【講座回顧】比暢：調節中介效應——Hayes Process建模法

12月12日下午，美國內布拉斯加大學奧馬哈分校傳播熊猫助理教授比暢以“調節中介效應：Hayes Process建模法”為主題🌛，為熊猫体育博士生帶來一場精彩的講座，詳細介紹了如何利用Process的模型進行中介和調節效應分析🩰。比暢老師主要研究方向為親社會戰略傳播🍿、品牌活動👨🏼‍🎨、健康傳播以及人工智能的應用🏇。

講座伊始🤍🛝，比暢老師首先介紹了Process是加拿大卡爾加裏大學教授Andrew F. Hayes基於SPSS和SAS開發的插件，主要用於進行中介和調節效應分析🛺。比暢老師指出Process模型的原理為在原本樣本中抽取5000個小樣本🚙，進行回歸分析👨‍🔬，從而提高數據結果的可信度，適用於原本樣本量較小的數據。

接下來，比暢老師簡單介紹了什麽是回歸🙋🏿‍♀️。她講到🤰🏿，回歸的目的是考察一個或多個自變量和目標變量之間的關系，並確定自變量對應變量的影響程度。比暢老師以分析社交媒體使用時長和年齡的關系為例🐵，大致解釋了回歸分析的過程🤹‍♂️⛈，包括繪製散點圖👴🏻、估算回歸方程等，通過方程的回歸系數，可以看出自變量對應變量的影響程度。

隨後，比暢老師從三個維度比較了Process模型和結構方程模型（Structural Equation Model, SEM）之間區別🫨。第一，研究目的不同。SEM模型關註多個變量之間相互關系以及它們的對整體的共同作用；Process模型聚焦於變量的中介和調節效果，主要用於判斷一個變量是否是有影響力的中介變量。第二，模型類型不同。SEM模型可以包含潛在變量🙅🏿；Process模型需要人為歸納組合。比暢老師強調，應該根據研究目的選擇合適的模型。

Process模型主要用於分析兩種變量的效果：中介變量（mediator）和調節變量（moderator）👷‍♂️。比暢老師對這兩種變量及其基礎模型模板分別做了介紹。中介變量是自變量（X）對應變量（Y）產生影響的中介，X通過影響中介變量來影響Y🎺👨🏿‍🦱；調節變量則具有疊加效果的作用，調節X對Y的影響的大小或方向💇🏿。比暢老師向同學們介紹Process建模共有74種模型模板🚉，其中模型1是最基礎的調節效應模型🧑🏻🤶🏿，模型4是最基礎的中介效應模型。

講座的下半場，比暢老師帶領同學們進行實操，分別以模型1和4對給定數據進行Process建模，並詳細解釋了如何讀懂運行結果。她指出，結果中的LLCI一欄代表置信區間的最小值👩🏿‍🚒，ULCI代表最大值。在中介效應模型中⏸，當這個兩個值均為正或均為負，即區間內不包含0值，則代表一個變量對另一個變量有顯著正向或反向預測效果📝，如若區間內包含0值，則效果不顯著🔵。模型4的最終運行結果分為直接影響和間接影響兩欄數據🧑🏿‍🦱，當這兩欄數據的置信區間均不含0值時🂠，證明該中介變量具有中介效應🤷🏻‍♀️🧗🏿‍♀️。對於調節效應模型，比暢老師表示主要觀察自變量（X）與調節變量（M）生成的交互變量（XM）的P值，當P值<0.05時，代表該調節變量對X與Y之間的作用存在調節作用。

最後，比暢老師講解了如何將結果寫入論文。首先說明使用了哪個模型。其次，寫明自變量、應變量和中介/調節變量分別是什麽。然後寫明反映中介效應或調節效應存在與否的置信區間。最後插入模型示意圖輔助說明。至此，本次講座圓滿結束。同學們學習了如何利用Process模型分析變量的中介或調節效應，對其日後進行量化研究有極大幫助。