Second, a parallel multiple mediato

Second, a parallel multiple mediator model using the PROCESS macro in SPSS (Hayes, 2017) is tested, because the theoretical model proposes multiple in- direct effects (see Figure 1). The PROCESS macro is an improvement on the commonly used Sobel test for mediation as it provides bootstrapped parame- ter estimates for each indirect effect, taking into account the other indirect effects. It is similar to a bootstrapped path-analytic model and allows for an assessment of the direct and indirect effects as well as the unique contributions of each mediator (Hayes, 2017; Hayes and Scharkow, 2013). It is widely established in psychological and organizational be- havior research and has also been used in innova- tion management studies to test indirect effects (e.g., Lin, McDonough, Lin, and Lin, 2013; Todt, Weiss, and Hoegl, 2018). One of its advantages is that the PROCESS macro is more robust and requires fewer assumptions, such as multivariate normality, com- pared to covariance-based structural equation modeling (SEM). The results of these analyses are provided in Tables 6 and 7. Model 4 of the PROCESS macro is used, with 95% bias-corrected percen- tile-based confidence intervals and 10,000 bootstrap samples. In Tables 6 and 7, the dependent variable

結果 (繁體中文) 1:

其次，使用SPSS（海斯，2017）的方法，宏並列多介體模型被測試，因為理論模型提出多種IN-直接影響（見圖1）。過程中宏觀上是常用的索貝爾測試，因為它提供自舉的進行參數估計之三為每個間接影響，考慮到其他間接影響調解的改善。它類似於一個自舉路徑分析模型，並允許的直接和間接影響，以及各調解人（海耶斯，2017年，海耶斯和Scharkow，2013年）的獨特貢獻的評估。它廣泛建立了心理和組織是 - havior研究也已在innova-重刑管理研究用於測試的間接影響（例如，林，麥克唐納，林，林，2013;托德，魏斯和Hoegl，2018） 。它的優點之一是該方法的宏是更健壯，並且需要較少的假設，比如多元正態，COM-削減基於協方差結構方程模型（SEM）。這些分析的結果被提供在表的過程宏6和7模型4被使用，用95％偏置校正percen-基於瓦片的置信區間和萬bootstrap樣本。在表6和7中，因變量

結果 (繁體中文) 2:

其次，在 SPSS（Hayes， 2017） 中使用 PROCESS 宏的並行多仲介模型進行了測試，因為理論模型提出了多重直接效應（參見圖 1）。PROCESS 宏是對用於仲介的常用 Sobel 檢驗值的改進，因為它為每個間接效應提供了引導的參數-ter 估計值，同時考慮到其他間接影響。它類似于引導路徑分析模型，允許評估直接和間接影響以及每個調解員的獨特貢獻（Hayes，2017 年;海斯和沙爾科夫，2013年）。它在心理學和組織性研究中被廣泛建立，也被用於創新管理研究，以測試間接效應（例如，林，麥克多諾，林，林，林，2013年;托特、威斯和霍格爾，2018年）。其優點之一是 PROCESS 宏更健壯，並且需要較少的假設，例如多變數法態、以共變數為基礎的結構方程建模 （SEM）。這些分析的結果在表6和表7中提供。使用 PROCESS 宏的模型 4，具有 95% 偏置校正的基於 percen-tile 的置信區間和 10，000 個引導樣本。在表 6 和表 7 中，因變數

結果 (繁體中文) 3:

其次，使用SPSS中的過程宏（Hayes，2017）對一個並行的多仲介模型進行了測試，因為理論模型提出了多重直接效應（見圖1）。PROCESS宏是對常用的Sobel仲介測試的改進，因為它為每個間接影響提供了自舉參數估計，同時考慮了其他間接影響。它類似於自舉路徑分析模型，允許評估直接和間接影響以及每個調解人的獨特貢獻（Hayes，2017；Hayes和Scharkow，2013）。它廣泛用於心理和組織行為研究，也用於創新管理研究，以測試間接影響（例如，Lin、McDonough、Lin和Lin，2013；Todt、Weiss和Hoegl，2018）。它的一個優點是過程宏更健壯，並且需要較少的假設，例如多元正態性，與基於協方差的結構方程建模（SEM）相比。這些分析的結果見錶6和錶7。使用過程宏的模型4，具有95%的基於置信區間的偏差校正百分比和10000個引導樣本。在錶6和錶7中，因變數