中介效应分析：方法和模型发展

心理科学进展 2014，Vo1．22，No．5，73 1-745 Advances in Psychological Science D0I：10．3724／SP．J．1042．2014．00731 · 主编特邀(Editor—In—Chief Invited)· 编者 按 ： 中介效应分析在许多领域都有广泛应用，因为它可以分析变量之间影响的过程和机制，相对于回 归分析，可以得到比较深入的结果。虽然中介分析不能肯定地说“证实”了什么，但可以帮助我们支持某 种理论而排除其竞争的理论。温忠麟教授及其合作者有关中介分析方法的研究，引领和推动了中介分析 在国内的应用，他们 2004年发表在 《心理学报》上的论文，在 Google学术搜索上可以查到被上千篇论 文引用。最近 10年，中介效应分析方法和模型都有了许多发展，本文作者做了相当全面的综述，并尝试 澄清一些有争议的问题。这些看似不大的争议，在统计上还是很重要的，会影响检验流程。作者还就如 何分析因果关系，提出了理论分析的若干思路。本文对中介效应分析的逻辑和统计方法有相当透彻的理 解，在中介分析的立论、建模、检验和解释方面有很高的参考价值。本刊希望通过温忠麟和叶宝娟的这 篇文章，提高应用工作者涉及中介分析的论文质量。 (本文 责任 安全质量包保责任状安全管理目标责任状8安全事故责任追究制幼儿园安全责任状占有损害赔偿请求权 编辑 ：侯杰泰) 中介效应分析：方法和模型发展 温忠麟 ， 叶宝娟 ( 华南师范大学心理应用研究中心／| 理学院，广州 51063l1 ( 香港考试及评核局，香港) ( 江西师范大学心理学院，南 昌 330022) 摘 要 在心理学和其他社科研究领域，大量实证文章建立中介效应模型，以分析 自变量对因变量的影响过 程和作用机制。检验中介效应最流行的方法是 Baron和 Kenny的逐步法，但近年来不断受到批评和质疑，有 人甚至呼吁停止使用其中的依次检验，改用 目前普遍认为比较好的Bootstrap法直接检验系数乘积。本文对相 关的议题做了辨析，并讨论了中介分析中建立因果关系的方法。综合新近的研究成果 总结出一个中介效应分 析流程，并分别给出显变量和潜变量 Mplus程序。最后介绍了中介效应模型的发展 关键词 中介效应；间接效应；逐步法；Bootstrap法；因果 分类号 B841 近年来，在心理学和其他社科研究领域，大 量实证文章建立中介效应(mediation effect)模型 进行分析。例如，Rucker，Preacher，Tormala和Petty (201 1)统计发现，2005至 2009年发表在 Journal of 收稿 日期：2014—02—06 +国家自然科学基金(31271l16)、教育部人文社会科学 重点研究基地项 目(1 1JJD190005)、中国博士后科学基 金项 目(2013M540535)、教育部人文社会科学研究青 年基金项 目(13YJC190029)和江西省博士后科研择优 资助项目(2013KY08)资助。 通讯作者：温忠麟，E—mail：wenzl@scnu．edu．cn 731 Personality and Social Psychology (JPSP)和 Personality and Social Psychology Bulletin(PSPB) 上的文章，分别有 59％和 65％使用了中介检验。 国内心理学期刊上有关 中介效应 文章所 占的比 例，也可以用引人注目来形容。中介效应模型可 以分析自变量对因变量影响的过程和作用机制， 相比单纯分析自变量对因变量影响的同类研究， 中介分析不仅方法上有进步，而且往往能得到 更多更深入的结果，这可以解释为什么中介分 析受到重视。 检验 中介效应 最 流行 的方法是 Baron 和 732 理 科 学 进 展 第 22卷 Kenny f1 986)的逐步法(causal steps approach)。但 是，近年来逐步法受到几乎是一边倒的批评和质 疑(例如，Edwards& Lambert，2007；Hayes，2009； Spencer，Zanna，& Fong，2005；Zhao，Lynch，& Chen，2OLO)。有人甚至呼吁停止使用依次(piecemea1) 检验(逐步法中的一个步骤)，改用目前普遍认为比 较好的 Bootstrap法直接检验系数乘积的显著性(如 Zhao et a1．，2OLO)。本文在介绍各种中介分析方法后， 对这些批评逐一做了辨析，特别谈到中介分析如何 从理论上建立因果关系：综合新近的中介效应方法 研究成果，总结出一个中介效应分析流程；还介绍 了中介效应模型的新近发展。 1 中介效应模型及检验方法介绍 考虑 自变量 对因变量 y的影响，如果 通 过影响变量 而对 】，产生影响，则称M为中介变 量。例如，“家庭社会经济地位”影响“家庭功能”， 进而影响“青少年疏离感”。为了行文简便，避免在 回归方程 中出现与方法讨论无关的截距项，假设 所有变量都已经中心化(即将数据减去样本均值， 中心化数据的均值为 0)或者 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 化(均值为 0，标 准差为 1)，可用下列回归方程来描述变量之间的 关系(图 I是相应的路径图)： Y=cX+el (1) M =aX+e2 (2) Y=c'X+bM+e3 (3) 其中方程(1)的系数c为自变量 对因变量 y的总 效应；方程(2)的系数a为自变量 对中介变量 M 的效应；方程(3)的系数 b是在控制 了自变量 的 影响后，中介变量 对因变量 】，的效应；系数 c 是在控制了中介变量 的影响后，自变量 对因 变量 】，的直接效应；else3是回归残差。对于这样 的简单 中介模 型，中介效应等 于 间接 效应 (indirect effect)，即等于系数乘积口6，它与总效应 和直接效应有下面关系(MacKinnon，Warsi，& Dwyer，1995)： C=c +ab (4) 检验 中介效应最常用的方法是逐步检验 回 归系数(Baron&Kermy,1986；Judd&Kenny,1981； 温忠麟，张雷，侯杰泰，刘红云，2004)，即通常说 的逐步法：(i)检验方程(1)的系数 c(即检验 ／4o：c= O)；(ii)依次检验方程(2)的系数 a(即检验 凰 ：a=0) 和方程(3)的系数 b(即检验 风 ：b=0)，有文献称 之为联合显著性检验ftest of joint significance， Hayes，2009)。如果(i)系数 c显著，(ii)系数 a和b 都显著，则中介效应显著。完全中介过程还要加 上：(iii)方程(3)的系数 c 不显著。 上述 Baron和 Kenny(1986)的逐步法，第一 步检验的是 对 y的总效应；第二步实际上是检 验系数乘积的显著性(即检验 凰 ：ab=0)，通过依 次检验系数 a和 6来间接进行；第三步检验用来 区分完全中介还是部分中介。这三步其实是可以 分开进行的。区分每一步的目的对理解和讨论逐 步法很重要。特别地，我们将检验系数乘积(即检 验凰 ：ab=O)的依次检验与逐步法区分开来，前 者是后者的一个步骤。文献提到逐步法时，有的 是指全部步骤，有的却是指依次检验，不小心的 读者容易引起混淆。 系数乘积的检验(ep检验 ：ab=0)是中介效 应检验的核心，下面先集中讨论其检验方法。依 臣二]’— — 二 y：⋯ 图1(a) 图1(b) 图 1 中介模型示意图 M =aX +e Y=c +bM +e 第 5期 温忠麟等：中介效应分析 ：方法和模型发展 733 次检验是对 系数乘积的间接检 验，想法很直观， 如 果 检验 结 果 是 a≠0且 b≠0，就 可 以推 出 ab≠0。这个推理在代数上没有问题，但在统计 检验上如何呢?模拟研究发现，用依次检验来检 验no：ab=0，第一类错误率较低，低于设定的显 著 性 水 平 (如 0．05)(MacKinnon，Lockwood， Hoffman，West，&Sheets，2002；温忠麟等，2004)。 这就是说，如果依次检验结果a和b都显著，已经 足够支持所要的结果，即a6显著。但依次检验的 检验力(power)也较低，即系数乘积实际上显著而 依 次检验 比较容 易得 出不 显著 的结 论(Fritz& MacKinnon，2007；MacKinnon et a1．，2002)。 检验系数乘积更多的是直接针对假设／4o：ab = 0提出的检验方法。Sobel f1982)法就是比较有 名的一种。检验统计量为 z= ／ 6，其中 h和 b 分别是口和b的估计， 曲=√a ；+ 2是 的 标准误，S 和S 分别是 和b的标准误。模拟研究 发现，Sobel法的检验力高于依次检验(MacKinnon et a1．，2002；温忠麟等，2004)。但这个检验统计量 的推导需要假设 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， 因而上面标准误s 的计算只是近似的，可能很 不准确。这样，Sobel检验的局限性是很明显的(方 杰，张敏强，2012；Hayes，2009；MacKinnon，2008； MacKinnon，Lockwood，&Williams，2004)。 试图用来替代 Sobel法直接检验／40：ab=0 的方法至少有三类(方杰，张敏强，2012)，包括乘 积分布法、Bootstrap法和马尔科夫链蒙特卡罗 fMCMC)法 。乘积分布法默认 动 分布是两个正态 变量的乘积分布，根据乘积分布构建临界值进行 检 验 和 区 间 估 计 (Fritz & MacKinnon，2007； MacKinnon et a1．，2004；Tofighi& M acKinnon， 20111。 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(当然这也是通 常取样进行统计推论的要求)。Bootstrap法有多种 取样 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 ，其中一种简单的方案是从给定的样本 中有放回地重复取样以产生出许多样本，即将原 始样本当作Bootstrap总体，从这个Bootstrap总体 中重复取样以得到类似于原始样本的Bootstrap样 本(Wen，Marsh，&Hau，201O)。例如，将一个容量 为 500的样本当作 Bootstrap总体，从中有放回地 重复取样，可以得到一个 Bootstrap样本(容量还 是 500)。类似的可以得到很多 Bootstrap样本(比 如 1000个)，对这 1000个 Bootstrap样本，可以得 到 1000个系数乘积的估计值，其全体记为{a6}。 将它们按数值从小到大排序，其中第 2．5百分位 点和第 97．5百分位点就构成 的一个置信度为 95％的置信区间，据此就可以进行检验了：如果置 信区间不包含 0，则系数乘积显著(方杰，张敏强， 2012；Preacher& Hayes，2008；Preacher，Rucker，& Hayes，2007；温忠麟，刘红云，侯杰泰，2012)，这 样的检验方法称为非参数百分位 Bootstrap法，检 验力高于 Sobel检验(Fritz& Mackinnon，2007； MacKinnon et a1．，2004)。检验力更高的是使用偏 差校正后的置信区间，即所谓的偏差校正的非参 数百分位 Bootstrap法(Edwards&Lambert，2007； 方杰，张敏强，2012；Fritz& MacKinnon，2007； MacKinnon，2008；Preacher& Hayes，2008；Taylor， MacKinnon，&Tein，2008；温忠麟等，2012)。在 Bootstrap法前 面冠 以“非参数”，是因为所论的 Bootstrap法不涉及总体分布及其参数(因而不要 求正态假设)，利用样本所推导的经验分布代替总 体分布，属于非参数方法。 在中介效应分析中，马尔科夫链蒙特卡罗 (MCMC)法 是一 种 贝 叶 斯 统计 方 法 (Ntzoufras， 2009；Yuan& MacKinnon，2009)。具体一点说， MCMC法是在贝叶斯理论框架下，将马尔科夫链 过程引人到蒙特卡罗模拟中，实现抽样分布随模 拟的进行而改变的动态模拟(方杰，张敏强， 2012)。MCMC法需要较多的统计知识和复杂的算 法 ，还 会 涉 及 引 起 争 论 的 先 验 分 布 (prior distribution)问题，这里不拟多说。 研究发现，上述三类方法中，用偏差校正的 非参数百分位 Bootstrap法或者有先验信息的 MCMC法计算系数乘积的置信区间比 Sobel法得 到的置信区间更精确，有更高的检验力(方杰，张 敏强，2012；Hayes&Scharkow,2013；MacKinnon， 2008；Preacher& Hayes，2004；Yuan& MacKinnon， 2009)。常用的统计软件 Mplus fMuthdn&Muth6n， 20l2)已经有简单 的指令，调用 Bootstrap法 和 MCMC法计算系数乘积的置信区间，实现系数乘 积的 Bootstrap法检验和 MCMC法检验。不熟悉 Bootstrap法和MCMC法的读者，可以将其和最小 二乘法、极大似然法那样看待，利用统计软件提 734 理 科 学 进 展 第 22卷 供 的功能实现计算。但多数方法学文章都只推荐 Bootstrap法(例如 Biesanz，Falk，& Savalei，2010； Cheung& Lau，2008；Fritz，Taylor，& M acKinnon， 2012；Hayes& Scharkow，2013；MacKinnon et a1．， 2004；Pituch & Stapleton，2008；Pituch．Stapleton． &Kang，2006；Taylor et a1．，2008)，而且 MCMC法 的先验分布通常也无法得到，所 以到 目前为止， Bootstrap法是公认的可以取代 Sobel法而直接检 验系数乘积的方法。不过，偏差校正 的非参数百 分位 Bootstrap法在某些条件下的第一类错误率会 超过设定的显著性水平(如 0．05)(方杰，张敏强， 2012；Fritz& MacKinnon，2007；M acKinnon et a1．． 2004)，而非参数百分位 Bootstrap法没有这个问 题(Fritz et a1．，2012)。 因为 ab=C—C ，所 以检验间接效应也可以 通过检验 Ho：c—C =0来进行(Clogg，Petkova，& Shihadeh，1 992；Freedman&Schatzkin，1 992)，称 为系数差异检验法，以区别上面讨论的系数乘积 检验法。但因为系数差异检验法的第一类错误率 明显高于系数乘积检验法(可能远高于 0．05)，所 以它们很早就输给了系数乘积检验法(MacKinnon et a1．，2002；温忠麟等，2004)，后面不提。 总结一下，检验间接效应可以分成两类，一 类是检验 Ho：ab=0，另一类是检验 ：c—c = 0。检验凰 ：ab：0又可以分成间接检验和直接 检验两类。依次检验是间接检验 Ho：ab=0．而 Sobel检验、Bootstrap法 、MCMC法等是直接检 验 Ho：ab=0。直接检验 tlo：ab=0比较好的方法 是偏差校正的非参数百分位 Bootstrap法，应当取 代 Sobel检验。研究者如果在乎检验的第一类错 误率，使用非参数百分位 Bootstrap法 比较妥当 (Fritz et a1．，2012；Hayes&Scharkow,2013)。但很 多文献 想 当然 就认 为依 次检 验也 应 当让位 给 Bootstrap法，至少从检验的角度来说是没有道理 的，下一节会详细讨论 。 2 对 Baron和 Kenny逐步法的质疑和 辨析 Baron和 Kenny(1986)的逐步法的每一步，都 有人提出批评和质疑，最彻底否定的要数Zhao等人 (2010)的文章。下面看看这些批评要点，逐一辨析。 2．1 依次检验还有用吗? 就间接效应的检验而言，依次检验方程(2) 的系数 a和方程(3)的系数 b，是最多人使用的方 法。尽管早有方法文章已经建议使用Bootstrap法 直接检验系数乘积，但很多应用工作者还是照用 依次检验。依次检验受到欢迎的原因是方法简单， 容易理解和解释。方法学者不推荐也可以理解， 因为依次检验的检验力在各种方法中是最低的 (Fritz&MacKinnon，2007；Hay，2009；MacKinnon et a1．，2002)。就是说，依次检验 比较不容易检验到 中介效应显著 。但如果研究者用依次检验已经得 到显著的结果，检验力低的问题对其而言就不是 问题 !此时，依次检验的结果甚至好过 Bootstrap 法的结果，奇怪的是似乎很少人理解到的这一点， 下面给出理由。 设想甲乙两人用同一组数据检验系数乘积 (即检验风 ：ab=0)，甲做依次检验结果显著，乙 用 Bootstrap法检验结果也显著，甲的结果更好 ： (1)看着甲的结果，我们几乎可以肯定乙的检验结 果也是显著，因为 Bootstrap法的检验力高于 Sobel检验(Fritz&MacKinnon，2007；MacKinnon et a1．，2004)，后者又高于依次检验(MacKinnon et a1．，2002)；而看着乙的结果却不能判断甲的检验 结果是否显著f因为依次检验比较不容易得到显 著的结果)。(2)看着甲的结果，我们知道 显著影 响 而且 显著影响 y，推论是间接效应显著； 看着乙的结果，我们只知道间接效应是显著的， 但不知道 是否显著影响 也不知道 是否 显著影响 】，。(3)当检验结果是显著的时候，可能 的错误只是第一类 的。检验力 比较高的方法，通 常也有 比较高的第一类错误率。前面说过，当设 定显著性水平 0．05时，依次检验 的第一类错误 率低 于 0．05(MacKinnon et a1．，2002；温忠麟等， 2004)，而 Bootstrap法 的第一类错误率可能会 超过 0．05 fFritz&MacKinnon，2007：MacKinnon et a1．，2004)。一般而言，甲的错误率不会比乙的 错误率高。综合上面三点可以说，如果检验结果 都显著，依次检验的结果强于 Bootstrap法检验 结果。 但要注意，上面说的是已经得到“显著”结果 的情况(就像大多数投稿 中的结果那样)，才是依 次检验的结果强于Bootstrap法检验结果。但并不 意味着要推荐依次检验、不推荐 Bootstrap法，因 为两者的检验力高低不同。我们推荐的检验方法 和步骤详见第 3节。 第 5期 温忠麟等：中介效应分析：方法和模型发展 735 2．2 要先检验总效应吗? 逐步法中第一步是检验方程(1)的系数 c，有 些人认为没有必要(例如，MacKinnon，Krull，& Lockwood，2000；Zhao et a1．，2010)。他们的论据是， 间接效应 6)的符号可能和直接效应(c )的符号相 反，使得总效应(c)不显著，但中介效应还是存在； 也可能存在两条中介路径，其间接效应大小相近 但符号相反，使得总效应不显著。就是说，即使总 效应不显著，间接效应还是可能存在。 这里其实涉及两个问题，一是要不要检验系 数C?二是中介效应要不要以系数 c显著为前提 条件?第一个问题的答案是肯定的，因为研究者 肯定会关心 X是否显著影响 y。对于特定的两个 变量 和 y’如果根据理论、经验或者与他们关 系密切的第三个变量 都无法设想 和 】，之间 有关系的话，还会去研究 如何影响 】，吗?文章 将如何立论?所以说，研究者肯定会关心 X和 】， 之间关系。 对于第二个问题，则涉及到“中介效应”概念 的定义问题。以系数C显著为前提条件是一种定 义，不用这个前提条件是另一种定义，从外延来 看，后者包含 了前者。按概念的外延与内涵的反 变关系，后者的内涵缩小了。这是要引起重视 的， 而不是仅仅支持或者反对这个系数 c显著为前提 就完事。如果不加区分的使用两种不同定义的概 念，就会造成混乱。这方面应当向数学家学习，他 们将“数”的概念不断扩张的同时，也用不同的名 称进行区分，如整数、有理数、实数和复数。 按 Baron和 Kenny(1986)定义，中介效应是 以系数c显著为前提，即 显著影响 y为前提。 在这个定义下，分析中介效应可以解释‘ 如何影 响 ’，中介过程提供 了‘ 对 y 的作用 机制” (MacKinnon& Fairchild，2009；温忠麟，侯杰泰， 张雷，2005)。涉及中介的应用文章往往会声称要 研究‘ 对 】，的作用(或影响)机制”。如果系数 C不 显著，就说明 对 y的影响不显著，如果还问‘ 如何影响 ’或者‘ 对 y的作用机制是什么”，不 合常理。此时，合理的问题应当是‘ 为何不影响 ’ ， 建模的逻辑已经与前面说的中介模型的逻辑 不同了。所以比较好的做法是将这种情形与通常 中介效应区分开来，不少文献称之为“遮掩效应” (suppressing effects)(Kenny，2003；MacKinnon， 2008；MacKinnon et a1．，2000，2002；Shrout & Bolger，2002)。如果间接效应和直接效应符号相反， 总效应就出现了被遮掩的情况，其绝对值比预料 的要低。 温忠麟等人(2012)的书上，将系数 c不显著 的情形归入“广义 中介分析”，既说明这种情形与 通常的中介分析有区别，也可以看出与中介分析 有联系。如果根据前后文可以自明，也可 以删去 “广义”两字 。说到底，如果是按传统的 目的研究中 介效应，是要以系数 c显著为前提，否则就是另 一 个故事了。比方说，如果一个人买了房子，你可 以问“他是通过中介买的，还是 自己直接买的?” 但如果一个人没有房子，此时的问题应当是“他 为啥没有房子?”，可能根本就没有买过，也可能 买了又卖掉了(类似于符号相反的抵消)。从问题的 提 出，到结果 的解释，两种情形可能是很不同的 故事。 这样说来，我们不用去争论中介效应要不要 以系数C显著为前提，而是应当根据实际情况进 行立论，合理地提出相应的问题，建立模型进行 分析，并作出相应的解释。虽然系数 c不显著还 是可以继续分析，但应当明白，系数c显著与否， 是不同的事情，用不同的名称 区分开来是 明智 的 做法。与此相关 的两个 同义词，中介效应和间接 效应，也是有区分的。中介效应一定是间接效应， 因而有的场合两者是一回事；但间接效应不一定 是中介效应(Mathieu& Taylor，2006；温忠麟等， 2004)。 2．3 区分完全中介和部分中介是否合适? 逐步法 中最后一步，通过检验方程(3)的系 数 c 来区分区分完全中介还是部分 中介。如果系 数 Ct不显著，属于完全中介(James&Brett，1984)。 Baron和 Kenny(1986)认为完全中介是 中介效应 存在的最强有力的证明。区分完全中介和部分 中 介，是对中介效应模型的效应量的一种文字描述 (Preacher&Kelley，2011)，可以帮助解释结果。 但完全中介和部分中介概念是有问题的。第 一 ， 在总效应小(但显著)的时候，间接效应可能 不到总效应的七成，直接效应已经不显著了，结 果是完全中介，与常理相悖。一般地说，当总效应 小且样本也小的时候，容易得到完全中介的结果 (Preacher& Hayes，2008)，但其实完全中介的情 况 是 很少 的 (Baron & Kenny，1986；Iacobucci， 2008)。第二，当说 是 和 y关系的完全中介时， 736 理 科 学 进 展 第 22卷 排除 了将来 探索 其他 中介 的可能性 (Pituch， Whittaker，& Stapleton，2005)。Preacher和 Hayes (2008)呼吁放弃完全中介的概念，将所有中介都 看作是部分中介。Zhao等人(20 1 0)建议直接报告 间接效应和直接效应 的显著性，是可取的做法。 2．4 逐步法能验证因果关系吗? 逐步法的英文“causal steps approach”按字面 翻译 阿房宫赋翻译下载德汉翻译pdf阿房宫赋翻译下载阿房宫赋翻译下载翻译理论.doc 是“因果逐步法”，使得部分研究者误以为逐 步法可以证 明因果关系，也有部分研究者质疑逐 步法其实得到的是相关关系，不是因果关系 (Stone—Romero&Rosopa，2008)o 没错，逐步法建立模型的过程中，假设了变 量之间的影响关系，即 影响 影响 而且， 逐步法确实也不能验证因果关系。但这是所有统 计方法都存在的问题，即统计无法验证因果关 系。其实，连简单的回归分析，也有同样的问题。 变量之间因果关系的提出和假设，应当是模 型建立之前要做的事情。中介模型中的每一个箭 头 表 示 的 因 果 关 系 ，包 括 ‘‘ ’，‘ ’， “ y"，都要有理据，或者有某种学科理论支持， 或者有文献做铺垫，或者有经验常识作为佐证。 总之，因果链中的每一个关系，都要在提出假设 和建模之前得到支持，否则假设的模型就没有根 基。如果只有 ‘‘ ’和“ ’，也可以推论 ‘‘ ，．_+ ’，做出假设。如果两个变量 和 y的因果 关系比较明确，或者人们对因果关系比较有信心， 可以说‘ 影响 ’，否则可以说得委婉一点 ：‘ 对 y有预测作用”。 那 么应 当如 何分 析变 量 之 间的 因果关 系 呢?这里不拟涉及哲学上的因果论，先看看社科 中比较经典的推论因果关系的 3个准~lJ(Cook& Campbell，1979)：(1)因和果共同变化；(2)因在果之 前发生；(3)排除因果联系外的其他解释。根据这 些准则，社科研究可以采用下面方法分析因果关 系：一是理论分析进行因果推理，二是实验 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 验证因果关系，三是追踪研究观察因果关系。 先说理论分析，这是通过问卷测量收集数据 进行中介分析必须要做的。对于两个相关的变量 和 y(相关变量满足了因果关系的第一个准则)， 通过下面理论分析可以增加对‘‘ ’的信心： (1)看 和 y的变量属性， 是 比 】，更加本质 的(或者是长久的、稳定的)属性。一般来说，本质 属性影响状态属性，长期属性影响临时属性，稳 定属性影响不稳定属性。例如，学生的智力和学 业成绩，前者更加本质，应当是智力影响成绩。又 如，成年人的身高比体重稳定，因而身高影响体 重。至于性别，从生物学知道是由染色体决定的， 相对于社科中的其他变量，性别更加本质和长久 稳定，所以社科中凡是与性别相关 的变量，都可 以说受到性别的影响，即性别是这些变量的“因”。 (2)颠倒 和 y的因果顺序，难以解释。就是 说“y— ’还不如‘‘ _+ ’那样好解释。例如，性犯 罪数量与气温正相关，哪个是因?如果说性犯罪 数量影响气温，解释不通；而“气温升高使得性犯 罪数量增加”比较容易解释，一种解释是：气温高 一衣着暴露一诱发性犯罪；另一种解释是：气温 高一荷尔蒙分泌旺盛一引发性犯罪。又如，有人 调查发现，参加过补习的学生，平均成绩还不如 从未参加过补习的学生，得到结论是补习不能提 高成绩。这里显然忽视了一个事实：成绩不好是 参加补习的一个原因，而不是结果。 (3)尽量排除共同原因引起的虚假效应(有关 虚假效 应，参 见侯杰 泰，温 忠麟，成 子娟， 2004)。例如，婚龄与年医药费支出正相关，谁 是原因呢?都不是，年龄(代表时间)才是这两 个变量的共同原因。重要期刊要求作者检验方 法效应，也是一样道理，就是排除方法对各变 量 的共同影 响。 上面前两个分析都在支持因果关系的第二 个准则。即因在果之前发生。最后一个分析是支 持第三个准则，即排除其他解释。 再说实验设计，通常认为是验证因果关系最 有效的一种做法。上面说到的补习能否提高成绩 的例子，如果进行实验设计，将同年级成绩相当 的学生分成实验组(参加补习，当然教师水平还不 能太差)和控制组(不参加补习)，并且两组除了是 否补习不同外，其他会影响成绩的因素都控制到 基本相同，得到的结果能说明补习是否提高成 绩。实验设计的关键在于控制无关因素，即控制 与实验目的无关但可能会影响因变量的因素，然 后看看 自变量 的变化是否会引起 因变量的变化， 读者可以参考研究方法中有关实验设计的论著 (如莫雷，温忠麟，陈彩琦，2007)。 既 然 实验 可 以 验证 因果 关 系 ，那 么设 计 ‘‘ ’ 、 “ ’和‘‘ P’三个实验f是否需要第 三个实验，参考 2．2节的讨论)，就应当可以验证 第 5期 温忠麟等：中介效应分析：方法和模型发展 737 中介效应的因果关系。如果第一个实验能验证 是导致 的原因，第二个实验能验证 是导致 】， 的原 因，那 么间接路径的因果链就得到 了验证 (Spencer et a1．，2005)。当然，相同的变量，在每个 实验中都应当有相同的定义和测量。 如果要验证完全中介，则要通过所谓的过程 调节设计(moderation．of-process design)，先设计 一 个实验验证‘‘ ’；然后设计另一个实验，如 果控制了 无论 如何变化，】，都不会变化了 (Spencer et a1．，2005)。前面说过，完全中介的情形 罕见，不拟赘述。 最后说说追踪研究。实验设计通常是在时间 很短的一次实验中观测涉及的变量，因而需要假 设自变量的变化会对因变量产生即时的影响。但 在心理和其他社科领域，有些变量之间虽然有因 果关系，也可能需要一段时间才能观测 到变化 ， 即所谓的滞后效应。例如，引进有效的教学手段， 难以立即改变学生的成绩。又如，学业成绩的改 变可能即时影响自信，但自信的改变却要一段时 间后才能影响学业成绩。这时，基于横断的实验 数据不能够对因果作 出推断，应当采用追踪研究 获取纵向数据(Cole&Maxwell，2003)。 追踪研究是问隔一段时间对研究对象重复 测量(两次或多次)自变量、中介变量和因变量，获 得历时性的数据，用追踪数据分析技术(刘红云， 张雷，2005)，检验 自变量是否会影响后续观测的 中介变量，中介变量是否会影响后续观测的因变 量。Mackinnon，Fairchild和 Fritz(2007)总结了至 少 3种可以检验追踪数据的中介效应的方法，包 括 自回归模型(autoregressive modeling)，潜增长 模型(1atent growth modeling)，和潜差异分数模型 (1atent difference score modeling)。 上述三类方法，都有一定的局限性。理论分 析只是一种因果推理，推理只要符合逻辑就是有 效推理，但不能保证推理一定正确。前面已经提 到过横断的实验数据的不足，追踪研究也有局限， 包括重复测量会引起的练习效应、疲劳效应等(温 忠麟，2009)。 总之，中介效应分析是否仅仅是相关分析， 关键要看内容。相关是不能证明因果的，回归或 者中介分析中的因果关系依靠统计以外的理论来 支撑(包括理论分析、实验、追踪调查等)。不能一 看到中介分析就认定仅仅是相关分析。如果有理 论分析，加上统计验证，我们就提高了对因果的 信心。所有方法都只能在一定程度上证实因果关 系，其中实验设计是最为可靠的方法。但所有方 法都不能说最终证实了因果关系，只能证伪，因 果关系的确立最终还是要经过实践的检验。最后 说明一下，这里所说 的因果，包括直接 因果 和间 接因果 。还有，我们是在统计意义上谈论 因果关 系，只是集体规律，对个体可能无效。 3 新的中介效应检验流程 对于系数乘积的检验，温忠麟等人(2004)早 就意识到，如果检验结果都显著，依次检验结果 强于 Sobel检验结果，所以在他们提出的检验流 程中，先进行依次检验，不显著才需要做Sobel检 验。现在，Sobel法由Bootstrap法取代，根据前面 的讨论，对 中介效应的检验流程进行相应的修改 (见图 2)，步骤如下。 第一步，检验方程(1)的系数 c，如果显著， 按中介效应立论，否则按遮掩效应立论 。但无论 是否显著，都进行后续检验。 第二步，依次检验方程(2)的系数a和方程(3) 的系数 b，如果两个都显著，则间接效应显著，转 到第四步；如果至少有一个不显著，进行第三步。 第三步，用 Bootstrap法直接检验H0：ab=0。 如果显著，则间接效应显著，进行第四步；否则 间接效应不显著，停止分析。 第四步，检验方程(3)的系数 c ，如果不显著， 即直接效应不显著，说明只有中介效应。如果显 著，即直接效应显著，进行第五步。 第五步，比较 a6和 c 的符号，如果同号，属 于部分 中介效应，报告 中介效应占总效应的比例 ab／c。如果异号，属于遮掩效应，报告间接效应与 直接效应的比例的绝对值lab／c I。 对这个流程，有几点说明： (1)当间接效应显著时，如果第一步检验后 按遮掩效应立论，最后结果按遮掩效应解释。如 果第一步检验后按中介效应立论，要根据 6和 C 的符号进行解释，如果符号相反，按遮掩效应解 释。就是说，开始按中介效应立论，不排除最后要 按遮掩效应解释，但这样的情况少见。 (2)关于中介效应的效应量，起码应当报告 ab／c或者[ab／c I，并酌情报告其他效应量。Preacher 和 Kelley(2011)给出了上 10种效应量计算方法， 738 理 科 学 进 展 第 22卷 其 中 MacKinnon (2008， 也 见 Fairchild， MacKinnon，Taborga，&Taylor,2009)定义的类似 于回归中的R 那样有方差解释率意义的效应量值 得注意，但这些效应量没有单调性r即中介效应 口6上升时，效应量可能反而下降)，不好理解 。至 于 Preacher和 Kelley(2Ol1)提出并推荐的中介效 应量指标 ，不仅缺乏统计意义，而且没有单调 性(Wen，under review)，不用为好。 (3)这个流程主要是从参数检验的角度考虑 的。从参数估计角度看，一般认为，单单给出点估 计是不够的，应当给出区间估计。系数乘积 a6的 置信区间计算应当用 Bootstrap法代替 Sobel法。 这样，为了做区间估计，Bootstrap法成为一个必 须的方法，而且依次检验也可以通过 Bootstrap法 进行，即用 Bootstrap法求出系数a和 b的置信区 间进行检验(但单个的系数不像系数乘积那样肯 定会违背正态分布，所以使用Bootstrap法依次检 显著 按中介 报告 的 置信区间 验 a和 b与通常的依次检验结果基本上不会有出 入)。有经验的研究者还可以通过区间估计看出方 程(31是否存 在多重共线性 问题 。如果 Bootstrap 法的置信区间过大，说明参数估计摇摆不定，可 能存在多重共线性问题。尽管如此，还是应当先 做依次检验，因为如果显著的话，结果强于直接 检验系数乘积。用附录 1那样的简单 Mplus程序， 可以一次性得到所要的全部结果，包括通常的依 次检验结果和 Bootstrap法置信区间。 (4)如果直接效应显著，不排除存在其他中 介变量的可能，Zhao等人(201O)建议在讨论部分 说明这种可能性 。 4 基于结构方程的中介分析 如果测验的信度很高(如 0．9以上)，使用显 变量和使用潜变量分析变量之间关系得到的结果 会很接近。但如果测验信度不是很高(如只是通常 一 一 ⋯ 唧 法检蛳 显著 1 ， J 不显著 间接效应显著 I 检验系数c 间接效应不显 不显著 显著 直接效J 监不显著 直{ R寿啐 贪效应 可能{ I 曲与c 同号 I r 按中介效应 彩分 分 _应 解释结果 I 报告ab／c d6与c 异号 著 图2 中介效应检验流程 按遮掩效应 解释结果 第 5期 温忠麟等：中介效应分析：方法和模型发展 739 可接受的 0．7左右)，使用显变量分析变量之间关 系往往会低估效应(侯杰泰等，2004)。中介效应因 为涉及两个路径系数的乘积，受到的影响可能更 大。Ledgerwood和 Shrout(2011)的模拟研究发现， 如果使用指标的均值作为显变量，中介效应的 估计值低估实际中介效应的比例与合成信度(叶 宝娟，温忠麟，2011)的乘积有关。例如，如果信 度都是 O．9，则中介效应的估计值是实际中介效 应的 80％( 0．9xO．9)左右。但使用潜变量的弱点 是中介效应估计的标准误较大，降低了检验力。 就是说，使用潜变量的检验力通常低于使用显 变量的检验力。为此，Ledgerwood和 Shrout建议， 如果测验信度不够高，使用两步分析策略：第一 步用显变量建模 检验中介效应，第二步用潜变 量建模估计中介效应。不过，如果用潜变量检验 中介效应已经显著，就没有必要报告显变量分 析结果 了。 为了方便，我们前面讨论的模型所涉及的变 量都是显变量，但有关的概念、模型路径图、分 析思路 、检验方法和流程同样适用于潜变量 。对 于潜变量的中介分析，只需将路径图中的长方形 框(表示显变量)换做椭圆形图框(表示潜变量)(温 忠麟等，2012)。使用结构方程，不仅可以同时处理 显变量和潜变量，还可以同时分析多个自变量、 多个 因变量和多个中介变量的关系，也可以分析 追踪数据(侯杰泰等，2004)。 对于显变量模型的分析，模型的拟合指数一 般都很好，因此，可以把重点放在效应分析上。但 是，对于潜变量，模型会变得更复杂，模型中既 包括结构方程，也包括测量方程，此时，模 型的 拟合检验变得很重要(温忠麟等，2012)。对于题目 指标多的潜变量，可能还涉及到题 目打包问题(吴 艳，温忠麟，2011)。 具体到用结构方程分析图 1所示的中介模型， 不失一般性，假设 有 4个指标 X ，x2，x3,x4，M有 3个指标ml,m2, 3，j，也有3个指标Yl,Y2,Y3。首 先，建立一个图 1(a)相应 的结构方程模型，检验 c 的显著性。这一步，懂得结构方程的读者都会做。 然后建立一个图 1(b)相应的结构方程模型，按附 录2的Mplus程序，就可以得到需要的结果，包括 依次检验的结果和Bootstrap法置信区间。程序中 注明了如何解读结果，已有结构方程知识的读者 容易看明白，并修改程序应用在自己的研究中。 5 中介效应模型的发展 随着统计理论的发展和分析软件的进步，中 介效应分析模型也有了长足的发展，包括类别变 量的中介模型、多重中介模型 、多水平 中介模型、 有中介的调节模 型与有调节的中介模型等。这些 模型的分析方法，一般都基于简单中介模型分析 方法或者思路，并受到简单 中介模型分析方法发 展的影响。 5．1 类别变量的中介效应模型 通常的中介效应模型，假设自变量、中介变 量和因变量均为连续变量。对于 自变量 为分类 或者等级变量的情景，可以通过定义虚拟变量 (dummy variable)的方法来处理，中介效应的分析 与连续变量的步骤完全相同。对于因变量为分类 或等级 变量的情景 ，研究相对较少 (Mackinnon， Lockwood，Brown，Wang，&Hoffman，2007)。 如所知，如果因变量是分类或等级变量，自 变量是连续变量，应当用 Logistic回归取代通常 的线性 回归(Pregibon，1981)，回归系数的尺度转 换为 Logit量尺。对于因变量 y是分类或者等级 变量 、中介变量( 和自变量( 是连续变量 的中 介效应模型， 对 的回归系数(连续变量的量尺) 与 】，对 的回归系数(Logit量尺1和 y对 的回归 系数(Logit量尺)均不在相同的尺度上，因此不能 简单采用处理连续变量中介效应 的方式，直接将 回归系数 a和 b相乘得到中介效应大小。因而，这 样的模型需要通过标准化转换实现回归系数的等 量尺化(MacKinnon，2008；MacKinnon，Lockwood et a1．，2007)。Iacobucci(2012)对因变量为分类数 据的中介效应进行了理论探讨，强调在实际应用 中研究者应该关注因变量的性质，选择合适的中 介效应分析方法。 5,2 多重中介效应模型 对于情景 比较复杂的研究，经常需要多个中 介变 量才 能清晰地解 释 自变 量对 因变量 的作用 (MacKinnon，2008)，这就涉及 多重 中介(multiple mediation)模型。根据多个中介变量之间是否存在 相互影响，多重中介模型可以分为单步多重中介 模型和多步多重中介模_~_J(Hayes，2009)。单步多 重中介模型，也称为并行多重中介模型，是指中 介变量之间不存在相互影响。多步多重中介模型， 也称为链式多重中介模型，是指中介变量之间存 740 心 理 科 学 进 展 第 22卷 在影响关系，中介变量表现出顺序性特征，形成 中介链(柳士顺，凌文辁，2009；温忠麟等，2012)。 多重中介效应分析可以从 3个角度进行，(1) 总的中介效应(total mediation effect)，即估计和检 验所有间接效应的总和；(2)特定路径的中介效应 (specific mediation effect)，即估计和检验某个感 兴趣的特定路径的间接效应；(3)对比中介效应， 即估计和检验某两个路径的间接效应的差异 (Hayes，2009；MacKinnon，2008；Preacher&Hayes， 2008)。多重中介模型因为涉及的变量较多、路径 比较复杂，即使只涉及显变量，一般也要使用结 构 方 程 模 型 进 行 分 析 (Cheung，2007；Lau & Cheung， 2012； Macho & Ledermann， 201 1； Preacher& Hays，2008)。检验多重中介效应 比较 好的方法是 Bootstrap法(Cheung，2007；方杰，温 忠麟，张敏强，孙配贞，印刷 中；Lau& Cheung， 2012)。 5．3 多层中介效应模型 当数据具有层级结构时，变量分属不同的层 级(也称为水平)，如学生变量是第一层，学校变 量是第二层。多层中介效应模型是多层线性模型 和中介效应模型的结合，可以研究组织层面自变 量对个体层 面因变量的影响，增强中介效应的解 释力(方杰，张敏强，邱皓政，2010)。考虑最简单 的情形，模型中含有一个预测变量 一个中介 变量 M 和一个结果变量 以两水平中介模型为 例，根据 、】，和 M所在的层级不同，可以组合出 多种类型的中介模型，但研究中常见的真正涉及 多层中介效应的模型只有 3类，包括 2-2．1模型 (这 3个数字依次代表自变量、中介变量和因变量 的层级)、2．1．1模型和 1 1．1模型 3种(温忠麟等， 20 1 2；Zhang，Zyphu~&Preacher，2009)。 Bauer，Preacher和Gil(2006)根据中介变量 是在第一层测量还是在第二层测量，区分低层中 介模型和高层中介模型，2-2．1模型是高层中介模 型，2—1．1模型和 1—1．1模型是低层中介模型(温忠 麟等，2012)。对于高层中介模型，模型中的路径系 数都是固定的，此时中介效应的估计和检验相对 简单，但是对于低层中介模型，模型中的路径系 数可能是随机的，此时中介效应的估计及检验可 能比较麻烦(Kenny，Korchmaros，&Bolger,2003)。 不同的模型和路径系数类型分析方法可能不同， 其中Bootstrap法起着重要作用(方杰，温忠麟，张 敏强，任皓，2014；Li&Beretvas，2013；Preache~ Zhang，& Zyphur，20 1 1；Preacher，Zyphu~& Zhang， 2010；温忠麟等，2012)。 5．4 有 中介的调节模型与有调节的中介模型 如果 自变量 与因变量 y的关系受到第三个 变量 u的作用，此时 己，是调节变量，影响 和 y 之间关 系的方 向(正或负)和强弱，比如“感觉 寻 求”与“青少年烟酒使用”的关系，受到“生活事件” 的影响。调节效应分析的 目的是探究 何时影响 y或何时影响较大(Baron&Kenny,1986；Muller， Judd，&Yzerbyt，2005)。中介变量和调节变量有时 候会被混淆或者换用，温忠麟等(2005)从不 同角 度对这两种变量做了比较和区分。 如果一个模型包含不止 3个变量，可能同时 包含调节变量和 中介变量，这些变量在模型中的 位置和作用不同会产生不同的模型，有 中介的调 节模型(mediated moderation mode1)和有调节的中 介模型(moderated mediation mode1)都是同时包含 调节变量和中介变量的模型。 有中介的调节模型意味着 自变量对因变量 的效应受到调节变量的影响，而调节效应(至少 部分地)通过中介变量而起作用(Baron& Kenny， 1 986；Edwards& Lambert，2007；Muller et a1．， 2005；温忠麟，张雷，侯杰泰，2006)。叶宝娟和 温忠麟(2013)对文献上已有的检验有中介的调节 模型 的方法 或步骤进行梳理 ，总结出一个检验 流程。 有调节的中介模型意味着 自变量通过中介 变量对 因变量产生影响，而中介过程受到调节变 量 的调 节 fBaron & Kenny，1986；Edwards & Lambert，2007；Muller et a1．，2005；温忠麟等， 2006)。温忠麟和叶宝娟(2014)分析 了文献上 出现 的检验有调节的中介模型的 3种常见方法 ：依次 检验、系数乘积的区间检验和中介效应差异检验， 从显著性结果的强弱关系、包含的信息量和可解 释性等方面进行比较，认为它们之间是替补关 系：优先使用依次检验，将系数乘积的区间检验 (Bootstrap法)作为其替补，而中介效应的差异检 验(Bootstrap法)又是系数乘积的区间检验的替补， 当前一种检验方法不显著的时候，使用后一种检 验方法 。 在某些情况下，有调节的中介模型与有中介 的调节模型会有一模一样的路径图，区别在于立 第 5期 温忠麟等：中介效应分析 ：方法和模型发展 741 论和解释不同。对于有 中介的调节模型，重心在 于考虑 自变量与因变量之 间关系的方 向(正或负) 和强弱受到的影响，即调节效应；其次考虑调节 变量是如何起作用的，即是否通过 中介变量而起 作用。对于有调节的中介模型，重心在于考虑 自 变量对因变量的作用机制，即中介效应；其次考 虑中介过程是否受到调节，即中介作用何时较 强、何时较弱。重要的是，两种模型分析方法和 步骤不同，特别是分析步骤需要与模型解释相配 合(温忠麟，叶宝娟，2014)。 6 小结 中介效应分析的发展主要是两个方面，一个 是简单中介模 型如何更加精确地检验 间接效应 (即检验 风 ：ab：0)，另一个是针对不同的变量和 数据类型，发展相应的中介模型，扩大应用范围。 两个方面的发展也互有影响。 对于间接效应的检验，针对传统的 Sobel检 验的缺陷，发展了多种替代的检验方法，目前得 到公认的是Bootstrap法直接检验系数乘积口6，在 各种复杂模型中都有用。但由于受到非此即彼的 思维影响，不少文献认为依次检验法也应当让位 于Bootstrap法。我们提出的检验流程，综合了依 次检验法和 Bootstrap法的优点，推荐先尝试简单 的依次检验 a和 b，如果不显著则用 Bootstrap法 直接检验系数乘积 以提高检验力。用这个流程， 无论是考虑第一类错误率 、检验力还是结果的解 释性，与单纯的 Bootstrap法检验系数乘积相比， 只会更好不会更差。 模型发展方面，一是应对类别变量 、多个中 介变量 、层级数据以及追踪数据，发展新的模型， 二是将中介变量和调节变量组合起来建模，这样 就将 中介分析的方法和应用扩大到很广的范围。 相信这是未来 的主要发展 方向，即新 的应用领 域的模 型建构和分析方法研究 。包 括 Bootstrap 法在内的现代统计方法将是兴趣所在。但即使是 复杂模型，也还是可以看看简单的依次检验是 否能派上用场，简单 而有效是一个方法能够流 行的关键 。 还有一个发展方 向是扩展 中介效应的概念， 考虑非线性效应、甚至脱离具体统计模型分析中 介效应(Imai，Keele，& Tingley，2010；Valeri& VanderWeele，20131。但根据内涵与外延的反变原 理，扩展中介效应概念后的研究将比较困难。 参考文献 方杰，温忠麟，张敏强，任 皓．(2014)．基于结构方程模 型 的多层中介效应分析．42·理 屁 22，530—539． 方杰，温忠麟，张敏强，孙配贞．(印刷中)．基于结构方程 模型的多重中介效应分析． · 方杰，张敏强．(2012)．中介效应的点估计和区间估计：乘 积分布法、非参数Bootstrap和MCMC法． - 爹学藏 44， 1408-l420． 方杰，张敏强，邱皓政．(2010)．基于阶层线性理论的多层 级中介效应． -理 铯 18，1329—1338． 候杰泰，温怠麟，成子娟．(2004) 结构方程模型及其应用 北京：教育科学出版社． 刘红云，张雷．(2005)．遭 争痧f方法 舆冱 北京 教育科学出版社． 柳士顺，凌文辁．(2009)．多重中介模型及其应用． ·理 32，433—435． 莫雷，温忠麟，陈彩琦 (2007)． 理 力方 ．广州： 广东高等教育出版社． 温忠麟．(2009)．裁 方偌基础 (第 2版)．北京：高等 教育出版社． 温忠麟，侯杰泰，张雷．(2005)．调节效应与中介效应的比 较和直甩 ， 理学报 37，268-274． 温忠麟，刘红云，侯杰泰．(2012)． 兹 和 缠 分 北京：教育科学出版社． 温忠麟，叶宝娟．(2014)．有调节的中介模型检验方法：竞 争还是替补? 翌 掘 46，714—726． 温忠麟，张雷，侯杰泰．(2006)．有中介的调节变量和有调 节的中介变量． 理 掘 38，448—452． 温忠麟，张雷，侯杰泰，刘红云．(2004)．中介效应检验程 薄及其直甩． 巴’理学报．36．614—620 吴艳，温忠麟．(20l1)．结构方程建模中的题 目打包策略． 心理科学进展 19 1859—1867 叶宝娟，温忠麟．(2011)．单维测验合成信度三种区间估计 的 比较 翌 掘 43，453—461． 叶宝娟，温忠麟．(2013)．有中介的调节模型检验方法：甄 别和整合． -．理 掘 45，1050—1060． Baron， R． M．， & Kenny, D． A． (1986)． The moderator．mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations．Journal of Personality and SocialPsychology,51，1173—1182． Bauer，D．J．，Preacher，K．J．，& Gil，K．M．(2006)． Conceptualizing and testing random indirect effects and moderated mediation in multilevel models： New procedures and recommendations Psvchological Methods． 11，142—163． Biesanz，J．C．，Falk，C．F．，& Savalei，V．(2010)．Assessing mediational models：Testing and interval estimation for 742 理 科 学 进 展 第 22卷 indirect effects．Multivariate Behavioral Research，45(4)， 661-701． Cheung，G ，& Lau，R．S．(2008)．Testing mediation and suppression effects of latent variables：Bootstrapping with structural equation models． Organizational Research Methods，11，296—325． Cheung，M．W．L．f2007)．Comparison of approaches to constructing confidence intervals for mediating effects using structural equation models． Structural Equation Modeling,14，227—246． Clogg，C．C．，Petkova，E．，& Shihadeh，E．S．(1992)． Statistical methods for analyzing collapsibility in regression models．Journal ofEducational Statistics,17(1) 51-74． Cole，D．A．，& Maxwell，S．E．(2003)．Testing mediational models with longitudinal data：Questions and tips in the use of structural equation modeling．Journal ofAbnormal Psychology,112，558—577． Cook，T．D．，&Campbell，D．T．(1979) Design＆ analysis issues for field settings．MA：Houghton Mifflin． Edwards，J．R．，& Lambert，L．S．(2007)．Methods for integrating moderation and mediation：A general analytical framework using moderated path analysis．Psychological Methods，12，1-22． Fairchild，A．J．，MacKinnon，D．P．，Taborga，M．P．，& Taylor， A．B．r2009)．R effect—size measures for mediation analysis．Behavior Research Methods，41，486~ 198． Freedman，L．S．，& Schatzkin，A．(1992)Sample size for studying intermediate endpoints within intervention trails or observational studies． American Journal of Epidemiology,136．1148一l159． Fritz，M．S．，& MacKinnon，D．P．(2007)．Required sample size to detect the mediated effect．Psychological Science． 18，233—239． Fritz，M．S．，Taylor，A．B．，＆ MacKinnon，D．P．(2012)． Explanation of two anomalous results in statistica1 mediation analysis．Multivariate Behavioral Research，47， 61-87． Hayes，A．F．(2009)．Beyond Baron and Kenny：Statistical mediation analysis in the new millennium．Communication Monographs，76，408-420． Hayes，A． F．，& Scharkow，M． (2013)． The relative trustworthiness of inferentia1 tests of the indirect effect in statistical mediation analysis：Does method really matter? ychological Science，24，l918—1927． Iacobucci，D．(2008)．Mediation arialysis．Thousand Oaks， CA：Sage． Iacobucci，D．(2012)．Mediation analysis and categorical variables：The final frantler．Journal of Consumer Psychology,22，582—594． Imai，K．。Keele，L．，& Tingley，D．(2010)．A general approach to causal m ediation analysis． Psychological Methods，15，309—334． James，L．R．，& Brett，J．M．(1984)．Mediators，moderators， and tests for mediation．Journal ofApplied PsYchology 69． 307-321． Judd，C．M．，& Kenny，D．A．(1981)．Process analysis： Estimating mediation in treatment evaluations．Evaluation Review,5，602—619． Kenny，D A．(2003)．“Mediation，”http：／／www．users．rcn．corn／ dakermy／mediate．htrrg Kenny，D．A．，Korchmaros，J．D．，& Bolger，N．(2003)． Lower level mediation in multilevel models Psychological M ethods．8，1 I5 128． Lau，R．S．，& Cheung，G (2012) Estimating and comparing specific mediation effects in complex latent variable models．Organizational Research M ethods， 15， 3-16． Ledgerwood，A．，& Shrout， E．(20111．The trade—off between accuracy and precision in latent variable models of mediation processes．Journal ofPersonality and Social Psychology,101，1174—1188． Li，x．，＆ Beretvas，S．N．(2013)．Sample size limits for estim ating upper level m ediation models using multilevel SEM ．Structural Equation M odeling，20，24 1-264． Macho，S．，&Ledermann，T．(201 1)．Estimating，testing，and comparing specific effects in structural equation m odels： The phantom model approach．Psychological Methods．16， 34—43． MacKinnon，D． P． (2008)．Introduction to statisticaf mediation analysis．M ahwah，NJ：Erlbaum ． MacKinnon，D．P．，& Fairchild，A．J．(2009)．Current directions in mediation analysis． Current Directions in Psychological Science．18，16-20． Mackinnon，D．P．，Fairchild，A．J．，＆ Fritz，M．S．(2007)． Mediation analysis．Annual Review of Psychology,58， 593-6l4． MacKinnon，D．P，Krull，J L，& Lockwood，C M．(2000)． Equivalence of the mediation， confounding， and suppression effect．Prevention Science, ．173—181 MacKinnon，D．P，Lockwood，C．M．，Brown，C．H．，Wang ， & Hoffman，J．M．(2007)．The intermediate endpoint effect in logistic and probit regression．Clinical Trials，4， 499-5l3． M acKinnon，D．P．，Lockwood，C．M．，Hoffman，J．M．，West， S．G，& Sheets，V (2002)．A comparison of methods to test mediation and other interv ening variable effects． Psychological Methods，7，83—104． MacKinnon，D．P．，Lockwood，C．M．，& Williams，J．(2004)． 第 5期 温忠麟等：中介效应分析：方法和模型发展 743 Confidence limits for the indirect effect：Distribution of the product and resampling methods． Multivariate Behavioral Research，39，99—128． MacKinnon，D．P．，Warsi，G，& Dwyer，J．H．(1995)．A simulation study of mediated effect measures． Multivariate Behavioral Research，30，41-62． Mathieu，J．E．，& Taylor，S．R．(2006)．Clarifying conditions and decision points for mediational type inferences in Organizational Behavior．Journal of Organizational Behavior,27．1031-1056． Muller,D．，Judd，C．M．，& Yzerbyt，V．Y．(2005)．When moderation js mediated and mediation is moderated． Journal of Personality and Social Psychology,89(6)， 852-863． Muth6n，L．K．，& Muth6n，B．O．(2012)．Mplus user guide (7th ed．)．Los Angeles，CA：Muth6n&Muth6n． Ntzoufras，I．(2009)．Bayesian modeling using WinBUGS． Hoboken，NJ：Wiley． Pituch，K．A．，＆ Stapleton，L．M．(2008)．The performance of methods to test upper level mediation in the presence of nonnormal data．Multivariate Behavioral Research，43(2)， 237-267． Pituch，K．A．，Stapleton，L．M．，&Kang，J．Y．(2006)．A comparison of single sample and bootstrap methods to assess mediation in cluster randomized trials．Multivariate Behaviora，Research，41(3)，367—4OO． Pituch，K．A．，Whittaker，T．A．，&Stapleton，L．M．(2005)．A comparison of methods to test for mediation in multisite experiments．M ultivariate Behavioral Research，4D，l一23． Preacher，K．J．，& Hayes，A．F．(2004)．SPSS and SAS procedures for estimating indirect effects in simple mediation models． Behavior Research Methods， Instruments，＆ Computers，36，7 l 7—73 1． Preacher,K．J．，& Hayes，A．F．(2008)．Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models．Behavior Research Methods．40．879—891． Preacher，K．J．，& Kelley，K．(201 1)Effect size measures for mediation models：Quantitative strategies for communicating indirect effects．Psychological Methods，J6，93一l1 5． Preacher，K．J．，Rucker，D．D．，& Hayes，A．F．(2007)． Addressing moderated mediation hypotheses： Theory， methods， and prescriptions． Multivariate Behavioral Research，42，1 85—227． Preacher，K．J．，Zhang，Z．，& Zyphur，M．J．(20l1)． Alternative methods for assessing mediation in multilevel data： The advantages of multilevel SEM． Structural Equation Modeling,』8．161—182． Preacher，K．J．，Zyphur,M．J．，&Zhang，Z．(20lO)．A general multilevel SEM framework for assessing multileve1 mediation．Psychological Methods．15，209—233． Pregibon，D．(1981)．Logistic regression diagnostics． P Annals ofStatistics，9，705—724． Rucker,D．D．，Preacher,K．J．，Tormala，Z．L．，& Petty,R．E． (201l1．Mediation analysis in social psychology：Current practices and new recommendations． Social and PersonalityPsychology Compass，5，359—371． Shrout， P． E．， & Bolger, N． (2002)． Mediation in experimental and nonexperimental studies： New procedures and recommendations．Psychological Methods． 7．422—445． Sobel，M．E．(】982)．Asymptotic confidence intervals for indirect effects in structural equation models． In S． Leinhardt(Ed．)，Sociological methodology (PP．290—3 12)． Washington，DC：American Sociological Association． Spencer,S．J．，Zanna，M．P，& Fong，G T．(2005)． Establishing a causal chain：Why experiments are often more effective than mediational analyses in examining psychological processes．Journal of Personality and Social Psychology ,89，845—85 1． Stone—Romero，E．F．，& Rosopa，P J．(2008)．The relative validity of inferences about mediation as a function of research design characteristics．Organizational Research Methods，11，326-352． Taylor，A．B．，MacKinnon，D．P．，&Tein，J．-Y．(2008)．Tests of the three-path mediated effect． Organizational Research Methods，11，24l一269． Tofighi，D．，& MacKinnon，D．P．(201 1)．RMediation：An R package for mediation analysis confidence intervals． Behavior Research Methods．43．692—700． Valeri，L．，& VanderWeele，T．J．(20 1 3)．Mediation analysis allowing for exposure—mediator interactions and causal interpretation：Theoretical assumptions and implementation with SAS and SPSS macros．Psychological Methods．18 l37一l5O． wen，Z．(Under review)．Monotonicity of effect sizes：Comment on kappa—squared as mediation effect size measure． Wen，z．，Marsh，H． ，& Hau，K．T．(2010)．Structural equation models of latent interactions：An appropriate standardized solution and its scale—free properties． StructuralEquation M odeling．’17．1—22． Yuan，Y．，&MacKinnon，D．P．(2009)．Bayesian mediation analysis．Psychological Methods，14，301-322． Zhang，Z．，Zyphur，M．J．，&Preacher，K．J．(2009)．Testing multilevel mediation using hierarchical linear models： Problems and solutions．Organizational Research Methods， 12．695—7l9． Zhao，X．，Lynch Jr．，J．G，&Chen，Q．(2010)．Reconsidering Baron and Kenny：Myths and truths about mediation analysis．Journal ofConsumer Research，37，197—206． 744 心 理 科 学 进 展 第 22卷 附录1 用偏差校正的非参数百分位Bootstrap~检验显变量中介效应Mplus程序 DATA：FILE IS p．dat； !p．dat是原始数据文件，按x M Y顺序排列 VARIABLE：NAMES ARE X M Y； !变量名称 Analysis：bootstrap=1000； !Bootstrap法抽样1000次 M ODEL： Y onx： !做Y对x的回归 M on X(a)； !做M对x的回归，x的回归系数命名为a Y on X M(b)； !做Y对x和M的回归，M的回归系数命名为b，需要单独一行 MODEL CONSTRAINT： new(H)； !定义辅助变量 H=a ； !系数乘积ab的估计 OUTPUT： cinterval(bcbootstrap)； !输出各个系数及系数乘积ab的偏差校正的非参数百分位Bootstrap法置信区间。若要得到(不校正的)非参数百分位 Bootstrap法置信区间，只需将OUTPUTq~的 cinterval(bcbootstrap)改为cinterval(bootstrap)tip可。 注释：各个系数及系数乘积 ab的估计值，对应于 Mplus输出结果中的“MODEL RESULTS”部分中的各个系数及 “New／Additional Parameters”中的 H的参数估计值，各个系数及 ab的 95％(或 99％)置信区间的下限和上限，对应于 Mplus 输出结果中的“CONFIDENCE INTERVALS OF MODEL RESULTS”部分中的各个系数及“New／Additional Parameters”中的 H的“Lower 2．5％”(或“．5％”)和“Upper 2．5％”(或“．5％”)的值。 附录2 用偏差校正的非参数百分位Bootstrap~检验潜变量中介效应Mplus程序 DATA：FILE IS p．dat；!p．dat是原始数据文件，按x1·x4 m1一m3 yl-y3Jl~．．序排列 VARIABLE：NAMES ARE xl—x4 ml—m3 yl—y3；!变量名称 Analysis：bootstrap=1o0O； !Bootstrap法抽样1000次 MODEL： Y by yl-y3； !yl—y3是潜变量Y的指标 M by m1．m3； !m1．m3是潜变量M的指标 x by x1一x4； !x1．x4是潜变量x的指标 Y onx； !做Y对x的回归 M OnX(a)； !做M对x的回归，x的回归系数命名为a Y on X M(b)； !做Y对x和M的回归，M的回归系数命名为b，需要单独一行 M ODEL CoNSTRA INT： new(H)； !定义辅助变量 H=a ； !系数乘积ab的估计 OUTPUT： cinterval(bcbootstrap)； !输出各个系数及系数乘积 ab的偏差校正的非参数百分位 Bootstrap法置信区间。若要得到(不校正的)非参数百分位 Bootstrap法置信区间，只需将 OUTPUT中的 cinterval(bcbootstrap)改为cinterval(bootstrap)~P可。 第 5期 温忠麟等：中介效应分析 ：方法和模型发展 745 Analyses of M ediating Effects：The Development of Methods and M odels WEN Zhonglin ’ ；YE Baojuan ( Centerfor Studies ofPsychological Application／School of ychology， South China Normal University，Guangzhou 510631，China) ( Hong Kong Examinations口nd 船黜 P f Drf ，Hong Kong，China) ( School ofPsychology，Jiangxi Normal University，Nanchang 330022，China) Abstract：Mediation models are frequently used in the research of psychology and other social science disciplines．Mediation indicates that the effect of an independent variable on a dependent variable is transmitted through a third variable，which is called mediator．In most applied research，Baron and Kenny’S (1 986)causal steps approach has been used to test mediating effect．In recent years，however,many methodolOgical researchers questioned the rationality of the causal steps approach，and some of them even attempted to stop its use．Firstly,we clarify the queries on the causal steps approach one by one．Secondly, we propose a new procedure to analyze mediating effects．The new procedure is better than any single method that constitutes the procedure in terms of Type I error rate and power．The proposed procedure can be conducted by using observed variables and／or latent variables．Mplus programs are supplied for the procedure with observed variables and／or latent variables．Finally，this article introduces the development of mediation models，such as mediation model of ordinal variables，multilevel mediation，multiple mediation， moderated mediation，and mediated moderation． Key words：mediating effect；indirect effect；causal steps approach；Bootstrap method；causality