Downloaded by [University of Wisconsin-Milwaukee] at 04:51 26 January 2017
1
“From the best statistics which I could get on the Isthmus, I found that the French lost yearly by death from yellow fever about one-third of their white force During the fall of 1905 yellow fever rapidly
decreased, and by November, the last case of this disease had occurred in Panama. This fact quieted alarm on the Isthmus, and gave the sanitary offi- cials great prestige. Not only among the now large body of Canal employees, but also among the native population living on the Isthmus.”
—William Crawford Gorgas (1915, pp. 149, 156)
Overview
This book addresses the question of how and why two things are related. How do knowledge and beliefs lead to behavior? Why does poverty lead to juvenile delinquency? How do tobacco prevention programs reduce tobacco use? How does psychotherapy reduce depression? These ques- tions are addressed by considering variables that explain how or why two things are related. These variables are called mediating variables or medi- ators. More formally, a mediating variable is intermediate in the causal sequence relating an independent variable to a dependent variable. That is, the independent variable causes the mediating variable which then causes the dependent variable. Websterrsquo;s New World Dictionary of the Amer- ican Language (Guralnik, 1970, p. 881) defines mediate as “(1) to be in an intermediate position or location. (2) to be an intermediary or conciliator between persons or sides.” and mediated as “(1) intermediate or interven- ing. (2) dependent on, acting by or connected through some intervening agency; related indirectly.” The notion of a mediating variable in this book differs from the more common conception of a mediator as a person who negotiates between two parties. Mediation between two parties by a per- son is not described in this book. Methods to investigate variables that explain how or why two variables are related are the focus of this book.
1
Questions relating to mediating processes are central to basic and applied research in many fields. Here are a few mediational hypotheses: attitudes cause intentions, that then cause behavior; exposure to conta- gious bacteria causes infection that then causes disease; and exposure to information causes learning that causes behavior based on that learn- ing. Many other examples are described throughout this book, and you can probably think of several right now. The purpose of this book is to describe methods to investigate such mediating variables.
Downloaded by [University of Wisconsin-Milwaukee] at 04:51 26 January 2017
Chapter 1 introduces the notion of a mediating variable in scientific research and defines several concepts used throughout the book. Two mediation examples are described. The first example, one of the most common examples of mediation, originated in the study of how an organ- ism mediates the relation of a stimulus to a response (Woodworth, 1928). The substantial impact of this stimulus to organism to response (S–O–R) approach in psychology is described. The second mediation example is the description of the control of yellow fever during the building of the Panama Canal in the early 1900s. The same mediation approach is now widely used in health promotion and disease prevention. After these examples, several concepts are defined and a brief history of the mediat- ing variable is given.
Stimulus–Organism–Response Model: A Mediation Theory
The stimulus–response (S–R) formulation dominated 20th century psy- chology (Hebb, 1966), and its influence continues today. In the S–R formu- lation of behavior, behavior is a response to stimuli. In a lower organism such as an insect, neural and muscular physiological mechanisms trans- late a stimulus to behavior. In higher organisms, mental processes in addition to physiological mechanisms translate a stimulus into behavior. Woodworth (1928) outlined a stimulus–organism–response (S–O–R) model for explaining how the organism mediates the relationship between the stimulus and response by postulating different mediating mechanisms operating in the organism. Mediating mechanisms are what determines how an organism responds to a stimulus. For example, a stimulus may trigger a memory mechanism that identifies the stimulus as a threat that leads to an avoidance response, or a stimulus may trigger an attraction process that leads to a physiological response such as pupil dilation and an approach response.
The S–R formulation was first applied in studies of learning, primar- ily with animals. In these experiments, animals learned how to avoid an electric shock or how to find food in a maze. Experimental manipulations
elucidated many aspects of learning such as the ideal reward schedule to maintain behavior and how unrewarded behaviors decrease. Research- ers theorized about the processes occurring between when a stimulus is given and a response is made. In an American Psychological Association presidential address devoted to describing why rats turn the way they do in mazes, Tolman (1938) proposed that mental processes such as demand, appetite, and biases translate stimuli into response. Tolman (1935) was also the first to use the term intervening variable for these mediating pro- cesses coming between the stimulus and response. In contrast to Tolmanrsquo;s mental processes, Hull (1937) postulated more materialistic variables such as habit strength and drive as mediating the relation of stimulus to response. In his view, learning consisted of organization and reorganiza- tion of reinforced drives. For both views, mathematical functions deter- mined how
剩余内容已隐藏，支付完成后下载完整资料
一，介绍
“从最好的统计数据,我可以得到地峡,我发现法国失去了每年死于黄热病约三分
之一的白色力在1905年秋天黄热病迅速下降,11月,这种疾病的最后一例发生在巴
拿马。这一事实平息了地峡上的恐慌，给了卫生官员极大的声誉。不仅是在运河
工人中，而且在居住在地峡上的当地居民中。”
——威廉·克劳福德·戈加斯(1915年，第149页，156页)
1.1概述
这本书探讨了两个事物如何以及为什么相关的问题。知识和信念如何导致行为?
贫困为什么会导致青少年犯罪?烟草预防项目如何减少烟草使用?心理治疗如何
减少抑郁?这些问题是通过考虑变量来解决的，这些变量解释了两件事如何或为
什么相关。这些变量称为中介变量或中介器。更正式地说，中介变量是因果序列
中自变量与因变量之间的中介。也就是说，
自变量引起中介变量，中介变量又引起因变量。韦伯斯特的《美国新世
界语言词典》(Guralnik, 1970, p. 881)将居中定义为“处于中间位置或位
置”。(二)作为人和事之间的调解人或者调解员。并作为(1)中介或中介。
(二)依靠、通过或者通过某种中介机构的;间接相关。在这本书中，中介变量的概念不同于更常见的中介概念，即在双方之间进行谈判的人。这本书中没有描述父子双方之间的调解。研究解释两个变量如何或为什么相关的变量的方法是本书的重点。与中介过程有关的问题是许多领域的基础和应用研究的核心。这里有一些中介假设:态度导致意图，意图导致行为;接触到不稳定的细菌会引起感染，然后引起疾病;接触信息会导致学习，而学习又会导致基于学习的行为。本书还描述了许多其他的例子，您现在可能已经想到了几个。本书的目的是描述研究此类中介变量的方法。
第一章介绍了科学研究中中介变量的概念，并定义了贯穿全书的几个概念。本文描述了两个中介示例。第一个例子，也是最常见的中介例子之一，起源于器官功能学说如何中介刺激与反应之间的关系的研究(Woodworth, 1928)。描述了这种刺激对机体反应(S-O-R)方法在心理学上的实质性影响。第二个调解例子是描述在20世纪初巴拿马运河建设期间对黄热病的控制。同样的调解方法现在广泛用于促进健康和预防疾病。在这些例子之后，定义了几个概念，并简要介绍了中介变量的历史。
1.2刺激-组织-反应模型:中介理论
刺激反应(S-R)的配方主导了20世纪的精神疾病心理学(Hebb, 1966)，其影响至今仍在继续。在行为的S-R形式中，行为是对刺激的反应。在低等生物如昆虫中，神经和肌肉的生理机制转化为对行为的刺激。在高等生物中，心理过程和生理机制将刺激转化为行为。Woodworth(1928)概述了刺激-机体-反应(S-O-R)模型，该模型通过假设机体中存在不同的中介机制来解释机体如何调节刺激和反应之间的关系。中介机制决定有机体对刺激的反应。例如，刺激可能触发一种记忆机制，这种机制将刺激识别为导致回避反应的威胁，或者刺激可能触发吸引过程，从而导致生理反应，如瞳孔放大和接近反应。
S-R公式首次应用于动物的学习研究。在这些实验中，动物学会了如何避免电击或如何在迷宫中寻找食物。实验操作阐明了学习的许多方面，如维持行为的理想奖励计划和未奖励行为如何减少。研究人员将刺激和反应之间的过程理论化。托尔曼(1938)在美国心理学协会(American Psychological Association)的一次主席演讲中，致力于描述老鼠为什么会像它们在迷宫中那样转向，他提出，需求、食欲和偏见等心理过程会将刺激转化为反应。托尔曼(1935)也是第一个使用中介变量这个术语来描述这些介于刺激和反应之间的中介过程。与托尔曼的心理过程相反，赫尔(1937)假设了更多的物质变量，如习惯强度和驱动力，作为刺激与反应关系的中介。在他看来，学习包括加强动力的组织和重组。对于这两种观点，数学函数都揭示了刺激如何影响中介变量以及中介变量如何影响响应。
两个例子进一步说明了S-O-R模型。假设给你两个数字16和18，要求你用它们的乘积来回答。16和18这两个数字是刺激，你的答案是反应。中介过程是指在你受到刺激和做出反应之间的这段时间里所进行的思考和其他活动。另一个例子来自Tinklepaugh(1928)对猴子学习的研究。猴子们被允许观看实验者将生菜等食物放在猴子够不到的两个杯子里。一个屏幕被竖起来，过了一会儿，猴子被允许从其中一个杯子里拿食物。在一项实验中，实验者把生菜放在一只杯子里，猴子吃了一段时间后才拿出来吃。在另一个实验中，猴子看到实验者在一个杯子里放了一根香蕉，这是猴子最喜欢的食物。当屏幕被取下，猴子捡起生菜时，猴子表现出惊讶，不吃生菜，一些猴子“转向房间里的观察者，显然是愤怒地对着他们尖叫”(廷克利保，1928，第224页)。这项研究表明，展示食物的刺激引发了猴子对食物的预期，进而影响了猴子对食物的反应。期望是中介变量。
S-O-R模型说明了中介过程的复杂性。首先，中介过程通常是不可观察的。如果对S-O-R模型中的各个环节进行研究，那么就需要一种测量过程的方法。对于S-O-R模型，测量介质的例子有脑电图、瞳孔扩张、皮肤电反应和自我报告。第二，中介过程可能在不同的级别上运行。中介过程包含生理变化
将刺激转化为反应和心理过程。在生理领域，有神经、感觉和肌肉介质的过程，甚至简单的S-R关系。中介机制也可能存在于有机体之外，如群体和社区层面的过程(例如，社区的社会经济地位可能影响社会凝聚力，从而影响犯罪率)。第三，中介过程可以是同时或顺序发生的各种中介过程的总和。第四，中介链可能是广泛的，例如，一系列的感觉、神经和肌肉的活动。在S-R公式中，关注主要变量的摩尔调解方法要优于详细链所涉及的分子过程(Hull, 1943, p. 19)。任何中介分析都需要对中介链中研究的详细级别作出决定。
S-O-R模型是更一般的黑盒模型的一个例子，其中黑盒指的是输入影响输出的不可观测机制(Weed, 1998)。黑盒子中的变量是中介变量，黑盒子中假设的机制是中介机制。S-O-R和黑盒模型为中介分析提供了框架。黑盒模型适用于许多科学领域。在历史的早期，原子机制被假设为可观察到的化学反应过程。这些原子化学反应尚未观察到，必须从实验结果中推断出来。在这些实验中，化学品是黑盒的输入，化学品是黑盒的输出。约翰·道尔顿和安托万·拉瓦锡的实验证明，化学反应后，质量得到了控制，原始元素的比例是相同的，从而得出物质是由原子组成的结论(Brown, LeMay， amp; Bursten, 2000)。原子反应是将化学输入转化为化学输出的过程。科学的发展，如电子显微镜，已经提高了观察和测量这些过程的能力，这导致了更不可观测的假设，如亚原子粒子。孟德尔假设，粒子或基因是他研究豌豆植株遗传的机制(Campbell, Reece, Taylor， amp; Simon, 2006)。遗传理论描述了双亲性状，即黑盒的输入，如何导致后代性状，以及黑盒的输出。随着脱氧核糖核酸(DNA)的发现，以及对人类、大鼠和果蝇基因组的测量，直接测量以前未观察到的遗传机制是可能的。遗传和原子理论的例子说明了如何使用理论来理解黑盒中不可观测的内部机制。这些例子也说明了科学是如何通过测量以前未观察到的中介机制而取得进展的。事实上,调查
对中介变量的测量可以看作是一个测量问题，对中介过程的测量越精确，就越有进展。
1.3黄热病与巴拿马运河:一个适用的调解例子
在巴拿马运河建设期间对黄热病的控制提供了一个早期干预的例子，该干预旨在改变介质以改变结果变量。1889年至1898年间，法国人试图修建巴拿马运河，但因黄热病而搁浅。黄热病导致许多工人死亡或丧失工作能力，无法继续进行这项工程。但是巴拿马运河不得不修建，因为环绕南美洲底部合恩角的旅程太长，太危险。由于巴拿马运河对美国的利益至关重要，因此美国将承担起建造运河的任务。认识到建造运河的健康和工程挑战，威廉·戈加斯博士被选中领导黄热病和疟疾的公共卫生攻击(戈加斯，1915年)。
当时出现了两种关于黄热病病因的主要理论(Gorgas, 1915)。第一种理论认为人与人之间的接触是疾病传播的主要原因。这些争论来自于炭疽热和其他疾病是通过接触病人或他们的体液传播的发现。这一理论表明，可以通过改善卫生条件和隔离感染者来与黄热病作斗争。第二种理论认为蚊子携带疟疾和黄热病。在这里，减少人类与蚊子的接触是预防黄热病的关键组成部分。
Gorgas博士确信疟疾和黄热病是由莫斯-奎托斯传播的，他提出了一项减少人类接触蚊子的全面计划(Gorgas, 1915)。这些活动的目的是减少蚊子的数量，其理论是，更少的莫斯-奎托斯导致更少的人叮咬，从而更少的疾病病例，最终更少的人死于疟疾和黄热病。这种多原因模型很优雅，但也很笨拙，有很多失败的机会。例如，如果蚊子不是疾病的传播媒介，就不会观察到任何影响。如果携带疾病的蚊子种类不减少，那么即使许多蚊子被杀死，预防活动也会失败。
为了减少人类与蚊子的接触，增加了吃蚊子的动物的数量，修建了排水管道，并在可能的地方引入了管道，以减少死水的数量
是蚊子繁殖的理想场所。对睡觉的地方进行了筛选，以防止蚊子进入。根据蚊子引起疾病的理论，这些干预措施的结果是疟疾和黄热病病例显著减少。因此，建立这条运河，至少部分原因是基于基于理论的假设因果联系的预防活动，干预或中介变量(人类接触蚊子)的目标，以及改变中介变量的组件。这些结果导致了随后的研究，确定了导致这些疾病的病毒。许多疾病预防和健康促进活动都是这种类型的，在这种类型中，理论被用来确定重要的介质，而活动旨在改变这些介质。此中介模型将干预活动与中介中的更改和结果变量中的更改联系起来。
1.4两变量的影响
中介概念到统计方法的转换从两个变量之间关系的最简单形式开始。许多统计关注的是一个变量X与另一个变量Y之间的关联，通常在自变量X和因变量Y之间进行区分，以确定变量之间假设关系的方向。一个变量引起另一个变量的效应称为非对称效应，它指定一个变量是另一个变量的原因(Rosenberg, 1968)。对称关系是X和Y相互引起的关系。通过将讨论限制在两个变量上，假设没有其他变量影响X和Y之间的关系，有四种可能性:X和Y无关，X导致Y, Y导致X，或者X导致Y和Y同时导致X，这是一种相互关系。许多研究和理论都是基于这种双变量关系系统的统计。相关系数、后悔系数、优势比和两组之间的平均值之差(其中X表示分配给两组)是来自双变量系统的定量度量的例子。即使在双变量系统中，也很难或不可能确定因果关系，因为这些关系是从观测数据推断出来的。
1.5影响有三
增加第三个变量来解释这种关系在独立变量和因变量之间增加这个数并对这三个变量之间可能存在的关系进行了综合分析。它是仍然有可能X导致Y或者Y导致X，但是还有很多其他原因能性。假设不对称效应，现在第三个变量Z可以任何与X和Y的因果方向顺序，例如，X到Z到Y, Z到X到Y, X到Y到Z，以及后面描述的其他可能性。任何两个变量之间以及所有三个变量之间也可能存在互惠关系。鉴于这些变量之间可能存在的关系的数量和复杂性，对三个变量之间的概念关系有几种普遍接受的描述。这些描述形成了一种理解更为复杂的关系系统中的效果的一般方法。
糊涂。一种可能性是,X和Y的关系当Z变化被认为是由于X和Y, Z原因导致观察到X和Y,可能被视为因果关系如果不包括在分析Z(看到格陵兰amp; Morgenstern, 2001,综合讨论混淆)。这样一个Z变量是一个糊涂的影响,它可能会减少或增加X和y的关系被定义为“一个变量变化之间的rela,独立和依赖的变量,因为它是独立和相关的变量。Meinert (1986, p. 285)将混淆者定义为“与两个感兴趣的变量相关的变量，错误地模糊或强调了它们之间的关系。””在许多研究,据说效果调整糊涂,这意味着报道X和Y的关系已经调整了Z的“效果是很重要的注意,第三个变量,Z,实际上可能增加X和Y的关系,在这种情况下,Z是一个吃晚饭——加压的变量。抑制变量是指当分析中调整了第三个变量时，两个变量之间的原始关系的大小增加(Conger, 1974;麦金农，Krull， amp; Lock- wood, 2000)。也有可能，当分析中包含第三个变量时，X和Y之间的关系实际上是相反的，这是一个畸变变量(Rosenberg, 1968)。失真器变量是一种改变两个变量之间关系的变量，当它被包含在分析中时，以前不相关的变量之间的关系出现，或者两个变量之间关系的方向在符号上颠倒。
协变量。另一种可能性是第三个变量Z是另一个Y的预测因子，使X和Z都能预测Y
预测器Z将使Y的预测更加准确，解释Y变量的变异性。如果X和之间没有关系，第三个变量Z的加入，不会改变这些类型的变量被称为协变量或预测。协变量是与依赖变量相关的变量与自变量的关系最小。Covari- ates也可能与因变量和自变量。通常，混淆器是不同的从协变量中，混淆因子也与X和Y有关，但在某种程度上对混杂因子的考虑改变了X和Y之间的关系。
调停者。可能出现一个更复杂的关系,第三个变量X和Y是相关的因果链中间这些X Z Y和Z原因原因叫做媒体,这种类型的关系,和Z变量称为中介或者中介变量(M)。中间的中介(M)变量因果路径从一个印度——悬而未决的因变量的变量。中介变量表示变量之间的非对称关系。在中介模型中，自变量导致中介，而中介又导致因变量。Baron和Kenny (1986, p. 1173)将中介定义为“生成机制- nism，通过该机制，焦点自变量能够影响感兴趣的因变量。”在Last(1988)的医学词典中，中介被定义为“在自变量到因变量的因果过程中发生的变量”。它会引起因变量的变化而自身也会因自变量而变化。因此，中介(M)是一个变量，它将自变量的影响传递给因变量。中介还意味着与M之前发生的X和y之前发生的M之间的时间关系，这些中介变量和测试它们的方法是本书的重点。另一个广泛使用的中介的定义导
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[426783]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
