Les effets intermédiaires font référence à l'effet des variables (x → y) n'est pas une relation de chaîne directe, mais en passant un ou beaucoup. Tourner à m Recherche indirectement, à l'heure M est une variable intermédiaire, X s'appelle l'effet intermédiaire par l'effet indirect de M de M de M de Y.

L'équation de base et de régression ci-dessus décrit la Relation entre variables:

Équation (1) C Factor C est l'effet total de la médecine;

Coefficient A d'équation (2) est l'effet direct de x à m;

Formule (3) Le coefficient B est contrôlé après l'effet de x, m directement l'effet de Y;

C-coefficient C "est l'effet direct de x à y après l'effet de M; A * B coefficient généré par la variable intermédiaire M est un effet intermédiaire, il existe un effet intermédiaire la relation Entre a * b = cc.

II. Étape d'analyse

Étape 1: x à Y, le coefficient de régression signification

Étape 2: X En ce qui concerne la régression de M, l'importance du facteur de régression A

Étape 3: X et M Concernant la régression de Y, vérifie l'importance du numéro du système B et C

Dans le logiciel de fonctionnement SPSS, une analyse de régression linéaire a été réalisée sur la congrégation (1) (2) (3) et l'échelle du coefficient de l'émetteur actuellement. Ouvrez l'analyse de la barre de menus → Régression → Type de ligne, ajoutez des variables et des sorties indépendantes, des sorties, entraînant un facteur.

Trois. Cas typiques


L'importance des facteurs psychologiques (inquiétude) entre la recherche sur la signification de la révision et des performances de travail, les données de cas comprennent 3 la variable "non reconnue" "," inquiétude "," performance".

Du concept de variable indépendantes "intermédiaires", "non reconnu", c'est-à-dire "inquiétude", variables intermédiaires m, "performance de travail" est variable Y.

: Véhicule d'exportation = C * x + E1 si le facteur C est significatif

OutilsC'est vraiment simple, ce qui signifie un processus de régression linéaire conventionnel. Menu: "Analyser" → "Retours" → "Linear", qui fonctionne dans la ligne de régression de la boîte de dialogue principale.

clairement, le modèle Y = C * X + E1 vaut la peine de noter que le coefficient de normalisation C = 0,678, P = 0000, de manière significative. Vous pouvez continuer à vérifier que deux autres équations sont très importantes.

STEP2: chaîne d'essai M = A * X + E2 Si le coefficient A est significatif


Répétez le processus de régression linéaire, tournez les sédiments de soutenus utilisés comme variables et tâches qui ne sont pas identifiés peuvent être équipés de linéairement comme argument.

Évidemment, le modèle M = A * X + E2 est très remarquable, le coefficient de normalisation A = 0,533, p = 0,000, le coefficient est très perceptible. Une autre équation peut continuer.
Étape 3: Équation de vérification Y = C '* X + B * M + E3 Chine B et C' de manière significative


Répéter le processus de régression linéaire, les performances fonctionnent comme des variables, les opérations ne sont pas reconnues et concernées simultanément comme argument et pratique de manière linéaire disponible.

Clairement, le modèle Y = C '* X + B * M + E3 est remarquable, le coefficient de normalisation B = 0,213, p = 0000, le coefficient est très perceptible. C '= 0,564 coefficient, p = 0000, remarquable.

À ce stade, le coefficient A et le coefficient B dans l'équation (3) La variable "inquiétude" est très significative et c 'dans l'équation (3) significative, de sorte que cette étude appartient à certains effets intermédiaires.

La variable "travail n'est pas reconnue" affecte l'effet intermédiaire de "performance de travail" en raison de variables "inquiet" ", le travail n'est pas reconnu" Performance "a un certain nombre d'effets directs.

Le taux de cotisation des effets intermédiaires pour effet total: m = A * B / C = 0.533 * 0,213 / 0,678 = 0,167 et 16,7%