bootstrap檢驗中介效應 spss做bootstrap回歸分析

其實bootstrap檢驗中介效應的問題并不復雜，但是又很多的朋友都不太了解spss做bootstrap回歸分析，因此呢，今天小編就來為大家分享bootstrap檢驗中介效應的一些知識，希望可以幫助到大家，下面我們一起來看看這個問題的分析吧！

bootstrap中介效應檢驗怎么寫結果

檢查結果，肯定是文檔。然后咱們設置布局和樣式。

spss如何做中介效應

一共三個步驟。其中，X為自變量，Y為因變量，M為中介變量。

第一步：X對M做回歸。SPSS操作步驟：Analyze-Regression-Linear

因變量（DEP）為（放入）M，自變量（INDEP）為（放入）X。點擊OK。在另外一張表上會輸出回歸結果的。

第二步：X對Y做回歸。

SPSS操作步驟：Analyze-Regression-Linear

因變量（DEP）為（放入）Y，自變量（INDEP）為（放入）X。點擊Next，再進入第三步如下：

第三步：X、M對Y做回歸。因變量（DEP）為（放入）Y，自變量（INDEP）為（放入）X和M。

注意：因為SPSS做回歸的時候，因變量只能是一個，所以第一步是一個回歸；第二、三步（點擊NEXT即可）是用一個回歸。

1、第一個回歸當中，X對M是否顯著，主要是Sig(主要小于0.05就可以)

2、第二個回歸當中，X對Y是否顯著，主要是Sig(主要小于0.05就可以)

3、分兩種情況：A若sig(X對Y的)大于0.05，則未通過顯著檢驗；M對Y依然顯著，則是M對Y完全中介效應

B若sig(X對Y的)小于0.05，通過了顯著檢驗，并且M對于Y的（sig小于0.05）；再看B（若第三步當中的X對于Y的系數的絕對值小于第二步方程當中X對于Y的系數B），則是部分中介效應。

中介效應圖表解釋

中介效應圖表通常采用路徑分析的方法進行展示。在路徑分析中，自變量、中介變量和因變量之間用箭頭表示，箭頭的方向表示變量之間的因果關系。

通過路徑分析，可以計算出直接效應、中介效應和總效應的大小和方向，從而更直觀地展示中介效應。

如何用stata做中介效應檢驗

SPSS就是用依次回歸法檢驗中介效應，

先檢驗X——Y的回歸，分析總效應

然后檢驗X——M（中介變量）的回歸，檢驗a參數（即X的回歸系數）

最后檢驗X,M——Y的回歸，檢驗b參數（M的回歸系數）和c'參數（X的回歸系數）

若a和b均顯著，則中介效應存在

用bootstrap的話就是在回歸分析里面選擇bootstrap選項即可，你可以自己設置抽樣次數，通常抽樣至少要1000次，這時候你分析a和b參數的顯著性就不看原來的顯著性檢驗結果（sig）了，而是看bootstrap的置信區間，如果置信區間沒有覆蓋0，就是顯著的

bootstrap抽樣功能需要比較新的spss版本才可以

bootstrap檢驗中介效應如何解讀結果stata

采用Preacher和Hayes(2008)的Bootstrapping中介效應檢驗方法(設置5000次迭代)，該方法提供中介效應的95%置信區間估計，如果區間估計含有0就表示中介效應不顯著，如果區間估計不含有0則表示中介效應顯著。

此外對中介效果量的計算結果表明，4種效果量的置信區間都不包括0，因此心理彈性在自尊與應對方式間存在顯著的中介作用。

擴展資料：

注意事項：

很多統計量是不能用bootstrap的，比如常見的非參數kernel回歸，以及一些目標函數不是非常平滑的估計量，例如quantile回歸、maximumscoreestimators等等。

bootstrap的抽樣方法除了最簡單的有放回抽樣之外，還有各種其他的抽樣方法，有參數的、非參數的，有bolck，有residual-based。這些方法如果擴展起來就有點復雜了，如果是要做test，那么不同的抽樣方法會導致不同的size和power。

好了，文章到這里就結束啦，如果本次分享的bootstrap檢驗中介效應和spss做bootstrap回歸分析問題對您有所幫助，還望關注下本站哦！