企业官网建设流程全解析

调节中介结果解读

一、分析方法概述

调节中介效应模型（Moderated Mediation Model）是一种整合了调节效应和中介效应的综合统计方法，用于检验中介效应是否受到调节变量的影响。该模型能够揭示在不同调节变量水平下，自变量通过中介变量对因变量产生的间接效应是否存在差异。本研究利用SPSSAU软件进行调节中介效应分析，采用Model 7模型框架，通过Bootstrap抽样法检验条件间接效应的显著性。研究共涉及自变量x、调节变量z、中介变量m、因变量y以及2个控制变量（control1、control2），有效样本量为420。

在SPSSAU【问卷研究】模块选择【调节中介】，将变量拖拽至右侧对应分析框，操作如下图：

二、回归模型分析

从表1的回归模型汇总可以看出，本研究涉及两个回归模型。以中介变量m为因变量的模型中，自变量x（beta=0.706，t=21.773，p=0.000）、调节变量z（beta=0.560，t=16.577，p=0.000）以及交互项x*z（beta=0.749，t=23.566，p=0.000）均对m产生显著正向影响，模型R2为0.758，说明这些变量能够解释m 75.8%的变异。以因变量y为因变量的模型中，自变量x（beta=0.217，t=4.916，p=0.000）和中介变量m（beta=0.814，t=24.325，p=0.000）对y具有显著正向影响，control2也对y有显著影响（beta=0.250，t=6.764，p=0.000），模型R2为0.724。交互项x*z的显著性表明调节效应存在，即z对x与m之间的关系具有调节作用。

三、直接效应分析

从表2的直接效应结果可以看出，自变量x对因变量y的直接效应为0.217（SE=0.044，t=4.916，p=0.000），95%置信区间为[0.130, 0.303]，不包含0，说明直接效应显著。这表明在控制中介变量m后，x对y仍然具有显著的正向影响。

四、条件间接效应分析

从表3的条件间接效应结果可以看出，调节变量z在不同水平下，自变量x通过中介变量m对因变量y的间接效应存在明显差异。当z处于低水平（-1SD）时，间接效应为-0.036，Bootstrap 95%置信区间为[-0.106, 0.041]，包含0，说明在此水平下中介效应不显著。当z处于平均值水平时，间接效应为0.564，Bootstrap 95%置信区间为[0.501, 0.635]，不包含0，中介效应显著。当z处于高水平（+1SD）时，间接效应为1.164，Bootstrap 95%置信区间为[1.060, 1.271]，不包含0，中介效应显著。这一结果表明，随着调节变量z水平的提高，中介效应逐渐增强，从低水平时的不显著到平均水平和高水平时的显著，体现了典型的调节中介模式。

五、调节中介指数

从表4的调节中介指数结果可以看出，Index值为0.610（BootSE=0.033），Bootstrap 95%置信区间为[0.547, 0.674]，不包含0，进一步证实了调节中介效应的存在。调节中介指数反映了调节变量z每变化一个单位，间接效应的变化量，其值为0.610说明z对间接效应具有显著的正向调节作用。

六、样本缺失情况

从表5可知，本次调节中介分析共纳入420个样本，所有样本在所有变量上均无缺失数据，有效样本占比100%，数据完整性良好。

七、结论

本研究采用Model 7调节中介模型，通过Bootstrap抽样法检验了调节变量z对自变量x通过中介变量m影响因变量y这一间接效应的调节作用。结果显示：（1）交互项x*z对中介变量m的影响显著（beta=0.749，t=23.566，p=0.000），表明调节效应存在；（2）条件间接效应分析表明，当z处于低水平时间接效应不显著（Effect=-0.036，95%CI包含0），当z处于平均水平（Effect=0.564，95%CI=[0.501, 0.635]）和高水平（Effect=1.164，95%CI=[1.060, 1.271]）时间接效应均显著；（3）调节中介指数Index=0.610，95%CI=[0.547, 0.674]，不包含0，进一步验证了调节中介效应的存在。综上，调节变量z显著调节了x通过m对y的间接效应，且z水平越高，中介效应越强。