跳转到内容

中介效应

来自VeritasWiki 真理百科
中介效应
英文名 Mediation Effect
学科归属 统计方法、心理学研究方法
核心含义 自变量通过中间变量影响因变量的间接作用
经典程序 Baron 与 Kenny 三步回归法
现代标准 自助抽样检验间接效应
相关条目 路径分析、调节效应、结构方程模型|}

中介效应指自变量 X 对因变量 Y 的作用部分或全部通过中间变量 M 传导的统计现象:X 影响 M,M 再影响 Y,从而形成 X→M→Y 的间接路径。中介分析回答的问题是"作用通过什么机制发生"——它把"是否有效"的研究推进到"如何起效"的研究。

在心理学中,中介模型承载着理论的核心内容。一个关于干预的理论,如果说不出干预通过什么心理机制改变行为,就难以指导改进;中介检验正是对机制假设的实证检验。

基本模型与效应分解

最简单的中介模型包含三条路径:X 对 Y 的总效应(c)、X 对 M 的效应(a)、M 对 Y 的效应(b,控制 X)。

效应分解为:间接效应等于 a 与 b 的乘积,表示经由 M 传导的部分;直接效应(c′)是控制中介后 X 对 Y 的剩余直接作用。总效应近似等于直接效应与间接效应之和。

据此区分几种情形:间接效应显著且直接效应不显著,称为完全中介(经典表述);两者都显著,称为部分中介;间接效应不显著而直接效应显著,说明机制假设未获支持。

需要注意的术语问题:近年测量学界主张慎用"完全中介"的强表述,因为直接效应不显著也可能只是检验力不足,而非真的为零。

检验方法

中介效应的检验方法经历了明显的演进。

经典三步法:先检验总效应,再检验 X 对 M 与 M 对 Y 的效应,逐步判断。这一方法的缺陷后来被充分揭示:第一步的总效应检验并非必要前提——存在总效应不显著而间接效应显著的情况(X 对 M 与 X 对 Y 的作用方向相反、相互抵消,即"遮掩效应"),三步法会漏掉这类真中介。

Sobel 检验:对 a×b 的乘积做正态近似检验。缺点是乘积的抽样分布通常不对称,正态近似在小样本中检验力偏低。

自助抽样法:对数据重复抽样数千次,计算每次的间接效应,形成经验分布,据此构造置信区间。它不依赖正态假定,是目前公认的标准方法,也是主流统计软件的默认选项。

系数差异法与 Bootstrap 差值法:比较控制 M 前后 X 的效应变化。差值法在遮掩效应的情形下含义更清晰。

规范报告通常要求:报告所有路径系数与显著性、间接效应的点估计与置信区间、自助抽样的次数,以及样本的代表性。

纵向中介与因果问题

横断面数据的中介检验有严重的解释限度:箭头方向是假定的,同一数据可以容纳其他方向的中介结构。真正的机制检验需要纵向中介设计:三个变量在多个时间点测量,用 X1 预测 M2、M2 预测 Y3,让时间顺序为因果方向提供证据。

交叉滞后面板模型、潜变量增长模型等纵向方法是当前中介研究的前沿。纵向研究也常发现:横断面分析中显著的中介路径,在控制了变量的稳定性与时间先后后大量消失——这一对比提醒研究者,横断面中介结果应作为"与理论一致的初步证据"而非机制的确证。

实验设计同样可以检验中介:对 M 进行操作(中介调节设计),若改变 M 后 X 的效应随之改变,机制的证据就比纯统计检验强得多。

长期中介与多水平中介

中介分析的两个扩展方向值得单独说明。

纵向中介已在前面述及,其进一步形式是长期中介模型:干预在时间 1 影响机制变量,机制变量在时间 2 起变化,行为改变在时间 3 出现——各环节间隔数月甚至数年。这类模型的检验要求研究跨越足够长的时间窗,而间隔本身成为设计变量:间隔太短机制尚未起效,太长则干扰累积。临床干预研究(如治疗起效机制)近年大量采用此类设计。

多水平中介处理嵌套数据中的传导机制:个体的 X 通过个体层的 M 影响 Y,同时组织的 X 通过组织层的 M 影响个体结果。例如:部门氛围(组织层)经由团队心理安全(中间层)影响个体建言。多水平中介模型把传导链条放到正确的历史层次上,防止"把组织效应错误地下沉到个体层解释"的层次谬误。其估计需要专门的软件与更大的组数(经验上组数至少 30 以上)。

这两个扩展共同指向方法论趋势:中介分析正从"变量间的静态分解"演变为"过程的时间与层次结构刻画"。对应用研究者而言,含义是明确的:机制检验的结论强度,与设计的时间结构、层次结构直接挂钩——横断面单一层的分解只是入门证据。

在软件实现层面,自助抽样已成为主流统计环境的默认选项,中介与有调节的中介过程宏(PROCESS 类工具)的流行大幅降低了技术门槛。门槛降低的另一面是使用质量的分化:技术易得而设计意识未必同步,大量横断面中介分析以确定性口吻报告机制结论,超出了数据所能支持的范围。方法论者因此反复强调:工具的便利不能替代对因果结构的审慎——先想清楚时间顺序与混淆来源,再选择统计方法,这一顺序不可颠倒。

多重中介与反向问题

现实理论常包含多个中介变量,形成并行中介(多个 M 同时传导)或链式中介(M1→M2→Y)模型。并行模型可以比较不同机制的相对贡献,链式模型则刻画机制的先后次序,两类模型的估计与解释各有专门注意事项。

还需警惕反向中介的可能:在横断面数据中,Y→M→X 的方向同样可能拟合良好。理论论证、领域知识与纵向设计是排除反向解释的主要手段;统计本身无法完成这一排除。

此外,中介变量必须满足"不受 X 影响之前的混淆污染"这一前提:若 X 与 M 的关系被第三变量驱动,间接效应的估计就混杂了虚假成分。对混淆变量的测量与控制(包括可能的工具变量策略)是高质量中介研究的必要成分。

应用领域

中介分析在心理学的应用覆盖几乎所有分支。

临床研究:检验心理治疗通过什么机制起效(如认知重评在治疗中的作用),这是改进疗法的核心问题。

社会心理:态度改变经由何种认知与情绪过程。

组织研究:领导行为通过信任、公平感影响员工行为。

健康心理:压力经由生理唤醒或应对策略影响健康结果。

这些应用的共同结构是:理论提供机制假设,中介分析提供机制的检验框架。近年来研究规范的趋势是要求干预研究预先登记机制假设并做纵向检验,中介分析正在从"统计技术"演变为"机制科学"的方法核心。

参见

参考资料