當前在分析中介效果時，多採用拔靴法(bootstrapping)求取間接效果的信賴區間，同步檢驗中介效果之假設。

【範例】自變數(X)：產品涉入；中介變數(M)：產品知識；依變數(Y)：購買意願

 

Tilte: bootrapping

Data: file = bootstrap.dat

Variable: names = X M Y;

          Usevariables = X M Y;

Analysis: estimator is ML;

          Bootstrap is 5000;

Model: y on x m;

       m on x;

Model indirect: y ind x;

Output: tech1 sampstat stdyx cinterval(bcbootstrap)

Plot: type = plot1 plot3;

【分析結果】

分析結果會先呈現語法內容

接著，分析報表會告訴我們分析的資料結構。

這個範例共計有328個樣本，一個預測變項，兩個結果變項。

備註：有被預測的均視為結果變項，如中介變項(本範例為產品知識)。

再來，分析報表會提供各個放入變項的基本資料，如平均數、共變異數以及相關係數。

另外，在「MODEL RESULTS」這個部分是未標準化解，分析結果僅顯示，中介變項(M)2可正向顯著預測依變項(Y)。

中介效果檢定：

  1. 自變數(產品涉入)對中介變數(產品知識)之預測(β = 0.019, p > .05)。
  2. 自變數(產品涉入)對依變數(購買意願)之預測(β = -0.035, p > .05)。
  3. 中介變數(產品知識)對依變數(購買意願)之預測(β = 0.269, p < .05)。
  4. 自變數(產品涉入)對中介變數(產品知識)再對依變數(購買意願)之預測效果(=0.019*0.269)

以上結果顯示，中介效果未達顯著水準。

若想得知標準化解的結果，可往後找到「STANDARDIZED MODEL RESULTS」

最後，看到「TOTAL, TOTAL INDIRECT, SPECIFIC INDIRECT, AND DIRECT EFFECTS」。

  1. 總效果(-0.031)：表示未放入任何中介變數(產品知識)時，自變數(產品涉入)對依變數(購買意願)的直接預測效果。
  2. 中介效果(-0.036)：加入中介變數(產品知識)後，自變數(產品涉入)對依變數(購買意願)的迴歸係數的預測效果。

Mplus也有另一種語法設定，檢定中介效果。

第二種語法：設定新參數

Model: m on x (a);

       y on m (b)

            x (c);

model constraint:

  new (indirect total);

      indirect = a*b;

      total = a*b+c;

備註：分析結果除下圖之外，其餘基本分析結果均與上述相同，故不重複羅列。

在「New/Additional Parameters」中包含INDIRECT和TOTAL兩個部分。

其中INDIRECT和TOTAL均未達顯著，表示中介效果未達統計顯著水準，與上述結果相同。

而信賴區間則呈現在下圖，信賴區間未包含0，表示有達統計顯著標準。

以上，使用拔靴法(bootstrapping)檢定中介效果，您學會了嗎?