中介效应检验程序及其应用
温忠麟老师的检验中介效应程序
温忠麟老师的检验中介效应程序文档编制序号：[KK8UY-LL9IO69-TTO6M3-MTOL89-FTT688]温忠麟老师的检验中介效应程序一、中介效应概述中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：1)Y=cx+e1M=ax+e2)23)Y=c’x+bM+e3上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：首先检验方程1）y=cx+ e1，如果c显着（H0:c=0被拒绝），则继续检验方程2），如果c不显着（说明X对Y无影响），则停止中介效应检验；在c显着性检验通过后，继续检验方程2）M=ax+e2，如果a显着（H0:a=0被拒绝），则继续检验方程3）；如果a不显着，则停止检验；在方程1）和2）都通过显着性检验后，检验方程3）即y=c’x + bM + e3,检验b的显着性，若b显着（H0:b=0被拒绝）,则说明中介效应显着。
此时检验c’,若c’显着，则说明是不完全中介效应；若不显着，则说明是完全中介效应，x对y的作用完全通过M来实现。
评价:依次检验容易在统计软件中直接实现，但是这种检验对于较弱的中介效应检验效果不理想，如a较小而b较大时，依次检验判定为中介效应不显着，但是此时ab乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。
温忠麟老师检验中介效应程序.
温忠麟老师的检验中介效应程序一、中介效应概述中介效应是指变量间的影响关系（X→Y）不是直接的因果链关系而是通过一个或一个以上变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e1 1)M=ax+e2 2)Y=c’x+bM+e3 3)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：1.1首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验；1.2在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a 显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
此时检验c’,若c’显著，则说明是不完全中介效应；若不显著，则说明是完全中介效应，x对y的作用完全通过M来实现。
评价:依次检验容易在统计软件中直接实现，但是这种检验对于较弱的中介效应检验效果不理想，如a较小而b较大时，依次检验判定为中介效应不显著，但是此时ab乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。
中介效应检验程序及其应用
中介效应检验程序及其应用
以下是中介效应检验程序及其应用的介绍：
中介效应检验程序是指测量多因素和解释变量之间的相互关系的统计技术。
中
介效应的指标将更加客观、准确地评估影响原因因素之间的关联性，并将中介变量考虑在内，准确识别作用单独变量或共同变量对指定影响变量的贡献程度。
根据各个研究所探究的内容可以看出，中介效应检验在社会科学研究和市场广
告营销中的应用尤为突出。
在社会科学研究中，中介效应检验程序可以准确可靠地测量既定原因因素和解释变量之间的关系，量化检验出实证结论，为更精准地形成科学性分析和统计报告提供更多支持。
此外，中介效应检验也可以为商业活动提供参考指标，然后在广告分析中进行结合，识别广告营销活动直接影响消费者行为的原因因素及其中介效应，从而弥补传统的广告研究过程中容易忽视的变量差异。
中介效应检验的运用使市场营销人员和研究者得以以数据驱动的方法进行研究，其优势在于可以从详细的研究内容中量化出深刻的分析洞察，帮助企业制定营销策略并做出最佳投资战略决策。
总而言之，中介效应检验程序在客观衡量原因因素和解释变量关联性方面具有重要意义，尤其是在互联网等新兴媒体时代变得更为重要。
中介效应分析及应用
中介效应分析及应用中介效应是指通过一个中介变量（介于因变量和自变量之间的中间变量）对因变量和自变量之间的关系进行解释和调解的现象。
中介效应表明自变量对因变量的影响是通过中介变量来实现的。
首先，中介效应分析的步骤主要包括以下几个方面：1. 确定中介变量：通过文献回顾和研究背景，确定可能存在的中介变量。
例如，研究心理健康对幸福感的影响时，可能将社会支持作为中介变量。
2. 测量变量：收集相关数据，包括自变量、中介变量和因变量的测量数据。
确保采用有效和可靠的测量工具。
3. 分析中介效应：使用适当的统计方法进行中介效应分析，常用的方法有路径分析、回归分析和结构方程模型等。
其中，路径分析是常用的中介变量分析方法，通过计算直接效应和间接效应来确定中介效应。
4. 检验中介效应：使用适当的统计检验方法（如Sobel检验或Bootstrap法）验证中介效应的显著性。
5. 解释中介效应：通过解释中介效应的大小、方向和机制，进一步理解因变量和自变量之间的关系。
根据中介效应的结果，提出可能的解释和理论假设。
中介效应的应用非常广泛，涉及多个领域，如心理学、经济学、社会学等。
以下介绍几个典型的中介效应应用案例：1. 健康教育中的中介效应：研究发现，健康教育对健康行为的影响常常是通过中介变量来实现的。
例如，健康教育的目标可能是提高人们对健康风险的认知，从而促使他们改变不良的生活习惯。
在这个过程中，认知变量起到了中介的作用，将健康教育和健康行为之间的关系联系起来。
2. 人际关系中的中介效应：在研究社会关系和心理健康之间的关系时，中介变量常常是人际支持、社交网络等因素。
例如，研究表明，人际支持对心理健康有积极的影响，这种影响可能是通过提高个体的自尊心和自我效能感来实现的。
3. 组织管理中的中介效应：中介效应也被广泛应用于组织领域的研究中。
例如，研究人员可以通过探讨领导行为对员工工作满意度的影响机制，从而了解领导行为如何通过影响员工的组织认同感和自尊心来影响工作满意度。
有调节的中介效应检验流程
有调节的中介效应检验流程一、理论基础在进行中介效应检验前，首先需要了解中介效应的基本概念和理论基础。
中介效应是指一个变量（中介变量）在自变量和因变量之间传递影响力，起到解释因变量与自变量之间关系的作用。
具体而言，中介变量能够部分或完全解释自变量对因变量的影响。
中介效应检验可以通过统计分析来验证中介变量是否在关系中起作用，以及中介效应的大小和方向。
二、中介效应检验流程1. 研究设计：确定研究问题和研究假设。
在设计中介效应检验的研究时，需要明确自变量（独立变量）、中介变量和因变量（依赖变量）之间的关系。
具体来说，自变量对因变量的影响是否存在中介效应，中介变量是否能够解释自变量和因变量之间的关系等。
2. 数据收集：根据研究设计制定数据收集计划，并采集相应的数据。
通常情况下，需要使用问卷调查、实验设计等方法进行数据收集。
确保数据的有效性和可靠性。
3. 数据处理：对数据进行清洗和整理，处理缺失值和异常值。
进行数据的描述性分析，包括均值、标准差、相关系数等统计指标。
对变量进行标准化处理，以便后续的中介效应检验。
4. 中介效应检验：使用统计分析软件进行中介效应检验。
主要的分析方法包括回归分析、中介效应分析、Bootstrap法等。
其中，回归分析可以用来检验自变量对中介变量和因变量的影响关系，中介效应分析可以验证中介变量是否起作用，Bootstrap法可以对中介效应的置信区间进行估计。
5. 结果解释：根据分析结果对研究问题进行解释和论证。
讨论中介变量的作用机制，解释中介效应的大小和方向。
结合实际情况，对研究假设进行确认或修正，提出相关建议和启示。
6. 结论撰写：撰写研究报告或论文，总结研究过程和结果。
明确中介效应检验的目的、方法和结论，突出研究的贡献和局限性。
将研究结果与现有文献进行比较和讨论，展望未来的研究方向。
以某研究为例，研究问题为"工作满意度是否能够中介自我效能对工作绩效的影响"。
研究假设为自我效能对工作绩效有显著影响，并且工作满意度在其中起中介作用。
中介效应分析-原理、程序、Bootstrap方法及其应用
中介效应的检验步骤与方法
中介效应的检验步骤与方法中介效应是指在一个因果关系中，中介变量在原因与结果之间起到传递作用的现象。
当我们想要验证一个因果关系是否存在中介效应时，通常需要经过以下步骤和方法。
步骤一：确定研究目的和研究假设在开始检验中介效应前，需要明确研究目的和假设。
研究目的是指研究者希望验证的问题，而研究假设则在定量研究中明确了因变量、自变量、中介变量之间的关系假设。
步骤二：收集数据为了检验中介效应，研究者需要收集相关的数据。
数据可以通过问卷调查、实验、观察等方式来收集，具体的方法取决于研究者所选取的研究设计和研究对象。
步骤三：计算相关系数在检验中介效应之前，需要计算相关系数来评估因变量、自变量与中介变量之间的关系强度。
常用的相关系数包括皮尔逊相关系数和斯皮尔曼相关系数，可以通过统计软件进行计算。
步骤四：进行中介效应检验1.回归法：回归法是通过进行多元回归分析来检验中介效应。
在回归模型中，自变量作为预测变量，因变量作为被预测变量，中介变量作为中介。
通过拟合回归模型和检验回归系数的显著性，可以得出中介效应的存在与否。
2.路径分析法：路径分析法是一种结构方程模型，可以通过构建路径模型来检验中介效应。
路径分析法主要包括两个步骤：测量模型和结构模型。
测量模型是通过验证问卷信度和效度来评估测量指标的质量；结构模型则是通过对各个变量之间的路径系数进行估计，来判断中介变量是否起到了传递作用。
步骤五：检验中介效应的显著性在检验中介效应时，需要进行统计显著性检验。
常用的方法包括Bootstrap法和Sobel检验。
1. Bootstrap法：Bootstrap法是一种非参数法，通过抽取重复样本来估计中介效应的置信区间。
该方法能够解决中介效应的偏差和偏斜问题，得到更准确的显著性判断。
2. Sobel检验：Sobel检验是一种基于标准差的检验方法，通过计算中介效应的标准差来判断是否存在显著的中介效应。
这种方法在样本量足够大以及正态性假定成立时具有较高的准确性。
中介效应（逐步检验法与Sobel检验）
中介效应（逐步检验法与Sobel检验）中介效应定义：当我们在分析自变量X对因变量Y的影响时，如果变量X 可以通过影响变量M从而对因变量产生影响，那么就可以说变量M属于X与Y两者关系的中介变量，是一条影响路径。
参考温忠麟的文献，现有的中介效应检验方法有以下几种：逐步检验法、系数乘积检验（Sobel检验法、Bootstrap 检验）在进行中介效应检验之前，需要将所有的变量进行中心化处理，也就使得变量均值为0。
1.逐步检验法Y=cX+e1 (1)M=aX+e2 (2)Y=c`X+bM+e3 (3)主要分为三步：第一步：检验方程(1) 的系数c，也就是自变量X 对因变量Y 的总效应；第二步：检验方程(2) 的系数a，也就是自变量X 和中介变量M 的关系；第三步：控制中介变量M 后，检验方程(3) 的系数c’和系数 b ;判定依据：（1）系数 c 显著，则说明X对Y存在显著作用。
（2）系数 a 显著，则说明X对M存在显著作用，且系数 b 显著；系数c’小于系数c。
同时满足以上两个条件，则中介效应显著；另外根据方程（3）中系数c’的显著性判断中介效应的类型，如若系数c’显著，则属于部分中介效应，如若系数c’不显著，则可以称为完全中介效应。
STATA命令如下：Center Y x m control（中心化）reg y x //分析x 和y 之间的关系reg m x //分析x 和m 之间的关系reg y m x // 加入m，看x 和y 之间的关系在三者关系中，总效应为c=ab + c’，其中c’ 为直接效应，ab 为中介效应也称间接效应。
所以可以计算中介效应在总效应中占比为ab/c。
2.sobel检验安装sgmediation命令，findit sgmediationStata命令：sgmediation 因变量, mv(中介变量) iv(自变量) cv(控制变量)回归结果举例：分析结果主要分成三个部分，第一部分是中介效应的显著性的统计量Sobel，看p值的大小，若小于0.1就显著；第二部分是展示分步回归中，自变量和中介变量的回归系数与标准误，以及各自对因变量的效应大小；第三部分，是中介效应和直接效应在X对Y的总效应中所占的份额，本图中中介效应比例是6.52%。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
收稿日期:20042022093 本研究得到全国教育科学”十五”规划教育部重点课题(DBA010169)以及香港中文大学和华南师范大学心理应用研究中心(教育部文科基地)资助。
通讯作者:温忠麟,E 2mail :wenzl @中介效应检验程序及其应用3温忠麟1,2 张 雷2 侯杰泰2 刘红云3(1华南师范大学教育科学学院,广州510631) (2香港中文大学教育学院,香港)(3北京师范大学心理学院,北京100875)摘 要 讨论了中介变量以及相关概念、中介效应的估计;比较了检验中介效应的主要方法;提出了一个检验程序,它包含了依次检验和S obel 检验。
该程序检验的第一类和第二类错误率之和通常比单一检验方法小,既可以做部分中介检验,也可以做完全中介检验。
作为示范例子,引入中介变量研究学生行为对同伴关系的影响。
关键词 中介变量,检验,第一类错误率,功效,同伴关系分类号 B841.21 引言 中介变量(mediator )是一个重要的统计概念,国外涉及中介变量的研究很多,依PsycINFO 检索结果,仅1998～2003年涉及中介变量且在标题中含有相关词条(包括mediator 、mediating 或mediation )的就有1100多篇。
国内对中介变量的研究很少,依中国期刊网“文史哲”和“教育与社会科学”专栏目录的检索结果,1998～2003年在标题或关键词中含有“中介变量”或“中介效应”的文章不足20篇。
这些文章中,有些只是做定性分析,说说中介变量而已;有些虽然做了统计分析,但没有中介变量分析。
只有少数几篇做了涉及中介变量的统计分析,其中较好的如文[1]和[2],都使用了结构方程分析,但对中介效应的分析还是有点粗略。
以文[1]为例,标题中出现了“中介变量”,可见中介变量及其效应分析应当是该文的重点。
文中虽然估计了中介效应的大小,但没有报告中介效应的相对大小(即中介效应占全部效应的比例),最大的不足是没有对中介效应进行必要的检验。
国内涉及中介变量的统计研究稀少并且总体质量不高的原因可能是多方面的,缺少方法论的研究是一个重要原因。
事实上,国内还未见到专门讨论如何分析中介效应的文章。
检验中介效应的方法很多,Mac K innon 等人[3]通过模拟研究比较了十几种检验方法。
他们倾向于使用该文主要作者1998年提出的一个高功效(power )的检验方法[4]。
但该方法的主要缺点是在有些情况下,第一类错误率太大,远远高于给定的显著性水平[3]。
本文提出了一个包含两种检验方法的检验程序,其中并没有Mac K innon 等人的方法[4]。
新的检验程序很好地控制了第一类错误率,同时又有较高的检验功效。
使用新提出的检验程序,我们在“学生行为对同伴关系的影响”研究中对两个变量(教师喜欢程度和教师管教方式)进行了中介效应的检验。
2 中介变量和相关概念 在本文中,假设我们感兴趣的是因变量(Y )和自变量(X )的关系。
虽然它们之间不一定是因果关系,而可能只是相关关系,但按文献上的习惯而使用“X 对Y 的影响”、“因果链”的说法。
为了简单明确起见,本文在论述中介效应的检验程序时,只考虑一个自变量、一个中介变量的情形。
但提出的检验程序也适合有多个自变量、多个中介变量的模型(见5.1节的讨论)。
2.1 中介变量的定义 考虑自变量X 对因变量Y 的影响,如果X 通过影响变量M 来影响Y ,则称M 为中介变量。
例如,“父亲的社会经济地位”影响“儿子的教育程度”,进而影响“儿子的社会经济地位”[5]。
又如,“工作 心 理 学 报 2004,36(5):614～620 Acta Psychologica Sinica614环境”(如技术条件)通过“工作感觉”(如挑战性)影响“工作满意度”[6]。
在这两个例子中,“儿子的教育程度”和“工作感觉”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的关系(相应的路径图见图1): Y =cX +e 1(1) M =aX +e 2(2) Y =c ’X +bM +e 3(3) 假设Y 与X 的相关显著,意味着回归系数c 显著(即H 0:c =0的假设被拒绝),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的作用,或者说中介效应(mediator effect )显著呢?目前有三种不同的做法[3]。
图1 中介变量示意图 传统的做法是依次检验回归系数[7,8]。
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,当控制了它前面的变量(包括自变量)后,显著影响它的后继变量。
这是Baron 和K enny 定义的(部分)中介过程[8]。
如果进一步要求:(iii )在控制了中介变量后,自变量对因变量的影响不显著,变成了J udd 和K enny 定义的完全中介过程[7]。
在只有一个中介变量的情形,上述条件相当于(见图1):(i )系数c 显著(即H 0:c =0的假设被拒绝);(ii )系数a 显著(即H 0:a =0被拒绝),且系数b 显著(即H 0:b =0被拒绝)。
完全中介过程还要加上:(iii )系数c ’不显著。
第二种做法是检验经过中介变量的路径上的回归系数的乘积ab 是否显著,即检验H 0:ab =0,如果拒绝原假设,中介效应显著[4,9,10],这种做法其实是将ab 作为中介效应。
第三种做法是检验c ’与c 的差异是否显著,即检验H 0:c -c ’=0,如果拒绝原假设,中介效应显著[11,12]。
2.2 中介效应与间接效应 依据路径分析中的效应分解的术语[13],中介效应属于间接效应(indirect effect )。
在图1中,c 是X 对Y 的总效应,ab 是经过中介变量M 的间接效应(也就是中介效应),c ’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) 当所有的变量都是标准化变量时,公式(4)就是相关系数的分解公式[13]。
但公式(4)对一般的回归系数也成立(证明见[14])。
由公式(4)得c 2c ’=ab ,即c 2c ’等于中介效应,因而检验H 0:ab =0与H 0:c 2c ’=0是等价的。
但由于各自的检验统计量不同,检验结果可能不一样。
中介效应都是间接效应,但间接效应不一定是中介效应。
实际上,这两个概念是有区别的。
首先,当中介变量不止一个时,中介效应要明确是哪个中介变量的中介效应,而间接效应既可以指经过某个特定中介变量的间接效应(即中介效应),也可以指部分或所有中介效应的和。
其次,在只有一个中介变量的情形,虽然中介效应等于间接效应,但两者还是不等同。
中介效应的大前提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是零,仍然可能有间接效应。
下面的人造例子可以很好地说明这一有趣的现象([15],p128;也可参见[13],p48)。
设Y 是装配线上工人的出错次数,X 是他的智力,M 是他的厌倦程度。
又设智力(X )对厌倦程度(M )的效应是0.707(=a ),厌倦程度(M )对出错次数(Y )的效应也是0.707(=b ),而智力对出错次数的直接效应是20.50(=c ′)。
智力对出错次数的总效应(=c )是零(即智力与出错次数的相关系数是零)。
本例涉及效应(或相关系数)的遮盖(suppression )问题。
由于实际中比较少见,这里不多讨论。
但从这个例子可以看出中介效应和间接效应是有区别的。
当然,如果修改中介效应的定义,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的关系了。
3 中介效应分析方法 由于中介效应是间接效应,无论变量是否涉及潜变量,都可以用结构方程模型分析中介效应(可参考[13],中文可参考[16])。
从路径图(图1)可以看 5期温忠麟等:中介效应检验程序及其应用615出,模型是递归的(recursive),即在路径图上直线箭头都是单向的,没有反向或循环的直线箭头,且误差之间没有弧线箭头联系。
所以,如果所有变量都是显变量,可以依次做方程(1)—(3)的回归分析,来替代路径分析。
就是说,如果研究的是显变量,只需要做通常的回归分析就可以估计和检验中介效应了。
无论是回归分析还是结构方程分析,用适当的统计软件都可以得到c的估计^c;a,b,c′的估计^a, ^b,^c′,以及相应的标准误。
中介效应的估计是^a^b′或^c-^c′,在显变量情形并且用通常的最小二乘回归估计时,这两个估计相等[14]。
在其他情形,使用^a^b 比较直观,并且它等于间接效应的估计。
除了报告中介效应的大小外,还应当报告中介效应与总效应之比(^a^b/(^c’+^a^b)),或者中介效应与直接效应之比(^a^b/^c’),它们都可以衡量中介效应的相对大小[14]。
与中介效应的估计相比,中介效应的检验要复杂得多。
下面按检验的原假设分别讨论。
3.1 依次检验回归系数 在三种做法中,依次检验回归系数涉及的原假设最多,但其实是最容易的。
如果H0:a=0被拒绝且H0:b=0被拒绝,则中介效应显著,否则不显著。
完全中介效应还要检验H0:c’=0。
检验统计量t 等于回归系数的估计除以相应的标准误。
流行的统计软件分析结果中一般都有回归系数的估计值、标准误和t值,检验结果一目了然。
这种检验的第一类错误率很小,不会超过显著性水平,有时会远远小于显著性水平。
问题在于当中介效应较弱时,检验的功效很低。
这容易理解,如果a很小(检验结果是不显著),而b很大(检验结果是显著),因而依次检验的结果是中介效应不显著,但实际上的ab与零有实质的差异(中介效应存在),此时犯了第二类错误。
做联合检验(原假设是H0:a=0且b=0,即同时检验a和b的显著性),功效要比依次检验的高[3]。
问题是联合检验的显著性水平与通常的不一样,做起来有点麻烦。
3.2 检验H0:ab=0 检验H0:ab=0的关键在于求出^a^b的标准误。
目前至少有5种以上的近似计算公式[3]。
当样本容量比较大时(如大于500),各种检验的功效差别不大。
值得在此介绍的是Sobel根据一阶Taylor展式得到的近似公式[9,10] s ab=^a2s2b+^b2s2a(5) 其中,s a,s b分别是^a,^b的标准误。
检验统计量是z=^a^b/s ab。
只有一个中介变量的情形,L IS2 REL[17]输出的间接效应的标准误与使用这个公式计算的结果一致。
在输出指令“OU”中加入“EF”选项,会输出包括间接效应在内的效应估计、相应的标准误和t值,这个t值就是Sobel检验中的z值。