看了上文，原文恕刪 基本上，中介(mediation)是在描述，自變項之所以會影響依變項，(完全/部分)是 因為自變項影響了中介變項(前方括弧內分別陳述完全中介/部分中介的情形)。而在 檢驗的應用上，看起來你採用的是BK法，分析步驟也如你所述，但1986那篇文章中， Barron & Kenny其實也告訴我們在部分中介時，可多做一步檢驗(e.g., sobel test) 確認部分中介，也就是說，在檢驗結果中你看到了c => c'係數下降，但這兩個係數 都還是穩定存在的(p <.alpha)，那麼你沒理由用眼球檢驗法來確認這兩個非0的係數 的改變是顯著的，因此可進一步進行差異檢定以提供更嚴謹的證據。而常用的方法就 是sobel test(可參考下方網址)。但由於計算sobel test對資料常態性與標準誤的敏 感性，MacKinnon、Hayes等人建議以拔靴法(bootstrapping)來自體重複抽樣，求出 較準確的標準誤，再以信賴區間的方式來確認中介關係(通常看到的用字是間接效果 indirect effect)(下方有macro可載至spss)。 soble test: http://www.danielsoper.com/statcalc3/calc.aspx?id=31 indirect effect: http://www.afhayes.com/spss-sas-and-mplus-macros-and-code.html 另一方面，你也提到調節(moderation)，基本上調節是在描述自變項對依變項的影響 /效應為何並不確定，得看調節變項是什麼狀態才知道。而可用的分析方法也確實如 你所述，以迴歸分析可進行。但是，在你的問題中，似乎把中介跟調節的概念混淆了 ，這兩種概念描述的是不同的機制，中介基本上可以說是在解答"why"，而調節則是 "when"，這是完全不同的邏輯。再者，你談到調節式中介/中介式調節(個人是覺得在 賣弄統計與方法學罷了)，確實滿多人以這樣的方式在考量變項之間的關係，但我認為 ，還是先把妳要解答的問題跟邏輯釐清，再選擇對應的解答方法就好了。最後， 你也說道你的主要的依變項是二元的，是不是可當作連續變項(好像是這樣吧！？)，其 實在處理類別變項當作連續變項的轉換(dummy coding)，確實就是把類別變項依據水準 數分成好幾個二元變項的組合，剛好你的依變項就只有兩個水準，換成一個二元變項等 於不用換(lucky~)。 祝你好運！ --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 118.163.34.145 ※ 文章網址: http://webptt.com/m.aspx?n=bbs/Statistics/M.1399515106.A.B17.html