经济增长的中介效应有哪些

① 三步法中介效应模型可以不同吗

三步法中介效应模型可以不同。中介效应模型就是一个变量对另一个变量产生影响时需要通过某件事或者某个物品来达成的话，那么这件事或者某件物品就是其他两个物体的中介变量，他们所构成的模型便叫中介效应模型。

中介效应模型的介绍

中介模型受欢迎的原因在于，它可以分析变量之间影响的过程和机制。与单纯分析自变量对因变量影响的同类研究，中介效应分析不仅仅有方法上的进步，而且往往能得到更深入的结果。例如，有研究发现，父母社会经济地位会影响儿女社会经济地位。

后来有人引入中介效应分析，验证父母社会经济地位高的家庭，可以提供子女更好的教育条件、让子女接受更好的教育，而更好的教育会带来更高的社会经济地位，因而子女的教育水平就是一个中介变量。这个包含中介的研究显然是以往研究的深化。

再如，有人研究发现A影响B，还有人研究发现B影响C，那么不论之前是否有人研究过A影响C，都可以做一个新的研究，建立中介模型，验证B是A影响C的中介变量。

这个研究不仅是对前人研究的整合，而且有创新，因为之前不同的研究使用的是不同的样本，而新的研究使用的是单一样本。只有使用单一样本建立中介模型，才能验证B的中介作用。

② 在进行中介效应分析时，如果有2个中介变量，而且通过检验都是起到完全中介效应，是否可能

是可以的 因为分2次来进行验证的。每次的回归模型考虑的是自变量中间变量 因变量三种相互作用时的关系，因此在只有这三个同时作用的时候，中间变量起到完全中介作用。你考虑的并非2个中间变量同时作用的情况。不过这样当然是有其局限性的。最好可以用结构方程模型来验证。
拓展资料
1925～1930年间，英果尔德(C. K. Ingold)提出了中介论，用以说明用经典结构式不能圆满地描述的某些分子的化学行为。他认为在常态下具有不饱和体系的分子中存在着电子转移，由这种电子转移所产生的效应称为中介效应。
概述
有机分子结构理论发展过程中的一种学说。中介效应，它指的是X对Y的影响是通过M实现的，也就是说M是X的函数，Y是M的函数（Y-M-X）。考虑自变量X对因变量Y的影响，如果X通过M影响变量Y，则称M为中介变量。例如，上司的归因研究：下属的表现——上司对下属表现的归因——上司对下属表现的反应，其中“上司对下属表现的归因”为中介变量。假设变量已经中心化或标准化其中，c是X对Y的总效应，ab是经过中介变量M的中介效应（mediating effect），c‘是直接效应。当只有一个中介变量时，效应之间有如下关系：c=c’+ab，中介效应的大小用c-c'=ab来衡量。
中介变量
中介变量( mediator) 是一个重要的统计概念，如果自变量X通过某一变量M对因变量Y产生一定影响，则称M为X和Y的中介变量。研究中介作用的目的是在已知X和Y关系的基础上，探索产生这个关系的内部作用机制。
在这个过程中可以把原有的关于同一现象的研究联系在一起，把原来用来解释相似现象的理论整合起来，而使得已有的理论更为系统。中介变量的研究不仅可以解释关系背后的作用机制，还能整合已有的研究或理论，具有显着的理论和实践意义。
调节变量
如果变量Y与变量X的关系是变量M的函数，称M为调节变量。就是说Y与X的关系受到第三个变量M的影响。调节变量可以是定性的(如性别、种族、学校类型等)，也可以是定量的(如年龄、受教育年限、刺激次数等)，它影响因变量和自变量之间关系的方向(正或负)和强弱。

③ 利率决定理论的发展与比较

利率的高低，能反映一国宏观经济运行的基本状况，利率的变动，又将影响所有宏观经济变量如国民生产总值、物价水平、就业水平、国际收支、经济增长率等等。 显然，利率作为重要的经济杠杆，对宏观经济运行与微观经济活动都有着极其重要的调节作用。因此，利率的变动是判断一国宏观经济形势的主要依据之一，利率走势分析是宏观经济形势预测的主要手段。 一、利率过高的影响和利率过低对我国经济的影响 (一)利率变动对资金供求的影响 在市场经济中,利率是一种重要的经济杠杆,这种杠杆作用首先表现在对资金供求的影响上. 利率水平的变动对资金盈余者的让渡行为有重要影响,它对资金盈余者持有资金的机会成本大小起决定性作用.当利率提高时,意味着人们借款的成本增大,资金短缺者的负担也越重,他们的借款需要就会受到制约. 由于现在股市红火,外面的热钱过多,容易形成泡沫经济,我国中央银行也在不断提高利率.就存款准备金率在今年一年内就提了七次之多. (二)利率变动对宏观经济的影响 从宏观看,居民的全部收入可分为消费和储蓄两个部分.储蓄=收入-消费.在收入水平一定的情况下.储蓄的多少取决于消费倾向.若居民的消费倾向高,则新增收入中用于消费的部分大,储蓄减少.居民的消费倾向除了与目前收入水平、未来收入预期、物价水平及消费观念等有关外,还受利率水平的影响.当利率上升时,会抑制人们的消费欲望. 再从厂商投资来看,投资代表着社会资金需要.提高利率则使厂商投资成本增加. 当利率水平提高时,一方面减少消费、增加储蓄,使社会资金供给扩大,从而有可能使社会产出扩大;另一方面,又可能使投资受到抑制,从而使社会产出减少. (三)利率变动对国际收支有重要影响 当发生严重的逆差时,可将本国短期利率提高,以吸引外国的短期资本流入,减少或消除逆差;当发生过大的顺差时,可将本国绿水平调低,以限制外国资本流入,减少或消除顺差. 除了以上三方面，社会资本状况也会影响到利率作用的发挥，如果存在着大量过剩资本，利率降低就会引起投资增加；但如果资本不足，尽管利率降低了，投资也难以立即增加。 利率的作用还取决于金融市场的完善程度。金融市场越是发达，利率作为价格信号就越能反映市场资本供求，同时作为调节经济的杠杆，利率的变动就越容易通过金融市场作用于整个经济。 由此可见，利率的调节作用的实际效果决定于一国经济发展的实际状况。经济高涨时，尽管利率上升也很难抑制投资增加；当经济萎缩时，尽管当局压低利率，也刺激不了投资的增加。再者，一国经济越发达，利率的作用就越明显；反之，在越不发达的国家中，利率被扭曲得越严重，对经济也就失去调节作用。 二、为了减少利率变动对我国经济的影响，还应该从以下几个方面着手： 在当前宏观紧缩局面尚未改观的背景下，货币政策的导向应该是从松不从紧，利率政策的导向是从低不从高。令人欣慰的是，央行早己实事求是地分析市场变迁，7次下调名义利率以挽颓势。但是，由于名义利率己很低，下调空间确实不大(虽然实际利率仍很高)，我们只能从其他方面寻找调控方法。 1．改变金融增长的观念，强调金融深化的质量。提高经济增长的质量，使增长方式由粗放型转向集约型，由片面追求速度转向速度效益并重，提升综合要素增长率(TFP)的贡献程度已成为一种共识。但传统金融深化理论强调得较多的是金融体系“量”上的扩张，如提高M2／GDP的比值等，对金融体系运转过程中产生的效率问题强调较少。 2，分析宏观增长问题还应着眼于微观基础——企业的增长速度与绩效。在利率→储蓄→投资→增长传导过程中，微观主体企业始终是重要的参与者。正如前文所述，企业的投资质量是影响全社会投资数量，效率乃至经济增长的核心变量。但是，经营机制不灵活，投资的利率弹性很低、投资的质量不高，这样的微观主体，再有利的利率信号、再有效的货币政策也无济于事。因此，加快体制变革、加速技术创新、培育一流的企业家队伍确实已刻不容缓。 3．强化金融机构的中介效应。传统金融深化理论强调高实际利率时有一个潜在的假定，就是以较高利率集聚资本的金融部门能够合理地将储蓄转化为现实的投资——这便是金融机构的中介效应。这种中介作用要求包括银行、证券、保险在内的各类金融机构有能力进行“融资低成本、投资高收益、资产高流动、机构高效率”的运转过程。因此在金融深化和改革过程中，也不应忽视这第二类微观主体的作用，应当确立良好的金融体系架构，在金融机构经营中引入竞争，特别是在开放市场中引入外资金融机构的竞争，以全面提升金融系统运作的效率，强化其中介作用。 4．着力培育金融市场，提高直接融资比重，推动金融工具创新。现代金融理论认为，当利率传导机制出现障碍时，构建功能多样化、高效率的金融市场可以弥补这一缺陷。我国长期以来在金融体系中，间接融资占主体地位，而直接融资比重过低。所以，当以银行体系为主的“间接融资i投资”这一机制的功能和绩效明显弱化时，加大直接融资比重已十分迫切。此外，诸如债券、基金、商业票据等融资工具的发展创新，都将有助于提高整个社会的投资质量和数量，并且也很有潜力。而这些金融工具的多样化、规模化，都必须依赖一个规范、健康、灵活、高效的金融市场，所以市场培育、制度完善也应是未来金融深化和发展的重要课题。

④ spss中介效应

关键词： spss中介效应结果分析 、中介效应分析、 spss中介效应检验分析 、 mplus中介效应分析

预览：

中介效应分析方法

在本文中,假设我们感兴趣的是因变量(Y) 和自变量(X) 的关系。虽然它们1 中介变量和相关概念 之间不一定是因果关系,而可能只是相关关系,但按文献上的习惯而使用“X 对的影响”、“因果链”的说法。为了简单明确起见,本文在论述中介效应的检验程序时,只考虑一个自变量、一个中介变量的情形。但提出的检验程序也适合有多个自变量、多个中介变量的模型。

1.1 中介变量的定义

考虑自变量X 对因变量Y 的影响,如果X 通过影响变量M 来影响Y ,则称M 为中介变量。例如“, 父亲的社会经济地位”影响“儿子的教育程度”,进而影响“儿子的社会经济地位”。又如,“工作环境”(如技术条件) 通过“工作感觉”(如挑战性) 影响“工作满意度”。在这两个例子中,“儿子的教育程度”和“工作感觉”是中介变量。假设所有变量都已经中心化(即均值为零) ,可用下列方程来描述变量之间的关系:

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

图1 中介变量示意图

假设Y 与X 的相关显着,意味着回归系数c 显着(即H0 : c = 0 的假设被拒绝) ,在这个前提下考虑中介变量M 。如何知道M 真正起到了中介变量的作用,

或者说中介效应(mediator effect ) 显着呢? 目前有三种不同的做法。

传统的做法是依次检验回归系数 。如果下面两个条件成立,则中介效应显着: (i) 自变量显着影响因变量；(ii) 在因果链中任一个变量,当控制了它前面的变量(包括自变量) 后,显着影响它的后继变量。这是Baron 和Kenny 定义的(部分) 中介过程。如果进一步要求: (iii) 在控制了中介变量后,自变量对因变量的影响不显着, 变成了Judd和Kenny 定义的完全中介过程。在只有一个中介变量的情形,上述条件相当于(见图1) : (i) 系数c 显着(即H0 : c = 0 的假设被拒绝) ； (ii) 系数a 显着(即H0 : a = 0 被拒绝) ,且系数b 显着(即H0 : b = 0 被拒绝) 。完全中介过程还要加上: (iii) 系数c’不显着。

第二种做法是检验经过中介变量的路径上的回归系数的乘积ab 是否显着,即检验H0 : ab = 0 ,如果拒绝原假设,中介效应显着 ,这种做法其实是将ab 作为中介效应。

第三种做法是检验c’与c 的差异是否显着,即检验H0 : c – c’= 0 ,如果拒绝原假设,中介效应显着 。

1.2 中介效应与间接效应

依据路径分析中的效应分解的术语 ,中介效应属于间接效应(indirect effect) 。在图1 中, c 是X对Y 的总效应, ab 是经过中介变量M 的间接效应(也就是中介效应) , c’是直接效应。当只有一个自变量、一个中介变量时,效应之间有如下关系

c = c’+ ab (4)

当所有的变量都是标准化变量时,公式(4) 就是相关系数的分解公式。但公式(4) 对一般的回归系数也成立)。由公式(4) 得c-c’=ab ,即c-c’等于中介效应,因而检验H0 : ab = 0 与H0 : c-c’= 0 是等价的。但由于各自的检验统计量不同,检验结果可能不一样。

中介效应都是间接效应,但间接效应不一定是中介效应。实际上,这两个概念是有区别的。首先,当中介变量不止一个时,中介效应要明确是哪个中介变量的中介效应,而间接效应既可以指经过某个特定中介变量的间接效应(即中介效应) ,也可以指部分或所有中介效应的和。其次,在只有一个中介变量的情形,虽然中介效应等于间接效应,但两者还是不等同。中介效应的大前提是自变量与因变量相关显着,否则不会考虑中介变量。但即使自变量与因变量相关系数是零,仍然可能有间接效应。下面的人造例子可以很好地说明这一有趣的现象。设Y 是装配线上工人的出错次数, X 是他的智力, M 是他的厌倦程度。又设智力(X) 对厌倦程度(M) 的效应是0.707 ( =a) ,厌倦程度(M) 对出错次数( Y ) 的效应也是0.707( = b) ,而智力对出错次数的直接效应是20.50( = c′) 。智力对出错次数的总效应( = c) 是零(即智力与出错次数的相关系数是零) 。本例涉及效应(或相关系数) 的遮盖( suppression) 问题。由于实际中比较少见,这里不多讨论。但从这个例子可以看出中介效应和间接效应是有区别的。当然,如果修改中介效应的定义,不以自变量与因变量相关为前提,则另当别论。在实际应用中,当两个变量相关不显着时,通常不再进一步讨论它们的关系了。

2 中介效应分析方法

由于中介效应是间接效应,无论变量是否涉及潜变量,都可以用结构方程模型分析中介效应 。从路径图(图1) 可以看出,模型是递归的( recursive) ,即在路径图上直线箭头都是单向的,没有反向或循环的直线箭头,且误差之间没有弧线箭头联系。所以,如果所有变量都是显变量,可以依次做方程(1) —(3) 的回归分析,来替代路径分析。就是说,如果研究的是显变量,只需要做通常的回归分析就可以估计和检验中介效应了。

无论是回归分析还是结构方程分析,用适当的统计软件都可以得到c 的估计ˆcˆ,cˆ或cˆ’,以及相应的标准误。中介效应的估计是aˆ’,ˆ,bˆbˆ-c; a , b , c′的估计a

在显变量情形并且用通常的最小二乘回归估计时,这两个估计相等。在其他情形,

ˆ比较直观,并且它等于间接效应的估计。除了报告中介效应的大小外,还ˆb使用a

ˆ/ (cˆ) ) ,或者中介效应与直接效应之ˆ’+aˆbˆb应当报告中介效应与总效应之比(a

ˆ/cˆ’) , 它们都可以衡量中介效应的相对大小 。 ˆb比(a

与中介效应的估计相比,中介效应的检验要复杂得多。下面按检验的原假设分别讨论。

2.1 依次检验回归系数

在三种做法中,依次检验回归系数涉及的原假设最多,但其实是最容易的。如果H0 : a = 0 被拒绝且H0 : b = 0 被拒绝,则中介效应显着,否则不显着。完全中介效应还要检验H0 : c’= 0 。检验统计量t等于回归系数的估计除以相应的标准误。流行的统计软件分析结果中一般都有回归系数的估计值、标准误和t 值,检验结果一目了然。这种检验的第一类错误率很小,不会超过显着性水平,有时会远远小于显着性水平。问题在于当中介效应较弱时,检验的功效很低。这容易理解,如果a 很小(检验结果是不显着) ,而b 很大(检验结果是显着) ,因而依次检验的结果是中介效应不显着,但实际上的ab 与零有实质的差异(中介效应存在) ,此时犯了第二类错误。做联合检验(原假设是H0 : a = 0 且b = 0 ,即同时检验a 和b 的显着性) ,功效要比依次检验的高。问题是联合检验的显着性水平与通常的不一样,做起来有点麻烦。

2.2 检验H0 : ab = 0

ˆ的标准误。目前至少有5 种以上的近似ˆb检验H0 : ab = 0 的关键在于求出a

计算公式 。当样本容量比较大时(如大于500) ,各种检验的功效差别不大。值得在此介绍的是Sobel 根据一阶Taylor 展式得到的近似公式

sab = asb+ bsa2222 (5)

ˆ的标准误。检验统计量是z = aˆ/ sab 。只有一个ˆ,bˆb其中, sa , sb 分别是a

中介变量的情形,LISREL输出的间接效应的标准误与使用这个公式计算的结果一致。在输出指令“OUT”中加入“EF”选项,会输出包括间接效应在内的效应估计、相应的标准误和t 值,这个t 值就是Sobel 检验中的z 值。

由于涉及到参数的乘积的分布,即使总体的X 、M 和Y 都是正态分布,并且

ˆ/sab 。ˆb是大样本, z = a还是可能与标准正态分布有较大的出入。MacKinnon 等

人用该统计量但使用不同的临界值进行检验。在他们的临界值表中,显着性水平0. 05对应的临界值是0. 97 (而不是通常的1. 96 ,说明中介变量有更多的机会被认为是显着的,从而检验的功效提高了,但第一类错误率也大大增加了)。MacKinnon 等人的模拟比较研究发现,在样本较小或总体的中介效应不大时,使用新的临界值检验的功效比同类检验的要高,在总体参数a = 0 且b = 0 时第一类错误率与0. 05 很接近,因而是一种比较好的检验方法。但在统计软件采用该临界值表之前,难以推广应用。而且,当a = 0 或b = 0 只有一个成立时(此时也有ab = 0 ,即中介效应为零) ,第一类错误率远远高于0. 05 ,这是该方法的最大弊端。

2.3 检验H0 : c-c’= 0

ˆ’的标准误。ˆ-c同样,检验H0 : c-c’= 0 的关键在于如何计算c目前也有多种

近似公式。MacKinnon 等人比较的结果是其中有两个公式得到的检验有较高的功效,在总体参数a = 0 且b = 0 时的第一类错误率与0. 05 很接近。一个是Clogg 等人给出的公式

Sc-c’= rXM sc’ (6)

其中rXM是X 和M 的相关系数。另一个是Freedman 等人推出的公式 Sc-c’= sc+sc’-2scsc’-rXM222 (7)

当a = 0 但b ≠0 时(此时ab = 0 ,即中介效应为零) ,这两种公式对应的检验

ˆ’) / sc-c’作为检验统计量) 的第一类错误率都很高。特别是公式(6) ,ˆ-c(即t = (c

对应的第一类错误率有可能高达100 %。事实上,由公式(6) 得到的检验与H0 : b = 0 的检验等价 。就是说,即使中介效应不存在( ab = 0) ,只要b 显着,检验结果

就是中介效应显着(犯了第一类错误) 。

2.4 一个实用的中介效应检验程序

为了使一个中介效应检验的第一类错误率和第二类错误率都比较小,既可以检验部分中介效应,又可以检验完全中介效应,而且还比较容易实施,我们提出如下检验程序。

1. 检验回归系数c ,如果显着,继续下面的第2步。否则停止分析。

2. 做Baron 和Kenny部分中介检验,即依次检验系数a , b ,如果都显着,意味着X对Y的影响至少有一部分是通过了中介变量M实现的,第一类错误率小于或等于0. 05 ,继续下面第3步。如果至少有一个不显着,由于该检验的功效较低(即第二类错误率较大) ,所以还不能下结论,转到第4步。

3. 做Judd 和Kenny完全中介检验中的第三个检验(因为前两个在上一步已经完成) ,即检验系数c’,如果不显着,说明是完全中介过程,即X对Y的影响都是通过中介变量M实现的;如果显着,说明只是部分中介过程,即X对Y的影响只有一部分是通过中介变量M实现的。检验结束。

4. 做Sobel检验,如果显着,意味着M的中介效应显着,否则中介效应不显着。检验结束。

整个检验程序见图2。这个程序有可能只需要依次检验,即使需要Sobel 检验,

ˆ/ s都不算难。ˆb用公式(5) 直接计算sab和检验统计量z =a如果使用LISREL 进行ab

分析,输出结果中可以找到本检验程序所需的全部检验统计量的值和检验结果。

中介效 完全中介 中介效 中介效应 Y与X相关不显着

应显着 效应显着 应显着 不显着 停止中介效应分析应

图2 中介效应检验程序

3 学生行为对同伴关系影响的中介效应分析

要研究的是初中学生行为(X) 对同伴关系(Y) 的影响。变量及其数据来自香港中文大学张雷教授主持的儿童同伴关系研究,本文只用到部分变量和数据。 这里只简单地介绍有关变量的含义和符号。学生行为( X) 是被试的违纪捣乱行为,包括9个题目(如挑起争斗、欺负同学、说脏话等) ,同伴关系(Y) 是被试受同学欢迎的程度,具体地说,就是同班同学有多少人将其列入喜欢的名单(每人所列的喜欢名录没有名额限制) 。老师的管教方式(U)是被试对班主任老师的管教方式的评价,也有9 个题目(如班主任愿意听我们的意见,班主任的期望和要求明确清晰, 等等) 。老师对学生的喜欢程度( W) 由班主任为被试打分(从“一点都不喜欢”到“非常喜欢”5 级记分) 。被试人数N = 595。由于潜变量和显变量的中介效应检验方法是一样的,为简单起见,这里将上述变量都作为显变量处理(即用该变量包含的题目得分的平均值作为变量值) 。所有变量都已经中心化,数据分析中只需要下面的协方差矩阵:

Y 18. 87

W 1. 13 0. 45

X – 9. 78 – 2. 20 94. 25

U 0. 63 0. 09 – 0. 22 0. 56

使用广义最小二乘估计方法进行分析,由于样本容量大,广义最小二乘估计与极大似然估计的结果非常接近。

3.1 教师喜欢程度的中介效应分析

假设我们认为学生行为会影响老师对他的喜欢程度,而同伴关系会受到老师喜欢程度的影响,则喜欢程度是中介变量。喜欢程度(W) 的中介效应分析结果见表1 ,其中的结果是标准化解,用小写字母代表相应变量的标准化变量。由于依次检验(指前面3 个t 检验) 都是显着的,所以喜欢程度的中介效应显着。由于第四个t 检验也是显着,所以是部分中介效应,中介效应占总效应的比例为0.1338 ×0.1349/ 0.1232 =50.18 %。

表1 喜欢程度(W) 的中介效应依次检验

第一步 第二步 第三步

上述包含了中介变量W的模型分析结果表明:一方面,学生行为对同伴关系有直接负效应,即违纪捣乱行为多的同学,受同学欢迎的程度往往会低一点。另一方面,学生行为通过教师喜欢程度对同伴关系有间接负效应,即违纪捣乱行为多的同学,老师往往比较不喜欢,而老师的态度会影响同学,使同学也比较不喜欢。

14x

**

标准化回归方程

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

回归系数检验 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 表示标准误。 表示在0.01 水平上显着。

3.2 教师管教方式的中介效应分析

假设我们认为学生的行为会影响老师的管教方式,而管教方式会影响同伴关系,则管教方式是中介变量。

管教方式(U) 的中介效应分析结果(标准化解)见表2 。由于依次检验中的第二步检验不显着(即u 对x 的回归系数不显着, t =20.72 , p > 0.05) ,根据我们

ˆ/ a2s2+ b2s2 ,ˆb提出的检验程序,需要做Sobel 检验,检验统计量是z = abaˆ= 0. 187 ˆ =20. 030 , 此处asa = 0. 041 , b, sb = 0. 039 计算得z =20.72 , p > 0.05 。

所以管教方式(U) 的中介效应不显着。

表2 管教方式(U) 的中介效应依次检验

第一步 第二步 第三步

6x

标准化回归方程

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**

回归系数检验

注: SE 表示标准误。** 表示在0.01 水平上显着。

4 结语

在多变量分析中,除了考虑自变量对因变量的影响外,经常还会涉及中介变量。例如,有间接效应的路径分析,其实已经涉及中介变量,但研究者如果不知道相应的概念和分析方法,自然不可能进行真正的中介效应分析(特别是中介效应的检验) 。

本文提出的中介效应检验程序,可以做部分中介效应和完全中介效应的检验。由于同时考虑了两类错误率,该程序比单一的检验方法要好。而且,该程序简单可行,计算量少。该程序可以让读者避免在繁多的检验方法中无所适从,能够按部就班地进行中介效应的检验。

⑤ 中介效应

中介效应模型表明，如果将解释变量 X 对被解释变量 Y 的影响进行分解，不仅含有X 对 Y 的直接影响，还包含通过中间变量 M 对 Y 产生的间接影响，那么 M 就是中介变量，即中介变量是解释变量对被解释变量发生间接作用的内部传导媒介。

中介效应的检验程序是：

关于结果的解读：

参考资料：
余东华,孙婷.环境规制、技能溢价与制造业国际竞争力[J].中国工业经济,2017(05):35-53.

⑥ 心有不甘打一字是什么字

心有不甘打一字:怀。怀字左边为穿心旁，右边为不字。所以心有不甘打“怀”字。

⑦ 中介效应是计量经济模型吗

是。中介效应主要是用来计算经济的函数变量，所以是计量经济模型。中介效应，它指的是X对Y的影响是通过M实现的，也就是说M是X的函数，Y是M的函数（YMX）。

⑧ 2022西瓜PLAY有哪些亮点内容

2022西瓜PLAY的主要内容大致分为三部分：
1、首先当然是人气争霸赛活动，不同领域的各位创作者们同台竞技，聆听每一位创作者的心路历程，感受每一种生活的发出的呐喊，不过当前人气争霸赛活动已结束，打开西瓜视频App搜索“西瓜PLAY”，进入2022西瓜PLAY活动详情页也可以了解到相关创作者的排名情况。
2、其次就是正在进行中的主播挑战赛活动，无论是人气主播还是魅力新秀，面对2022西瓜PLAY入场资格的角逐纷纷拿出看家本领为我们奉献了一场又一场精彩直播，主播间的人气角逐也同样不容错过。
3、西瓜PLAY的重头戏自然是每年都不会缺席的金秒奖评选，2022西瓜PLAY金秒奖评选现在也已进入【专家评选】阶段，入围作品名单将于2022年8月14日公布，让我们共同期待哪些作品能最终脱颖而出，助力创作者站上2022西瓜PLAY的领奖台吧。

⑨ 什么是迎合理论

用户首次输入之前随着我国经济改革进入深水区,实体企业的超额收益逐渐消失。与此同时,金融行业投资收益率不断上升。社会资金逐渐从实体部门向虚拟部门转移,实体企业金融化程度不断加剧。实体企业金融化不仅不利于企业永续经营,而且影响国家长远发展。因此,了解实体企业金融化成因,解决实体企业过度金融化问题意义深远。实体企业购买金融资产实质上是企业的一种投资行为,股票流动性作为资本市场的生命线对实体企业投融资的影响不容忽视,然而现有研究大多从微观层面探讨公司治理对实体企业金融化的影响。基于此,本文以股票流动性为核心解释变量,通过实证模型研究其在实体企业金融化水平上升过程中的作用。本文主要从“迎合理论”出发,使用2010—2019年A股实体企业上市公司数据,以企业金融资产与总资产的比值衡量实体企业金融化,选取双固定效应模型。首先,研究股票流动性对实体企业金融化的影响;其次,引入投资者情绪变量,探究投资者情绪对实体企业金融化的影响以及投资者情绪在股票流动性影响实体企业金融化的路径中的作用;最后,从异质性的视角观察不同的公司规模、产权性质和金融化水平下,股票流动性对实体企业金融化的影响。研究结果显示,股票流动性与实体企业金融化之间存在显着的正相关关系,即股票流动性上升促进了实体企业金融化的发展;高昂的投资者情绪促进实体企业金融化,低迷的投资者情绪抑制实体企业金融化;投资者情绪在股票流动性影响实体企业金融化的过程中起到了部分中介效应。具体而言,股票流动性提高造成的投资者情绪升高后,企业管理者会迎合投资者偏好去配置金融资产。进一步研究发现,在较大规模的、国有的与金融化程度较高的实体企业中,股票流动性对实体企业金融化的促进作用更为突出。最后,本文根据实证结果,从政府和企业两个角度,提出缓解实体企业金融化的相关建议与意见。，输入框中的文本

⑩ SPSS中怎么用Bootstrapping方法做中介效应检验

《时效应》是《麦家》创立者张庆贵提出的，指的是有效的按一定规则利用时间，汇集资源，结合实际，合理转化的经济模式。 这种新兴的经济模式，在特定的经济时期，特别是通货膨胀期，针对社会经济产生的泡沫，进行合理转化，使其成为有助实体经济发展的反哺资源。在社会反哺实业的利导下实现经济增长，保障稳定，促进社会和谐发展。