博文
附錄 B Hayes process 的中介和調節
||
附錄 B Hayes process 的中介和調節
社會科學的研究經常使用到 交互作用、中介和調節(干擾)的影響，研究者常常面對不同的中介和調節的情境, 而深感困擾, Hayes (2013) 的process軟體免費提供74 種模式的中介和調節給研究者使用, 方便研究者簡單及快速地算出研究模式所需要的報表, 包含有 Bootstrap,多個自變項, 控制變項,簡單中介, 遠程中介, sobel tet, 簡單調節, 多個調節…等功能模組(式)。
使用時機：
Hayes的Process 軟體提供功能強大的中介和調節計算能力, 在使用上需要特別注意使用時機， 由於與一般迴歸計算方式一樣， 迴歸估計所受到的限制，Process也會受到限制， 我們列舉如下：
1. 常態分配：與迴歸估計相同， 非常態分配情形下， Process估計結果會有偏誤。
2. 變數型態：Process 與一般線性迴歸分析一樣，只能處理觀察變數， 無法處理潛在變數。構面的計算是由題項加總平均得來。潛在變數則需要使用結構方程模式(SEM)來處理。
3. 模式指定：現代量測的問項和模式分為反映性(reflective)和形成性(formative)，傳統的量測只有反映性的指標， Process無法處理形成性的問項和模式， 遇到形成性的指標和模式, 建議使用PLS進行處理。
由於Hayes(2013)的書中, 提供74種中介和調節模式計算, 我們簡介其中常用的6種模式如下：
Model 1調節效果和畫 交互作用圖
Model 4 中介效果
Model 5 常用調節效果
Model 7常用調節效果
Model 14常用調節效果
Model 59整體調節效果（Model 5＋Model 7＋ Model 14）
研究者若是有需要, 請自行參考Hayes(2013)的書籍, 我們也整理了重要的資料在參考文獻中。
References
http://www.afhayes.com
Hayes, A. F. (2015). An index and test of linear moderated mediation. Multivariate Behavioral Research, 50, 1-22.
Hayes, A. F. (2013). Introduction to mediation, moderation, and conditional process analysis : A regression-based approach. New York: The Guilford Press.
Hayes, A. F. (2012). PROCESS: A versatile computational tool for observed variable mediation, moderation, and conditional process modeling [White paper]. Retrieved from http://www.afhayes.com/ SPSS PROCESS documentation, 2 June 2012 Page 15
public/process2012.pdf
Hayes, A. F. (2009). Beyond Baron and Kenny: Statistical mediation analysis in the new millennium. Communication Monographs, 76, 408-420.
Preacher, K. J., Rucker, D. D., & Hayes, A. F. (2007). Assessing moderated mediation hypotheses: Theory, methods, and prescriptions. Multivariate Behavioral Research, 42, 185-227.
Preacher, K. J., & Hayes, A. F. (2004). SPSS and SAS procedures for estimating indirect effects in simple mediation models. Behavior Research Methods, Instruments, and Computers, 36, 717-731.
B-1. SPSS Process安裝
SPSS Process安裝步驟如下：
1. 使用搜尋引擎，輸入和找到SPSS Process，點選「Download-The PROCESS macro for SPSS and SAS」或是點選附註裡的網址。
附註：http://www.processmacro.org/download.html
2. 點選「Click to download PROCESS v2.13」。
3. 打開下載的資料夾「PROCESS213」，點選PROCESS。
4. 點開PROCESS後，會跑出SPSS系統並且詢問你是否安裝PROCESS，點選安裝。
5. 安裝後就可以在Regression裡看到，便安裝完成。
B-2. Model 1調節效果和畫 交互作用圖
l 範例：
探討員工滿意度對組織績效的影響：領導型態之調節(干擾)效果研究調節變數M是領導型態(例如：魅力型、交易型)，自變數X是探討員工滿意度(例如：高和低)，依變數Y是組織績效，整體關係如下：
操作步驟如下：
1. 開啟範例檔 moderator case 1.sav，如下圖：
2. 點選Analyze → Regression → PROCESS，如下圖：
3. 將Performance變數選入Outcome Variable (控制變數)，如下圖：
l Model Number：研究模型選擇，共76組模型
l Bootstrap CI method：信賴區間
l Covariable(s) in model of…：控制變數設定，只影響M或Y或同時影響M、Y
l Outcome Variable(Y)：控制變數
l Independent Variable(X)：預測變數
l M Variable(s)：中介變數，可以同時放入許多個變數
l Conariate(s)：控制變數
l Proposed Moderator W、Z、V、Q：不同情境的調節變數
l Options：報表輸出選項
l Conditioning：調節圖形輸出選擇
4. 將Satisfaction變數選入Independent Variable (預測變數)，如下圖：
5. 將LS變數先放入M Variable(s) (中介變數)，如下圖：
l 模組可以在檔案Templates 看到。
6. 點選Options，如下圖：
7. 勾選OLS/ML confidence intervals、Generate data for plotting，並在Decimal places in output輸入3，完成之後點選continue，如下圖：
l Mean center for products：交互作用項先進行中心化在相乘
l Heteroscedasticity-consistent SEs：異質性標準誤修正
l OLS/ML confidence intervals：計算信賴區間(必須)
l Generate data for plotting(model 1、2 and 3 only)：產生繪製調節圖形的資料(通常只有一個干擾變數時使用)
l Effect size (modesl 4 and 6 )：計算影響效果
l Sobel test (model 4only)：間接效果Sobel test
l Total effect model (models 4 and 6 only)：計算總效果，間接效果及直接效果
l Compare indirect effects (models 4 and 6 only)：特定間接效果差異顯著性比較檢定
l Print model coefficient covariance matrix：輸出變數之間的共變異數矩陣
l Decimal places in output：輸出表格小數點位數
8. 點選Conditioning，如下圖：
9. 點選Mean and +\- 1 SD from Mean ，點選Continue，如下圖：
10. 在Model Number選入1，如下圖：
11. 點選OK，如下圖：
輸出報表結果
Run MATRIX procedure:
********** PROCESS Procedure for SPSS Release 2.13.2 ***********
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3
**************************************************************
Model = 1
Y = Per
X = Sat
M = LS
Sample size
350
**************************************************************
Outcome: Per
Model Summary
R R-sq MSE F df1 df2 p
.281 .079 .536 9.857 3.000 346.000 .000
Model
coeff se t p LLCI ULCI
constant 5.247 .757 6.927 .000 3.757 6.736
LS -1.268 .434 -2.923 .004 -2.121 -.415
Sat -.820 .421 -1.947 .052 -1.648 .008
int_1 .782 .275 2.844 .005 .241 1.323
Interactions:
int_1 Sat X LS
R-square increase due to interaction(s):
R2-chng F df1 df2 p
int_1 .022 8.091 1.000 346.000 .005
交互作用項Satisfaction員工滿意度*LS領導型態的F值=8.091，P=0.005達顯著，顯示有交互作用影響。
**************************************************************
Conditional effect of X on Y at values of the moderator(s):
LS Effect se t p LLCI ULCI
1.000 -.038 .184 -.205 .838 -.400 .324
2.000 .744 .204 3.645 .000 .343 1.146
**************************************************************
Data for visualizing conditional effect of X on Y
Paste text below into a SPSS syntax window and execute to produce plot.
DATA LIST FREE/Sat LS Per.
BEGIN DATA.
1.000 1.000 3.941
2.000 1.000 3.904
1.000 2.000 3.456
2.000 2.000 4.200
END DATA.
GRAPH/SCATTERPLOT=Sat WITH Per BY LS.
************** ANALYSIS NOTES AND WARNINGS ********************
Level of confidence for all confidence intervals in output:
95.00
------ END MATRIX -----
圖中有交叉線，代表有調節效果。
圖中無交叉線，代表無調節效果。
從圖中的交叉線，可以看出員工滿意度對組織績效的影響中，領導特質有調節(干擾)效果。
我們已經完成Model 1調節效果和畫 交互作用圖的實作了。
B-3. Model 4 中介效果
我們想要了解團隊合作的簡單中介效果 ，如下圖，需要使用 Model 4。
註：SQC3是SQ1+SQ2+SQ3加總平均值
1. 開啟範例檔 moderator case 3.sav，如下圖：
2. 點選Analyze → Regression → PROCESS，如下圖：
3. 將使用者滿意度(USC3)變數選入Outcome Variable (控制變數)，如下圖：
l Model Number：研究模型選擇，共76組模型
l Bootstrap CI method：信賴區間
l Covariable(s) in model of…：控制變數設定，只影響M或Y或同時影響M、Y
l Outcome Variable(Y)：控制變數
l Independent Variable(X)：預測變數
l M Variable(s)：中介變數，可以同時放入許多個變數
l Conariate(s)：控制變數
l Proposed Moderator W、Z、V、Q：不同情境的調節變數
l Options：報表輸出選項
l Conditioning：調節圖形輸出選擇
4. 將系統品質(SQC3)變數選入Independent Variable (預測變數)，如下圖：
5. 將團隊合作(COC3)變數放入M Variable(s) (中介變數)，如下圖：
6. 在Model Number選入4 ，如下圖：
l 模組可以在檔案Templates 看到。
7. 點選Options，如下圖：
8. 勾選OLS/ML confidence intervals、Sobel test、Total effect model，並在Decimal places in output輸入3，完成之後點選continue，如下圖：
l Mean center for products：交互作用項先進行中心化在相乘
l Heteroscedasticity-consistent SEs：異質性標準誤修正
l OLS/ML confidence intervals：計算信賴區間(必須)
l Generate data for plotting(model 1、2 and 3 only)：產生繪製調節圖形的資料(通常只有一個干擾變數時使用)
l Effect size (modesl 4 and 6 )：計算影響效果
l Sobel test (model 4only)：間接效果Sobel test
l Total effect model (models 4 and 6 only)：計算總效果，間接效果及直接效果
l Compare indirect effects (models 4 and 6 only)：特定間接效果差異顯著性比較檢定
l Print model coefficient covariance matrix：輸出變數之間的共變異數矩陣
l Decimal places in output：輸出表格小數點位數
9. 點選OK，如下圖：
輸出報表結果
Run MATRIX procedure:
************* PROCESS Procedure for SPSS Release 2.13.2 ************
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3
*****************************************************************
Model = 4
Y = USC3
X = SQC3
M = COC3
Sample size
350
*****************************************************************
Outcome: COC3
Model Summary
R R-sq MSE F df1 df2 p
.396 .157 .598 64.631 1.000 348.000 .000
Model
coeff se t p LLCI ULCI
constant 2.012 .206 9.749 .000 1.606 2.418
SQC3 .428 .053 8.039 .000 .324 .533
*****************************************************************
Outcome: USC3
Model Summary
R R-sq MSE F df1 df2 p
.517 .267 .401 63.312 2.000 347.000 .000
Model
coeff se t p LLCI ULCI
constant 1.620 .191 8.494 .000 1.245 1.995
COC3 .192 .044 4.369 .000 .105 .278
SQC3 .370 .048 7.794 .000 .277 .464
********************** TOTAL EFFECT MODEL *************************
Outcome: USC3
Model Summary
R R-sq MSE F df1 df2 p
.476 .227 .422 102.223 1.000 348.000 .000
Model
coeff se t p LLCI ULCI
constant 2.006 .173 11.571 .000 1.665 2.347
SQC3 .453 .045 10.111 .000 .365 .541
************* TOTAL, DIRECT, AND INDIRECT EFFECTS *****************
Total effect of X on Y
Effect SE t p LLCI ULCI
.453 .045 10.111 .000 .365 .541
Direct effect of X on Y
Effect SE t p LLCI ULCI
.370 .048 7.794 .000 .277 .464
Indirect effect of X on Y
Effect Boot SE BootLLCI BootULCI
COC3 .082 .024 .041 .132
Normal theory tests for indirect effect
Effect se Z p
.082 .022 3.816 .000
方法一：
0.277和0.464未包含0，代表直接效果存在
0.041和0.132並沒有包含0，所以間接效果存在
方法二：
Sobel test: Z>1.96 or P<0.05表示中介效果存在
**************** ANALYSIS NOTES AND WARNINGS **********************
Number of bootstrap samples for bias corrected bootstrap confidence intervals:
1000
Level of confidence for all confidence intervals in output:
95.00
------ END MATRIX -----
我們根據報表整理結果如下圖:
我們已經完成Model 4 中介效果的實作了。
B-4 Model 5 常用調節效果
我們想要了解主管參與的調節效果 ，如下圖，需要使用 Model 5。
註：SQC3是SQ1+SQ2+SQ3加總平均值
MIC3是MI1+MI2+MI3加總平均值
1. 開啟範例檔，如下圖：
2. 點選Analyze → Regression → PROCESS，如下圖：
3. 將使用者滿意度(USC3)變數選入Outcome Variable (控制變數)，如下圖：
l Model Number：研究模型選擇，共76組模型
l Bootstrap CI method：信賴區間
l Covariable(s) in model of…：控制變數設定，只影響M或Y或同時影響M、Y
l Outcome Variable(Y)：控制變數
l Independent Variable(X)：預測變數
l M Variable(s)：中介變數，可以同時放入許多個變數
l Conariate(s)：控制變數
l Proposed Moderator W、Z、V、Q：不同情境的調節變數
l Options：報表輸出選項
l Conditioning：調節圖形輸出選擇
4. 將系統品質(SQC3)變數選入Independent Variable (預測變數)，如下圖：
5. 將團隊合作(COC3)變數放入M Variable(s) (中介變數)，如下圖：
6. 將主管參與(MIC3)變數放入Proposed Moderator W (調節變數)，如下圖：
7. 在Model Number選入5 ，如下圖：
l 模組可以在檔案Templates 看到。
8. 點選Options，如下圖：
9. 勾選OLS/ML confidence intervals，並在Decimal places in output輸入3，完成之後點選continue，如下圖：
l Mean center for products：交互作用項先進行中心化在相乘
l Heteroscedasticity-consistent SEs：異質性標準誤修正
l OLS/ML confidence intervals：計算信賴區間(必須)
l Generate data for plotting(model 1、2 and 3 only)：產生繪製調節圖形的資料(通常只有一個干擾變數時使用)
l Effect size (modesl 4 and 6 )：計算影響效果
l Sobel test (model 4only)：間接效果Sobel test
l Total effect model (models 4 and 6 only)：計算總效果，間接效果及直接效果
l Compare indirect effects (models 4 and 6 only)：特定間接效果差異顯著性比較檢定
l Print model coefficient covariance matrix：輸出變數之間的共變異數矩陣
l Decimal places in output：輸出表格小數點位數
10. 點選OK，如下圖：
輸出報表結果
Run MATRIX procedure:
************ PROCESS Procedure for SPSS Release 2.13.2 **************
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3
*****************************************************************
Model = 5
Y = USC3
X = SQC3
M = COC3
W = MIC3
Sample size
350
*****************************************************************
Outcome: COC3
Model Summary
R R-sq MSE F df1 df2 p
.396 .157 .598 64.631 1.000 348.000 .000
Model
coeff se t p LLCI ULCI
constant 2.012 .206 9.749 .000 1.606 2.418
SQC3 .428 .053 8.039 .000 .324 .533
*****************************************************************
Outcome: USC3
Model Summary
R R-sq MSE F df1 df2 p
.532 .283 .395 34.027 4.000 345.000 .000
Model
coeff se t p LLCI ULCI
constant 2.776 .589 4.713 .000 1.617 3.935
COC3 .182 .044 4.093 .000 .095 .270
SQC3 .023 .156 .147 .883 -.283 .329
MIC3 -.338 .178 -1.897 .059 -.688 .012
int_1 .104 .045 2.280 .023 .014 .193
Interactions:
int_1 SQC3 X MIC3
信賴區間 .014 .193 未包含0表示干擾效果存在，為正相關。
***************** DIRECT AND INDIRECT EFFECTS **********************
Conditional direct effect(s) of X on Y at values of the moderator(s):
MIC3 Effect SE t p LLCI ULCI
2.378 .269 .062 4.325 .000 .147 .392
3.290 .364 .048 7.634 .000 .270 .457
4.202 .458 .064 7.152 .000 .332 .584
Indirect effect of X on Y
Effect Boot SE BootLLCI BootULCI
COC3 .078 .024 .035 .131
***************** ANALYSIS NOTES AND WARNINGS **********************
Number of bootstrap samples for bias corrected bootstrap confidence intervals:
1000
Level of confidence for all confidence intervals in output:
95.00
------ END MATRIX -----
我們根據報表整理結果如下圖:
我們已經完成Model 5 常用調節效果的實作了。
B-5 Model 7 常用調節效果
我們想要了解主管參與的調節效果 ，如下圖，需要使用 Model 7。
註：SQC3是SQ1+SQ2+SQ3加總平均值
MIC3是MI1+MI2+MI3加總平均值
1. 開啟範例檔，如下圖：
2. 點選Analyze → Regression → PROCESS，如下圖：
3. 將使用者滿意度(USC3)變數選入Outcome Variable (控制變數)，如下圖：
l Model Number：研究模型選擇，共76組模型
l Bootstrap CI method：信賴區間
l Covariable(s) in model of…：控制變數設定，只影響M或Y或同時影響M、Y
l Outcome Variable(Y)：控制變數
l Independent Variable(X)：預測變數
l M Variable(s)：中介變數，可以同時放入許多個變數
l Conariate(s)：控制變數
l Proposed Moderator W、Z、V、Q：不同情境的調節變數
l Options：報表輸出選項
l Conditioning：調節圖形輸出選擇
4. 將系統品質(SQC3)變數選入Independent Variable (預測變數)，如下圖：
5. 將團隊合作(COC3)變數放入M Variable(s) (中介變數)，如下圖：
6. 將主管參與(MIC3)變數放入Proposed Moderator W (調節變數)，如下圖：
7. 在Model Number選入7 ，如下圖：
l 模組可以在檔案Templates 看到。
8. 點選Options，如下圖：
9. 勾選OLS/ML confidence intervals，並在Decimal places in output輸入3，完成之後點選continue，如下圖：
l Mean center for products：交互作用項先進行中心化在相乘
l Heteroscedasticity-consistent SEs：異質性標準誤修正
l OLS/ML confidence intervals：計算信賴區間(必須)
l Generate data for plotting(model 1、2 and 3 only)：產生繪製調節圖形的資料(通常只有一個干擾變數時使用)
l Effect size (modesl 4 and 6 )：計算影響效果
l Sobel test (model 4only)：間接效果Sobel test
l Total effect model (models 4 and 6 only)：計算總效果，間接效果及直接效果
l Compare indirect effects (models 4 and 6 only)：特定間接效果差異顯著性比較檢定
l Print model coefficient covariance matrix：輸出變數之間的共變異數矩陣
l Decimal places in output：輸出表格小數點位數
10. 點選OK，如下圖：
輸出報表結果
Run MATRIX procedure:
************** PROCESS Procedure for SPSS Release 2.13.2 ***********
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3
*****************************************************************
Model = 7
Y = USC3
X = SQC3
M = COC3
W = MIC3
Sample size
350
*****************************************************************
Outcome: COC3
Model Summary
R R-sq MSE F df1 df2 p
.438 .192 .577 27.352 3.000 346.000 .000
Model
coeff se t p LLCI ULCI
constant .150 .709 1.621 .106 -.245 2.544
SQC3 .505 .186 2.716 .007 .139 .871
MIC3 .320 .215 1.492 .137 -.102 .742
int_1 -.038 .055 -.695 .488 -.146 .070
Interactions:
int_1 SQC3 X MIC3
信賴區間 -.146 .070 包含0表示干擾效果不存在。
*****************************************************************
Outcome: USC3
Model Summary
R R-sq MSE F df1 df2 p
.517 .267 .401 63.312 2.000 347.000 .000
Model
coeff se t p LLCI ULCI
constant 1.620 .191 8.494 .000 1.245 1.995
COC3 .192 .044 4.369 .000 .105 .278
SQC3 .370 .048 7.794 .000 .277 .464
***************** DIRECT AND INDIRECT EFFECTS **********************
Direct effect of X on Y
Effect SE t p LLCI ULCI
.370 .048 7.794 .000 .277 .464
Conditional indirect effect(s) of X on Y at values of the moderator(s):
Mediator
MIC3 Effect Boot SE BootLLCI BootULCI
COC3 2.378 .080 .025 .039 .140
COC3 3.290 .073 .021 .036 .120
COC3 4.202 .066 .023 .027 .117
Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.
***************** INDEX OF MODERATED MEDIATION *********************
Mediator
Index SE(Boot) BootLLCI BootULCI
COC3 -.007 .011 -.037 .012
***************** ANALYSIS NOTES AND WARNINGS **********************
Number of bootstrap samples for bias corrected bootstrap confidence intervals:
1000
Level of confidence for all confidence intervals in output:
95.00
------ END MATRIX -----
我們根據報表整理結果如下圖:
我們已經完成Model 7常用調節效果的實作了。
B-6 Model 14 常用調節效果
我們想要了解主管參與的調節效果 ，如下圖，需要使用 Model 14。
註：SQC3是SQ1+SQ2+SQ3加總平均值
MIC3是MI1+MI2+MI3加總平均值
1. 開啟範例檔，如下圖：
2. 點選Analyze → Regression → PROCESS，如下圖：
3. 將使用者滿意度(USC3)變數選入Outcome Variable (控制變數)，如下圖：
l Model Number：研究模型選擇，共76組模型
l Bootstrap CI method：信賴區間
l Covariable(s) in model of…：控制變數設定，只影響M或Y或同時影響M、Y
l Outcome Variable(Y)：控制變數
l Independent Variable(X)：預測變數
l M Variable(s)：中介變數，可以同時放入許多個變數
l Conariate(s)：控制變數
l Proposed Moderator W、Z、V、Q：不同情境的調節變數
l Options：報表輸出選項
l Conditioning：調節圖形輸出選擇
4. 將系統品質(SQC3)變數選入Independent Variable (預測變數)，如下圖：
5. 將團隊合作(COC3)變數放入M Variable(s) (中介變數)，如下圖：
6. 將主管參與(MIC3)變數放入Proposed Moderator V (調節變數)，如下圖：
7. 在Model Number選入14 ，如下圖：
l 模組可以在檔案Templates 看到。
8. 點選Options，如下圖：
9. 勾選OLS/ML confidence intervals，並在Decimal places in output輸入3，完成之後點選continue，如下圖：
l Mean center for products：交互作用項先進行中心化在相乘
l Heteroscedasticity-consistent SEs：異質性標準誤修正
l OLS/ML confidence intervals：計算信賴區間(必須)
l Generate data for plotting(model 1、2 and 3 only)：產生繪製調節圖形的資料(通常只有一個干擾變數時使用)
l Effect size (modesl 4 and 6 )：計算影響效果
l Sobel test (model 4only)：間接效果Sobel test
l Total effect model (models 4 and 6 only)：計算總效果，間接效果及直接效果
l Compare indirect effects (models 4 and 6 only)：特定間接效果差異顯著性比較檢定
l Print model coefficient covariance matrix：輸出變數之間的共變異數矩陣
l Decimal places in output：輸出表格小數點位數
10. 點選OK，如下圖：
輸出報表結果
Run MATRIX procedure:
************ PROCESS Procedure for SPSS Release 2.13.2 **************
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3
*****************************************************************
Model = 14
Y = USC3
X = SQC3
M = COC3
V = MIC3
Sample size
350
*****************************************************************
Outcome: COC3
Model Summary
R R-sq MSE F df1 df2 p
.396 .157 .598 64.631 1.000 348.000 .000
Model
coeff se t p LLCI ULCI
constant 2.012 .206 9.749 .000 1.606 2.418
SQC3 .428 .053 8.039 .000 .324 .533
*****************************************************************
Outcome: USC3
Model Summary
R R-sq MSE F df1 df2 p
.522 .273 .401 32.360 4.000 345.000 .000
Model
coeff se t p LLCI ULCI
constant 1.776 .490 3.624 .000 .812 2.739
COC3 .107 .130 .826 .409 -.148 .362
SQC3 .360 .048 7.514 .000 .266 .455
MIC3 -.027 .150 -.177 .860 -.322 .269
int_1 .023 .039 .586 .558 -.054 .100
Interactions:
int_1 COC3 X MIC3
信賴區間 -.054 .100 包含0表示干擾效果不存在。
**************** DIRECT AND INDIRECT EFFECTS *********************
Direct effect of X on Y
Effect SE t p LLCI ULCI
.360 .048 7.514 .000 .266 .455
Conditional indirect effect(s) of X on Y at values of the moderator(s):
Mediator
MIC3 Effect Boot SE BootLLCI BootULCI
COC3 2.378 .069 .028 .017 .132
COC3 3.290 .078 .025 .033 .136
COC3 4.202 .087 .036 .022 .167
Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.
******************** INDEX OF MODERATED MEDIATION ************************
Mediator
Index SE(Boot) BootLLCI BootULCI
COC3 .010 .022 -.028 .060
**************** ANALYSIS NOTES AND WARNINGS ***********************
Number of bootstrap samples for bias corrected bootstrap confidence intervals:
1000
Level of confidence for all confidence intervals in output:
95.00
------ END MATRIX -----
B-7 Model 59 整體調節效果（Model 5＋Model 7＋ Model 14）
我們想要了解主管參與的整體調節效果（Model 5＋Model 7＋ Model 14） ，如下圖，需要使用 Model 59。
註：SQC3是SQ1+SQ2+SQ3加總平均值
MIC3是MI1+MI2+MI3加總平均值
10. 開啟範例檔 moderator case 3.sav，如下圖：
11. 點選Analyze → Regression → PROCESS，如下圖：
12. 將使用者滿意度(USC3)變數選入Outcome Variable (控制變數)，如下圖：
l Model Number：研究模型選擇，共76組模型
l Bootstrap CI method：信賴區間
l Covariable(s) in model of…：控制變數設定，只影響M或Y或同時影響M、Y
l Outcome Variable(Y)：控制變數
l Independent Variable(X)：預測變數
l M Variable(s)：中介變數，可以同時放入許多個變數
l Conariate(s)：控制變數
l Proposed Moderator W、Z、V、Q：不同情境的調節變數
l Options：報表輸出選項
l Conditioning：調節圖形輸出選擇
13. 將系統品質(SQC3)變數選入Independent Variable (預測變數)，如下圖：
14. 將團隊合作(COC3)變數放入M Variable(s) (中介變數)，如下圖：
15. 將主管參與(MIC3)變數放入Proposed Moderator W (調節變數)，如下圖：
16. 在Model Number選入59 ，如下圖：
l 模組可以在檔案Templates 看到。
17. 點選Options，如下圖：
18. 勾選OLS/ML confidence intervals，並在Decimal places in output輸入3，完成之後點選continue，如下圖：
l Mean center for products：交互作用項先進行中心化在相乘
l Heteroscedasticity-consistent SEs：異質性標準誤修正
l OLS/ML confidence intervals：計算信賴區間(必須)
l Generate data for plotting(model 1、2 and 3 only)：產生繪製調節圖形的資料(通常只有一個干擾變數時使用)
l Effect size (modesl 4 and 6 )：計算影響效果
l Sobel test (model 4only)：間接效果Sobel test
l Total effect model (models 4 and 6 only)：計算總效果，間接效果及直接效果
l Compare indirect effects (models 4 and 6 only)：特定間接效果差異顯著性比較檢定
l Print model coefficient covariance matrix：輸出變數之間的共變異數矩陣
l Decimal places in output：輸出表格小數點位數
19. 點選OK，如下圖：
輸出報表結果
Run MATRIX procedure:
************ PROCESS Procedure for SPSS Release 2.13.2 **************
Written by Andrew F. Hayes, Ph.D. www.afhayes.com
Documentation available in Hayes (2013). www.guilford.com/p/hayes3
*****************************************************************
Model = 59
Y = USC3
X = SQC3
M = COC3
W = MIC3
Sample size
350
*****************************************************************
Outcome: COC3
Model Summary
R R-sq MSE F df1 df2 p
.438 .192 .577 27.352 3.000 346.000 .000
Model
coeff se t p LLCI ULCI
constant 1.150 .709 1.621 .106 -.245 2.544
SQC3 .505 .186 2.716 .007 .139 .871
MIC3 .320 .215 1.492 .137 -.102 .742
int_1 -.038 .055 -.695 .488 -.146 .070
Interactions:
int_1 SQC3 X MIC3
信賴區間包含0表示干擾效果不存在。
*****************************************************************
Outcome: USC3
Model Summary
R R-sq MSE F df1 df2 p
.532 .283 .396 27.209 5.000 344.000 .000
Model
coeff se t p LLCI ULCI
constant 2.670 .628 4.249 .000 1.434 3.906
COC3 .249 .143 1.735 .084 -.033 .531
SQC3 -.014 .173 -.079 .937 -.353 .326
int_2 -.021 .043 -.489 .625 -.107 .064
MIC3 -.302 .193 -1.564 .119 -.682 .078
int_3 .115 .051 .253 .025
.015 .215
Interactions:
int_2 COC3 X MIC3
信賴區間-.107 .064 包含0表示干擾效果不存在。
int_3 SQC3 X MIC3
信賴區間未包含0 .015 .215 表示干擾效果存在，為正相關。
***************** DIRECT AND INDIRECT EFFECTS **********************
Conditional direct effect(s) of X on Y at values of the moderator(s):
MIC3 Effect SE t p LLCI ULCI
2.378 .259 .065 3.967 .000 .131 .388
3.290 .364 .048 .635 .000 .270 .458
4.202 .469 .068 .916 .000 .336 .602
Conditional indirect effect(s) of X on Y at values of the moderator(s):
Mediator
MIC3 Effect Boot SE BootLLCI BootULCI
COC3 2.378 .082 .033 .026 .156
COC3 3.290 .068 .022 .029 .121
COC3 4.202 .055 .031 .008 .132
Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.
**************** ANALYSIS NOTES AND WARNINGS *********************
Number of bootstrap samples for bias corrected bootstrap confidence intervals:
1000
Level of confidence for all confidence intervals in output:
95.00
------ END MATRIX -----
我們根據報表整理結果如下圖:
我們整理Model59 三條交互作用的結果如下:
int_1 SQC3 X MIC3 不顯著
int_2 COC3 X MIC3 不顯著
int_3 SQC3 X MIC3 顯著(正向干擾)
說明
Outcome: COC3
int_1 SQC3 X MIC3 不顯著
主管參與對於系統品質影響團隊合作沒有調節效果。
Outcome: USC3
int_2 COC3 X MIC3 不顯著
主管參與對於團隊合作影響使用者滿意度沒有調節效果。
Outcome: USC3
int_3 SQC3 X MIC3 顯著(正向干擾)
主管參與對於系統品質影響使用者滿意度有調節效果。
我們已經完成Model 59整體調節效果（Model 5＋Model 7＋ Model 14）的實作了。
整體調節效果和個別調節效果
我們執行了整體調節效果（Model 5＋Model 7＋ Model 14）和個別調節效果Model 5，Model 7， Model 14 的調節效果，經過比較後，發現 整體調節效果和個別調節效果的顯著與否，是一樣的，但是 數值可能也些不同，如下，使用時需要注意。
Model59 三條交互作用所對應的model:
int_1 SQC3 X MIC3 →model 7 不顯著
int_2 COC3 X MIC3 →model 14 不顯著
int_3 SQC3 X MIC3 →model 5 顯著(正向干擾)
Model59 對應model 7的數值
Outcome: COC3
Model59:int_1 -.038 .055 -.695 .488 -.146 .070
Model 7:int_1 -.038 .055 -.695 .488 -.146 .070
Model59對應model 14的數值
Outcome: USC3
Model59:int_2 -.021 .043 -.489 .625 -.107 .064
Model14:int_1 .023 .039 .586 .558 -.054 .100
Model59對應model 5的數值
Outcome: USC3
model59:int_3 .115 .051 2.253 .025 .015 .215
Model 5:int_1 .104 .045 2.280 .023 .014 .193
我們已經完成 整體調節效果和個別調節效果的實作了。
https://blog.sciencenet.cn/blog-3444471-1360833.html
上一篇：[Knowledge Sharing] To increase online game usage
下一篇：组织中的演进科学：理论很重要
