用SPSS的Process插件做中介和调节效应的优点、步骤和不足
关键词：process中介效应 spss中介效应检验 spss中介效应检验步骤 spss中介效应结果分析
近几年来，Hayes开发的基于SPSS和SAS的中介和调节效应分析程序插件Process得到了越来越多的人的应用，主要的优势有这么几点：
第一，中介效应分析一步到位。在Process之前，中介效应分析要分步进行，分为三步（实际上两步就可以）。第一步检验总效应，即自变量X对因变量Y的总效应。但这一步已经被证明是没有必要的甚至是错误的，总效应存在与否不是中介效应的必要条件，因此，先前支持中介效应三步法的一些学者后来做了修正，不再把检验总效应作为前提条件，也就是三步法实际上变成了两步法。此外，结构方程模型的思路再次证明，第一步检验总效应的做法完全没有必要。Hayes显然早已发现了这一点，因此，Process插件做的就是两步而不是三步。Process直接将这两步整合起来，得到一个总的结果，不需要分两步设置和分析，这就大大简化了步骤，结果呈现更更全面。值得一提的是，Process虽然两步整合在一起，但其结果也是分步呈现，因而非常方便我们在论文中整理成规范的表格结果。
图1 Process的第一步结果
【南心网致力于各种数据的SPSS、Amos、Lisrel、Mplus分析服务，如您遇到相关问题，可以查询本博客首页左侧的“联系我”，我们将竭诚为您服务。】
第二，调节效应分析前的数据处理自动化。在Process出来之前，调节效应的分析要经过两个重要环节——变量中心化和构建交互项，虽然这两步的操作不难，但有时候容易忽视或者计算出错。Process提供了均值中心化之后的交互项设置，可以自动完成，因此更为准确高效。
第三，中介效应的Bootstrap和Sobel检验可以自动处理。在Process开发之前，中介效应的Bootstrap需要特别设置，Sobel检验需要手工计算（或者用专门的小程序），Process则可以直接自动化完成，并直接得到中介效应值Sobel检验值Z和显著性水平（基于理论正态分布）。
图2 Process的第二步结果
第四， 可以处理带有控制变量的中介、调节效应模型。在中介效应和调节效应分析中，尤其是调节效应分析，经常需要对控制变量进行控制，Process对此也有专门的设置（协变量中处理即可）。
第五，处理多变量中介、调节效应更方便，例如多重中介效应、有中介的调节效应、有调节的中介效应等。例如，以往的SPSS分析不能提供多重中介模型的各个具体路径、各个中介变量单独的中介效应检验，如中介效应值及其置信区间和显著性水平等，而Process则可以提供这些结果。
那我们如何操作Process呢？其实很简单！以下举例说明：
假设我们的研究假设是，自变量是神经质，因变量是绩效，中介变量是组织支持，控制变量是性别和职位。理论模型如下：
图3 Process带有控制变量的完全约束中介效应模型
在Outcome Variable（Y）中放入因变量绩效，Independent Variable（X）中放入自变量神经质，在M Variable（S）中放入中介变量组织支持，在Covarite（S）中放入控制变量性别和职位。如果要做Sobel检验，则在Options中勾选 Sobel test；如果调节效应要进行变量中心化交互项构建，则在Options中勾选Mean center for products。操作界面如下：
图4 Process中介效应分析SPSS界面
需要注意的是，Process插件默认的控制变量模型是一种完全约束的模型：所有的自变量和控制变量都与因变量和中介变量有关，也就是所有自变量和控制变量都要默认影响中介变量和因变量。例如图3，性别和职位同时影响中介变量组织支持和因变量绩效。
那么，如果我们的研究假设是性别和职位只影响因变量（绩效）而不影响中介变量（组织支持），该如何操作呢？以图5的理论假设为例，性别和职位只是影响组织支持而不影响绩效，具体的统计模型如下（图5）：
图5 Process带有控制变量的部分约束中介效应模型
【部分约束模型操作】只需要在控制变量设置中定义即可，即在Covariates in model of中默认的”……both of M and Y“改为”Y only“即可。当改为”M only“时，控制变量实际上就了完全中介效应的控制变量模型了。
内容来源于：南心网数据统计分析博客
转载请注明：数据分析 » 用SPSS的Process插件做中介和调节效应的优点、步骤和不足
