經濟增長的中介效應有哪些

① 三步法中介效應模型可以不同嗎

三步法中介效應模型可以不同。中介效應模型就是一個變數對另一個變數產生影響時需要通過某件事或者某個物品來達成的話，那麼這件事或者某件物品就是其他兩個物體的中介變數，他們所構成的模型便叫中介效應模型。

中介效應模型的介紹

中介模型受歡迎的原因在於，它可以分析變數之間影響的過程和機制。與單純分析自變數對因變數影響的同類研究，中介效應分析不僅僅有方法上的進步，而且往往能得到更深入的結果。例如，有研究發現，父母社會經濟地位會影響兒女社會經濟地位。

後來有人引入中介效應分析，驗證父母社會經濟地位高的家庭，可以提供子女更好的教育條件、讓子女接受更好的教育，而更好的教育會帶來更高的社會經濟地位，因而子女的教育水平就是一個中介變數。這個包含中介的研究顯然是以往研究的深化。

再如，有人研究發現A影響B，還有人研究發現B影響C，那麼不論之前是否有人研究過A影響C，都可以做一個新的研究，建立中介模型，驗證B是A影響C的中介變數。

這個研究不僅是對前人研究的整合，而且有創新，因為之前不同的研究使用的是不同的樣本，而新的研究使用的是單一樣本。只有使用單一樣本建立中介模型，才能驗證B的中介作用。

② 在進行中介效應分析時，如果有2個中介變數，而且通過檢驗都是起到完全中介效應，是否可能

是可以的 因為分2次來進行驗證的。每次的回歸模型考慮的是自變數中間變數 因變數三種相互作用時的關系，因此在只有這三個同時作用的時候，中間變數起到完全中介作用。你考慮的並非2個中間變數同時作用的情況。不過這樣當然是有其局限性的。最好可以用結構方程模型來驗證。
拓展資料
1925～1930年間，英果爾德(C. K. Ingold)提出了中介論，用以說明用經典結構式不能圓滿地描述的某些分子的化學行為。他認為在常態下具有不飽和體系的分子中存在著電子轉移，由這種電子轉移所產生的效應稱為中介效應。
概述
有機分子結構理論發展過程中的一種學說。中介效應，它指的是X對Y的影響是通過M實現的，也就是說M是X的函數，Y是M的函數（Y-M-X）。考慮自變數X對因變數Y的影響，如果X通過M影響變數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「上司對下屬表現的歸因」為中介變數。假設變數已經中心化或標准化其中，c是X對Y的總效應，ab是經過中介變數M的中介效應（mediating effect），c『是直接效應。當只有一個中介變數時，效應之間有如下關系：c=c』+ab，中介效應的大小用c-c'=ab來衡量。
中介變數
中介變數( mediator) 是一個重要的統計概念，如果自變數X通過某一變數M對因變數Y產生一定影響，則稱M為X和Y的中介變數。研究中介作用的目的是在已知X和Y關系的基礎上，探索產生這個關系的內部作用機制。
在這個過程中可以把原有的關於同一現象的研究聯系在一起，把原來用來解釋相似現象的理論整合起來，而使得已有的理論更為系統。中介變數的研究不僅可以解釋關系背後的作用機制，還能整合已有的研究或理論，具有顯著的理論和實踐意義。
調節變數
如果變數Y與變數X的關系是變數M的函數，稱M為調節變數。就是說Y與X的關系受到第三個變數M的影響。調節變數可以是定性的(如性別、種族、學校類型等)，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系的方向(正或負)和強弱。

③ 利率決定理論的發展與比較

利率的高低，能反映一國宏觀經濟運行的基本狀況，利率的變動，又將影響所有宏觀經濟變數如國民生產總值、物價水平、就業水平、國際收支、經濟增長率等等。 顯然，利率作為重要的經濟杠桿，對宏觀經濟運行與微觀經濟活動都有著極其重要的調節作用。因此，利率的變動是判斷一國宏觀經濟形勢的主要依據之一，利率走勢分析是宏觀經濟形勢預測的主要手段。 一、利率過高的影響和利率過低對我國經濟的影響 (一)利率變動對資金供求的影響 在市場經濟中,利率是一種重要的經濟杠桿,這種杠桿作用首先表現在對資金供求的影響上. 利率水平的變動對資金盈餘者的讓渡行為有重要影響,它對資金盈餘者持有資金的機會成本大小起決定性作用.當利率提高時,意味著人們借款的成本增大,資金短缺者的負擔也越重,他們的借款需要就會受到制約. 由於現在股市紅火,外面的熱錢過多,容易形成泡沫經濟,我國中央銀行也在不斷提高利率.就存款准備金率在今年一年內就提了七次之多. (二)利率變動對宏觀經濟的影響 從宏觀看,居民的全部收入可分為消費和儲蓄兩個部分.儲蓄=收入-消費.在收入水平一定的情況下.儲蓄的多少取決於消費傾向.若居民的消費傾向高,則新增收入中用於消費的部分大,儲蓄減少.居民的消費傾向除了與目前收入水平、未來收入預期、物價水平及消費觀念等有關外,還受利率水平的影響.當利率上升時,會抑制人們的消費慾望. 再從廠商投資來看,投資代表著社會資金需要.提高利率則使廠商投資成本增加. 當利率水平提高時,一方面減少消費、增加儲蓄,使社會資金供給擴大,從而有可能使社會產出擴大;另一方面,又可能使投資受到抑制,從而使社會產出減少. (三)利率變動對國際收支有重要影響 當發生嚴重的逆差時,可將本國短期利率提高,以吸引外國的短期資本流入,減少或消除逆差;當發生過大的順差時,可將本國綠水平調低,以限制外國資本流入,減少或消除順差. 除了以上三方面，社會資本狀況也會影響到利率作用的發揮，如果存在著大量過剩資本，利率降低就會引起投資增加；但如果資本不足，盡管利率降低了，投資也難以立即增加。 利率的作用還取決於金融市場的完善程度。金融市場越是發達，利率作為價格信號就越能反映市場資本供求，同時作為調節經濟的杠桿，利率的變動就越容易通過金融市場作用於整個經濟。 由此可見，利率的調節作用的實際效果決定於一國經濟發展的實際狀況。經濟高漲時，盡管利率上升也很難抑制投資增加；當經濟萎縮時，盡管當局壓低利率，也刺激不了投資的增加。再者，一國經濟越發達，利率的作用就越明顯；反之，在越不發達的國家中，利率被扭曲得越嚴重，對經濟也就失去調節作用。 二、為了減少利率變動對我國經濟的影響，還應該從以下幾個方面著手： 在當前宏觀緊縮局面尚未改觀的背景下，貨幣政策的導向應該是從松不從緊，利率政策的導向是從低不從高。令人欣慰的是，央行早己實事求是地分析市場變遷，7次下調名義利率以挽頹勢。但是，由於名義利率己很低，下調空間確實不大(雖然實際利率仍很高)，我們只能從其他方面尋找調控方法。 1．改變金融增長的觀念，強調金融深化的質量。提高經濟增長的質量，使增長方式由粗放型轉向集約型，由片面追求速度轉向速度效益並重，提升綜合要素增長率(TFP)的貢獻程度已成為一種共識。但傳統金融深化理論強調得較多的是金融體系「量」上的擴張，如提高M2／GDP的比值等，對金融體系運轉過程中產生的效率問題強調較少。 2，分析宏觀增長問題還應著眼於微觀基礎——企業的增長速度與績效。在利率→儲蓄→投資→增長傳導過程中，微觀主體企業始終是重要的參與者。正如前文所述，企業的投資質量是影響全社會投資數量，效率乃至經濟增長的核心變數。但是，經營機制不靈活，投資的利率彈性很低、投資的質量不高，這樣的微觀主體，再有利的利率信號、再有效的貨幣政策也無濟於事。因此，加快體制變革、加速技術創新、培育一流的企業家隊伍確實已刻不容緩。 3．強化金融機構的中介效應。傳統金融深化理論強調高實際利率時有一個潛在的假定，就是以較高利率集聚資本的金融部門能夠合理地將儲蓄轉化為現實的投資——這便是金融機構的中介效應。這種中介作用要求包括銀行、證券、保險在內的各類金融機構有能力進行「融資低成本、投資高收益、資產高流動、機構高效率」的運轉過程。因此在金融深化和改革過程中，也不應忽視這第二類微觀主體的作用，應當確立良好的金融體系架構，在金融機構經營中引入競爭，特別是在開放市場中引入外資金融機構的競爭，以全面提升金融系統運作的效率，強化其中介作用。 4．著力培育金融市場，提高直接融資比重，推動金融工具創新。現代金融理論認為，當利率傳導機制出現障礙時，構建功能多樣化、高效率的金融市場可以彌補這一缺陷。我國長期以來在金融體系中，間接融資佔主體地位，而直接融資比重過低。所以，當以銀行體系為主的「間接融資i投資」這一機制的功能和績效明顯弱化時，加大直接融資比重已十分迫切。此外，諸如債券、基金、商業票據等融資工具的發展創新，都將有助於提高整個社會的投資質量和數量，並且也很有潛力。而這些金融工具的多樣化、規模化，都必須依賴一個規范、健康、靈活、高效的金融市場，所以市場培育、制度完善也應是未來金融深化和發展的重要課題。

④ spss中介效應

關鍵詞： spss中介效應結果分析 、中介效應分析、 spss中介效應檢驗分析 、 mplus中介效應分析

預覽：

中介效應分析方法

在本文中,假設我們感興趣的是因變數(Y) 和自變數(X) 的關系。雖然它們1 中介變數和相關概念 之間不一定是因果關系,而可能只是相關關系,但按文獻上的習慣而使用「X 對的影響」、「因果鏈」的說法。為了簡單明確起見,本文在論述中介效應的檢驗程序時,只考慮一個自變數、一個中介變數的情形。但提出的檢驗程序也適合有多個自變數、多個中介變數的模型。

1.1 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「, 父親的社會經濟地位」影響「兒子的教育程度」,進而影響「兒子的社會經濟地位」。又如,「工作環境」(如技術條件) 通過「工作感覺」(如挑戰性) 影響「工作滿意度」。在這兩個例子中,「兒子的教育程度」和「工作感覺」是中介變數。假設所有變數都已經中心化(即均值為零) ,可用下列方程來描述變數之間的關系:

Y = cX + e1 (1)

M = aX + e2 (2)

Y = c』X + bM + e3 (3)

e1 Y=cX+e1 M=aX+e2

e3 Y=c』X+bM+e3

圖1 中介變數示意圖

假設Y 與X 的相關顯著,意味著回歸系數c 顯著(即H0 : c = 0 的假設被拒絕) ,在這個前提下考慮中介變數M 。如何知道M 真正起到了中介變數的作用,

或者說中介效應(mediator effect ) 顯著呢? 目前有三種不同的做法。

傳統的做法是依次檢驗回歸系數 。如果下面兩個條件成立,則中介效應顯著: (i) 自變數顯著影響因變數；(ii) 在因果鏈中任一個變數,當控制了它前面的變數(包括自變數) 後,顯著影響它的後繼變數。這是Baron 和Kenny 定義的(部分) 中介過程。如果進一步要求: (iii) 在控制了中介變數後,自變數對因變數的影響不顯著, 變成了Judd和Kenny 定義的完全中介過程。在只有一個中介變數的情形,上述條件相當於(見圖1) : (i) 系數c 顯著(即H0 : c = 0 的假設被拒絕) ； (ii) 系數a 顯著(即H0 : a = 0 被拒絕) ,且系數b 顯著(即H0 : b = 0 被拒絕) 。完全中介過程還要加上: (iii) 系數c』不顯著。

第二種做法是檢驗經過中介變數的路徑上的回歸系數的乘積ab 是否顯著,即檢驗H0 : ab = 0 ,如果拒絕原假設,中介效應顯著 ,這種做法其實是將ab 作為中介效應。

第三種做法是檢驗c』與c 的差異是否顯著,即檢驗H0 : c – c』= 0 ,如果拒絕原假設,中介效應顯著 。

1.2 中介效應與間接效應

依據路徑分析中的效應分解的術語 ,中介效應屬於間接效應(indirect effect) 。在圖1 中, c 是X對Y 的總效應, ab 是經過中介變數M 的間接效應(也就是中介效應) , c』是直接效應。當只有一個自變數、一個中介變數時,效應之間有如下關系

c = c』+ ab (4)

當所有的變數都是標准化變數時,公式(4) 就是相關系數的分解公式。但公式(4) 對一般的回歸系數也成立)。由公式(4) 得c-c』=ab ,即c-c』等於中介效應,因而檢驗H0 : ab = 0 與H0 : c-c』= 0 是等價的。但由於各自的檢驗統計量不同,檢驗結果可能不一樣。

中介效應都是間接效應,但間接效應不一定是中介效應。實際上,這兩個概念是有區別的。首先,當中介變數不止一個時,中介效應要明確是哪個中介變數的中介效應,而間接效應既可以指經過某個特定中介變數的間接效應(即中介效應) ,也可以指部分或所有中介效應的和。其次,在只有一個中介變數的情形,雖然中介效應等於間接效應,但兩者還是不等同。中介效應的大前提是自變數與因變數相關顯著,否則不會考慮中介變數。但即使自變數與因變數相關系數是零,仍然可能有間接效應。下面的人造例子可以很好地說明這一有趣的現象。設Y 是裝配線上工人的出錯次數, X 是他的智力, M 是他的厭倦程度。又設智力(X) 對厭倦程度(M) 的效應是0.707 ( =a) ,厭倦程度(M) 對出錯次數( Y ) 的效應也是0.707( = b) ,而智力對出錯次數的直接效應是20.50( = c′) 。智力對出錯次數的總效應( = c) 是零(即智力與出錯次數的相關系數是零) 。本例涉及效應(或相關系數) 的遮蓋( suppression) 問題。由於實際中比較少見,這里不多討論。但從這個例子可以看出中介效應和間接效應是有區別的。當然,如果修改中介效應的定義,不以自變數與因變數相關為前提,則另當別論。在實際應用中,當兩個變數相關不顯著時,通常不再進一步討論它們的關系了。

2 中介效應分析方法

由於中介效應是間接效應,無論變數是否涉及潛變數,都可以用結構方程模型分析中介效應 。從路徑圖(圖1) 可以看出,模型是遞歸的( recursive) ,即在路徑圖上直線箭頭都是單向的,沒有反向或循環的直線箭頭,且誤差之間沒有弧線箭頭聯系。所以,如果所有變數都是顯變數,可以依次做方程(1) —(3) 的回歸分析,來替代路徑分析。就是說,如果研究的是顯變數,只需要做通常的回歸分析就可以估計和檢驗中介效應了。

無論是回歸分析還是結構方程分析,用適當的統計軟體都可以得到c 的估計ˆcˆ,cˆ或cˆ』,以及相應的標准誤。中介效應的估計是aˆ』,ˆ,bˆbˆ-c; a , b , c′的估計a

在顯變數情形並且用通常的最小二乘回歸估計時,這兩個估計相等。在其他情形,

ˆ比較直觀,並且它等於間接效應的估計。除了報告中介效應的大小外,還ˆb使用a

ˆ/ (cˆ) ) ,或者中介效應與直接效應之ˆ』+aˆbˆb應當報告中介效應與總效應之比(a

ˆ/cˆ』) , 它們都可以衡量中介效應的相對大小 。 ˆb比(a

與中介效應的估計相比,中介效應的檢驗要復雜得多。下面按檢驗的原假設分別討論。

2.1 依次檢驗回歸系數

在三種做法中,依次檢驗回歸系數涉及的原假設最多,但其實是最容易的。如果H0 : a = 0 被拒絕且H0 : b = 0 被拒絕,則中介效應顯著,否則不顯著。完全中介效應還要檢驗H0 : c』= 0 。檢驗統計量t等於回歸系數的估計除以相應的標准誤。流行的統計軟體分析結果中一般都有回歸系數的估計值、標准誤和t 值,檢驗結果一目瞭然。這種檢驗的第一類錯誤率很小,不會超過顯著性水平,有時會遠遠小於顯著性水平。問題在於當中介效應較弱時,檢驗的功效很低。這容易理解,如果a 很小(檢驗結果是不顯著) ,而b 很大(檢驗結果是顯著) ,因而依次檢驗的結果是中介效應不顯著,但實際上的ab 與零有實質的差異(中介效應存在) ,此時犯了第二類錯誤。做聯合檢驗(原假設是H0 : a = 0 且b = 0 ,即同時檢驗a 和b 的顯著性) ,功效要比依次檢驗的高。問題是聯合檢驗的顯著性水平與通常的不一樣,做起來有點麻煩。

2.2 檢驗H0 : ab = 0

ˆ的標准誤。目前至少有5 種以上的近似ˆb檢驗H0 : ab = 0 的關鍵在於求出a

計算公式 。當樣本容量比較大時(如大於500) ,各種檢驗的功效差別不大。值得在此介紹的是Sobel 根據一階Taylor 展式得到的近似公式

sab = asb+ bsa2222 (5)

ˆ的標准誤。檢驗統計量是z = aˆ/ sab 。只有一個ˆ,bˆb其中, sa , sb 分別是a

中介變數的情形,LISREL輸出的間接效應的標准誤與使用這個公式計算的結果一致。在輸出指令「OUT」中加入「EF」選項,會輸出包括間接效應在內的效應估計、相應的標准誤和t 值,這個t 值就是Sobel 檢驗中的z 值。

由於涉及到參數的乘積的分布,即使總體的X 、M 和Y 都是正態分布,並且

ˆ/sab 。ˆb是大樣本, z = a還是可能與標准正態分布有較大的出入。MacKinnon 等

人用該統計量但使用不同的臨界值進行檢驗。在他們的臨界值表中,顯著性水平0. 05對應的臨界值是0. 97 (而不是通常的1. 96 ,說明中介變數有更多的機會被認為是顯著的,從而檢驗的功效提高了,但第一類錯誤率也大大增加了)。MacKinnon 等人的模擬比較研究發現,在樣本較小或總體的中介效應不大時,使用新的臨界值檢驗的功效比同類檢驗的要高,在總體參數a = 0 且b = 0 時第一類錯誤率與0. 05 很接近,因而是一種比較好的檢驗方法。但在統計軟體採用該臨界值表之前,難以推廣應用。而且,當a = 0 或b = 0 只有一個成立時(此時也有ab = 0 ,即中介效應為零) ,第一類錯誤率遠遠高於0. 05 ,這是該方法的最大弊端。

2.3 檢驗H0 : c-c』= 0

ˆ』的標准誤。ˆ-c同樣,檢驗H0 : c-c』= 0 的關鍵在於如何計算c目前也有多種

近似公式。MacKinnon 等人比較的結果是其中有兩個公式得到的檢驗有較高的功效,在總體參數a = 0 且b = 0 時的第一類錯誤率與0. 05 很接近。一個是Clogg 等人給出的公式

Sc-c』= rXM sc』 (6)

其中rXM是X 和M 的相關系數。另一個是Freedman 等人推出的公式 Sc-c』= sc+sc』-2scsc』-rXM222 (7)

當a = 0 但b ≠0 時(此時ab = 0 ,即中介效應為零) ,這兩種公式對應的檢驗

ˆ』) / sc-c』作為檢驗統計量) 的第一類錯誤率都很高。特別是公式(6) ,ˆ-c(即t = (c

對應的第一類錯誤率有可能高達100 %。事實上,由公式(6) 得到的檢驗與H0 : b = 0 的檢驗等價 。就是說,即使中介效應不存在( ab = 0) ,只要b 顯著,檢驗結果

就是中介效應顯著(犯了第一類錯誤) 。

2.4 一個實用的中介效應檢驗程序

為了使一個中介效應檢驗的第一類錯誤率和第二類錯誤率都比較小,既可以檢驗部分中介效應,又可以檢驗完全中介效應,而且還比較容易實施,我們提出如下檢驗程序。

1. 檢驗回歸系數c ,如果顯著,繼續下面的第2步。否則停止分析。

2. 做Baron 和Kenny部分中介檢驗,即依次檢驗系數a , b ,如果都顯著,意味著X對Y的影響至少有一部分是通過了中介變數M實現的,第一類錯誤率小於或等於0. 05 ,繼續下面第3步。如果至少有一個不顯著,由於該檢驗的功效較低(即第二類錯誤率較大) ,所以還不能下結論,轉到第4步。

3. 做Judd 和Kenny完全中介檢驗中的第三個檢驗(因為前兩個在上一步已經完成) ,即檢驗系數c』,如果不顯著,說明是完全中介過程,即X對Y的影響都是通過中介變數M實現的;如果顯著,說明只是部分中介過程,即X對Y的影響只有一部分是通過中介變數M實現的。檢驗結束。

4. 做Sobel檢驗,如果顯著,意味著M的中介效應顯著,否則中介效應不顯著。檢驗結束。

整個檢驗程序見圖2。這個程序有可能只需要依次檢驗,即使需要Sobel 檢驗,

ˆ/ s都不算難。ˆb用公式(5) 直接計算sab和檢驗統計量z =a如果使用LISREL 進行ab

分析,輸出結果中可以找到本檢驗程序所需的全部檢驗統計量的值和檢驗結果。

中介效 完全中介 中介效 中介效應 Y與X相關不顯著

應顯著 效應顯著 應顯著 不顯著 停止中介效應分析應

圖2 中介效應檢驗程序

3 學生行為對同伴關系影響的中介效應分析

要研究的是初中學生行為(X) 對同伴關系(Y) 的影響。變數及其數據來自香港中文大學張雷教授主持的兒童同伴關系研究,本文只用到部分變數和數據。 這里只簡單地介紹有關變數的含義和符號。學生行為( X) 是被試的違紀搗亂行為,包括9個題目(如挑起爭斗、欺負同學、說臟話等) ,同伴關系(Y) 是被試受同學歡迎的程度,具體地說,就是同班同學有多少人將其列入喜歡的名單(每人所列的喜歡名錄沒有名額限制) 。老師的管教方式(U)是被試對班主任老師的管教方式的評價,也有9 個題目(如班主任願意聽我們的意見,班主任的期望和要求明確清晰, 等等) 。老師對學生的喜歡程度( W) 由班主任為被試打分(從「一點都不喜歡」到「非常喜歡」5 級記分) 。被試人數N = 595。由於潛變數和顯變數的中介效應檢驗方法是一樣的,為簡單起見,這里將上述變數都作為顯變數處理(即用該變數包含的題目得分的平均值作為變數值) 。所有變數都已經中心化,數據分析中只需要下面的協方差矩陣:

Y 18. 87

W 1. 13 0. 45

X – 9. 78 – 2. 20 94. 25

U 0. 63 0. 09 – 0. 22 0. 56

使用廣義最小二乘估計方法進行分析,由於樣本容量大,廣義最小二乘估計與極大似然估計的結果非常接近。

3.1 教師喜歡程度的中介效應分析

假設我們認為學生行為會影響老師對他的喜歡程度,而同伴關系會受到老師喜歡程度的影響,則喜歡程度是中介變數。喜歡程度(W) 的中介效應分析結果見表1 ,其中的結果是標准化解,用小寫字母代表相應變數的標准化變數。由於依次檢驗(指前面3 個t 檢驗) 都是顯著的,所以喜歡程度的中介效應顯著。由於第四個t 檢驗也是顯著,所以是部分中介效應,中介效應占總效應的比例為0.1338 ×0.1349/ 0.1232 =50.18 %。

表1 喜歡程度(W) 的中介效應依次檢驗

第一步 第二步 第三步

上述包含了中介變數W的模型分析結果表明:一方面,學生行為對同伴關系有直接負效應,即違紀搗亂行為多的同學,受同學歡迎的程度往往會低一點。另一方面,學生行為通過教師喜歡程度對同伴關系有間接負效應,即違紀搗亂行為多的同學,老師往往比較不喜歡,而老師的態度會影響同學,使同學也比較不喜歡。

14x

**

標准化回歸方程

y=-0.232x w=-0.338x y=0.349w-0.1

回歸系數檢驗 SE=0.040 SE=0.039 SE=0.040 SE=0.040

t=-5.8** t=-8.7** t=8.7** t=-2.8**

注: SE 表示標准誤。 表示在0.01 水平上顯著。

3.2 教師管教方式的中介效應分析

假設我們認為學生的行為會影響老師的管教方式,而管教方式會影響同伴關系,則管教方式是中介變數。

管教方式(U) 的中介效應分析結果(標准化解)見表2 。由於依次檢驗中的第二步檢驗不顯著(即u 對x 的回歸系數不顯著, t =20.72 , p > 0.05) ,根據我們

ˆ/ a2s2+ b2s2 ,ˆb提出的檢驗程序,需要做Sobel 檢驗,檢驗統計量是z = abaˆ= 0. 187 ˆ =20. 030 , 此處asa = 0. 041 , b, sb = 0. 039 計算得z =20.72 , p > 0.05 。

所以管教方式(U) 的中介效應不顯著。

表2 管教方式(U) 的中介效應依次檢驗

第一步 第二步 第三步

6x

標准化回歸方程

y=-0.232x u=-0.030x y=0.187u-0.22

SE=0.040 SE=0.041 SE=0.039 SE=0.039

t=-5.81** t=-0.72 t=4.79** t=-5.79**

回歸系數檢驗

注: SE 表示標准誤。** 表示在0.01 水平上顯著。

4 結語

在多變數分析中,除了考慮自變數對因變數的影響外,經常還會涉及中介變數。例如,有間接效應的路徑分析,其實已經涉及中介變數,但研究者如果不知道相應的概念和分析方法,自然不可能進行真正的中介效應分析(特別是中介效應的檢驗) 。

本文提出的中介效應檢驗程序,可以做部分中介效應和完全中介效應的檢驗。由於同時考慮了兩類錯誤率,該程序比單一的檢驗方法要好。而且,該程序簡單可行,計算量少。該程序可以讓讀者避免在繁多的檢驗方法中無所適從,能夠按部就班地進行中介效應的檢驗。

⑤ 中介效應

中介效應模型表明，如果將解釋變數 X 對被解釋變數 Y 的影響進行分解，不僅含有X 對 Y 的直接影響，還包含通過中間變數 M 對 Y 產生的間接影響，那麼 M 就是中介變數，即中介變數是解釋變數對被解釋變數發生間接作用的內部傳導媒介。

中介效應的檢驗程序是：

關於結果的解讀：

參考資料：
余東華,孫婷.環境規制、技能溢價與製造業國際競爭力[J].中國工業經濟,2017(05):35-53.

⑥ 心有不甘打一字是什麼字

心有不甘打一字:懷。懷字左邊為穿心旁，右邊為不字。所以心有不甘打「懷」字。

⑦ 中介效應是計量經濟模型嗎

是。中介效應主要是用來計算經濟的函數變數，所以是計量經濟模型。中介效應，它指的是X對Y的影響是通過M實現的，也就是說M是X的函數，Y是M的函數（YMX）。

⑧ 2022西瓜PLAY有哪些亮點內容

2022西瓜PLAY的主要內容大致分為三部分：
1、首先當然是人氣爭霸賽活動，不同領域的各位創作者們同台競技，聆聽每一位創作者的心路歷程，感受每一種生活的發出的吶喊，不過當前人氣爭霸賽活動已結束，打開西瓜視頻App搜索「西瓜PLAY」，進入2022西瓜PLAY活動詳情頁也可以了解到相關創作者的排名情況。
2、其次就是正在進行中的主播挑戰賽活動，無論是人氣主播還是魅力新秀，面對2022西瓜PLAY入場資格的角逐紛紛拿出看家本領為我們奉獻了一場又一場精彩直播，主播間的人氣角逐也同樣不容錯過。
3、西瓜PLAY的重頭戲自然是每年都不會缺席的金秒獎評選，2022西瓜PLAY金秒獎評選現在也已進入【專家評選】階段，入圍作品名單將於2022年8月14日公布，讓我們共同期待哪些作品能最終脫穎而出，助力創作者站上2022西瓜PLAY的領獎台吧。

⑨ 什麼是迎合理論

用戶首次輸入之前隨著我國經濟改革進入深水區,實體企業的超額收益逐漸消失。與此同時,金融行業投資收益率不斷上升。社會資金逐漸從實體部門向虛擬部門轉移,實體企業金融化程度不斷加劇。實體企業金融化不僅不利於企業永續經營,而且影響國家長遠發展。因此,了解實體企業金融化成因,解決實體企業過度金融化問題意義深遠。實體企業購買金融資產實質上是企業的一種投資行為,股票流動性作為資本市場的生命線對實體企業投融資的影響不容忽視,然而現有研究大多從微觀層面探討公司治理對實體企業金融化的影響。基於此,本文以股票流動性為核心解釋變數,通過實證模型研究其在實體企業金融化水平上升過程中的作用。本文主要從「迎合理論」出發,使用2010—2019年A股實體企業上市公司數據,以企業金融資產與總資產的比值衡量實體企業金融化,選取雙固定效應模型。首先,研究股票流動性對實體企業金融化的影響;其次,引入投資者情緒變數,探究投資者情緒對實體企業金融化的影響以及投資者情緒在股票流動性影響實體企業金融化的路徑中的作用;最後,從異質性的視角觀察不同的公司規模、產權性質和金融化水平下,股票流動性對實體企業金融化的影響。研究結果顯示,股票流動性與實體企業金融化之間存在顯著的正相關關系,即股票流動性上升促進了實體企業金融化的發展;高昂的投資者情緒促進實體企業金融化,低迷的投資者情緒抑制實體企業金融化;投資者情緒在股票流動性影響實體企業金融化的過程中起到了部分中介效應。具體而言,股票流動性提高造成的投資者情緒升高後,企業管理者會迎合投資者偏好去配置金融資產。進一步研究發現,在較大規模的、國有的與金融化程度較高的實體企業中,股票流動性對實體企業金融化的促進作用更為突出。最後,本文根據實證結果,從政府和企業兩個角度,提出緩解實體企業金融化的相關建議與意見。，輸入框中的文本

⑩ SPSS中怎麼用Bootstrapping方法做中介效應檢驗

《時效應》是《麥家》創立者張慶貴提出的，指的是有效的按一定規則利用時間，匯集資源，結合實際，合理轉化的經濟模式。 這種新興的經濟模式，在特定的經濟時期，特別是通貨膨脹期，針對社會經濟產生的泡沫，進行合理轉化，使其成為有助實體經濟發展的反哺資源。在社會反哺實業的利導下實現經濟增長，保障穩定，促進社會和諧發展。