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
快递公司问题件快递公司问题件货款处理关于圆的周长面积重点题型关于解方程组的题及答案关于南海问题
(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 ,E2mail : wenzl @scnu. edu. cn
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 Sobel 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. 2
1 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
定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析
,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
软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载
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 Kinnon 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 Kinnon 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 Sinica
614
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 + e1 (1)
M = aX + e2 (2)
Y = c’X + bM + e3 (3)
假设 Y 与 X 的相关显著 ,意味着回归系数 c 显
著 (即 H0 : 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 Kenny 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
Kenny 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 H0 : c = 0 的假设被拒绝) ; (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的路径上的回
归系数的乘积 ab 是否显著 ,即检验 H0 : ab = 0 ,如
果拒绝原假设 ,中介效应显著 [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 H0 : 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
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 c2c’=
ab ,即 c2c’等于中介效应 ,因而检验 H0 : ab = 0 与
H0 : c2c’= 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 ]
sab = a^2 s2b + b^2 s2a (5)
其中 , sa , sb 分别是 a^ , b^ 的标准误。检验统计量
是 z = a^b^/ sab。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。
由于涉及到参数的乘积的分布 ,即使总体的
X 、M 和 Y 都是正态分布 ,并且是大样本 , z = a^b^/
sab。还是可能与标准正态分布有较大的出入。
Mac Kinnon 等人用该统计量但使用不同的临界值进
行检验[4 ] 。在他们的临界值
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
中 ,显著性水平 0. 05
对应的临界值是 0. 97 (而不是通常的 1. 96 ,说明中
介变量有更多的机会被认为是显著的 ,从而检验的
功效提高了 ,但第一类错误率也大大增加了) ,该临
界值表可以从 http :/ / www. public. asu. edu/ ~
davidpm/ ripl/ methods. htm 下 载。Mac Kinnon 等
人[3 ]的模拟比较研究发现 ,在样本较小或总体的中
介效应不大时 ,使用新的临界值检验的功效比同类
检验的要高 ,在总体参数 a = 0 且 b = 0 时第一类错
误率与 0. 05 很接近 ,因而是一种比较好的检验方
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 ,这是该方法的最大弊端。
3. 3 检验 H0 : c2c’= 0
同样 ,检验 H0 : c2c’= 0 的关键在于如何计算 c^
- c^’的标准误。目前也有多种近似公式。Mac Kin2
non 等人[3 ]比较的结果是其中有两个公式得到的检
验有较高的功效 ,在总体参数 a = 0 且 b = 0 时的第
一类错误率与 0. 05 很接近。一个是 Clogg 等人给
出的公式[11 ]
sc2c’= rXM sc’ (6)
其中 rXM是 X 和 M 的相关系数。另一个是 Freed2
man 等人推出的公式[12 ]
sc2c’= s2c + s2c’22 scsc’ 12r2XM (7)
当 a = 0 但 b ≠0 时 (此时 ab = 0 ,即中介效应为
零) ,这两种公式对应的检验 (即 t = ( c^ - c^’) / sc2c’作
为检验统计量) 的第一类错误率都很高。特别是公
式 (6) ,对应的第一类错误率有可能高达 100 %。事
实上 ,由公式 (6) 得到的检验与 H0 : b = 0 的检验等
价[11 ] 。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) 。
616 心 理 学 报 36 卷
3. 4 中介效应检验方法小结
虽然检验的三种做法 (即三种检验类型)的原假
设不一样 ,但它们的本质是相同的 :中介效应为零对
应于下面三种情形之一 : (1) a = b = 0 , (2) 仅 a = 0 ,
(3)仅 b = 0 ;而中介效应不为零则对应于 ab ≠0。
为了方便比较 ,表 1 列出了上面提到的在同类检验
中较好的检验方法 ,其中第一类错误率和功效的比
较是归纳了 Mac Kinnon 等人[3 ]的模拟结果。
表 1 中介效应检验方法的比较
检验方法 检验统计量
第一类错误率 功效
a = b = 0 仅 a = 0 仅 b = 0 ab ≠0
依次检验
J udd 和 Kenny t N - 2 = a^/ sa , tN - 3 = b^/ sb , t N - 3 = c^/ sc’
完全中介[7 ]
ν 0. 05 Φ0. 05 Φ0. 05 较低
Baron 和
Kenny 部分中介[8 ] t N - 2 = a^/ sa , t N - 3 = b^/ sb 同上 同上 同上 同上
联合检验 与部分中介的相同 ,但显著性水平不同 ν 0. 05 约 0. 05 约 0. 05 中等
H0 : ab = 0
Sobel 一阶近似[9 ] z = a^b^/ a^2 s2b + b^2 s2a ν 0. 05 约 0. 05 约 0. 05 中等
Mac Kinnon
等人 [4 ]
同上 ,但临界值与标准正态分布的不同 约 0. 05 较大 较大 很高
H0 : c - c’= 0
Clogg 等人 [11 ] t N - 3 = ( c^ - c^’) / | rXMsc’| 约 0. 05 很大 约 0. 05 较高
Freedman
等人 [12 ]
t N2 =
c^ - c^’
s
2
c + s
2
c’- 2 scsc’ 1 - r2XM
约 0. 05 很大 约 0. 05 较高
注 : N 是样本容量。”ν 0. 05”表示远远小于 0. 05。考虑 c’= 0 的情形 ,仅 a = 0 时的第一类错误率与 b , N 有关 ;仅 b = 0 时的第一类错误率与
a , N 有关 ;功效与 a , b , N 有关。
3. 5 一个实用的中介效应检验程序
为了使一个中介效应检验的第一类错误率和第
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 ,综合
表 1 的结果 ,我们提出如下检验程序。
1. 检验回归系数 c ,如果显著 ,继续下面的第 2
步。否则停止分析。
2. 做 Baron 和 Kenny[8 ]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 的影响
至少有一部分是通过了中介变量 M 实现的 ,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 ,由于该检验的功效较低 (即第二类
错误率较大) ,所以还不能下结论 ,转到第 4 步。
3. 做 J udd 和 Kenny[7 ]完全中介检验中的第三
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
的影响都是通过中介变量 M 实现的 ;如果显著 ,说
明只是部分中介过程 ,即 X 对 Y 的影响只有一部分
是通过中介变量 M 实现的。检验结束。
4. 做 Sobel[9 ]检验 ,如果显著 ,意味着 M 的中介
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 sab和检验统计量 z = a^b^/ sab都不算难。如果使用
L ISREL 进行分析 ,输出结果中可以找到本检验程
序所需的全部检验统计量的值和检验结果。下面看
一个实际例子。
图 2 中介效应检验程序
4 学生行为对同伴关系影响的中介效
应分析
要研究的是初中学生行为 ( X) 对同伴关系 ( Y )
5 期 温忠麟等 :中介效应检验程序及其应用 617
的影响。变量及其数据来自香港中文大学张雷教授
主持的儿童同伴关系研究 ,本文只用到部分变量和
数据。有关的研究背景和量表及其施测方法等说明
参见[ 18 ,19 ] ,这里只简单地介绍有关变量的含义和
符号。学生行为 ( X ) 是被试的违纪捣乱行为 ,包括
9 个题目 (如挑起争斗、欺负同学、说脏话等) ,同伴
关系 ( Y)是被试受同学欢迎的程度 ,具体地说 ,就是
同班同学有多少人将其列入喜欢的名单 (每人所列
的喜欢名录没有名额限制) 。老师的管教方式 ( U )
是被试对班主任老师的管教方式的评价 ,也有 9 个
题目 (如班主任愿意听我们的意见 ,班主任的期望和
要求明确清晰 ,等等) 。老师对学生的喜欢程度
( 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
变量和显变量的中介效应检验方法是一样的 ,为简
单起见 ,这里将上述变量都作为显变量处理 (即用该
变量包含的题目得分的平均值作为变量值) 。所有
变量都已经中心化 ,数据分析中只需要下面的协方
差矩阵 :
Y 18. 87
W 1. 13 0. 45
X - 9. 78 - 2. 20 94. 25
U 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的结果非
常接近。
4. 1 教师喜欢程度的中介效应分析
假设我们认为学生行为会影响老师对他的喜欢
程度 ,而同伴关系会受到老师喜欢程度的影响 ,则喜
欢程度是中介变量。
喜欢程度 ( W ) 的中介效应分析结果见表 2 ,其
中的结果是标准化解 ,用小写字母代表相应变量的
标准化变量。由于依次检验 (指前面 3 个 t 检验)都
是显著的 ,所以喜欢程度的中介效应显著。由于第
四个 t 检验也是显著 ,所以是部分中介效应 ,中介效
应占总效应的比例为 01338 ×01349/ 01232 =
5018 %。
表 2 喜欢程度 ( W )的中介效应依次检验
标准化回归方程 回归系数检验
第一步 y = 201232 x S E = 0. 040 , t = 25. 8 3 3
第二步 w = 201338 x S E = 0. 039 , t = 28. 7 3 3
第三步 y = 0 . 349 w S E = 0. 040 , t = 8. 7 3 3
20. 114 x S E = 0. 040 , t = 22. 8 3 3
注 : S E 表示标准误。3 3 p < 0. 01。
上述包含了中介变量 W 的模型分析结果表
明 :一方面 ,学生行为对同伴关系有直接负效应 ,即
违纪捣乱行为多的同学 ,受同学欢迎的程度往往会
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 ,即违纪捣乱行为多的同学 ,
老师往往比较不喜欢 ,而老师的态度会影响同学 ,使
同学也比较不喜欢。
4. 2 教师管教方式的中介效应分析
假设我们认为学生的行为会影响老师的管教方
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 )的中介效应分析结果 (标准化解)
见表 3。由于依次检验中的第二步检验不显著 (即
u 对 x 的回归系数不显著 , t = 20. 72 , p > 0. 05) ,根
据我们提出的检验程序 ,需要做 Sobel 检验 ,检验统
计量是 z = a^b^/ a^2 s2b + b^2 s2a ,此处
a^ = 20. 030 , sa = 0. 041 , b^ = 0. 187 , sb = 0. 039
计算得 z = 20. 72 , p > 0 . 05。所以管教方式 ( U ) 的
中介效应不显著。
表 3 管教方式 ( U)的中介效应依次检验
标准化回归方程 回归系数检验
第一步 y = 201232 x S E = 01040 , t = 25181 3 3
第二步 u = 201030 x S E = 01041 , t = 20172
第三步 y = 01187 u S E = 01039 , t = 4179 3 3
201226 x S E = 01039 , t = 25179 3 3
注 : S E 表示标准误。3 3表示在 0101 水平上显著。
5 讨论和结语
511 讨论
虽然为了行文简便 ,本文前面只考虑一个自变
量和一个中介变量的模型 ,但所提出的检验程序也
适合有多个自变量或 (和) 多个中介变量的模型 ,只
是此时“完全中介”的概念没有多大意义 ,即不用考
虑做“完全中介”检验。下面以两个自变量 X1 、X2
和两个中介变量 M 1 、M 2 ,并且都含交互效应项[20 ]
(分别是 X1 X2 和 M 1 M 2)的模型为例加以说明。
假设所有变量都已经中心化 (即均值为零) ,类
似于方程 (1) —(3) 并加以推广 ,可用下列方程来描
述变量之间的关系 :
Y = c1 X1 + c2 X2 + c3 X1 X2 + e1
M 1 = a11 X1 + a12 X2 + a13 X1 X2 + e12
M 2 = a21 X1 + a22 X2 + a23 X1 X2 + e22
M 1 M 2 = a31 X1 + a32 X2 + a33 X1 X2 + e32
618 心 理 学 报 36 卷
Y = c’1 X1 + c’2 X2 + c’3 X1 X2 + b1 M1 + b2 M2 +
b3 M1 M2 + e3 在自变量和中介变量不止一个时 ,
研究者首先要明确 ,感兴趣的是哪个自变量经过哪
个中介变量的中介效应。然后找出哪些系数分别对
应于本文提出的中介效应检验程序 (图 2) 中的系数
c , a , b , c’,就可以检验了 (但不用检验 c’的显著
性) 。例如 ,要检验 X1 经过 M 2 的中介效应是否显
著 ,则与 c , a , b , c’对应的分别是 c1 , a21 , b2 , c’1 ;要
检验 X1 X2 经过 M 1 的中介效应是否显著 ,则与 c ,
a , b , c’对应的分别是 c3 , a13 , b1 , c’3 ;要检验 X2 经
过 M1M2 的中介效应是否显著 ,则与 c , a , b , c’对
应的分别是 c2 , a32 , b3 , c’2 。在实际应用中 ,一般不
会考虑经过 M1M2 的中介效应 ,因为解释起来比较
困难。如果画出了路径图 ,则容易从图上找出与 c ,
a , b , c’对应的路径 (系数) 并用本文提出的检验程
序加以检验。
还要注意的一点是 ,当自变量或中介变量不止
一个时 ,公式 (4) 不再成立。例如 ,要检验 X1 经过
M 2 的中介效应是否显著 ,与 c , a , b , c’对应的分别
是 c1 , a21 , b2 , c’1 。此时 c1 = c’1 + a21 b2 一般来说
是不成立的。
5. 2 结语
在多变量分析中 ,除了考虑自变量对因变量的
影响外 ,经常还会涉及中介变量。例如 ,有间接效应
的路径分析 ,其实已经涉及中介变量 ,但研究者如果
不知道相应的概念和分析方法 ,自然不可能进行真
正的中介效应分析 (特别是中介效应的检验) 。
本文提出的中介效应检验程序 ,可以做部分中
介效应和完全中介效应的检验。由于同时考虑了两
类错误率 ,该程序比单一的检验方法要好。而且 ,该
程序简单可行 ,计算量少。该程序可以让读者避免
在繁多的检验方法中无所适从 ,能够按部就班地进
行中介效应的检验。
参 考 文 献
1 Shen J , Wang D , Peng H , Tang D. The effects of mediators on
the aging of primary mental abilities (in Chinese) . Acta Psycholog2
ica Sinica , 2003 , 35 (6) : 802~809
(申继亮 ,王大华 ,彭华茂 ,唐丹. 基本心理能力老化的中介变量.
心理学报 , 2003 ,35 (6) : 802~809)
2 Fang P , Xiong D , Guo C. The effect of parenting styles on chil2
dren’s academic achievement ( in Chinese) . Psychological Sci2
ence , 2003 , (1) : 78~81
(方平 , 熊端琴 , 郭春彦. 父母教养方式对子女学业成就影响的
研究. 心理科学 , 2003 , (1) : 78~81)
3 Mac Kinnon D P , Lockwood C M , Hoffman J M , West S G ,
Sheets V. A Comparison of methods to test mediation and other in2
tervening variable effects. Psychological Methods , 2002 , 7 (1) : 83
~104
4 Mac Kinnon D P , Lockwood C M , Hoffman J M. A new method
to test for mediation. Paper presented at the annual meeting of the
Society for Prevention Research , Park City , U T. 1998 , J une
5 Duncan O D , Featherman D L , Duncan B. Socioeconomic back2
ground and achievement . New York : Seminar Press , 1972
6 James L R , Brett J M. Mediators , moderators and tests for media2
tion. Journal of Applied Psychology , 1984 ,69 (2) : 307~321
7 J udd C M , Kenny D A. Process analysis : Estimating mediation in
treatment evaluations. Evaluation Review , 1981 , 5 (5) : 602~619
8 Baron R M , Kenny D A. The moderator2mediator variable distinc2
tion in social psychological research : Conceptual , strategic , and
statistical considerations. Journal of Personality and Social Psychol2
ogy , 1986 , 51 (6) : 1173~1182
9 Sobel M E. Asymptotic confidence intervals for indirect effects in
structural equation models. In : S Leinhardt ( Ed. ) . Sociological
methodology 1982. Washington , DC : American Sociological Asso2
ciation , 1982. 290~312
10 Sobel M E. Direct and indirect effects in linear structural equation
models. In : J S Long ( Ed. ) Common problems/ proper solutions.
Beverly Hills , CA : Sage , 1988. 46~64
11 Clogg C C , Petkova E , Shihadeh E S. Statistical methods for ana2
lyzing collapsibility in regression models. Journal of Educational
Statistics , 1992 , 17 (1) : 51~74
12 Freedman L S , Schatzkin A. Sample size for studying intermediate
endpoints within intervention trials of observational studies. Ameri2
can Journal of Epidemiology , 1992 , 136 : 1148~1159
13 Bollen K A. Structural equations with latent variables. New York :
Wiley , 1989
14 Mac Kinnon D P , Warsi G , Dwyer J H. A simulation study of me2
diated effect measures. Multivariate Behavioral Research , 1995 ,
30 (1) : 41~62
15 Mcfatter R M. The use of structural equation models in interpret2
ing regression equations including suppressor and enhancer vari2
ables. Applied Psychological Measurement , 1979 , 3 : 123~135
16 Hau K T , Wen Z , Cheng Z. Structural Equation Model and It2
s Applications (in Chinese) . Beijing : Educational Science Press ,
2004
(侯杰泰 ,温忠麟 ,成子娟. 结构方程模型及其应用. 北京 :教育
科学出版社 ,2004)
17 J ϕ reskog K G , S ϕ rbom D. L ISREL 8 : User’s reference guide.
Chicago , IL : Scientific Software International , 1996
18 Chang L . Variable effects of children’s aggression , social withdraw
and prosocial leadership as functions of teacher beliefs and behav2
iors. Child Development , 2003 , 74 : 535~548
19 Chang L ,Liu H ,Wen Z ,Fung K ,Wang Y ,Xu Y. Mediating teach2
er liking and moderating authoritative teachering on Chinese adoles2
cents’perceptions of antisocial and prosocial behaviors. Journal of
Educational Psychology ,2004 ,96 (2) :369~380
5 期 温忠麟等 :中介效应检验程序及其应用 619
20 Aiken L S , West S G. Multiple regression : Testing and interpret2 ing interactions. Newbury Park , CA : Sage , 1991
TESTING AND APPL ICATION OF THE MEDIATING EFFECTS
Wen Zhonglin1 ,2 Chang Lei2 Hau Kit2Tai 2 Liu Hongyun3
(1 Faculty of Education , South China Normal U niversity , Guangzhou 510631 , China)
(2 Faculty of Education , The Chinese U niversity of Hong Kong , Hong Kong , China)
(3 Faculty of Psychology , Beijing Normal U niversity , Beijing 100875 , China)
Abstract
The concepts of mediator and related constructs , as well as the estimation of mediating effects were discussed. Based
on the comparison of various testing methods , a procedure was proposed which was a composite test derived from two
existing testing methods. The newly proposed procedure is likely to be better than any single testing method in terms of
the sum of type 1 and type 2 error rates. Moreover , it can be used to test both partial and full mediating effects. As an
illustration , the procedure was applied to an empirical study on students’antisocial behaviors and their effects on peer re2
lations.
Key words mediator , test , type 1 error rate , power , peer relation.
620 心 理 学 报 36 卷