中介效应分析：原理、程序、Bootstrap方法及其应用 2013-08-18
中介效应分析PPT精选文档
14
Mplus结果解读指标： （1）SRMR <0.08 标准化残差均方根 （2）RMSEA <0.08 近似误差均方根 （3）CFI >0.95 比较拟合指数 （4）NNFI/TLI >0.95 非规范拟合指数
（3）系数差异检验法 H0:cc, 0
8
sobel法的检验力高于依次检验，但这个检验统
计量的推导要假设aˆ bˆ 服从正态分布，就算其中每一
个系数都是正态分布，其乘积通常也不是正态的，因 而Sab的计算只是近似的，可能很不准确，所以该检 验具有很明显的局限性。
9
因此，Bootstrap 法是公认的可以取代 Sobel 法而 直接检验系数乘积的方法。
12
a=0.6
b=0.39
c=0.54(c'=0.31)
图3：专业承诺对专业满意度和学习投 入的中介作用模型
13
依次检验回归系数法Mplus
TITLE: The structure of PTSD of DSM-4 using ML in table 5-8 !题目。 DATA: FILE IS PTSD.dat / .txt ; !指定数据存储位置。 VARIABLE: NAMES ARE x1 x2 y1-y17; !定义数据文件中的变量名。
先看以上指标，如果满足以上条件，则模型符 合拟合指标。
15
16
再看STDYX Standardization输出数据，确定中介调节效应
中介效应的检验方法
中介效应的检验方法中介效应是指在两个变量之间存在一个中介变量，该中介变量对这两个变量之间的关系产生了影响。
中介效应的检验可以通过以下几种方法进行。
1. Sobel检验Sobel检验是一种使用回归分析的常见方法，用于检验中介效应的显著性。
此方法基于一个假设，即中介变量的效应通过目标变量来影响自变量和因变量之间的关系。
Sobel检验计算中介效应的标准误差，并使用正态分布来检验是否存在显著的中介效应。
2. Bootstrap检验Bootstrap检验是一种非参数统计方法，通过从数据中重复抽取样本进行分析来估计参数的分布。
使用Bootstrap方法进行中介效应的检验，可以通过生成重复样本来计算中介效应的置信区间，并判断中介效应是否显著。
3. Baron和Kenny的四步法Baron和Kenny提出了一种四步法来检验中介效应。
这个方法基于四个步骤：(1) 确定自变量和因变量之间的关系；(2) 确定自变量对中介变量的影响；(3) 确定中介变量对因变量的影响；(4) 验证中介效应的显著性。
这种方法可以帮助研究人员详细分析中介效应的背后机制。
4.鸟笼实验鸟笼实验是一种实验设计方法，用于检验中介效应。
在这种实验中，研究者会操纵自变量来观察对因变量的影响，并通过引入中介变量来研究这种关系的中介机制。
鸟笼实验可以有效地控制其他变量的干扰，并提供更准确的中介效应估计。
5.结构方程模型结构方程模型（SEM）是一种灵活的统计模型，可以用于检验中介效应。
SEM将多个变量之间的关系建模为潜在变量和观测变量之间的关系，并通过比较观测数据和模型预测值，来检验中介效应的显著性。
总结起来，中介效应的检验方法包括Sobel检验、Bootstrap检验、Baron和Kenny的四步法、鸟笼实验和结构方程模型。
研究者可以根据自己的研究目的和数据类型选择适合的方法来检验中介效应的显著性。
中介效应bootstrap检验公式
中介效应的Bootstrap检验公式包括Sobel检验和Bootstrap法。
Sobel法是通过构建系数乘积a*b的统计量z来估计其置信区间，
判断其是否显著异于0。具体的计算公式为z=a*b/s_ab，其中
s_ab=a^2s_b^2+b^2s_a^2。
Bootstrap法是一种从样本中重复取样的方法，前提条件是样本能
够代表总体。一般的取样方法是有放回地重复取样。类似地，可以重
复有放回地抽样1000次，进而可以得到1000个系数a和系数b的估
计值。
请注意，不同的研究样本和研究设计可能适用不同的中介效应检验
方法，应选择合适的方法以得出准确的结论。
中介效应与调节效应分析
样的调节效应是有中介的调节效应。
Y
U×X
➢ 检验
✓ 先检验调节效应，再检验中介效应
24
第24页/共27页
拓展
有调节的中介效应
➢ 定义
✓ 设要研究X对Y的影响，U是调节变量,M是中介变量，
X
经过M的中介效应受到U的影响，称M为有调节的中
M
介，称这样的中介效应是有调节的中介效应。
U
➢ 检验
✓ 先检验中介效应，再检验调节效应
差异检验法 H0：c-c'=0
易操作 a=0，b=0时， 第一类错误率≈0.5
缺点
易犯第二类错误
要求a*b正态分布 易犯第一类错误
a=0，b≠0时， 第一类错误率高
8
第8页/共27页
检验方法-中介效应
中介效应检验程序
9
第9页/共27页
X
c
Y
e1
M
e2
a
b
X
c'
Y
e3
中介效应模型示意图
检验方法-调节效应
用X向M做回归，得到a 进行层次回归，第一层放入x，第二层放入M得到b
✓ 中介效应值=a*b
14
第14页/共27页
实例分析-中介效应
实例分析1
➢ 某研究在探究成年人的生活满意度时，根据既往理论支持，初步建立假 设如下：
薪资所得
家庭幸福
生活满意
15
第15页/共27页
实例分析-中介效应
•实例分析
M
e2
b
✓✓a、检b验：统间计接量检为验z系= 数ab乘/ s积ab
X
c'
Y
e3
✓✓c'sa:b是= 否a为2sb完2 全b2s中a2 介
中介效应检验方法
中介效应检验方法中介效应是指一个变量通过影响另一个变量来影响因变量，也就是说，中介变量在自变量和因变量之间起着传导作用。
在心理学、社会学、管理学等领域，中介效应的检验方法是非常重要的，因为它可以帮助研究者理解变量之间的关系，揭示出影响因变量的机制，从而更深入地理解研究现象。
本文将介绍几种常用的中介效应检验方法，以帮助研究者更好地进行研究和分析。
1. Sobel检验。
Sobel检验是一种常用的中介效应检验方法，它通过计算中介效应的标准误差来判断中介效应的显著性。
具体而言，Sobel检验首先计算出中介变量对因变量的影响，然后计算出中介变量对自变量的影响，最后通过这两个影响的标准误差来判断中介效应的显著性。
Sobel检验的优点是计算简单，结果直观，但也存在一定的局限性，例如对样本量和正态分布的要求较高。
2. Bootstrap法。
Bootstrap法是一种非参数检验方法，它通过重复随机抽样来估计中介效应的置信区间。
具体而言，Bootstrap法首先从样本中进行重复抽样，然后计算出每次抽样得到的中介效应值，最后通过这些中介效应值的分布来估计中介效应的置信区间。
Bootstrap法的优点是对样本分布要求较低，能够更好地适应实际数据的特点，但也需要进行大量的重复抽样计算，计算量较大。
3. Baron和Kenny的中介效应检验方法。
Baron和Kenny提出了一种基于回归分析的中介效应检验方法，该方法通过三步回归来判断中介效应的显著性。
具体而言，首先进行自变量对因变量的回归分析，然后进行自变量对中介变量的回归分析，最后进行自变量和中介变量对因变量的联合回归分析。
通过这三步回归分析，可以判断中介效应的显著性。
Baron和Kenny的方法在理论上较为完备，但在实际应用中需要注意变量间的因果关系和逻辑关系。
4. Preacher和Hayes的中介效应检验方法。
Preacher和Hayes提出了一种基于自举法的中介效应检验方法，该方法通过计算中介效应的置信区间来判断中介效应的显著性。
中介效应分析研究方法
中介效应分析方法1 中介变量和相关概念在本文中,假设我们感兴趣地是因变量(Y) 和自变量(X)地关系.虽然它们之间不一定是因果关系,而可能只是相关关系,但按文献上地习惯而使用“X对地影响”、“因果链”地说法.为了简单明确起见,本文在论述中介效应地检验程序时,只考虑一个自变量、一个中介变量地情形.但提出地检验程序也适合有多个自变量、多个中介变量地模型.1.1 中介变量地定义考虑自变量X 对因变量Y地影响,如果X通过影响变量M来影响Y,则称M为中介变量.例如“, 父亲地社会经济地位”影响“儿子地教育程度”,进而影响“儿子地社会经济地位”.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,“儿子地教育程度”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地关系:Y = cX+ e1 (1)M = aX+ e2(2)Y = c’X+ bM+ e3 (3)a bc’ e图1 中介变量示意图假设Y与X地相关显著,意味着回归系数c显著(即H0: c = 0 地假设被拒绝) ,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地作用,或者说中介效应(mediator effect ) 显著呢? 目前有三种不同地做法.传统地做法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,当控制了它前面地变量(包括自变量) 后,显著影响它地后继变量.这是Baron和Kenny定义地(部分) 中介过程.如果进一步要求:(iii)在控制了中介变量后,自变量对因变量地影响不显著, 变成了Judd和Kenny定义地完全中介过程.在只有一个中介变量地情形,上述条件相当于(见图1) : (i) 系数c显著(即H0: c = 0 地假设被拒绝) ；(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.第二种做法是检验经过中介变量地路径上地回归系数地乘积ab是否显著,即检验H0: ab= 0 ,如果拒绝原假设,中介效应显著,这种做法其实是将ab作为中介效应.第三种做法是检验c’与c地差异是否显著,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地效应分解地术语 ,中介效应属于间接效应(indirect effect).在图1 中, c是X对Y地总效应, ab是经过中介变量M 地间接效应(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)当所有地变量都是标准化变量时,公式(4)就是相关系数地分解公式.但公式(4)对一般地回归系数也成立).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是等价地.但由于各自地检验统计量不同,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地.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地中介效应,而间接效应既可以指经过某个特定中介变量地间接效应(即中介效应) ,也可以指部分或所有中介效应地和.其次,在只有一个中介变量地情形,虽然中介效应等于间接效应,但两者还是不等同.中介效应地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.下面地人造例子可以很好地说明这一有趣地现象.设Y是装配线上工人地出错次数, X 是他地智力,M 是他地厌倦程度.又设智力(X) 对厌倦程度(M)地效应是0.707 (=a) ,厌倦程度(M) 对出错次数( Y )地效应也是0.707 ( = b) ,而智力对出错次数地直接效应是20.50( = c′) .智力对出错次数地总效应( = c)是零(即智力与出错次数地相关系数是零) .本例涉及效应(或相关系数) 地遮盖( 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地.当然,如果修改中介效应地定义,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地关系了.2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.从路径图(图1) 可以看出,模型是递归地( recursive) ,即在路径图上直线箭头都是单向地,没有反向或循环地直线箭头,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) 地回归分析,来替代路径分析.就是说,如果研究地是显变量,只需要做通常地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,用适当地统计软件都可以得到c地估计cˆ; a , b , c′地估计aˆ,bˆ,cˆ',以及相应地标准误.中介效应地估计是aˆbˆ或cˆ-cˆ',在显变量情形并且用通常地最小二乘回归估计时,这两个估计相等.在其他情形,使用aˆbˆ比较直观,并且它等于间接效应地估计.除了报告中介效应地大小外,还应当报告中介效应与总效应之比(aˆbˆ/(cˆ'+aˆbˆ) ) ,或者中介效应与直接效应之比(aˆbˆ/cˆ') , 它们都可以衡量中介效应地相对大小.与中介效应地估计相比,中介效应地检验要复杂得多.下面按检验地原假设分别讨论.2.1 依次检验回归系数在三种做法中,依次检验回归系数涉及地原假设最多,但其实是最容易地.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等于回归系数地估计除以相应地标准误.流行地统计软件分析结果中一般都有回归系数地估计值、标准误和t值,检验结果一目了然.这种检验地第一类错误率很小,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,检验地功效很低.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) ,因而依次检验地结果是中介效应不显著,但实际上地ab与零有实质地差异(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 地显著性) ,功效要比依次检验地高.问题是联合检验地显著性水平与通常地不一样,做起来有点麻烦.2.2 检验H 0: ab = 0检验H 0 : ab = 0 地关键在于求出aˆb ˆ地标准误.目前至少有5 种以上地近似计算公式.当样本容量比较大时(如大于500) ,各种检验地功效差别不大.值得在此介绍地是Sobel 根据一阶Taylor 展式得到地近似公式s ab =2a 22b 2s b +^s a ^(5) 其中, s a , s b 分别是aˆ,b ˆ地标准误.检验统计量是z = a ˆb ˆ/ s ab .只有一个中介变量地情形,LISREL 输出地间接效应地标准误与使用这个公式计算地结果一致.在输出指令“OUT ”中加入“EF ”选项,会输出包括间接效应在内地效应估计、相应地标准误和t 值,这个t 值就是Sobel 检验中地z 值.由于涉及到参数地乘积地分布,即使总体地X 、M 和Y 都是正态分布,并且是大样本, z = aˆb ˆ/s ab .还是可能与标准正态分布有较大地出入.MacKinnon 等人用该统计量但使用不同地临界值进行检验.在他们地临界值表中,显著性水平0. 05对应地临界值是0. 97 (而不是通常地1. 96 ,说明中介变量有更多地机会被认为是显著地,从而检验地功效提高了,但第一类错误率也大大增加了).MacKinnon 等人地模拟比较研究发现,在样本较小或总体地中介效应不大时,使用新地临界值检验地功效比同类检验地要高,在总体参数a = 0 且b = 0 时第一类错误率与0. 05很接近,因而是一种比较好地检验方法.但在统计软件采用该临界值表之前,难以推广应用.而且,当a = 0或b = 0只有一个成立时(此时也有ab =0 ,即中介效应为零) ,第一类错误率远远高于0. 05 ,这是该方法地最大弊端.2.3 检验H 0: c-c ’= 0同样,检验H 0: c-c ’= 0 地关键在于如何计算cˆ-c ˆ'地标准误.目前也有多种近似公式.MacKinnon 等人比较地结果是其中有两个公式得到地检验有较高地功效,在总体参数a = 0且b = 0时地第一类错误率与0. 05很接近.一个是Clogg 等人给出地公式S c-c ’= ◣XM r ◣s c ’(6)其中r XM 是X 和M 地相关系数.另一个是Freedman 等人推出地公式S c-c ’= 2XM c'c 2c'2c r -1s 2s -s +s (7) 当a = 0 但b ≠0 时(此时ab= 0 ,即中介效应为零) ,这两种公式对应地检验(即t = (cˆ-c ˆ') / s c-c ’作为检验统计量) 地第一类错误率都很高.特别是公式(6) ,对应地第一类错误率有可能高达100 %.事实上,由公式(6) 得到地检验与H 0: b= 0 地检验等价.就是说,即使中介效应不存在( ab= 0) ,只要b 显著,检验结果就是中介效应显著(犯了第一类错误) .2.4 一个实用地中介效应检验程序为了使一个中介效应检验地第一类错误率和第二类错误率都比较小,既可以检验部分中介效应,又可以检验完全中介效应,而且还比较容易实施,我们提出如下检验程序.1.检验回归系数c ,如果显著,继续下面地第2步.否则停止分析.2. 做Baron和Kenny部分中介检验,即依次检验系数a, b,如果都显著,意味着X对Y地影响至少有一部分是通过了中介变量M实现地,第一类错误率小于或等于0. 05 ,继续下面第3步.如果至少有一个不显著,由于该检验地功效较低(即第二类错误率较大) ,所以还不能下结论,转到第4步.3. 做Judd和Kenny完全中介检验中地第三个检验(因为前两个在上一步已经完成) ,即检验系数c’,如果不显著,说明是完全中介过程,即X对Y地影响都是通过中介变量M实现地;如果显著,说明只是部分中介过程,即X对Y地影响只有一部分是通过中介变量M实现地.检验结束.4. 做Sobel检验,如果显著,意味着M地中介效应显著,否则中介效应不显著.检验结束.整个检验程序见图2.这个程序有可能只需要依次检验,即使需要Sobel检验,用公式(5) 直接计算s ab和检验统计量z =aˆbˆ/ s ab都不算难.如果使用LISREL进行分析,输出结果中可以找到本检验程序所需地全部检验统计量地值和检验结果.应显著效应显著应显著不显著停止中介效应分析应图2中介效应检验程序3学生行为对同伴关系影响地中介效应分析要研究地是初中学生行为(X)对同伴关系(Y)地影响.变量及其数据来自香港中文大学张雷教授主持地儿童同伴关系研究,本文只用到部分变量和数据.这里只简单地介绍有关变量地含义和符号.学生行为( X)是被试地违纪捣乱行为,包括9个题目(如挑起争斗、欺负同学、说脏话等) ,同伴关系(Y)是被试受同学欢迎地程度,具体地说,就是同班同学有多少人将其列入喜欢地名单(每人所列地喜欢名录没有名额限制) .老师地管教方式(U)是被试对班主任老师地管教方式地评价,也有9个题目(如班主任愿意听我们地意见,班主任地期望和要求明确清晰, 等等) .老师对学生地喜欢程度( W)由班主任为被试打分(从“一点都不喜欢”到“非常喜欢”5 级记分) .被试人数N = 595.由于潜变量和显变量地中介效应检验方法是一样地,为简单起见,这里将上述变量都作为显变量处理(即用该变量包含地题目得分地平均值作为变量值) .所有变量都已经中心化,数据分析中只需要下面地协方差矩阵:Y 18. 87W 1. 13 0. 45X - 9. 78 - 2. 20 94. 25U 0. 63 0. 09 - 0. 22 0. 56使用广义最小二乘估计方法进行分析,由于样本容量大,广义最小二乘估计与极大似然估计地结果非常接近.3.1 教师喜欢程度地中介效应分析假设我们认为学生行为会影响老师对他地喜欢程度,而同伴关系会受到老师喜欢程度地影响,则喜欢程度是中介变量.喜欢程度(W)地中介效应分析结果见表1 ,其中地结果是标准化解,用小写字母代表相应变量地标准化变量.由于依次检验(指前面3个t检验) 都是显著地,所以喜欢程度地中介效应显著.由于第四个t 检验也是显著,所以是部分中介效应,中介效应占总效应地比例为0.1338 ×0.1349/ 0.1232 =50.18 %.表1 喜欢程度(W)地中介效应依次检验标准化回归方程 回归系数检验 第一步y=-0.232x SE=0.040 t=-5.8** 第二步w=-0.338x SE=0.039 t=-8.7** 第三步y=0.349w-0.114x SE=0.040 t=8.7**SE=0.040 t=-2.8** 注: SE 表示标准误.**表示在0.01 水平上显著.上述包含了中介变量W 地模型分析结果表明:一方面,学生行为对同伴关系有直接负效应,即违纪捣乱行为多地同学,受同学欢迎地程度往往会低一点.另一方面,学生行为通过教师喜欢程度对同伴关系有间接负效应,即违纪捣乱行为多地同学,老师往往比较不喜欢,而老师地态度会影响同学,使同学也比较不喜欢.3.2 教师管教方式地中介效应分析假设我们认为学生地行为会影响老师地管教方式,而管教方式会影响同伴关系,则管教方式是中介变量.管教方式(U)地中介效应分析结果(标准化解)见表2.由于依次检验中地第二步检验不显著(即u 对x 地回归系数不显著, t =20.72 , p > 0.05) ,根据我们提出地检验程序,需要做Sobel 检验,检验统计量是z = a ˆb ˆ/2a22b 2s b +^s a ^,此处a ˆ =20. 030 , s a = 0. 041 , bˆ= 0. 187 ,s b = 0. 039计算得z =20.72 , p > 0.05.所以管教方式(U)地中介效应不显著.表2 管教方式(U)地中介效应依次检验标准化回归方程 回归系数检验第一步y=-0.232x SE=0.040 t=-5.81** 第二步u=-0.030x SE=0.041 t=-0.72 第三步y=0.187u-0.226x SE=0.039 t=4.79** SE=0.039 t=-5.79**注: SE 表示标准误.**表示在0.01 水平上显著.4 结语在多变量分析中,除了考虑自变量对因变量地影响外,经常还会涉及中介变量.例如,有间接效应地路径分析,其实已经涉及中介变量,但研究者如果不知道相应地概念和分析方法,自然不可能进行真正地中介效应分析(特别是中介效应地检验) .本文提出地中介效应检验程序,可以做部分中介效应和完全中介效应地检验.由于同时考虑了两类错误率,该程序比单一地检验方法要好.而且,该程序简单可行,计算量少.该程序可以让读者避免在繁多地检验方法中无所适从,能够按部就班地进行中介效应地检验.版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整理.版权为个人所有This article includes some parts, including text, pictures, and design. Copyright is personal ownership.fjnFL。
中介效应分析概述
中介效应分析概述中介效应分析广泛用于社会科学研究Wood Goodman Beckmann Cook 2008，如心理学MacKinnon Fairchild Fritz 2007 Rucker Preacher TormalaPetty2011 ，管理学Mathieu DeShon Bergh 2008 和传播学Hayes PreacherMyers2011等。
Rucker 等2011统计发现2005 至2009 年间发表在《人格与社会心理学杂志》Journal of Personality and Social Psychology JPSP 和《人格与社会心理学公报》Personality and Social Psychology Bulletin PSPB上59和65的文章使用了中介检验。
中介分析之所以如此流行，主要取决于如下几点原因MacKinnon 2008MacKinnon Fairchild Fritz 2007：第一，刺激—有机体—反应模型在心理学中的主导地位其次，中介变量是社会科学诸多理论中不可缺少的内容。
第三，方法学上的挑战，中介效应检验的精确性激起了方法学者的研究热情，新的方法或检验程序不断更新Mathieu DeShon Bergh 2008。
中介变量存在于多种模型，如路径模型，SEM，纵向模型MacKinnon 2008 von Soest Hagtvet 2011和多水平模型Preacher Zyphur Zhang 2010 温忠麟等2012等，下面介绍在路径模型的框架内结束中介效应分析，这里介绍的方法也适用于其他情况，潜变量路径分析SEM中的中介效应分析放在第8 章介绍，关于其他模型的中介效应分析的内容可参见MacKinnon2008和温忠麟等2012的专著。
第二，2.中介效应分析的意义中介变量是联系两个变量之间关系的纽带，在理论上，中介变量意味着某种内部机制MacKinnon 2008。
中介效应检验方法
检验方法二：Sobel法
总结词
Sobel法是一种基于回归的检验中介效应 的方法，通过检验自变量对中介变量的 回归系数和中介变量对因变量的回归系 数来推断中介效应的存在。
VS
详细描述
Sobel法的步骤包括在控制自变量和因变 量的相关性后，分别对自变量和因变量进 行回归分析，然后在两个回归方程中分别 加入中介变量，观察加入中介变量后回归 系数的变化。如果中介变量的加入使得自 变量对因变量的影响变得不显著，则说明 存在中介效应。
Part
03
多重中介效应检验
检验方法一：Bootstrap法
总结词
Bootstrap法是一种重抽样技术，通过从原始数据中反复抽样来估计中介效应的置信区 间。
详细描述
Bootstrap法的步骤包括计算自变量通过各个中介变量到因变量的中介效应值，然后根 据这些值生成置信区间，如果区间不包含0，则说明中介效应显著。该方法对样本大小
详细描述
Judd和Kenny法是另一种常用的中介效应检验方法，它基 于因果逐步回归分析的思想，通过逐步引入自变量、中介 变量和自变量与中介变量的交互项来检验中介效应。
Judd和Kenny法的步骤如下：首先，检验自变量对因变量 的回归系数是否显著；其次，检验自变量对中介变量的回 归系数以及中介变量对因变量的回归系数是否都显著；最 后，检验自变量、中介变量以及自变量与中介变量的交互 项同时对因变量的回归系数是否都显著。如果以上回归系 数都显著，则说明存在中介效应。
社会学研究
社会互动分析
中介效应检验在社会学中用于分析社会互动过程，如人际关系、 群体行为等。
社会结构与功能
研究社会结构和社会功能的中介效应，有助于理解社会现象的形成 和演变。