什么是调节模型和中介模型？

在当前学术研究中，会经常遇到中介作用和调节作用，但很多小伙伴还搞不清楚什么是中介效应、什么是调节效应？以及如何区分两者？

闲话少叙下面就来为各位讲解一下。

1明确概念

中介效应或者调节效应并非分析方法，而是一种关系的描述，研究人员需要结合不同的数据分析方法对两种关系进行分析。

中介作用

中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响最终工作绩效（Y），此时创新氛围就成为了这一因果链当中的中介变量。

调节作用

调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。

2研究步骤

2.1中介作用

中介作用的分析较为复杂，共分为以下三个步骤：

第1步：确认数据，确保正确分析。

中介作用在进行具体研究时需要对应使用研究方法（分层回归）去实现；中介作用分析时，Y一定是定量数据。X也是定量数据，中介变量M也是定量数据。

资料来源：SPSSAU帮助手册-中介作用

第2步：中介作用检验

检验中介效应是否存在，其实就是检验X到M，M到Y的路径是否同时具有有显著性意义。

中介作用共分为3个模型。针对上图，需要说明如下：

模型1：自变量X和因变量（Y）的回归分析

模型2：自变量X，中介变量(M)和因变量（Y）的回归分析

模型3：自变量X和中介变量（M）的回归分析

模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量(M)，因而模型1到模型2这两个模型应该使用分层回归分析（第一层放入X，第二层放入M）。

在理解了中介分析的原理之后，接着按照中介作用分析的步骤进行，如下图：

第1步是数据标准化处理（对X,M,Y需要分别进行标准化处理，有时也使用中心化处理）（SPSSAU用户使用“生成变量”功能）

第2步和第3步是进行分层回归完成（分层1放入X，分层2放入M）

第4步单独进行模型3，即X对M的影响（使用回归分析或分层回归均可，分层回归只有分层1时事实上就是回归分析）

最后第5步进行中介作用检验。

检验图如下：

a代表X对M的回归系数；

b代表M对Y的回归系数；

c代表X对Y的回归系数（模型1中）；

c’代表X对Y的回归系数（模型3中）。

第3步：SPSAU进行分析

用户可以直接按照上图流程在SPSSAU中进行分析，生成结果。具体分析步骤SPSS在线版SPSSAU帮助手册-中介作用

图片来源：SPSSAU官网网站

2.2调节效应

第1步：识别X和M的数据类别，选择合适的研究方法。

调节作用在进行具体研究时需要对应使用研究方法去实现；调节作用分析时，Y一定是定量数据。通常情况下X均为定量数据（比如开车速度），调节变量Z可以为分类数据（比如是否喝酒），也可以是定量数据（比如喝酒多少）。

资料来源：SPSSAU帮助手册-调节作用

第2步：调节作用检验

调节作用通常是使用分层回归进行研究，如果X和Z均为分类数据，则使用多因素方差分析（通常是双因素方差分析）进行研究。针对上图，需要说明如下：

如果X或者Z也或者Y由多项表示，通常需要先计算对应项的平均值生成得到新列（SPSSAU生成变量功能）

如果X或者Z是分类数据，并且使用分层回归，则需要对X进行虚拟变量处理（哑变量处理）

对X或者Z进行标准化处理，也可以进行中心化处理均可

Y并不需要进行标准化或者中心化处理（处理也可以）

交互项是指两项相乘的意思，记住交互项不能再次进行标准化或中心化

R平方变化显著的判断，是看△F 值是否呈现出显著性，如果显著则说明R平方变化显著

R平方变化显著，正常情况下交互项也会出现显著。如果说R平方变化显著，但交互项并不显著，建议以没有调节作用作为最终结论；如果交互项显著，R平方变化显著，建议以有调节作用作为最终结论。

用户判断好数据类型后，直接按照上图流程，在SPSSAU中进行数据处理及分析即可。具体分析流程可参考SPSS在线版SPSSAU帮助手册-调节作用

介绍三种常见中介效应检验方法，分别是因果逐步回归检验法、系数乘积法、改良后的因果逐步回归法，以及如果使用SPSSAU进行操作。

中介效应： 如果自变量X通过影响变量M而对因变量Y产生影响，则称M为中介变量。

例如，上司的归因研究：下属的表现→上司对下属表现的归因→上司对下属表现的反应， 其中的“上司对下属表现的归因”为中介变量。

中介作用的检验模型可以用以下路径图来描述：

方程(1)的系数c 为自变量X对因变量Y的总效应；

方程(2)的系数a为自变量X对中介变量M的效应；

方程(3)的系数b是在控制了自变量X的影响后，中介变量M对因变量Y的效应；

方程(3)的系数c′是在控制了中介变量M 的影响后，自变量X对因变量Y的直接效应；

系数乘积a*b即为中介效应等于间接效应

因果逐步回归法由Baron和Kenny(1986)提出，其检验步骤分为三步：

第一，分析X对Y的回归，检验 回归系数c 的显著性(即检验H0:c=0)；

第二，分析X对M的回归，检验 回归系数a 的显著性(即检验H0:a=0)；

第三，分析加入中介变量M后X对Y的回归，检验 回归系数b和c' 的显著性(即检验H0:b=0、H0:c’=0)。

根据检验结果按下图进行判断：

基于SPSSAU的操作

（1）第一步，登录SPSSAU，上传数据；

（2）第二步，选择【问卷研究】--【中介作用】；

（3）第三步，选择变量拖拽到右侧对应分析框内，点击开始分析。

结果分析

SPSSAU的“中介作用”可直接将中介作用的检验过程自动化，一键提供出上述提及模型结果。

本次结果中共包含三个模型：

①模型1：X对Y的回归模型，结果显示x与y存在显著影响关系，回归系数c=0.130.

②模型2：x对m的回归模型，结果显示x与y存在显著影响关系，回归系数a=0.175.

③模型3：加入中介变量m后x对y的回归模型，结果显示回归系数b、c’均呈现显著性，系数a、b均显著，说明存在中介效应。

第一种因果逐步回归检验法简单易懂、容易理解和解释，因而受到广泛的应用，但有学者认为其检验效能较低，有时候本身有中介作用但却显示没有中介作用。有学者提出乘积系数法的统计功效优于因果逐步回归法，因此，系数乘积法逐渐受到研究者的青睐。

其原理是 检验a*b是否呈现出显著性。 系数乘积法分为两类，一类是基于中介效应的抽样分布为正态分布的 Sobel 检验法 ，另一类是基于中介效应的抽样分布为非正态分布的 Bootstrap抽样法 。

① Sobel中介效应检验法

Sobel检验的前提假设是中介效应^a^b是 正态分布且需要大样本。

使用Sobel系数乘积检验法存在的主要问题是，检验统计量依据的正态分布前提很难满足，特别是样本量较少时。因为即使a，b分别服从正态分布，ab的乘积也可能与正态分布存在较大差异。

当前较为流行的检验方法为Bootstrap抽样法，SPSSAU系统里暂未提供Sobel检验，需要使用Sobel检验可参考此链接进行分析：http://quantpsy.org/sobel/sobel.htm

② Bootstrap抽样法

Bootstrap法能适用于中、小样本和各种中介效应模型，当前SPSSAU【问卷研究】--【中介作用】也使用Bootstrap抽样法进行检验。并且支持一次性放置多个自变量X、中介变量M及控制变量等。

检验方法： Bootstrap抽样法检验是指回归系数a和回归系数b的乘积项（a*b）的95%置信区间是否包括数字0；如果95%置信区间不包括数字0，则说明具有中介作用；如果说95%置信区间包括数字0，即说明没有中介作用。

基于SPSSAU的操作

（1）第一步，登录SPSSAU，上传数据；

（2）第二步，选择【问卷研究】--【中介作用】；

（3）第三步，选择变量拖拽到右侧对应分析框内，点击开始分析。

使用SPSSAU【中介作用】Bootstrap抽样法检验与第一种因果逐步回归检验法在操作上没有任何区别，只是在解读结果时有区分。

结果分析

由上图两项结果指标可知，乘积项结果显著，95%区间并不包括数字0，说明中介变量在x影响y的关系中具有中介效应。

在a*b系数呈现出显著性时，可具体进一步得到中介作用的效应量。

由上图可知，直接效应为0.085，间接效应为0.045，总效应为0.130。间接效应在总效应中占比为34.403%。

因果逐步检验法便于理解和操作而受到欢迎，但也有人研究认为逐步检验会比较不容易得到中介效应显著的结论，检验功效较低。因此，有学者在逐步检验流程上进行相应的修改，得到如下检验步骤：

基于SPSSAU的操作

与上述bootstrap检验法操作方法一致，选择SPSSAU【问卷研究】--【中介作用】，放入对应变量，点击开始分析即可。

结果分析

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法检验。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。

如果第二步中，系数a、b有一个不显著，则查看a*b中介效应是否显著（a*b95%BootCI是否包括数字0）

第三步：间接效应显著

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ab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|ab/c|。

本次研究，自变量x对因变量y的总效应是0.130，影响显著；其中直接效应为0.085，间接效应0.045，具有显著性；最终以有部分中介作用作为结论，中介效应在总效应占比为34.403%。

（1） 中介作用前需要标准化处理吗？

一般情况下，在进行中介作用前需要标准化或中心化处理，可使用数据处理->生成变量功能批量完成标准化或中心化处理；SPSSAU提供的中介作用检验默认不会对数据进行处理。

（2）SPSSAU分析结果中有对检验结果的自动化判断，用户可以直接使用。智能分析中也有相应解读，如果有不了解的地方，可以点击右侧的“灯泡”按钮查看帮助手册。

（3）spssau也支持链式中介检验，操作方法是点击【问卷研究】--【中介效应】，[中介类型]选择“链式中介”。提供中介效应分析方法为非参数百分位Bootstrap法。

（4）如果数据是显变量如何处理？

如果数据是显变量，此时可转换成潜变量再处理即可。使用【生成变量】--【平均值】功能。当然如果是使用结构方程模型进行研究分析中介作用时，建议使用因果逐步回归检验法进行中介效应验证。SPSSAU提供的结构方程模型暂不提供Bootstrap抽样法检验。

中介效应是指变量间的影响关系（X-Y）不是直接的因果链关系，而是通过一个或一个以上的变量（M）的间接影响产生的，因此我们称M为中介变量，而X通过M对Y产生的间接影响称为中介效应。

自变量X对因变量Y的影响，如果X变量通过影响M变量来影响Y变量，则M为中介变量。通常将变量经过中心化转化后，得方程1：Y=cX+e1方程2：M=aX+e2。

方程3：Y=c’X+b M +e3。其中，c是X对Y的总效应，ab是经过中介变量M的中介效应，c'是直接效应。当只有一个中介变量时，效应之间有c=c'+ab,中介效应的大小用c-c'=ab来衡量。

中介效应检验过程：

中介效应是简介效应，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。

步骤为：

第一步检验c,如果c不显著，Y与X相关不显著，停止中介效应分析，如果显著进行第二步。

第二步依次检验a、b，如果都显著，那么检验c',c'显著，为部分中介效应模型，c'不显著，则为完全中介效应模型。

如果a、b至少有一个不显著，则做sobel检验，检验的统计量是Z=^a^b/Sab,显著则中介效应显著，不显著则中介效应不显著。

---