1樓：月影花浮動
你好，請問你找到原因了麼，我也遇到了這樣的問題
用spss迴歸分析，得到自變數與中介變數顯著正相關，中介變數與因變數顯著負相關，但自變數與因變數正
2樓：呂秀才
這不就是加入中介變數的原因麼？而且出現這種結果是很正常的。
很多時候 自變數和因變數之間的關係並不明顯，因為中間會有中介變數的影響。所以才需要引入中介變數，然後通過繪製一個路徑模型來把你的這個結果表示出來就好了。
就是自變數對中介變數有影響，中介變數對因變數又有影響。
3樓：
請問這個問題解決了嗎？目前我的問題和您類似，自變數與中介變數顯著正相關，中介變數與因變數顯著負相關，但自變數與因變數顯著正相關
4樓：匿名使用者
資料質量不行，修改資料吧
請問什麼是中介變數與調節變數？他們二者的區別是什麼？能否在組織行為學中舉例說明？
5樓：匿名使用者
中介變數：考慮自變數x 對因變數y的影響,如果x 通過影響變數m 來影響y,則稱m 為中介變數。例如,上司的歸因研究:
下屬的表現———上司對下屬表現的歸因———上司對下屬表現的反應,其中的「上司對下屬表現的歸因」為中介變數 。
例子：雙11剛過，各位宅男宅女的花唄應該已經透支了。言歸正傳，買家通過**購買商品，這時**這一平臺就相當於中介變數，買家相當於自變數，商品相當於因變數。
調節變數：如果變數y與變數x的關係是變數m 的函式,稱m 為調節變數。就是說, y與x 的關係受到第三個變數m 的影響。
調節變數可以是定性的(如性別、種族、學校型別等) ,也可以是定量的(如年齡、受教育年限、刺激次數等) ,它影響因變數和自變數之間關係的方向(正或負)和強弱。
例子：原本夫妻關係和諧，因為第三者插足，使之原來的關係變差，那麼第三者就相當於調節變數，改變兩個變數之間關係的強度或方向。這個很好理解。
調節效應和互動效應在統計模型上無本質區別；但調節效應能夠指定誰是自變數，誰是調節變數；而互動作用地位是等價的。
在互動作用分析中, 兩個自變數的地位可以是對稱的, 其中任何一個都可以解釋為調節變數;也可以是不對稱的, 只要其中有一個起到了調節變數的作用, 互動效應就存在。但在調節效應中, 哪個是自變數, 哪個是調節變數, 是很明確的, 在一個確定的模型中兩者不能互換。
有中介的調節模型意味著自變數對因變數的效應受到調節變數的影響, 而調節效應(至少部分地)通過中介變數而起作用。有中介的調節效應顯著意味著:
(1)做y對x、u和ux的迴歸,ux的係數顯著; (這一步說明u對y與x關係的調節效應顯著。)
(2)做w對x、u和ux的迴歸,ux的係數顯著;
(3)做y對x、u、ux和w的迴歸,w的係數顯著。
如果在第(3)步中,ux的係數不顯著,則u的調節效應完全通過中介變數w而起作用。從上面分析步驟可知,檢驗有中介的調節效應時,先要檢驗調節效應,然後檢驗中介效應。
6樓：為江山放棄了愛
一、定義
1、中介變數(mediator)是自變數對因變數發生影響的中介，是自變數對因變數產生影響的實質性的、內在的原因 。如果變數y與變數x的關係是變數m的函式，稱m為調節變數。
2、調節變數是指考慮自變數x 對因變數y的影響,如果x通過影響變數m來影響y,則稱m為中介變數。調節變數可以是定性的(如性別、種族、學校型別等) ,也可以是定量的(如年齡、受教育年限、刺激次數等) ,它影響因變數和自變數之間關係的方向(正或負)和強弱。
二、區別
1、研究目的不同
調節變數研究的目的是x何時影響y或何時影響比較大。中介變數研究的目的是x如何影響y。
2、m的功能不同
調節變數m的功能影響y和x之間關係的方向（正和負）和強弱。中介變數m代表一種機制，x通過它影響y。
3、檢驗策略不同
調節變數做層次迴歸分析，檢驗偏回歸係數c的顯著性，或者檢驗測定係數的變化。中介變數做依次檢驗，必要時做sobel檢驗。
三、例子
1、中介變數
例如：學生的學習效果和指導方案的關係，往往受到學生個性的影響，一種指導方案對某類學生很有效，對另一類學生卻沒有效，從而學生個性是調節變數。
又如學生一般自我概念與某項自我概念(如外貌、體能等)的關係，受到學生對該項自我概念重視程度的影響：很重視外貌的人，長相不好會大大降低其一般自我概念；不重視外貌的人，長相不好對其一般自我概念影響不大，從而對該項自我概念的重視程度是調節變數。
2、調節變數
例如：上司的歸因研究：下屬的表現———上司對下屬表現的歸因———上司對下屬表現的反應,其中的「上司對下屬表現的歸因」為中介變數 。
如果一個變數與自變數或因變數相關不大,它不可能成為中介變數,但有可能成為調節變數。
理想的調節變數是與自變數和因變數的相關都不大。有的變數,如性別、年齡等，由於不受自變數的影響,自然不能成為中介變數，但許多時候都可以考慮為調節變數。對於給定的自變數和因變數，有的變數做調節變數和中介變數都是合適的，從理論上都可以做出合理的解釋。
擴充套件資料
調節變數的特徵
一般來說，調節變數是定性（如，性別，種族，階層）或定量（如，回報大小）變數，影響自變數（iv）或**變數（pv）與因變數（dv）或效標變數（cv）之間關係的方向和/或強度。
在相關分析中，調節變數是影響其它兩個變數之間的零次相關（the zero-order correlation）的第三方變數。在更熟悉的方差分析中，自變數與通過操控設定為某種條件的因子之間的互動作用代表一個基本的調節效應。
調節變數總是作為自變數，而中介從結果到原因的角色變化取決於分析的重點。
7樓：
節變數(moderator)和中介變數(mediator)是兩個重要的統計概念,它們都與迴歸分析有關。相對於人們關注的自變數和因變數而言,調節變數和中介變數都是第三者,經常被人混淆。從文獻上看,存在的問題主要有如下幾種:
(1)術語混用或換用,兩個概念不加區分。例如,在描述同一個過程時,既使用調節過程的術語又使用中介過程的術語(2)術語和概念不一致。如研究的是調節過程,卻使用中介的術語。
(3)術語和統計分析不一致。如使用了中介變數的術語,卻沒有做相應的統計分析。出現前面的任何一個問題都會使統計結果解釋含糊不清,往往導致錯誤結論。
僅在兒童臨床心理和少兒心理方面的研究文獻中, holmbeck就指出了不少誤用的例子[。
國內涉及中介變數的文章不多,涉及調節變數的就更少。從國外的情況看,一旦這方面的定量分析多起來,誤用和混用的情況也就可能多起來,所以讓應用工作者正確理解和區分中介變數和調節變數,會用適當的方法進行統計分析,對提高心理科學的研究水平具有積極意義。
調節變數的定義
如果變數y與變數x的關係是變數m 的函式,稱m 為調節變數。就是說, y與x 的關係受到第三個變數m 的影響。調節變數可以是定性的(如性別、種族、學校型別等) ,也可以是定量的(如年齡、受教育年限、刺激次數等) ,它影響因變數和自變數之間關係的方向(正或負)和強弱.
例如,學生的學習效果和指導方案的關係,往往受到學生個性的影響:一種指導方案對某類學生很有效,對另一類學生卻沒有效,從而學生個性是調節變數。又如,學生一般自我概念與某項自我概念(如外貌、體能等)的關係,受到學生對該項自我概念重視程度的影響:
很重視外貌的人,長相不好會大大降低其一般自我概念;不重視外貌的人,長相不好對其一般自我概念影響不大,從而對該項自我概念的重視程度是調節變數。
中介變數的定義
考慮自變數x 對因變數y的影響,如果x 通過影響變數m 來影響y,則稱m 為中介變數。例如,上司的歸因研究:下屬的表現———上司對下屬表現的歸因———上司對下屬表現的反應,其中的「上司對下屬表現的歸因」為中介變數 。
如果一個變數與自變數或因變數相關不大,它不可能成為中介變數,但有可能成為調節變數。理想的調節變數是與自變數和因變數的相關都不大。有的變數,如性別、年齡等,由於不受自變數的影響,自然不能成為中介變數,但許多時候都可以考慮為調節變數。
對於給定的自變數和因變數,有的變數做調節變數和中介變數都是合適的,從理
論上都可以做出合理的解釋。
自變數與變數的區別
調節變數是調節一組關係的變數，例如 氣溫影響穿衣服的數量，但是如果一個人體質很好，即使氣溫較低，也可能穿較少的衣服，這個時候，體質就是氣溫和穿衣服數量關係間的調節變數。而氣溫則是自變數。從上面這個例子中可以看出，自變數和調節變數沒有本質的區別，設想，體質與穿衣服數量也可以成為一組關係，這時這一關係將...
什麼叫做自變數 因變數 控制變數
阿沾 1 自變數 一詞來自數學。在數學中，y f x 在這一方程中自變數是x，因變數是y。將這個方程運用到心理學的研究中，自變數是指研究者主動操縱，而引起因變數發生變化的因素或條件，因此自變數被看作是因變數的原因。2 因變數 在具體的生物學等實驗領域中因變數的理解是 因變數是由於自變數變動而直接 由...
自變數和因變數的定義是什麼
姐妹食記 二者的定義分別為 1.自變數 independent variable 一詞來自數學。在數學中，y f x 在這一方程中自變數是x，因變數是y。將這個方程運用到心理學的研究中，自變數是指研究者主動操縱，而引起因變數發生變化的因素或條件，因此自變數被看作是因變數的原因。自變數有連續變數和類別...