中介效应分析方法.docxVIP

中介效应分析方法

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。

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”。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:

Y=cX+e

1

M=aX+e

2

(1)

(2)

Y=c’X+bM+e

3

(3)

Xc

X

c

Y

1 1

Me

M

e

2

a

b

X

c’

Y

图1

2

e Y=c’X+bM+e

3 3

中介变量示意图

假设Y与X的相关显着,意味着回归系数c显着(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(mediatoreffect)显着呢?目前有三种不同的做法。

传统的做法是依次检验回归系数。如果下面两个条件成立,则中介效应显着:

自变量显着影响因变量；(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,显着影响它的后继变量。这是Baron和Kenny定义的(部分)中介过程。如果进一步要求:(iii)在控制了中介变量后,自变量对因变量的影

响不显着,变成了Judd和Kenny定义的完全中介过程。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显着(即H

0

:c=0的假设被拒绝)；

系数a显着(即H

0

:a=0被拒绝),且系数b显着(即H

0

:b=0被拒绝)。

完全中介过程还要加上:(iii)系数c’不显着。

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是否显着,

即检验H

0

:ab=0,如果拒绝原假设,中介效应显着,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的差异是否显着,即检验H

0

:c-c’=0,如果

拒绝原假设,中介效应显着。

中介效应与间接效应

依据路径分析中的效应分解的术语,中介效应属于间接效应(indirecteffect)。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。但公式(4)对一般的回归系数也成立)。由公式(4)得c-c’=ab,即c-c’等于中介效

应,因而检验H

0

:ab=0与H

0

:c-c’=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着,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。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(=a),厌倦程度(M)对出错次数(Y)的效应也是(=b),而智力对出错次数的直接效应是(=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着时,通常不再进一步讨论它们的关系了。

中介效应分析方法

由于中介效应是间接效