连续性计量资料
1首先,我们需要打开一个需要制作频数表的文件,然后切换到Data View。
2点击Transform对频数赋值
3赋值之后点击Analyze➔Descriptive Statistics➔Frequencies,在跳出的对话框里选择刚刚命名的新变量HXBS1进行编辑,分别对Statistics和Charts进行选择
4编辑完后点击OK,跳出下图,鼠标对准频数表右键,即可对输出的内容保存并编辑。读者可根据自己文章的格式,把输出的频数表和图改成自己想要的合适即可。用SPSS打开需要绘制条形图的数据文档,如要绘制中国各地区的生铁生产量。 2、然后SPSS软件页面窗口分别选择“图形”→“旧对话框”→“条形图”,d出条形图对话窗口。 3、在对话窗口中选择“简单”,然后“个案组摘要”,点击“定义”,进入条形图性质特征定义窗口。 4、选择“其他统计(例如平均值)(s)”,在“变量”窗口选入生铁,然后“更改统计(H)”,选择个案数,然后继续。在“类别轴”中选择“地区”,类别轴就是指横轴。 5、然后确定,条形图就做好了。
在SPSS上打开用来画频数分布图的数据文件。 2、在菜单栏中选择“图形”窗口,点击“旧对话框”中的“条形图”选项。 3、会d出一个新的页面,在选择“集群条形图”和“各个变量的摘要”的基础上点击“定义”。 4、会来到定义的相关窗口,需要选择“条的表征”中的数据变量,还有“类别轴”的参数,回车确定。 5、这样一来,就能够用SPSS画频数分布图了。
打开spss,点击“文件-打开-数据(A)”,导入数据。 2、点击“右键点击鼠标-升序排列或者降序排列”确定数据的最大值为1500,最小值为500。 3、对数据进行分组,点击“转换-重新编码为不同变量(R)”,将FHL移到输出变量,然后给其重新命名并且添加标签,如图,确定之后点击更改。 4、点击“旧值与新值”进入其中,准备进行分组,分为10组,在“范围”栏中进行添加,在新值栏对添加的命名,确定好10组之后,点击继续。 5、分组完成后效果如下所示。 6、点击“分析-描述统计-频率”进入频率表,将肺活量1移动到变量(V)。 7、点击统计量,进入之后将需要知道的数据打勾。 8、然后点击图表,对其。Hello,
这里是 行上行下 ,我是 喵君姐姐 ~
在上一期中,我们为大家带来了 利用SPSS软件进行高级统计分析的实 *** 教程第一期 ,内容包括: 描述性统计表格模板、卡方&T检验、相关&回归分析 等。
在本期中,我们继续为大家介绍如何利用SPSS进行:中介、多重中介、链式中介、调节分析、有中介的调节分析等。
PS: 后台回复关键词 “高级统计” 即可获得所述的PDF原文啦!
一、中介报告B,SE,t(df),p),置信区间,画中介效应图
1回归方程法
11 算三个回归方程
1) 自—因
2) 自—中
3) 自、中—因
12 数据分析
2 Process插件法:Model4
部分标准化
效应量/Y的标准差
完全标准化
所有变量的标准化
3 报告B、SE、t(df)、P、置信区间+图(标准化系数)
本研究采用软件SPSS 240 中文版进行采集录入和统计分析实验数据。中介效应检验:参照Preacher 和Hayes (2004)提出的Bootstrap 方法进行中介效应检验(模型4),样本量选择5000,在95%置信区间下。
为了探讨MIL和FCI的关系中是否存在PA的中介作用,本研究以MIL得分为自变量,FCI得分为因变量,PA得分为中介变量进行中介效应检验。结果表明,PA在MIL和FCI之间起着中介作用。
MIL对PA有显著的预测作用(B=024,SE=007,t(98)=355,p < 0001),置信区间(LLCT = 010,ULCT =037)不包含0; 中介检验的结果不包含0( LLCT = 007 , ULCT = 037) ,表明 P A 的中介效应显著(中介效应大小为022,S E =008) ,中介效应如图所示。
参考文献:Preacher, K J , & Hayes, A F (2004) Spss and sas procedures for estimating indirect effects in simple mediation models Behavior Research Methods, Instruments & Computers, 36 (4), p717-731
二、多重中介
1 Process插件法:model4
三、链式中介
1 Process插件法:model6
中心化:原始数据-均值
拆分文件:spilt
四、调节报告B、SE、t、β、p、95%CI、Δ+画回归表、交互作用图
1 线性回归法
11 S pss *** 作
1)算z分数
2)算交互项
3)算回归方程
12 S pss结果解读
13 画交互作用图:对调节变量做高低分组
高分组:平均值+标准差=612
低分组:平均值—标准差=368
14 拆分文件,做回归
15 再做一次回归,画图
2 Process插件法:model1
21 S pss *** 作
22 S pss结果解读
23 报告
利用Process model 1 (Hayes,2018)探讨生命意义感P、社会支持以及二者的交互作用与工作倦怠的关系。
结果表明, 生命意义感P (B = -046, t = -135, p = 018 )、 社会支持 (B = -019, t = -055, p =058 )以及二者交互作用(B = 005, t = 083, p =041 ) 对工作倦怠的作用 均不显著 (如表3所示),简单斜率分析图如图2所示。
图 2简单斜率效应分析图
五、有调节的中介报告B、SE、β、p、95%CI+画回归表+交互作用图
1线性回归法
11 算两组交互项 自调 中调
1) 自、调、自调—因
2) 自、调、自调—中
3) 自、调、自调、中、中调—因
12 报告
接下来验证有调节的中介作用,以压力为自变量,生命意义感P为调节变量,自我效能感为中介变量,深层劳动为因变量为例。
根据温忠麟和叶宝娟(2014)的观点,检验有调节的中介模型需要对三个回归方程的参数进行检验:(1)方程1 估计调节变量(生命意义感P)对自变量(压力)与因变量(深层劳动)之间关系的调节效应; (2)方程2 估计调节变量(生命意义感P)对自变量(压力)与中介变量(自我效能感)之间关系的调节效应; (3)方程3 估计调节变量(生命意义感P)对中介变量(自我效能感)与因变量(深层劳动)之间关系的调节效应以及自变量(压力)对因变量(深层劳动)残余效应的调节效应。
根据Muller, Judd 和Yzerbyt (2005)的观点, 如果模型满足以下两个条件则说明有调节的中介效应存在:(1)方程1 中, 压力的总效应显著, 且该效应的大小不取决于生命意义感P; (2)方程2 和方程3 中, 压力对自我效能感的效应显著, 生命意义感P与自我效能感对深层劳动的交互效应显著, 和/或压力与生命意义感P对自我效能感的交互效应显著, 自我效能感对深层劳动的效应显著,本研究中有调节的中介模型检验结果见表2、图3。
由表2、图1可见,方程1 中压力负向预测深层劳动(β=-037,p<0001),压力与生命意义感P的交互项对深层劳动的预测作用显著(β=-023,p<0001)。
方程2 和方程3 中,压力与生命意义感P的交互项对自我效能感的预测效应显著(β=-018,p<001);压力与生命意义感P的交互项对深层劳动的预测作用显著(β=-018,p<001);同时自我效能感对深层劳动的预测效应显著(β=053,p<0001)。
这表明, 压力、生命意义感P、自我效能感和深层劳动四者之间构成了有调节的中介效应模型 , 自我效能感在压力与深层劳动之间具有中介作用 , 生命意义感P 在 压力与深层劳动、压力与自我效能感间起调节作用 。
表2 压力对深层劳动有调节的中介效应检验(以生命意义感P为调节变量、自我效能感为中介变量)
图 3压力对深层劳动有调节的中介效应图(中介变量为自我效能感,调节变量为生命意义感P)
参考文献:
温忠麟, & 叶宝娟 (2014) 中介效应分析:方法和模型发展 心理科学进展, 022 (005), 731-745
由于生命意义感P在压力与深层劳动、压力与自我效能感间起调节作用,因此需要进一步检验简单效应以明确生命意义感P调节作用。
首先将生命意义感P按照正负一个标准差分成高、低组, 采用简单斜率检验考察在生命意义感P不同水平上压力对深层劳动、压力对自我效能感的影响,相应的简单效应分析见图5、图6。
图5结果表明,对于 生命意义感P 较 高 的个体 来说,压力能负向预测深层劳动( B= -044, SE = 013, p <001 ) ;而对于生命意义感P较低的个体来说,压力不能显著预测深层劳动(B =009, SE = 011,p = 045),即 比起低压力情景,高生命意义感P的个体在高压情景下,会有更少的深层劳动。
图 5生命意义感P对压力与深层劳动之间的关系调节作用
图6结果表明,对于生命意义感P较低的个体来说,压力不能预测自我效能感(B = -019,SE =013,p =017);而对于 生命意义感P较高的个体来说 , 压力能负向预测深层劳动( B =-045 , SE = 013 , p <001) ;即比起低压力情景时, 高生命意义感P的个体在高压情景下自我效能感更低。
图 6生命意义感P对压力与自我效能感之间的关系调节作用
2 Process插件法
21 调节前半路径:model7
1)Spss *** 作
2) Spss结果解读
22 调节后半路径:model14
1) Spss *** 作
2)Spss结果解读
23 探索前后:model57
24 报告
使用Hayes (2019)的SPSS 宏程序PROCESS(Model7),分析自我效能感在压力与深层劳动之间的中介作用(前半段)是否受生命意义感P的调节。
结果表明(如表4所示): 自我效能感显著正向预测深层劳动(B= 037 ,S E =00 4 ,p< 0001 ) ; 压力与生命意义感P的交互项能显著负向预测自我效能感(B=-002,S E =001,p< 001 ) 。
表4:生命意义感P调节自我效能感在压力与深层劳动之间中介作用的回归分析
在生命意义感P得分为平均数减一个标准差、平均数以及平均数加一个标准差三个水平时,自我效能感在压力与深层劳动之间的中介效应值及其95%Bootstrap 置信区间如表5所示。
综合以上结果,本研究提出的有调节的中介模型得到了支持。 自我效能感 在 压力与深层劳动之间起中介作用, 而且该中介作用 前 半段 受到生命意义感P的调节。
表5:不同生命意义感P水平时压力与自我效能感之间的关系
生命意义感P水平中介效应值Boot标准误Bootstrap下限Bootstrap上限
M-SD-009 003-016-004
M-013 003-019-008
M+SD-017 003-024-011
注: p<0001
进一步采用简单斜率检验来分析生命意义感P在压力与自我效能感关系中的调节作用。按生命意义感P的平均分加减一个标准差将被试分为高生命意义感P水平组(高于平均数加一个标准差的被试)、低生命意义感P水平组(低于平均数减一个标准差的被试)与中生命意义感P水平组(介于两组之间的被试)三组,采用分组回归的方式考察压力与自我效能感的关系,结果如图所示: 随着 生命意义感P水平的升高 , 压力 对 自我效能感 的负向预测作用逐渐 变强 (由B=-009 , p < 0001 减弱为B=-017,p < 0001)。
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)