文本阅读中中介效应的检验

作者:蒂娜

在心理学等社会科学研究领域，大量实证文章建立了中介效应模型，分析自变量对因变量的影响过程和机制。例如，根据Rucker，Preacher，Tormala和Petty (2011)的统计，2005年至2009年在《人格与社会心理学杂志》( JPSP)和《人格与社会心理学通报》( PSPB)上发表的文章中，分别有59%和65%使用了中介测试。国内心理学期刊关于中介效应的文章比例也可谓惊人。如下图所示，在过去二十年中，关于中介效应的文章数量一直在稳步增长。我们可以看到中介效应，国内外都有广泛的应用。

研究者总是希望探索事物之间的因果关系，试图解释两个事件为什么或如何相关，比如心理治疗如何降低抑郁倾向，知识和信念如何影响个体行为等等。但是中介效应模型可以分析自变量对因变量的影响过程和机制。与单纯分析自变量对因变量影响的同类研究相比，中介分析不仅在方法上有所进步，而且往往能得到越来越深入的结果，这也能解释为什么中介分析受到重视。

在考虑自变量X对因变量Y的影响时，如果X通过影响变量M影响Y，则M称为中间变量。(中介者或中介变量)(贾德&肯尼，1981；巴伦&肯尼，1986年).X通过中介变量M对Y的影响就是中介效应。因此，在自变量X到因变量Y的因果路径中，中间变量处于中间位置。也可以说，中间变量传达了自变量对因变量的影响。而且，中介关系还隐含了变量的时间顺序。即x发生在m之前，m发生在y之前，比如父亲的社会经济地位影响了儿子的受教育程度，从而影响了儿子的社会经济地位(邓肯，费瑟曼，&。邓肯，1972)。在这种情况下，儿子的受教育程度是一个中介变量。图1显示了与这个例子相对应的中介模型。

图1中介模型示例

中介变量的假设如何成立或者中介关系的假设如何成立，需要研究者依靠理论和前人的研究做出假设。事实上，变量之间可能存在多种关系，在很多情况下，研究者无法根据数据完全区分中介效应和其他第三变量效应。理论信息、以往的研究结论和预先研究是重要的假设。研究人员需要根据这些信息对变量之间的关系做出假设，然后用数据来验证这些假设。

量化调解过程的两种主要方法是结构方程模型的通径分析及应用。Duncan(1966)使用Wright(1920，1921)提出的路径分析方法来检验包含中介效应的社会学模型。路径分析为研究人员提供了一种方法设定变量之间的因果关系，通过观测到的变量之间的相关性，得到能够反映关系程度的系数估计。中介效应的大小是中介链中包含的所有路径系数的乘积。结构方程模型是通过设置潜在的和未观察到的结构，因子分析中的测量结构与路径分析框架相结合。因此，结构方程模型可以区分测量模型和结构模型。前者由测量思想的观察变量形成，后者构建思想之间的关系，中介路径包含在结构模型中。。因此，结构方程模型可以同时处理测量误差和评估中介效应，提高了中介效应的估计精度。

结构方程模型和路径分析中的中间效应估计称为效果分解(效果分解)，即，有一个把总效应分解为直接效应和中介效应的过程。(阿尔文&。豪泽，1975年).根据直接效果，中介效果可分为完全中介和部分中介两类。完全中介是指自变量X对因变量Y的直接效应为零，但M影响Y的中介效应存在；部分中介是直接效果和中介效果同时存在的情况。

文献中有许多程序来测试中介效应(MacKinnon，2008；麦金农等人，2002年；文等，2012)，下面以最简单的中介模型为例说明中介效果分析的思路。如下图2所示，自变量X作用于因变量Y和路径系数c，由于不涉及第三个变量，所以c代表自变量对因变量的总作用。

图2简单中介模型图

一般来说，只有当C显著或X和Y之间的相关性显著时，才会考虑中间变量(如Baron & Kenny，1986；贾德&肯尼，1981；文等，2012)，但情况未必如此。上图是单中介模型，其中a代表自变量X对中介变量M的影响，b代表中介变量M对因变量Y的影响，c ‘代表考虑或控制中介变量M后自变量X对因变量Y的影响..

利用流行的统计分析软件或结构方程软件，可以很容易地得到A、B、C和C ‘的估计值及其对应的标准误，并构造显著性检验和通径系数的置信区间(MacKinnon，2008；传教士和海斯，2008年).总效应等于所有中间效应加上c = a b+ c’。c为总效应，c ‘为考虑中介效应后的直接效应，ab为中介效应，也称间接效应。在回归模型中，ab = c-c ‘，但在其他模型中(如logistic回归和多水平分析)，它们不一定完全相等(MacKinnon，2008；文等，2012)。

Kenny和他的同事描述的中介效应测试程序是一种广泛使用的测试程序，易于理解和操作。具体步骤如下:

a、检验总效应系数c是否显著，即自变量与因变量之间是否存在显著关系。如果c显著，则继续后续分析，如果不显著，则终止中间分析。

b、检验自变量是否显著作用于中介变量效应A；如果a显著，则继续后续测试，否则分析终止，中介效应不存在。

c、检验中介变量对因变量的影响是否显著；如果B显著，将继续后续测试；否则，分析将终止，调解效果不存在；

d、检验直接效应c ‘是否显著。在A和B都显著的情况下，如果c ‘不表明完全中介的存在(Judd & Kenny，1981)，否则存在部分中介效应(Baron &Kenny，1986)。

虽然分步测试法易于理解和操作，使用频率最高，但其问题也很明显。如上所述，C是否显著并不是中介检验的必要前提，因为在某些情况下，虽然C不显著，但仍然存在实质性的中介效应，即所谓的抑制模型。按照逐步检验法的要求，首先C必须显著，否则中介变量无从谈起，而且实践中C不显著而存在实质性中介效应的情况非常普遍，所以逐步检验法会漏掉很多实际的中介效应。

系数乘积检验是检验ab乘积是否显著，即H0: AB = 0。这个程序经常使用Sobel(1982)提出的标准误差计算公式，所以也叫Sobel检验。

Ab积是中介效应的大小，所以检验ab积是否显著就是直接检验中介效应。作为一种抽样分布，ab积在文献中有许多计算其标准差的方法，其中最常用的是Sobel(1982)公式:

S2a和s2b分别是系数A和B的标准误差的平方。系数乘积检验法的统计量为z=ab/sab，如果检验显著，则中介效应显著。该公式被常用的SEM分析软件所采用，如EQS、LISREL和Mplus。还有其他分析程序(布道者和海斯，2004年)使用不同的标准误差公式，例如:

根据sab，可以构建中介效应的置信区间:

系数乘积检验法的主要问题是，检验统计量所依据的正态分布的前提很难满足，特别是在样本量很小时。因为即使A和B分别服从正态分布，ab的乘积也可能与正态分布相差很大。

差异系数测试是测试H0:c–c ‘ = 0。通常AB = C–C ‘，所以差系数和系数积法有很多共同点。c–c-c’的标准误差估计通常使用以下公式(McGuigan & Langholz，1988)。

Sc和Sc ‘分别是两个直接效应估计的标准误，r是自变量和中间变量的相关系数。差异系数采用t检验，其统计如下

t = c–c ‘/Sc-c ‘ .

模拟研究发现(MacKinnon et al .，2002)，系数乘积法和差异系数法比逐步检验法更准确，具有更高的统计有效性。

拔靴带其原理是当正态分布假设不成立时，可以将经验抽样分布作为实际总体分布进行参数估计。

拔靴带以研究样本为抽样总体，通过放回抽样从研究样本中重复抽取一定数量的样本。(例如5000次)，将每次采样平均后得到的参数作为最终的估计结果(Efron & Tibshirani，1993；穆尼和杜瓦尔，1993年).

自举不需要分布假设，所以避免了系数乘积检验违反分布假设的问题，而且这种方法不依赖于标准差，所以避免了不同的标准差公式产生不一致结果的问题。模拟研究发现，与其他中介效应检验方法相比，Bootstrapping具有更高的统计有效性。因此，自举法是检验中介效应的理想方法(布道者和迈尔斯，2011)。

文和叶宝娟(2014a)提出了一个相对较新的检验中介效应的过程，如图3所示:

第一步，检验总效应c，如果显著，按中介效应论证，否则按覆盖效应论证。但是否显著，还要进行后续测试。

第二步，依次检验中介效应涉及的两个路径系数A和B。如果两者都显著，则间接效应显著，然后进行第4步；如果至少有一个不重要，请继续第三步。

第三步，用Bootstrap方法直接测试H0: ab = 0。如果显著，间接效果显著，进行第四步；否则，间接影响不显著，停止分析。

第四步，在确定中介效应存在后，检验直接效应c’。如果不显著，则直接效应不显著，也就是说只有中介效应。如果是显著的，也就是直接作用显著，进行第五步。第五步比较ab和C的符号，如果符号相同，则属于部分中介效应，报告中介效应占总效应的比例AB/C，如果符号不同，则属于掩蔽效应，报告间接效应占直接效应的比例的绝对值|ab/c|。

本期主要以最简单的调解模型为例，简单介绍四种常用的调解效果测试方法。更复杂的效果测试如多中介与此类似。关于这些问题的进一步讨论，请参考麦金农的专著(2008)和文等人(2014)。

下一篇文章会和大家分享一个SPSS分析中介效应的例子！！

* *推荐书籍:高级心理统计学-刘红云

这是水淼·WordPress站群文章更新器的试用版本发布的文章，故有此标记(2024-02-18 13:49:29)