一种统计分析方法，用于探索自变量和因变量之间的关系是否通过一个或多个中介变量来解释。它主要用于研究一个变量对另一个变量的影响机制，揭示中介变量在自变量对因变量效应中的作用。在实际应用中，链式中介分析是一种用于探索自变量对因变量影响机制的方法，通过中介变量的检验来解释自变量和因变量之间的关系。它对于揭示变量之间的中介效应和深入理解因果机制非常有用。

    数据说明：

    背景说明： 可以说指标A2存在一个链式中介效应，通过中介变量A4对指标B产生影响。然而，指标A3的影响效应不是通过中介变量A4，而是通过中介变量A2和A4对指标B产生影响。需要注意的是，模型的解释力由R²和调整后R²来衡量。在这个模型中，R²值介于0和1之间，较高的R²值表示模型可以解释很大的变异性。而F值和p值用于检验整个模型的显著性。

    分析结果如下所示：

    在模型一中，结果显示，所有自变量均未对因变量A2起显著影响作用（p>0.05）。模型公式为：A2 = 2.251 + 0.1897*A4

    在模型二中，A4对A3存在显著正影响作用，beta值为0.5445，p值为0.0(p<0.05)。模型公式为：A3 = 1.1825 + 0.5445*A4 + 0.0787*A2

    在模型三中，A4对A1存在显著正影响作用，beta值为0.4368，p值为0.0(p<0.05)。模型公式为：A1 = 1.7497 + 0.4368*A4

    在模型四中，A3对A1存在显著正影响作用，beta值为0.4747，p值为0.0(p<0.05)。模型公式为：A1 = 1.3142 + 0.1889*A4 - 0.0933*A2 + 0.4747*A3

    指标详解：

    1.标准误：表示估计值的不确定性。较小的标准误表明估计值的可靠性较高。

    2.t值：用于检验估计值是否显著不等于零的统计量。 p值：表示观察到的统计量与零假设完全一致的概率。较小的p值表示观察到的数据对零假设的支持较弱。

    3.常数：模型中的截距项，表示当所有自变量都为零时，因变量的预测值。

    4.B：回归系数，系数越大影响越大。

关注微信公众号发送【示例数据】获取SPSSMAX练习示例数据。