组织研究者经常提出和检验涉及变量之间关系的假设。除了简单的双变量关联,更复杂的模型可能涉及第三个变量,提供更大的解释能力。两种常见的解释机制是中介变量和调节变量。重要的是,中介变量和调节变量在因果模型中有根本不同的影响,必须保持概念上和统计上的不同。中介变量是一个更长的因果链的一部分。在最简单的例子中,一个前置变量导致一个中介变量,中介变量又导致一个结果变量。或者,调节变量并不意味着特定的因果序列。当其他两个变量之间的关系根据调节者的级别发生变化时,变量就被称为调节者。由于这些变量的不同性质,中介变量和调节变量分别讨论,以及通常与评估其存在相关的统计检验。
在本讨论中,x代表预测变量,y代表准则变量,m代表中介或调节变量。
中介变量
如图所示,中介可以用简单的模型x - m - y来表示,在这个模型中,m调解了x和y之间的关系,正如这个模型所示,一个中介变量在其他两个变量之间传递方差。因此,在模型中,中介作为解释机制。也就是说,中介提供了一种解释,解释了两个变量是如何以及在某种程度上为什么是相关的。例如,在一个模型中,研究人员认为学生的学习与班级规模呈负相关(即,小班的学生比大班的学生学得更多)。为了解释这种效应,研究者在模型中加入了一个中介变量(例如,学生-教师互动的数量)。也就是说,在小班教学中,老师应该花更多的时间在每个学生身上,而这反过来又与学生的学习有关。学生-教师互动的数量提供了一种机制,通过这种机制可以解释班级规模与学习之间的二元关系。
一个变量作为中介的程度可以很容易地使用普通最小二乘回归的三步过程来检验。在第一种分析中,y被回归到x上。这一步是必要的,因为m必须有一个关系作为中介。如果x和y是不相关的,m就不能调解一个不存在的关系。在第二次分析中,m回归到x上,如果x和m不相关,m就不能作为中介机制。最后,将y同时对x和m进行回归,并将与x相关的回归系数与第一步计算的回归权重进行比较。m在x-y关系中起中介作用的程度是由这些系数之间的差值来定义的。如果与x相关的回归权重降为零,则称m完全介导了x与y之间的关系,简而言之,当模型中包含m时,x对y的影响就得到了充分的解释。在与x相关的回归权重下降但未降至零的情况下,提供了部分中介的证据。在这种情况下,m解释了x-y关系中的一些方差,但仍然存在x对y的直接影响。索贝尔检验经常用于检验这种间接(即中介)效应的存在。
最近,学者们讨论了这些步骤在多大程度上需要调解;有些人认为xand y&y之间的关系并不重要,以便m作为中介变量。在这个测试调解的替代过程中,当x-y关系在量级上相对较小或当抑制是可能的时候,第一步是不必要的。
主持人变量
变量可以调节关系,使x和y之间的关系随着m的变化而变化。简而言之,调节从根本上说是一种互动效应。同样,普通最小二乘回归可以用来检验适度。测试是否适度需要两个步骤。首先,在以y为准则变量的分析第一步中输入x和m的主效应。在第二步中,输入x和m的乘积,并评估Rs从第一个模型到第二个模型的变化的平方,以获得统计显著性。如果这个值很重要,就提供了适度的证据。
当交互项很重要时,节制的本质(即,有序与无序交互)可以很容易地用二维图形表示来说明。例如,想象一个普通阅读能力测试(x)和大学绩效衡量教师评级(y)。假设一个研究员评估是否感兴趣这些变量之间的关系是相同的跨性别(m)子组应用前面的段落中描述的统计方法和观察以下回归方程:
Y = 0.58 (x) + 31.03(m) + (- 0.24)(x)(m) + (-9.92)
这个方程可以用x和m的值来绘制这两组的回归线。
虽然概念上不同,但调解和调节分析有几个共同的问题。例如,两种分析都可能受到多重共线性的强烈影响。在中介情况下,x和m之间的强相关性会影响最终方程中回归系数估计的精度。在适度测试中,假定交互项直接计算为x和m的乘积,该项可以与单个预测因子中的一个或两个强相关。为了解决这个问题,在形成交互项之前,x和m的中心通常是对应的平均值减去每个观察到的分数。
最后,调解和调节可以出现在同一个因果模型中。当两个变量对利益结果的交互效应通过一个中介变量时,中介调节被认为是存在的。或者,当一个中介模型对一个组比另一个组更强时,就会说有调节的中介存在。
引用:
- 巴伦,R. M.,和肯尼,D. A.(1986)。社会心理学研究中的调节-中介变量区别:概念、策略和统计考虑。人格与社会心理学杂志,51,1173 -1182。
- Cohen, J., Cohen, P., West, S. G., & Aiken, L. S.(2003)。应用行为科学的多元回归/相关分析(第三版)。新泽西州莫沃:劳伦斯·埃尔鲍姆。
- 尖叫,P. E. & Bolger, N.(2002)。实验性和非实验性研究中的调解:新的程序和建议。心理学方法,7,422 -445。