bootstrap检验中介效应 spss做bootstrap回归分析

其实bootstrap检验中介效应的问题并不复杂，但是又很多的朋友都不太了解spss做bootstrap回归分析，因此呢，今天小编就来为大家分享bootstrap检验中介效应的一些知识，希望可以帮助到大家，下面我们一起来看看这个问题的分析吧！

bootstrap中介效应检验怎么写结果

检查结果，肯定是文档。然后咱们设置布局和样式。

spss如何做中介效应

一共三个步骤。其中，X为自变量，Y为因变量，M为中介变量。

第一步：X对M做回归。SPSS操作步骤：Analyze-Regression-Linear

因变量（DEP）为（放入）M，自变量（INDEP）为（放入）X。点击OK。在另外一张表上会输出回归结果的。

第二步：X对Y做回归。

SPSS操作步骤：Analyze-Regression-Linear

因变量（DEP）为（放入）Y，自变量（INDEP）为（放入）X。点击Next，再进入第三步如下：

第三步：X、M对Y做回归。因变量（DEP）为（放入）Y，自变量（INDEP）为（放入）X和M。

注意：因为SPSS做回归的时候，因变量只能是一个，所以第一步是一个回归；第二、三步（点击NEXT即可）是用一个回归。

1、第一个回归当中，X对M是否显著，主要是Sig(主要小于0.05就可以)

2、第二个回归当中，X对Y是否显著，主要是Sig(主要小于0.05就可以)

3、分两种情况：A若sig(X对Y的)大于0.05，则未通过显著检验；M对Y依然显著，则是M对Y完全中介效应

B若sig(X对Y的)小于0.05，通过了显著检验，并且M对于Y的（sig小于0.05）；再看B（若第三步当中的X对于Y的系数的绝对值小于第二步方程当中X对于Y的系数B），则是部分中介效应。

中介效应图表解释

中介效应图表通常采用路径分析的方法进行展示。在路径分析中，自变量、中介变量和因变量之间用箭头表示，箭头的方向表示变量之间的因果关系。

通过路径分析，可以计算出直接效应、中介效应和总效应的大小和方向，从而更直观地展示中介效应。

如何用stata做中介效应检验

SPSS就是用依次回归法检验中介效应，

先检验X——Y的回归，分析总效应

然后检验X——M（中介变量）的回归，检验a参数（即X的回归系数）

最后检验X,M——Y的回归，检验b参数（M的回归系数）和c'参数（X的回归系数）

若a和b均显著，则中介效应存在

用bootstrap的话就是在回归分析里面选择bootstrap选项即可，你可以自己设置抽样次数，通常抽样至少要1000次，这时候你分析a和b参数的显著性就不看原来的显著性检验结果（sig）了，而是看bootstrap的置信区间，如果置信区间没有覆盖0，就是显著的

bootstrap抽样功能需要比较新的spss版本才可以

bootstrap检验中介效应如何解读结果stata

采用Preacher和Hayes(2008)的Bootstrapping中介效应检验方法(设置5000次迭代)，该方法提供中介效应的95%置信区间估计，如果区间估计含有0就表示中介效应不显著，如果区间估计不含有0则表示中介效应显著。

此外对中介效果量的计算结果表明，4种效果量的置信区间都不包括0，因此心理弹性在自尊与应对方式间存在显著的中介作用。

扩展资料：

注意事项：

很多统计量是不能用bootstrap的，比如常见的非参数kernel回归，以及一些目标函数不是非常平滑的估计量，例如quantile回归、maximumscoreestimators等等。

bootstrap的抽样方法除了最简单的有放回抽样之外，还有各种其他的抽样方法，有参数的、非参数的，有bolck，有residual-based。这些方法如果扩展起来就有点复杂了，如果是要做test，那么不同的抽样方法会导致不同的size和power。

好了，文章到这里就结束啦，如果本次分享的bootstrap检验中介效应和spss做bootstrap回归分析问题对您有所帮助，还望关注下本站哦！