本文详述了使用Process插件在SPSS中进行中介作用、调节作用、多重中介作用和有调节的中介作用的检验方法。内容包括数据核查、标准化、数据清理、共同方法偏差检查、多重共线性检定、相关系数计算、分类数据虚拟化等数据预处理步骤。此外，还介绍了中介作用和调节作用的原理、操作步骤及结果解读，提供了一个从入门到精通Process插件的全面指南。
使用Process方法检验中介作用和调节作用
本文将详细说明使用Process插件分析中介作用、调节作用、多重中介作用、有调节的中介作用、有中介的调节作用这5种常见的检验方式。
如果你还没有安装这个插件，可以在公众号中找到最新版本及相应的安装教程。
包含操作视频的原文详情在这里。
相关资源下载关注我的公众号 柘柠 。
1引言
如果你的研究设计使用的是问卷调查，想要构建一个中介或者调节（或者有调节的中介/多重中介）模型，而不考虑复杂的潜变量结构，那你需要了解这篇文章中介绍的PROCESS插件怎么使用，因为这篇文章帮助你从入门到精通Process插件的操作。
在正式开始使用Process分析数据之前，我建议把后面附的参考文献找来看一下。你需要安装SPSS软件，然后下载并安装Process插件，具体的安装步骤可以看这里。
安装好插件以后，你需要先了解模型序号。
1#简单调节
4#简单中介
5#调节直接路径
6#链式多重中介
7#调节中介路径前半段
8#调节中介路径前半段和直接路径
14#调节中介路径后半段
15#调节中介路径后半段和直接路径
2数据分析前的准备工作
2.1数据核查
2.1.1条件
如果你使用的是电子问卷（网络问卷），在保证你所有想要纳入到数据分析的内容都是必填题的情况下，这一步你可以跳过。
如果你是发放的纸质问卷，那么数据核查是十分必要的，这一步操作要在所有操作之前进行。
2.1.2意义
数据核查能够帮你找出数据录入过程中人为错误导致的电子数据与纸质数据不一致的状况，避免人为误差导致的极端值和缺失值。
2.1.3操作
为了避免出现人为误差，可以在录入数据之前选择使用EpiData 录入软件录入数据并进行数据核查。
如果你看到这里时已经使用Excel或者SPSS等常用软件录入了纸质问卷，这时候使用SPSS软件中的描述统计（依次点击Analyze/分析 - Descriptive Statistics/描述统计 - Descriptives/描述 ）检验每一个变量下所有数据的缺失值、极大值与极小值，若极大/极小数据与量表中的等级上下限不一致，则说明数据录入错误，需要找到数据对应纸质问卷确认数据。因此强调大家在纸质问卷录入时给纸质问卷编号，避免后期数据核查时找不到/很难找到原始问卷。
但是这种数据核查方式也只能检查出超过极大/极小值异常的数据，若错误发生在量表极端值范围内，则无法察觉。举个例子：如果量表是5级计分，则数据文件中出现「7」则可以判断为数据录入错误，但如果纸质问卷上是「2」，数据文件中显示为「5」就无法发现录入错误。
2.2数据标准化/中心化
2.2.1意义
在确定了所有数据都能够正确反映纸质问卷的内容后，需要对纳入数据分析的变量进行标准化计算，从而确定脱离±3SD（正负三个标准差范围内）的极端数据。这一点建立在一般心理学研究都基于「正态分布假设」，如果你十分确定你在后续的数据分析中不会用到与正态分布假定相关的任何内容（方法、假设等），这一部分根据±3SD确定极端值的部分可以忽略。
除了确定极端值，对数据进行标准化还可以方便后续软件操作后的结果解读。
2.2.2操作
在SPSS软件中的描述统计时，直接勾选「Save standardized values as variables/将标准化值另存为变量」，即可快速获得标准化数据。
如果你的SPSS版本比较低，没有这一勾选项的话，可以人工计算标准化数据，具体的公式可以参考你学的统计书里面的公式。
2.3数据清理
如果你是心理学领域的学生，或者学科中变量也服从正态分布，那么你就需要对极端值进行清理了。
在上一步中，我们用软件得出了每个纳入数据计算的变量的标准差，这时候你只需要在变量视图中对应的变量名称上右键单击，选择降序/升序排列数据，就可以轻松发现极端值对应的数据，删除这一份数据。
2.4共同方法偏差检查
使用问卷测量会考虑到「共同方法偏差」这一问题，现在期刊发表的文章中都要有这一部分的内容。
2.4.1定义
共同方法偏差指的是因为同样的数据来源或评分者、同样的测量环境、项目语境以及项目本身特征所造成的预测变量与效标变量之间人为的共变。
这种人为的共变对研究结果产生严重的混淆并对结论有潜在的误导，是一种系统误差。
共同方法偏差在心理学、行为科学研究中特别是采用问卷法的研究中广泛存在。
2.4.2来源
- 方法出自同一个来源或评价者：主题的一致性；题目之间存在内在相关，隐性相关；社会期望；倾向于宽松的偏差；默认偏差；情绪状态（积极和消极情感）；瞬间情绪状态等。
- 问项的特征：问项的社会期望；问项的需求特点；问项的歧义；共同量表格式；共同量表锚定；正向和反向编码的顺序等。
- 问项的内容：问项启动效应；问项的嵌入；语境引起的情绪；量表长度；问卷中混用的（或分组的）问项和结构等。
- 测量语境的影响：在同一时间点的测量的预测和标准变量；在同一地点测量的预测和标准变量；采用统一介质测量的预测和标准变量。
2.4.3检验与控制
程序控制：这种方法是从偏差的源头进行控制的，所以做问卷研究应当首先考虑程序控制。在设计问卷和施测时候，通过不同的测量方式获得预测变量和效标变量。对测量进行时间、空间、心理、方法上的分离：采用匿名测评，保护反应者的匿名性；减小对测量目的的猜度；合理设置问题的顺序；合理设置问卷长度。
统计检验和控制：在实际的操作中，想要通过上述几点来完全避免共同方法偏差是非常难以实现的，因此就需要使用统计方法，对偏差进行检验和统计控制。
目前为止，主要有两种方法来检测共同方法偏差：哈门氏单因子检定(Harman’s one-factor test)、CFA单因子及多因子检定。
| Harman’s one-factor test | CFA单因子及多因子检定 | |
| 基本假设 | 大量变异导致析出单独一个因子/一个公因子解释了大部分变异 | 将共同方法偏差作为一个潜在变量，若含此变量模型拟合更优，则有偏差 |
| 优点 | 简单易用 | 可以估计并且控制共同方法偏差 |
| 缺点 | 不灵敏、没有控制作用 | 必须识别偏差来源且有效测量，假定方法因子与特征因子相互独立 |
在近年来一些学者认为，Harman’s方法存在一定的问题，不建议继续使用，但在目前国内心理学研究中使用的共同方法偏差检验方法中，还是以Harman’s的单因子检验为主，很少使用其它两种方法。
2.4.4操作
基于检定的简便性，我在这里使用Harman’s方法演示检定的步骤。
打开SPSS软件，在Analyze/分析 - Dimension Reduction/降维 - Factor/因子，保持系统默认设置，将数据分析中涉及到的所有题目都选进选项框中，点击确定。
在结果中看「Total Variance Explained/总方差解释」所在的表格，第一个成分的累积百分比在50%以下，即表明共同方法偏差带来的方差变异不显著。
2.5多重共线性的检定
多重共线性是指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使模型估计失真或难以估计准确。
使用Process插件检验中介/调节作用的原理是线性回归，因此，避免和检验多重共线性这一点就变得尤为重要。
多重共线性的检定需要依次点击SPSS中的Analyze/分析-Regression/回归-Linear/线性，在弹出的框中对应选入相应的因变量和自变量，在自变量框下的方法中将「Enter/进入」换成「Stepwise/逐步」，然后在右侧的Statistics中勾选「Collinearity diagnostics」选项，点击确定输出结果。
在结果中，查看VIF和Minimum Tolerance/容差两项参数，一般认为如果Tolerance < 0.2或VIF > 10，则要考虑自变量之间存在多重共线性的问题。
2.6相关系数计算
只有在两个变量之间存在着显著的较高相关时，中介变量的路径系数才有可能显著。所以在正式进行中介、调节作用分析之前，还需要做模型涉及所有变量的相关分析。
建议在罗列数据时按照文章中出现的变量顺序由上至下罗列变量名，这样可以达到文章中出现的变量顺序一致，便于同学、老师查看。
2.7分类数据虚拟化
使用Process插件进行中介、调节作用检验是基于线性回归原理的，线性回归对变量的要求就是所有变量都是连续型变量，因此，当你的变量是称名变量也称分类变量（性别、年级、人格等）时，就需要对称名变量进行虚拟化，将称名变量转化成哑变量/虚变量(Dummy Variable)。
你可以手动编码（如果你的SPSS版本过低没有相关选项），也可以使用软件中自带的编码功能进行转化。
在SPSS23.0及以后的版本中，点击「Transform/转换 - Create Dummy Variable/创建虚变量」的选项，可以较为快速的创建虚变量。
2.8软件安装
在本文中主要用到的是Hayes开发的针对于SPSS软件的Process插件，主要针对于显变量的中介调节作用检验。
如果你的模型涉及了潜变量，Process插件将不再适用，请学习Amos或Mplus软件操作。
关于Process插件的安装方法，可以在文章最后的往期内容导航中找到对应文章，其中包含了安装此插件的详细步骤。
3中介作用和调节作用
在文章的不同部分我也会放上操作录屏，你在做的时候可以参考视频中的操作步骤。
首先，我们先要了解一下什么是中介作用和调节作用。
3.1注意事项
最好将变量进行标准化（中心化也行）后再选到Process的框中，这样可以避免变量多重共线性对数据结果的影响。
Process只能进行显变量中介作用（调节作用）检验，如果你的模型涉及到潜变量，那你需要移步到Amos或者Mplus或者Lisrel。
3.2中介作用
3.2.1原理
中介作用主要的检验方法是使用分层回归分析。先对自变量和因变量进行回归分析，确定总效应c。
然后分别计算自变量到中介路径的回归系数a，自变量到因变量的直接路径系数c’ ，以及中介变量到因变量的回归系数b。若c=a*b+c’，则中介路径成立。
3.2.2操作
3.2.3结果解读
3.3调节作用
3.3.1原理
3.3.2操作
3.3.3结果解读
3.4多重中介作用
3.4.1原理
3.4.2操作
操作时选择模型6；在中介变量栏中一次由上至下放入积极心理资本和负性思维。
3.4.3结果解读
3.5有调节的中介作用
3.5.1原理
有调节的中介作用，简单来说就是原本成立（不成立）的一个中介作用，在调节变量的介入之后，某条路径从不显著变得显著，或者有微弱显著到较强显著的情况。
3.5.2操作
操作时选择与你模型设想一致的模型序号（如果你发现模型pdf里面没有你想要做的模型，那你需要自学一下如何自定义模型）；在中介变量栏（Mediator）中放入中介变量，在调节变量栏（Moderator Variable）中放入调节变量。注意，如果你的模型有两个调节变量，请按照模型图所示分别将调节变量放进W栏和Z栏。
3.5.3结果解读
有调节的中介作用的结果解读可以看作是将简单中介作用和简单调节作用结果结合在一起的呈现。你可以参考上面简单中介和简单调节的结果解读部分的内容进行解读。
3.6有中介的调节作用
有中介的调节作用，简单来说就是：调节作用是你想要研究的重点，但是当某一个变量作为中介变量出现后，这种调节作用被分散了。
Hayes在书中提到，有中介的调节作用也可以看作是有调节的中介作用，并且按照理论和实际来看，还是解释为有调节的中介作用比较合理，因此，我也不建议你做有中介的调节作用，如果你觉得你的模型一定要做有中介的调节作用，你可以在模型图中寻找对应模型自行分析解释。
4参考文献
丹豫晋，石岩, 刘映海. (2018). 体育科学研究中有中介的调节和有调节的中介潜变量模型检定. 天津体育学院学报, 33(05), 419-425+447.
方杰，温忠麟. (2018). 基于结构方程模型的有调节的中介效应分析. 心理科学, 41(02), 453-458.
方杰，温忠麟，张敏强，孙配贞. (2014). 基于结构方程模型的多重中介效应分析. 心理科学, 37(03), 735-741.
汤丹丹，温忠麟. (2020). 共同方法偏差检验：问题与建议. 心理科学, 43(01), 215-223.
温忠麟，张雷，侯杰泰，刘红云. (2004). 中介效应检验程序及其应用. 心理学报(05), 614-620.
温忠麟，叶宝娟. (2014a). 有调节的中介模型检验方法:竞争还是替补? 心理学报, 46(05), 714-726.
温忠麟， 叶宝娟. (2014b). 中介效应分析:方法和模型发展. 心理科学进展, 22(05), 731-745.
熊红星，张璟，叶宝娟，郑雪，孙配贞. (2012). 共同方法变异的影响及其统计控制途径的模型分析. 心理科学进展, 20(05), 757-769.
周浩，龙立荣. (2004). 共同方法偏差的统计检验与控制方法. 心理科学进展(06), 942-950.
Aguirre-Urreta, M. I., & Hu, J. (2019). Detecting Common Method Bias: Performance of the Harman's Single-Factor Test. ACM SIGMIS Database: the DATABASE for Advances in Information Systems, 50(2), 45-70.
Hayes, A. F. (2017). Introduction to mediation, moderation, and conditional Process analysis: A regression-based approach. Guilford publications.
Hayes, A. F., & Rockwood, N. J. (2020). Conditional process analysis: Concepts, computation, and advances in the modeling of the contingencies of mechanisms. American Behavioral Scientist, 64(1), 19-54.
Richardson, H. A., Simmering, M. J., & Sturman, M. C. (2009). A tale of three perspectives: Examining post hoc statistical techniques for detection and correction of common method variance. Organizational Research Methods, 12(4), 762-800.
5相关资源
SPSS官网：https://www.ibm.com/cn-zh/analytics/spss-statistics-software
PROCESS插件安装教程：https://mp.weixin.qq.com/s/nPYccGJmmTzHYKPn_4aV7w
6结语
文章中涉及到的知识比较多，可能会有一些小的错误存在，也希望你们在发现错误时候留言告诉我，我会求证改进。因此这篇文章也会保持持续更新。
希望你通过这篇文章，能够掌握Process的基本原理和操作，祝你模型显著～
7公众号往期内容导航
01Endnote使用教程
02Process插件安装教程
03介绍一些学术软件、网站资源
04网站推荐（查询引文期刊质量）
05Mac OS 10.15.6软件安装问题解决方法
06RSS阅读器介绍及使用方法
07走在学术潮流前线
08颜色编码——一种高效的内容分类方法
扫一扫
4691
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
