SPSS中介效应分析（Process和mediate插件）

中介变量(mediator) 是一个重要的统计概念，如果自变量 X 通过某一变量 M 对因变量 Y 产生一定影响，则称 M 为 X 和 Y 的中介变量。目前国内外研究大部分都借鉴因果逐步回归法检验，因果步骤法由 Baron 和 Kenny(1986) 提出，其检验步骤分为三步。第一，X 对 Y 的回归，检验回归系数 c 的显著性);第二，X 对 M 的回归，检验回归系数 a 的显著性);第三，X和 M 对 Y 的回归，检验回归系数 b 和 c’ 的显著性)。如果系数 c，a 和 b 都显著，就表示存在中介效应。此时如果系数 c’ 不显著，就称这个中介效应是完全中介效应(full mediation);如果回归系数 c’ 显著，但 c’ ＜ c ，就称这个中介效应是部分中介效应 ( partial mediation)。中介效应的效果量(effect size)常用 ab/c 或 ab/c’ 来衡量。

近年来，许多学者对因果逐步回归求和方法提出了质疑。首先，系数是显著的（主效应的存在）是中介效应的根本前提，但许多统计方法的研究文章指出，中介效应的存在并不需要主效应的显著性，因为可能两个中介效应大小相近，对因变量发挥相反作用，两者抵消后导致主效应没有被观察到。
针对上述问题，ZHAO等提出了一个更为合理的程序

目前使用bootstrap进行中介检验已经被国内外学者广泛应用，我们将通过SPSS进行进行演示，需要使用到SPSS的两个插件Process和mediate（公众号回复：代码，可以得到插件），嫌麻烦的也可以在这里下载
https://download.csdn.net/download/dege857/84044227
下载好后我们先要对插件进行安装：
点击扩展—实用程序----安装定制对话框

点击放插件的相关文件夹

点击插件就可以了

Mediate插件的安装方法也是一模一样的

安装好后点击：分析—回归，可以看到两个包的图标，表示安装成功了

安装好两个包后，我们就可以进行正式分析了
我们先用Process对自标量为连续变量的数据进行分析，先导入数据

这是个商场激励员工的数据（公众号回复：中介效应，可以获得本文两个数据），这个数据很简单，support为支持措施（自变量），satis为员工满意度（中介变量），perform为员工表现
点击：分析—回归—Process

依次填好选项，然后点击确定

等待一会结果就出来了，主要看的是这个表

我们可以看到直接效应为0.6161，P小于0.05，间接效应为0.2056，后面LLCI和ULCI为通过重抽样后的可信区间，后面的可信区间不包含0，说明P也是小于0.05的，总效应就是直接和间接效应的和。总的来说做起来很简单。

当自变量为分类变量时，我们就不能使用Process插件分析了，要使用mediate插件分析，我们导入新的数据来看一下

这是个求职者的抑郁压力的数据，econ_hard: 经济困难，depress1:压力指标1，sex:性别，age:年龄，occp: 各种职业的七类因素，marital: 婚宴，nonwhite: 非白人educ:教育，income:收入，job_seek:求职效能，depress2:压力指标2，work1:是否就业，job_dich:求职效率，job_disc:求职标准，treat:治疗
我们以depress2:压力指标为结果变量，job_seek:求职效能为中介变量，treat:治疗为自变量，在这里要说明一下，结果变量和中介变量必须连续变量，mediate插件会自动把分类变量转变成哑变量，并以最低的值做参考值，这里就是以0（没有培训）为参考。
点击：分析—回归—mediate

把指标填入相应的位置，按确定


结果出来如上图所示，中介变量P值小于0.05，表明中介效应存在jop¬_seek越高，抑郁程度越低，最后一个表我们看到控制中介变量后，是否治疗对抑郁的直接影响不显著，表明治疗是通过中介效应对抑郁进行影响的。
SPSS进行中介效应分析虽然简单，但只能进行初步的分析，存在一定的局限，如不能进行敏感性分析，需要使用R软件等辅助一下，下一章将介绍R语言进行中介效应分析。

参考文献
[1]陈瑞, 郑毓煌, 刘文静. 中介效应分析:原理,程序,Bootstrap方法及其应用[J]. 营销科学学报, 2013(4):16.
[2]方杰, 张敏强, 邱皓政. 中介效应的检验方法和效果量测量:回顾与展望[J]. 心理发展与教育, 2012, 28(1):7.
[3]mediate插件说明文件
[4]吴巧娣, 周静, 王硕. 康复自我效能在老年脑卒中康复期患者卒中后抑郁与卒中后疲劳间的中介效应[J]. 护理学报, 2021, 28(17):6.