[分享]一篇探討調節變項與中介變項的好文章

Journal of Personality and Social Psychology:The Moderator-Mediator Variable Distinction in Social Psychological
                                                                         Research: Conceptual, Strategic, and Statistical Considerations   

本文得來不易 低調流傳 感謝大家 (1.24 MB)

另外是討論調節變項時，如果自變項，依變項，調節變項都是連續變項，可以將自變項與調節變項的交互成積的潛在變項，和自變項之間的潛在變項的相關設為0，利用lisrel進行模式的檢證，也就是這篇文章中提到的檢驗調節作用的Case4，不過作調節作用的風險就沒辦法解釋當兩個自變項對依變項的迴歸係數都是正值，但交互作用項卻是負值的情況，可能交互作用是壓抑的效果，或者是因為兩自變項的共線性產生的結果，這樣的話比較難以用迴歸來處理，應該用SEM進行如上所述的，將交互作用的潛在變項，和兩自變項之間的潛在變項相關設為0，可以避掉共線性的問題，但是那就是驗證性的作法，出來的值只能說明模型和實際資料的符合度，無法證明是最佳模型。

 哎  英文水平 实在不行啊 什么时候  是外国人要看中文来学习知识啊

中國人的時代應當來臨了，不過這門學問他們比我們先，只好先忍耐著

這篇1986年的文章確實是經典作品, 但在近年來數理統計學界漸漸放棄這種以乘積做調節變數證驗的方式, 因為做為迴歸方程式的運用, 一開始我們即己假設所有自變數與應變數應為線性相關, 那乘積後的變數如何可以視為線性相關?所以近年來在結構方程式模型中, 大多數回到原始在心理學中使用的取一變數最高的三分之一與最低的三分之一; 或者直接分為上下兩組做組間的比較方式,

thanks,看看

谢谢了。。。。。。。

2# bandbird

1.把原始資料透過 centered-mean先處理。或許可已降低共線性的困擾！

2.本來SEM有一個作用就是透過實際資料來驗證理論模式，如果效果不佳，可能要推翻原先研究架構。或是重跑問卷。

3.感謝您對Baron & Kenny(1986) CASE 4的觀察。很有啟發性！！

5# nlinyn

1.您所說的作法固然可避免共線性的難題，但使用高低分組分析，卻必須割捨33%的原始資料，美國也有文獻要求高標組為前23%，低標組則為後27%，則須損失將近46%的資料，如果樣本數不大，則損失非常慘重。
2.其次，利用categorial variable做為moderator，往往會難以偵測到 moderating effect，這在Herman Aguinis的 "Regression Analysis for Categorial Moderators"有所說明！

非常感謝您的寶貴意見和認同 在下會繼續努力 感謝您 9# 096001