中介效应分析方法１中介变量与相关概念在本文中,假设我们感兴趣得就就是因变量(Ｙ)与自变量(X）得关系。虽然它们之间不一定就就是因果关系,而可能只就就是相关关系,但按文献上得习惯而使用“X对得影响”、“因果链”得说法。为了简单明确起见,本文在论述中介效应得检验程序时，只考虑一个自变量、一个中介变量得情形。但提出得检验程序也适合有多个自变量、多个中介变量得模型。1、1中介变量得定义考虑自变量Ｘ对因变量Y得影响，如果X通过影响变量Ｍ来影响Y,则称M为中介变量。例如“,父亲得社会经济地位”影响“儿子得教育程度”,进而影响“儿子得社会经济地位”。又如，“工作环境”（如技术条件)通过“工作感觉”（如挑战性）影响“工作满意度”。在这两个例子中,“儿子得教育程度”与“工作感觉”就就是中介变量。假设所有变量都已经中心化(即均值为零）,可用下列方程来描述变量之间得关系:Y=cX+e１(1)Ｍ=aX+e2(２）Y=c’X+bＭ+e3（3)YXce1Ｙ=cX+e1Me2M=ａX+e2abYXc’e3Y=c’X+bM+e3图１中介变量示意图假设Y与X得相关显著,意味着回归系数c显著(即H0:c=0得假设被拒绝),在这个前提下考虑中介变量M。如何知道M真正起到了中介变量得作用,或者说中介效应（mediａtoreｆfｅcｔ）显著呢？目前有三种不同得做法。传统得做法就就是依次检验回归系数。如果下面两个条件成立,则中介效应显著:(i)自变量显著影响因变量;（ｉi)在因果链中任一个变量,当控制了它前面得变量(包括自变量)后,显著影响它得后继变量。这就就是Baroｎ与Ｋenny定义得(部分)中介过程。如果进一步要求:(ｉii)在控制了中介变量后,自变量对因变量得影响不显著,变成了Ｊｕdd与Kenny定义得完全中介过程。在只有一个中介变量得情形，上述条件相当于(见图１）:(ｉ)系数ｃ显著（即H0:c=０得假设被拒绝);（iｉ)系数a显著(即Ｈ0:a=0被拒绝）,且系数b显著(即Ｈ0:b＝0被拒绝)。完全中介过程还要加上:(iii)系数ｃ’不显著。第二种做法就就是检验经过中介变量得路径上得回归系数得乘积ab就就是否显著,即检验H0：ａｂ=０,如果拒绝原假设，中介效应显著,这种做法其实就就是将ab作为中介效应。第三种做法就就是检验c’与c得差异就就是否显著，即检验H0：c-ｃ’＝0,如果拒绝原假设，中介效应显著。1、2中介效应与间接效应依据路径分析中得效应分解得术语，中介效应属于间接效应(iｎｄｉrecｔeｆfｅct)。在图1中,c就就是X对Y得总效应，aｂ就就是经过中介变量M得间接效应(也就就就是中介效应),c’就就是直接效应。当只有一个自变量、一个中介变量时,效应之间有如下关系c=c’+aｂ(４）当所有得变量都就就是标准化变量时,公式(4)就就就是相关系数得分解公式。但公式(4)对一般得回归系数也成立)。由公式(4)得c-c’＝ａb,即c-c’等于中介效应，因而检验Ｈ0:ab＝0与H0:c－c’＝０就就是等价得。但由于各自得检验统计量不同，检验结果可能不一样。中介效应都就就是间接效应，但间接效应不一定就就是中介效应。实际上,这两个概念就就是有区别得。首先,当中介变量不止一个时,中介效应要明确就就是哪个中介变量得中介效应，而间接效应既可以指经过某个特定中介变量得间接效应(即中介效应）,也可以指部分或所有中介效应得与。其次,在只有一个中介变量得情形，虽然中介效应等于间接效应,但两者还就就是不等同。中介效应得大前提就就是自变量与因变量相关显著，否则不会考虑中介变量。但即使自变量与因变量相关系数就就是零,仍然可能有间接效应。下面得人造例子可以很好地说明这一有趣得现象。设Y就就是装配线上工人得出错次数,Ｘ就就是她得智力,M就就是她得厌倦程度。又设智力（Ｘ)对厌倦程度(M）得效应就就是0、707(＝ａ),厌倦程度(Ｍ)对出错次数(Y)得效应也就就是０、７07(＝b),而智力对出错次数得直接效应就就是20、50（=c′)。智力对出错次数得总效应(=c）就就是零(即智力与出错次数得相关系数就就是零)。本例涉及效应(或相关系数）得遮盖(sｕｐpression)问题。由于实际中比较少见,这里不多讨论。但从这个例子可以瞧出中介效应与间接效应就就是有区别得。当然,如果修改中介效应得定义,不以自变量与因变量相关为前提,则另当别论。在实际应用中，当两个变量相关不显著时,通常不再进一步讨论它们得关系了。2中介效应分析方法由于中介效应就就是间接效应,无论变量就就是否涉及潜变量，都可以用结构方程模型分析中介效应。从路径图（图１)可以瞧出,模型就就是递归得(recursive)，即在路径图上直线箭头都就就是单向得,没有反向或循环得直线箭头,且