机制分析 · 011

中介效应

检验 X 是否通过中介变量 M 影响 Y。

进入一键分析

1. 方法概述

（1）中介效应用于检验一个变量 $X$ 是否通过中介变量 $M$ 与结果变量 $Y$ 发生间接关联。它把“X 与 Y 的关系可能通过什么机制发生”分解为路径 $a$ 、路径 $b$ 和直接效应 $c'$ 。

（2）中介分析是机制分析框架，不等于自动证明心理或行为过程真实存在。时间顺序、测量质量、混杂控制和研究设计对因果解释非常重要。

适用情形：

不适用或需谨慎：

每行是一个观测对象，至少包含 $X$ 、 $M$ 、 $Y$ 三列，以及需要控制的变量。若变量来自量表，应先确认反向题、维度得分和信度处理正确。

示例：服务质量为 $X$ ，满意度为 $M$ ，使用意愿为 $Y$ 。变量的实际含义、测量时间和编码方向必须在研究设计中明确。

总效应模型为：

Y=i_c+cX+e_c. \tag{5.1}

中介模型为：

M=i_a+aX+e_a. \tag{5.2}

结果模型为：

Y=i_b+c'X+bM+e_b. \tag{5.3}

在满足线性模型和相应假设时，间接效应为：

ab, \tag{5.4}

且总效应满足：

c=c'+ab. \tag{5.5}

加入控制变量时，各方程都应按照理论一致地纳入控制变量。间接效应显著不要求总效应 $c$ 必须显著，但其解释应更加谨慎。

由于 $ab$ 是两个系数的乘积，其抽样分布通常不对称。Bootstrap 从原样本重复有放回抽样，在每个重抽样样本中估计 $a$ 和 $b$ ，得到 $ab$ 的经验分布，再取百分位数或偏差校正置信区间。

如果间接效应的 Bootstrap 置信区间不包含 0，通常认为在当前设定下间接效应具有统计证据。Bootstrap 次数、随机种子和区间类型应在结果中说明。

系统输出的工作表（analysis_tables.xlsx）：中介效应、描述性统计、相关矩阵、相关显著性、显著性标记、缺失值报告。

示例（来自系统结果包，示例数据）。

中介效应表：

自变量	中介变量	因变量	路径a	路径b	总效应c	直接效应c′	间接效应	Sobel z	Sobel p	Sobel显著性	Bootstrap次数	Bootstrap有效次数	Bootstrap置信水平	间接效应置信区间下限	间接效应置信区间上限	Bootstrap显著性	n
X	M	Y	0.587887	0.637868	0.655082	0.280087	0.374994	7.3161	<0.001	***	1000	1000	0.95	0.283981	0.461221	是	200

建议报告路径系数表、直接/间接/总效应表、Bootstrap 置信区间和机制路径图。路径图适合展示方向，效应表适合查看精确数值。

不能只报告“中介成立”而不提供间接效应和置信区间，也不能把完全中介、部分中介等标签脱离具体模型和效应估计使用。

可以表述为：“X 与 Y 的间接效应为 $ab=...$ ，Bootstrap 置信区间为 [...]，区间不包含 0，说明在当前模型和样本中存在统计上的间接关联。”

如果数据为横断面观察数据，应写“结果支持中介模型所描述的间接关联”，不应直接写成“X 通过 M 导致 Y”。