鲁达 作者：缇娜
1.算三个回归方程
1）自变量—因变量
2）自变量—中介变量
3）自变量—中介变量—因变量
示例：本研究以性格特征为自变量，政治社会现状评价为因变量，时政类信息兴趣程度为中介变量进行中介效应检验。
2.数据分析
在结果分析前，先来了解一下回归输出结果中各个符号的含义:
（1）回归的检验首先看anova那个表，也就是F检验，那个表代表的是对你进行回归的所有自变量的回归系数的一个总体检验，如果sig<0.05,说明至少有一个自变量能够有效预测因变量，这个在写数据分析结果时一般可以不报告。然后看系数表，看标准化的回归系数是否显著，每个自变量都有一个对应的回归系数以及显著性检验。
（2）B也就是beta，代表回归系数，标准化的回归系数代表自变量也就是预测变量和因变量的相关，为什么要标准化，因为标准化的时候各个自变量以及因变量的单位才能统一，使结果更精确，减少因为单位不同而造成的误差。T值就是对回归系数的t检验的结果，绝对值越大，sig就越小，sig代表t检验的显著性，在统计学上，sig<0.05一般被认为是系数检验显著，显著的意思就是你的回归系数的绝对值显著大于0，表明自变量可以有效预测因变量的变异，做出这个结论你有5%的可能会犯错误，即有95%的把握结论正确。
（3）最后看模型汇总那个表，R方叫做决定系数，他是自变量可以解释的变异量占因变量总变异量的比例，代表回归方程对因变量的解释程度，报告的时候报告调整后的R方，这个值是针对自变量的增多会不断增强预测力的一个矫正（因为即使没什么用的自变量，只要多增几个，R方也会变大，调整后的R方是对较多自变量的惩罚），R可以不用管，标准化的情况下R也是自变量和因变量的相关。
第一个回归，分析的是自变量对因变量的总体效应。
从上图结果可知，自变量对因变量具有显著正向预测作用（β=0.131，p<0.001）。
第二个回归，是自变量对中介变量的效应
从结果②可知，自变量能够显著正向预测中介变量（β=0.152，p<0.001）.
第三个回归，是自变量、中介变量对因变量的效应
结果表明，加入中介变量后自变量对因变量的正向预测作用仍显著（β=0.123，p<0.001）.同时中介变量也能够显著正向预测因变量（β=0.050，p<0.05）。
因此综上，中介变量时政类信息兴趣程度在自变量性格特征和因变量政治社会现状评价之间起着中介作用，中介作用模型图如下：
3.画图注意事项
1）可以在ppt里面画，这样图会更好看也更好编辑~
2）一般都标注标准化系数，同时需要在图中注明
3）一般来说，显著的用实线，不显著的用虚线
SPSS中Process插件的安装说明在“有调节的中介”那一期已分享过（感兴趣的小伙伴可以关注本号进行浏览哦~），这里便不再赘述哈~安装后，打开SPSS会出现以下界面。
再将自变量、中介变量及因变量放入对应位置中，并选择模型4，操作如下图所示：
输出结果解析：
1.首先是对模型的一个介绍
① 使用的是model4
② 因变量Y、自变量X、中介变量M分别对应的是什么。
③样本量多少。
2.以中介变量为被预测变量，自变量为预测变量的回归方程 ：
模型概要（model summary），看R、F、 df 、p值；模型（model），coeff是B，se是标准误，p，LLCI和ULCI是置信区间（置信区间不含零为显著）标准化系数（Standardized coefficients） 是β。
图中结果表明，自变量Q19对中介变量Q9具有显著预测作用（β=0.152，p<0.001）。
3.以因变量为被预测变量，自变量及中介变量为预测变量的回归方程：模型概要解释同2
图中结果表明，加入中介变量后，自变量Q19对因变量Q8具有显著正向预测作用（β=0.123，p<0.001），中介变量 Q9对因变量Q8具有显著正向预测作用（β=0.05，p<0.05）。
4.总体效应
以因变量为被预测变量，自变量及中介一同为预测变量的回归方程，模型概要（model summary），同2
图中结果表明，自变量Q19对因变量Q8具有显著正向预测作用（β=0.131，p<0.001）。
5.接下来是自变量对因变量的总体、直接和间接效应
① 自变量对因变量的总体效应=自变量为预测变量，因变量为被预测变量回归方程的系数；
② 自变量对因变量的直接效应=自变量、中介变量为预测变量，因变量为被预测变量回归方程的系数；
③ 自变量对因变量的间接效应=总体效应-直接效应；
部分标准化：效应量/Y的标准差
完全标准化：所有变量的标准化
结果表明，自变量 Q19对因变量Q8的直接效应为0.0135，占总效应的 94.41％；自变量通过中介变量Q9对因变量Q8的间接效应为0.0008， 占 总 效 应 的5.59％。 由于加入中介后， 自变量Q19对因变量Q8的直接效应的置信区间仍不包含零， 故中介变量Q9在自变量Q19与因变量Q8之间发挥了部分中介作用。
6.最后是模型及误差的简介
——置信区间及bootstrap抽样情况
结果：参照Preacher 和Hayes (2004)提出的Bootstrap 方法进行中介效应检验(模型4)，样本量选择5000，在95%置信区间下，其余如上。
多重中介的图大概如下：
输出结果解读：解读与上述简单中介一致。
1.首先是对模型的一个介绍
2.以中介变量1（实例中为：Q9）为被预测变量，自变量(Q19)为预测变量的回归方程 ：同简单中介结果2
图中结果表明，自变量Q19对中介变量1（Q9）具有显著预测作用（β=0.152，p<0.001）。
3.以中介变量2（Q6_A1_op）为被预测变量，自变量(Q19)为预测变量的回归方程 ：
结果表明，自变量Q19对中介变量2（Q6_A1_op）的预测作用不显著（β=0.009，p>0.05）。
4.以因变量为被预测变量，自变量及2个中介变量（Q9、Q6_A1_op）为预测变量的回归方程:
结果表明，加入两个中介变量后，自变量Q19对因变量Q8存在显著正向预测作用（β=0.123，p<0.001)；中介变量（Q9）对因变量Q8存在显著的正向预测作用（β=0.052，p<0.05)；而中介变量2（Q6_A1_op）对因变量Q8的预测作用不显著（β=-0.026，p>0.05）。
5.总体效应
以因变量为被预测变量，自变量为预测变量的回归方程：
结果表明，自变量Q19对因变量Q8的预测作用显著（总效应β值为0.131，p<0.001）
6.接下来是自变量对因变量的总体、直接和间接效应
① 自变量对因变量的总体效应=自变量为预测变量，因变量为被预测变量回归方程的系数；
② 自变量对因变量的直接效应=自变量、中介变量为预测变量，因变量为被预测变量回归方程的系数；
③ 自变量对因变量的间接效应=总体效应-直接效应；
部分标准化：效应量/Y的标准差
完全标准化：所有变量的标准化
结果表明，自变量 Q19对因变量Q8的直接效应为0.0135，占总效应的 94.41％；自变量通过中介变量1（Q9）对因变量Q8的间接效应为0.0009， 占 总 效 应 的5.59％。而通过中介变量2（Q6_A1_op）对因变量Q8的间接效应为0.0000，置信区间包含0，即中介变量2的中介效应不显著。
另外 由于加入中介后， 自变量Q19对因变量Q8的直接效应的置信区间仍不包含零， 故中介变量Q9在自变量Q19与因变量Q8之间发挥了部分中介作用。
7.最后是模型及误差的简介——置信区间及bootstrap抽样情况：同简单中介结果6.
链式中介模型图如下：
具体操作如下：
输出结果解读：解读与上述简单中介一致。
1.首先是对模型的一个介绍
2.以中介变量1（实例中为：Q9）为被预测变量，自变量(Q19)为预测变量的回归方程 ：
结果表明，自变量Q19对中介变量1（Q9）具有显著预测作用（β=0.152，p<0.001）。
3.以中介变量2（Q6_A1_op）为被预测变量，自变量(Q19)和中介变量1（Q9）为预测变量的回归方程 ：
结果表明，自变量Q19对中介变量2（Q6_A1_op）的预测作用不显著（β=-0.002，p>0.05)；中介变量（Q9）对中介变量2（Q6_A1_op）存在显著的正向预测作用（β=0.074，p<0.001)。
4.以因变量（Q8）为被预测变量，自变量(Q19)、中介变量1（Q9）及中介变量2（Q6_A1_op）为预测变量的回归方程 ：
结果表明，自变量Q19对因变量Q8存在显著正向预测作用（β=0.0123，p<0.001)；中介变量1（Q9）对因变量Q8存在显著正向预测作用（β=0.0518，p<0.05)；而中介变量2（Q6_A1_op）对因变量Q8的预测作用不显著（β=-0.0262，p>0.05)。
5.总体效应：以因变量 Q8为被预测变量，自变量 Q19及中介变量1、2为预测变量的总体效应：
结果表明，自变量Q19对因变量Q8的预测作用显著（总效应β值为0.131，p<0.001）。
6.接下来是自变量对因变量的总体、直接和间接效应
结果表明，自变量 Q19对因变量Q8的直接效应为0.0135，占总效应的 94.41％；自变量通过中介变量1（Q9）对因变量Q8的间接效应为0.0009， 占 总 效 应 的5.59％。而通过中介变量2（Q6_A1_op）对因变量Q8的间接效应为0.0000，置信区间包含0，即中介变量2在自变量与因变量间的中介作用不显著；中介变量1和中介变量2的链式中介效应为0.000，,95%的置信区间包含了0，即中介变量1和中介变量2在自变量与因变量之间的链式中介效应也不显著。
另外 由于加入中介后， 自变量Q19对因变量Q8的直接效应的置信区间仍不包含零， 故中介变量Q9在自变量Q19与因变量Q8之间发挥了部分中介作用。
7.最后是模型及误差的简介——置信区间及bootstrap抽样情况
参考文献：
[1]温忠麟, & 叶宝娟. (2014). 中介效应分析:方法和模型发展. 心理科学进展,022(005), 731-745.
[2]Preacher, K. J. ,& Hayes, A. F. . (2004). Spss and sas procedures for estimating indirecteffects in simple mediation models. Behavior Research Methods, Instruments & Computers,36(4), p.717-731.