12月12日下午,美国内布拉斯加大学奥马哈分校传播学院助理教授比畅以“调节中介效应:Hayes Process建模法”为主题,为新闻传播学院博士生带来一场精彩的讲座,详细介绍了如何利用Process的模型进行中介和调节效应分析。比畅老师主要研究方向为亲社会战略传播、品牌活动、健康传播以及人工智能的应用。
![](/_upload/article/images/68/fc/8864e1b845a0b62e13093cd85d93/006220c1-8af0-4e09-ae2e-07529d989559.jpg)
讲座伊始,比畅老师首先介绍了Process是加拿大卡尔加里大学教授Andrew F. Hayes基于SPSS和SAS开发的插件,主要用于进行中介和调节效应分析。比畅老师指出Process模型的原理为在原本样本中抽取5000个小样本,进行回归分析,从而提高数据结果的可信度,适用于原本样本量较小的数据。
接下来,比畅老师简单介绍了什么是回归。她讲到,回归的目的是考察一个或多个自变量和目标变量之间的关系,并确定自变量对应变量的影响程度。比畅老师以分析社交媒体使用时长和年龄的关系为例,大致解释了回归分析的过程,包括绘制散点图、估算回归方程等,通过方程的回归系数,可以看出自变量对应变量的影响程度。
![](/_upload/article/images/68/fc/8864e1b845a0b62e13093cd85d93/512bcbd4-bf27-4cb5-b816-afa3efd41374.jpg)
随后,比畅老师从三个维度比较了Process模型和结构方程模型(Structural Equation Model, SEM)之间区别。第一,研究目的不同。SEM模型关注多个变量之间相互关系以及它们的对整体的共同作用;Process模型聚焦于变量的中介和调节效果,主要用于判断一个变量是否是有影响力的中介变量。第二,模型类型不同。SEM模型可以包含潜在变量;Process模型需要人为归纳组合。比畅老师强调,应该根据研究目的选择合适的模型。
Process模型主要用于分析两种变量的效果:中介变量(mediator)和调节变量(moderator)。比畅老师对这两种变量及其基础模型模板分别做了介绍。中介变量是自变量(X)对应变量(Y)产生影响的中介,X通过影响中介变量来影响Y;调节变量则具有叠加效果的作用,调节X对Y的影响的大小或方向。比畅老师向同学们介绍Process建模共有74种模型模板,其中模型1是最基础的调节效应模型,模型4是最基础的中介效应模型。
![](/_upload/article/images/68/fc/8864e1b845a0b62e13093cd85d93/b4cd4bdc-f517-4b18-a990-1ddeb6ba8c35.jpg)
讲座的下半场,比畅老师带领同学们进行实操,分别以模型1和4对给定数据进行Process建模,并详细解释了如何读懂运行结果。她指出,结果中的LLCI一栏代表置信区间的最小值,ULCI代表最大值。在中介效应模型中,当这个两个值均为正或均为负,即区间内不包含0值,则代表一个变量对另一个变量有显著正向或反向预测效果,如若区间内包含0值,则效果不显著。模型4的最终运行结果分为直接影响和间接影响两栏数据,当这两栏数据的置信区间均不含0值时,证明该中介变量具有中介效应。对于调节效应模型,比畅老师表示主要观察自变量(X)与调节变量(M)生成的交互变量(XM)的P值,当P值<0.05时,代表该调节变量对X与Y之间的作用存在调节作用。
最后,比畅老师讲解了如何将结果写入论文。首先说明使用了哪个模型。其次,写明自变量、应变量和中介/调节变量分别是什么。然后写明反映中介效应或调节效应存在与否的置信区间。最后插入模型示意图辅助说明。至此,本次讲座圆满结束。同学们学习了如何利用Process模型分析变量的中介或调节效应,对其日后进行量化研究有极大帮助。