 M 的取值分组,做 Y 对 X 的回归。若回归系数的异显著,则调节效应显著，调节变量是连续变量时，同上做Y=aX +bM +cXM +e 的层次回归分析。 潜变量的调节效应分析方法：分两种情形：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。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χ 2 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χ 2 值和相应的自 由度。前面的χ 2 减去后面的χ 2 得到一个新的χ 2,其自由度就是两个模型的自由度之。如果χ 2 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，方便的是Marsh,Wen 和Hau 提出的无约束的模型。 3．中介变量的定义 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。 Y=cX+e1, M=aX+ e2 , Y= c′X+bM+e3。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,c′是直接效应。当只有一个中介变量时,效应之间有 c=c′+ab，中介效应的大小用c-c′=ab 来衡量。 4、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。步骤为：步检验系统c，如果c 不显著，Y 与X 相关不显著，停止中介 效应分析，如果显著进行第二步；第二步一次检验a，b，如果都显著，那么检验c′，c′显著中介效应显著，c′不显著则完全中介效应显著；如果a，b至少 有一个不显著，做Sobel 检验，显著则中介效应显著，不显著则中介效应不显著。Sobel 检验的统计量是z=^a^b/sab ，中 ^a, ^b 分别是 a, b 的估计, sab=^a22 +b2sa2, sa, 分别是 ^a, ^b 的标准误。 5. 调节变量与中介变量的比较 调节变量M 中介变量M 研究目的 X 何时影响Y 或何时影响较大 X 如何影响Y 关联概念 调节效应、交互效应 中介效应、间接效应 什么情况下考虑 X 对Y 的影响时强时弱 X 对Y 的影响较强且稳定 典型模型 Y=aM+bM+cXM+e M=aX+e2 Y=c′X+bM+e3 模型中M 的位置 X,M 在Y 前面,M 可以在X 前面 M 在X 之后、Y 之前 M 的功能 影响Y 和X 之间关系的方向(正或负) 和强弱 代表一种机制,X 通过它影响Y M 与X、Y 的关系 M 与X、Y 的相关可以显著或不显著(后者较理想) M 与X、Y 的相关都显著 效应 回归系数c 回归系数乘积ab 效应估计 ^c ^a^b 效应检验 c 是否等于零 ab 是否等于零 检验策略 做层次回归分析,检验偏回归系数c 的显著性(t 检验);或者检验测定系数的变化(F 检验) 做依次检验,必要时做 Sobel 检验 6. 中介效应与调节效应的SPSS 作方法 处理数据的方法 做描述性统计，包括M SD 和内部一致性信度a（用分析里的scale 里的 realibility sys） 第二将所有变量做相关，包括统计学变量和假设的X，Y，M 第三做回归分析。（在回归中选线性回归linear） 要先将自变量和M 中心化，即减去各自的平均数 1、现将M（调节变量或者中介变量）、Y 因变量，以及与自变量、因变量、M 调节变量其中任何一个变量相关的人口学变量输入indpendent 2、再按next 将X 自变量输入（中介变量到此为止） 3、要做调节变量分析，还要将X与M 的乘机在next 里输入作进一步回归。检验主要看F 是否显著

心理学研究中，部分中介效应和调节作用有什么区别呢？

很多人在问，啥时中介效应、何为调节效应，交互又是咋回事呢？下面松哥就用三张图来解释三个概念，希望能够解惑！

上图为中介效应模式图，A对C的作用通过B发生，即A-B-C。其中A-C如果作用为零，则B为完全中介；若A-C作用不为零，则B为部分中介。形象比喻：中介效应为“媒婆”，A-C的认识是通过媒婆牵线搭桥。

上图为调节效应，A-C有作用，但B会影响A-C 的作用大小。形象比喻，调节效应为“”，会影响A-C正常的夫妻关系。

上图为i额交互作用模式图，A-C有关系，B-C有关系；并且B会影响A-C关系，A会影响B-C关系。此图就像A和B是同宿舍的室友，都同时喜欢了C，意思AB互为，但没有先后关系。

林子大了，啥鸟都有；同样，当我们研究的因素多了，啥情况也都会出现，媒婆来了，也到了，有时互为，有时媒婆给牵线，有时看上额媒婆。形势不容乐观，然而众多关系均有基本的媒婆和构成。

调节效应和交互效应在统计模型上无本质区别；但调节效应能够指定谁是自变量，谁是调节变量；而交互作用地位是等价的。

研究中介和调节效应，但研究因素为显变量时采用Process；当为潜变量时采用AMOS为好，当然还有lisrel，Mplus等。lisrel为早的结构方程模型软件，通过编程作，已逐渐被取代之势

中介效应、调节效应是什么？

在当前学术研究中，会经常遇到中介作用和调节作用，但很多小伙伴还搞不清楚什么是中介效应、什么是调节效应？以及如何区分两者？

那么闲话少叙下面就来为大家一一讲解。

中介效应或者调节效应并非分析方法，而是一种关系的描述，研究人员需要结合不同的数据分析方法对两种关系进行分析。

中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响终工作绩效（Y），此时创新氛围就成为了这一因果链当中的中介变量。

调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。

中介作用的分析较为复杂，共分为以下三个步骤：

中介作用在进行具体研究时需要对应使用研究方法（分层回归）去实现；中介作用分析时，Y一定是定量数据。X也是定量数据，中介变量M也是定量数据。

检验中介效应是否存在，其实就是检验X到M，M到Y的路径是否同时具有有显著性意义。

中介作用共分为3个模型。 针对上图，需要说明如下：

模型1： 自变量X和因变量（Y）的回归分析

模型2： 自变量X，中介变量(M)和因变量（Y）的回归分析

模型3： 自变量X和中介变量（M）的回归分析

模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量(M)，因而模型1到模型2这两个模型应该使用分层回归分析（层放入X，第二层放入M）。

在理解了中介分析的原理之后，接着按照中介作用分析的步骤进行，如下图：

第1步是 数据标准化处理 （对X,M,Y需要分别进行标准化处理，有时也使用中心化处理）（SPSSAU用户使用“生成变量”功能）

第2步和第3步是 进行分层回归 完成（分层1放入X，分层2放入M）

第4步单独进行模型3，即 X对M的影响 （使用回归分析或分层回归均可，分层回归只有分层1时事实上就是回归分析）

第5步进行 中介作用检验 。

检验图如下：

a代表X对M的回归系数；

b代表M对Y的回归系数；

c代表X对Y的回归系数（模型1中）；

c’代表X对Y的回归系数（模型3中）。

用户可直接按照上图流程在 SPSSAU 中进行分析，生成结果。具体分析步骤可参考链接页面： SPSS在线_SPSSAU_中介作用

调节作用在进行具体研究时需要对应使用研究方法去实现；调节作用分析时，Y一定是定量数据。通常情况下X均为定量数据（比如开车速度），调节变量Z可以为分类数据（比如是否喝酒），也可以是定量数据（比如喝酒多少）。

调节作用通常是使用分层回归进行研究，如果X和Z均为分类数据，则使用多因素方分析（通常是双因素方分析）进行研究。针对上图，需要说明如下：

1、如果X或者Z也或者Y由多项表示，通常需要先计算对应项的平均值生成得到新列（SPSSAU生成变量功能）

2、如果X或者Z是分类数据，并且使用分层回归，则需要对X进行虚拟变量处理（哑变量处理）

3、对X或者Z进行标准化处理，也可以进行中心化处理均可

4、Y并不需要进行标准化或者中心化处理（处理也可以）

5、交互项是指两项相乘的意思，记住交互项不能再次进行标准化或中心化

6、R平方变化显著的判断，是看△F 值是否呈现出显著性，如果显著则说明R平方变化显著

7、R平方变化显著，正常情况下交互项也会出现显著。如果说R平方变化显著，但交互项并不显著，建议以没有调节作用作为终结论；如果交互项显著，R平方变化显著，建议以有调节作用作为终结论。

用户判断好数据类型后，直接按照上图流程，在 SPSSAU 中进行数据处理及分析即可。具体分析流程可参考链接页面： SPSS在线_SPSSAU_调节作用