中介效应理论和操作务实
中介效应重要理论及操作务实
中介效应重要理论及操作务实一、中介效应概述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变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：eq \o\ac(○,1)就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：eq \o\ac(○,2)就业压力→个体择业期望→择业行为反应；eq \o\ac(○,3)就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e1 1) M=ax+e2 2) Y=c’x+bM+e3 3) 上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下： 1.1首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验； 1.2 在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
中介效应分析方法
中介效应分析方法1 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。
假设Y与X的相关显着,意味着回归系数c显着(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: (i) 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H0 : c = 0 的假设被拒绝) ；(ii)系数a 显着(即H0 : a = 0 被拒绝) ,且系数b显着(即H0 : 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H0 : 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H0 : c - c’= 0 ,如果拒绝原也,检有间接效应。
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′) 。
中介效应与调节效应分析
▪ 操作步骤：
▪ （1）根据分析目的，合并原始变量产生三个新变 量“工作不被认同”、“焦虑”和“工作绩效” 如图30-2所示，各个新变量值等于原始变量的均 值。
▪ 自变量（X）为“工作不被认同”包含三个观测指 标：即领导不认同、同事不认可、客户不认可；中 介变量（M）“焦虑”包含三个观测指标即心跳、 紧张、坐立不安；因变量（Y）“工作绩效”包含 两个观测指标即效率低和效率下降。
原始数据包括：领导不认同、同事不认同、客户不认同、心跳、紧张、坐立不安、效率低和效率下降8个变量。 3）当自变量是连续变量时，调节变量是类别变量，做分组回归分析：按M的取值分组，将因变量和自变量中心化后做Y对X的回归，若回归系数的差异显著，则调节效应显著；
量的情况下，中介效应等于间接效应；当中介变量不止 SPSS实现过程如下：
应可以是部分中介效应和（或）所有中介效应的总和。 3）单击“统计量”按钮，弹出图30-6所示的“线性回归：统计量”对话框，选择左侧的“估计（E）”复选框，选择右侧“模型拟合度（M）”和“R方变化（S）”复选框。
▪ 在社会心理学研究当中，变量间的关系很少是直接的， 更常见的是间接关系。
▪ 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。
▪ SPSS实现过程如下：
▪ 1）单击“分析”|“回归”|“线性”命令，弹 出图30-5所示的“线性回归”对话框。
▪ 2）将变量“工作绩效（中性化）”放入“因变 量（D）”框；将变量“不被认同（中性化）” 放入“自变量（I）”框。方法（M）选“进入 ”。
▪ 3）单击“统计量”按钮，弹出图30-6所示的“ 线性回归：统计量”对话框，选择左侧的“估 计（E）”复选框，选择右侧“模型拟合度（M ）”和“R方变化（S）”复选框。其它采用系 统默认，单击“继续”按钮返回主对话框。
中介效应与调节效应分析
概述-核心概念 调节效应与交互效应 从统计分析角度看: 调节效应＝交互效应 从概念定义角度看: 调节效应≠交互效应 交互效应: 两个自变量对称或不对称，任何一个都可为调节变量 调节效应: 哪个是自变量、调节变量，是明确的，不能互换
6
检验方法-中介效应
传传传统统统检检检验验验方方方法法法123 依系差次数异检乘检验积验法项法检验法 检验回归系数c、a、b、c'
➢➢S检ob验elc检和验c'的法差异是否显著
c✓:回Y归与系X数是的否乘相积关ab是否显著，即H0：ab=0 a✓、检b验:统间计接量为检z验= 系ab数/ sa乘b 积 c✓'sa:b是= 否为完a全2sb2中 b介2sa2
统计工具: SPSS
步骤
验证c不等于0: 中介时，还需验证c'等于0）
用X向M做回归，得到a
进行层次回归，第一层放入x，第二层放入M得到b
1
4
中介效应值=a*b
实例分析-中介效应
实例分析1 某研究在探究成年人的生活满意度时，根据既往理论支持，初步建立
概述-核心概念
c
X
Y
e1
M
e2
a
b
c'
X
Y
e3
中介效应模型示意图
3
中介效应方程式
Y = cX +e1
(1)
M = aX +e2
(2)
Y =c'X +bM +e3
(3)
➢ 中介效应: a*b ➢ 直接效应: c ' ➢ 总效应: c (c = c'+ ab)
SPSS及AMOS进行中介效应分析
中介效应重要理论及操作务实SPSS和AMOS调节效应wenku.baidu./link?url=w6tEove-a2r6vIzSwqZTcV58nKH3DPDFCwtuS xk6743E9U1W1wnfPhp76qgDEYFDCHOp-feDNpi4djQuU9FFuxdbpl9 OoN5gkPa5yCn7wlK一、中介效应概述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变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：○1就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：○2就业压力→个体择业期望→择业行为反应；○3就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e11)M=ax+e2 2)Y=c’x+bM+e33)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
SPSS及AMOS进行中介效应分析
中介效应重要理论及操作务实SPSS和AMOS调节效应一、中介效应概述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变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：○1就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：○2就业压力→个体择业期望→择业行为反应；○3就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e1 1)M=ax+e2 2)Y=c’x+bM+e3 3)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验；在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
中介效应的实验报告(3篇)
第1篇一、实验背景与目的随着社会科学研究的深入，中介效应在理解变量间关系方面越来越受到重视。
中介效应是指一个变量通过影响另一个变量而间接影响第三个变量的过程。
本研究旨在探讨中介效应在实验研究中的应用，以期为后续研究提供参考。
二、实验方法1. 实验设计本研究采用2（自变量：实验组、控制组）×2（中介变量：干预、无干预）的实验设计，以检验中介效应的存在。
2. 实验对象招募50名大学生作为实验对象，随机分为实验组和控制组，每组25人。
3. 实验材料实验材料包括实验任务、问卷、实验记录表等。
4. 实验程序（1）实验前，向实验对象说明实验目的、过程及注意事项。
（2）实验组进行实验任务，控制组不进行实验任务。
（3）干预组在实验任务结束后接受干预，无干预组不进行干预。
（4）实验结束后，所有实验对象完成问卷。
（5）收集实验数据，进行统计分析。
三、实验结果1. 实验组在实验任务中的表现优于控制组。
2. 干预组在实验任务结束后的问卷得分高于无干预组。
3. 中介变量在实验组和干预组之间存在显著的正相关关系。
4. 中介变量在实验组和干预组之间对因变量的影响显著。
四、讨论与分析1. 实验结果支持了中介效应的存在。
实验组在实验任务中的表现优于控制组，这可能是因为实验任务对实验组产生了积极的影响。
干预组在实验任务结束后的问卷得分高于无干预组，这可能是因为干预措施增强了实验组在实验任务中的表现。
2. 中介变量在实验组和干预组之间存在显著的正相关关系，说明中介变量在实验任务和因变量之间起到了中介作用。
3. 本实验结果表明，中介效应在实验研究中具有重要作用。
通过研究中介效应，可以更深入地了解变量间的关系，为后续研究提供理论依据。
五、结论本研究通过实验方法验证了中介效应的存在，为后续研究提供了参考。
在实验研究中，中介效应的探究有助于更全面地了解变量间的关系，为理论研究和实践应用提供有益启示。
六、局限与展望1. 本实验样本量较小，可能影响实验结果的普遍性。
中介效应结果整理
中介效应结果整理1.引言1.1 概述中介效应是指在两个变量之间存在一个中介变量，这个中介变量部分或完全解释了前后两个变量之间的关系。
在社会科学研究中，中介效应被广泛应用于探索和解释变量之间的关系机制。
通过分析中介效应，研究者可以更好地理解变量之间的因果关系，揭示背后的机理，并且提供指导政策和干预措施的实证依据。
在研究中，中介效应的存在可以帮助我们更全面地理解两个变量之间的关系。
通过引入中介变量，我们能够揭示出在变量之间存在的间接路径和作用机制，而不仅仅是直接的因果效应。
中介效应的结果可以帮助我们了解到底是什么因素在连接着两个变量，并进一步验证和提炼研究的结论。
另外，中介效应的结果整理也可以为我们提供实证依据和参考，从而指导决策和实践。
通过分析中介效应结果，我们能够了解到哪些变量对于影响中介变量和最终结果起重要作用，进而指导我们在实际操作中采取相应的干预措施。
同时，中介效应结果的整理还可以为相关领域的决策制定者和研究者提供参考，帮助他们更好地理解变量之间的关系，进行有效的策略制定和实施。
总而言之，中介效应是一种重要的研究方法和分析手段，在社会科学研究中具有广泛应用的价值。
通过整理中介效应的结果，我们可以更好地理解变量之间的关系机制，为决策和实践提供科学依据。
对于未来的研究和实践，我们应当进一步关注和深入研究中介效应，以充分发挥其在社会科学领域的作用。
1.2文章结构1.2 文章结构本文将按照以下结构进行叙述中介效应结果整理。
首先，引言部分将提供概述，介绍文章的背景和目的。
然后，正文部分将分为两个小节。
第一个小节将详细阐述中介效应的定义以及相关背景知识，为读者提供对中介效应概念的全面了解。
第二个小节将集中讨论中介效应的结果整理，列举和总结已有研究中的重要发现，并探讨这些结果对我们的理解和应用的启示。
最后，结论部分将对中介效应的重要性进行总结，并结合文章内容提出对中介效应结果的启示，以期为未来的研究和应用提供有益的思考方向。
中介效应结果阐释
中介效应结果阐释1. 引言中介效应（mediation effect）是社会科学研究中常用的概念，用于解释一个变量如何通过作用于另一个中介变量，来影响一个结果变量的过程。
中介效应的结果阐释对于深入理解研究目的和解释因果关系至关重要。
本文将围绕中介效应结果阐释展开讨论。
2. 什么是中介效应中介效应是指当自变量（X）对因变量（Y）有一个影响时，这个影响是通过中介变量（M）传递的。
中介变量作为一个中间步骤，解释了自变量与因变量之间的关系。
它帮助我们更好地理解 X 对 Y 的影响机制。
3. 中介效应的例子为了更好地理解中介效应，我们来看一个例子。
假设我们对工作压力（X）对员工工作满意度（Y）的影响感兴趣。
我们有理由相信，工作满意度的提高是通过减少工作压力来实现的，而这个减少工作压力的机制是员工的弹性调节能力（M）。
在这个例子中，工作压力是自变量，工作满意度是因变量，弹性调节能力是中介变量。
我们希望通过研究来了解工作压力如何通过弹性调节能力影响员工的工作满意度。
4. 中介效应的结果阐释中介效应的结果阐释是指通过统计分析，确定中介变量在解释自变量和因变量之间关系的过程中所起的作用。
通常，结果阐释包括两个方面的内容：直接效应和间接效应。
直接效应是指自变量对因变量的直接影响，即不经过中介变量进行解释的效应。
在例子中，直接效应即工作压力对工作满意度的效应，忽略了弹性调节能力的作用。
间接效应是指自变量通过中介变量对因变量产生的间接影响。
在例子中，间接效应即工作压力通过弹性调节能力对工作满意度产生的影响。
我们可能发现工作压力对弹性调节能力有负向影响，而弹性调节能力对工作满意度有正向影响，这就构成了一个中介效应。
5. 如何确定中介效应结果阐释在确定中介效应结果阐释之前，研究者通常需要进行统计分析。
常用的统计方法包括回归分析、路径分析和结构方程建模等。
这些方法可以帮助确定中介变量在解释自变量和因变量之间关系的过程中所起的作用大小。
中介效应的解读
中介效应的解读
在心理学和行为经济学中，中介效应是一种揭示因果关系的重要概念。
一个变量通过另一个变量产生影响，即一个效应被中介或调解了。
这种效应并非直接产生，而是经过中间变量的转化或调节。
中介效应的解读需要深入探索三个部分：自变量、中介变量和因变量。
首先，自变量是引发效应的原因，通常是外部刺激或情境。
然后，中介变量是解释自变量如何产生效应的关键，它接收自变量的影响，并将其转化为因变量。
最后，因变量是自变量和中介变量共同作用的结果，反映了效应的实际表现。
例如，在解释某项政策如何影响人们的健康行为时，我们可以将“政策认知”作为自变量，“健康知识”作为中介变量，“健康行为改变”作为因变量。
政策认知通过影响人们的健康知识，进而影响其健康行为。
在这个过程中，健康知识起到了中介变量的作用，解释了政策认知如何转化为健康行为的改变。
中介效应的解读不仅帮助我们理解复杂的社会现象，还为政策制定和干预提供了理论支持。
通过识别和利用中介变量，我们可以更有效地设计和实施干预措施，以实现预期的效果。
同时，它也提醒我们，在评估干预效果时，不能仅仅关注最终的因变量，还要深入了解自变量如何通过中介变量产生影响。
总的来说，中介效应的解读对于理解因果关系、预测行为、制定政策等方面都具有重要意义。
它帮助我们揭示隐藏在表面现象背后的机制，为解决复杂问题提供了新的视角和思路。
平行中介效应模型
平行中介效应模型平行中介效应模型是社会科学研究中一个极为重要的分析工具，它允许研究者深入探究变量之间的复杂关系，特别是当这些关系不能简单地通过直接因果关系来解释时。
本文旨在全面探讨平行中介效应模型的理论基础、应用场景以及解析方法，以期为读者提供一个深入、系统的理解框架。
一、平行中介效应模型的理论基础中介效应，顾名思义，是指一个变量在另外两个变量的关系中起到了“桥梁”或“中介”的作用。
在平行中介效应模型中，这种中介作用是由多个中介变量同时发生的，并且这些中介变量在理论上处于相同的层级或地位，它们平行地作用于因变量，共同解释了自变量对因变量的影响。
平行中介效应模型的理论基础主要建立在统计学的因果推断和路径分析之上。
它假设自变量（X）对因变量（Y）的影响是通过一系列中介变量（M1, M2, ... Mn）来实现的。
这些中介变量不仅与自变量相关，还与因变量相关，并且在自变量和因变量之间形成了一个或多个因果链。
二、平行中介效应模型的应用场景平行中介效应模型广泛应用于心理学、教育学、社会学、管理学等多个领域。
例如，在心理学领域，研究者可能想要探究压力（X）如何影响个体的心理健康（Y），而这个过程可能通过多个中介变量来实现，如自我效能感（M1）、社会支持（M2）等。
在这个例子中，压力对心理健康的影响不是直接的，而是通过影响个体的自我效能感和社会支持等中介变量，进而间接影响心理健康。
在教育学领域，平行中介效应模型也被用于探究教育投入（X）如何影响学生的学业成就（Y）。
这个过程可能涉及多个中介变量，如教师的教学质量（M1）、学生的学习动机（M2）等。
这些中介变量在教育投入和学业成就之间起到了关键的桥梁作用。
三、平行中介效应模型的解析方法解析平行中介效应模型的关键在于准确估计和检验中介变量在自变量和因变量关系中的作用。
这通常涉及以下几个步骤：1. 建立模型：首先，研究者需要根据理论假设和实证研究背景，构建一个包含自变量、因变量和多个中介变量的平行中介效应模型。
中介效应分析概述
中介效应分析概述中介效应分析广泛用于社会科学研究Wood Goodman Beckmann Cook 2008，如心理学MacKinnon Fairchild Fritz 2007 Rucker Preacher TormalaPetty2011 ，管理学Mathieu DeShon Bergh 2008 和传播学Hayes PreacherMyers2011等。
Rucker 等2011统计发现2005 至2009 年间发表在《人格与社会心理学杂志》Journal of Personality and Social Psychology JPSP 和《人格与社会心理学公报》Personality and Social Psychology Bulletin PSPB上59和65的文章使用了中介检验。
中介分析之所以如此流行，主要取决于如下几点原因MacKinnon 2008MacKinnon Fairchild Fritz 2007：第一，刺激—有机体—反应模型在心理学中的主导地位其次，中介变量是社会科学诸多理论中不可缺少的内容。
第三，方法学上的挑战，中介效应检验的精确性激起了方法学者的研究热情，新的方法或检验程序不断更新Mathieu DeShon Bergh 2008。
中介变量存在于多种模型，如路径模型，SEM，纵向模型MacKinnon 2008 von Soest Hagtvet 2011和多水平模型Preacher Zyphur Zhang 2010 温忠麟等2012等，下面介绍在路径模型的框架内结束中介效应分析，这里介绍的方法也适用于其他情况，潜变量路径分析SEM中的中介效应分析放在第8 章介绍，关于其他模型的中介效应分析的内容可参见MacKinnon2008和温忠麟等2012的专著。
第二，2.中介效应分析的意义中介变量是联系两个变量之间关系的纽带，在理论上，中介变量意味着某种内部机制MacKinnon 2008。
中介效应重要理论及操作务实
中介效应重要理论及操作务实一、中介效应概述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变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：eq \o\ac(○,1)就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：eq \o\ac(○,2)就业压力→个体择业期望→择业行为反应；eq \o\ac(○,3)就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e1 1) M=ax+e2 2) Y=c’x+bM+e3 3) 上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下： 1.1首先检验方程1）y=cx+ e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y无影响），则停止中介效应检验； 1.2 在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
中介效应重要理论及操作务实
中介效应重要理论及操作务实中介效应是指当两个或多个变量之间的关系是通过一个中介变量进行传递或解释的现象。
中介效应在社会科学研究中具有重要的理论和实证价值，可以帮助我们深入理解变量之间的相互作用机制，提供对社会现象、心理过程和行为的解释和预测。
中介效应的理论基础可以追溯到心理学领域的认知响应模型。
该模型认为，外界刺激引起主观心理过程的变化，进而影响行为的表现。
在社会科学研究中，中介效应的理论基础可以用以下公式表示：Y=cXX=aMY=bX+cMY表示被解释的变量，X表示解释变量，M表示中介变量。
中介效应的操作过程可以通过以下几个步骤实现：1.确定变量和变量之间的关系：首先，需要明确研究的变量和研究的目标，确定变量之间的关系。
2.检验中介效应的存在：通过统计分析方法，如回归分析或结构方程模型，检验中介效应是否存在，并确定中介变量对解释变量和被解释变量之间的关系起到了中介作用。
3.确定中介效应的机制：如果中介效应存在，进一步分析中介变量对解释变量和被解释变量之间关系的具体机制。
这可以通过进一步的统计分析、问卷调查或实验设计等方法来实现。
4.验证中介效应的稳健性：为了验证中介效应的可靠性和稳健性，可以使用不同的方法、不同的样本和不同的数据集进行验证。
这有助于确保研究结果的可靠性和普遍性。
中介效应的重要性在于，它可以帮助我们解释为什么一些变量之间存在关系，以及这种关系的机制是什么。
例如，研究发现，受教育程度对收入的影响可以通过职业选择来解释，即职业选择是教育程度与收入之间的中介变量。
这一发现有助于我们理解教育对收入的影响机制，为政策制定者提供了指导，以促进教育的发展。
此外，中介效应还可以用于预测和干预社会现象、心理过程和行为。
通过研究变量之间的中介关系，可以预测特定因素对特定行为的影响，并采取相应的干预措施。
例如，研究发现社会支持可以通过增加个体的自尊来提高幸福感，进而减少心理健康问题。
基于这一发现，社会干预措施可以侧重于增加社会支持，进而提高个体的幸福感和心理健康水平。
中介效应讲解
生活中的那些中介机构
1、中介变量和中介效应的定义 1925～1930年间，英果尔德(C. K. Ingold)提出了中介论， 用以说明用经典结构式不能圆满地描述的某些分子的化学行 为。他认为在常态下具有不饱和体系的分子中存在着电子转 移，由这种电子转移所产生的效应称为中介效应。 有机分子结构理论发展过程中的一种学说。 中介效应，它指的是X对Y的影响是通过M实现的，也就是说M 是X的函数，Y是M的函数（Y-M-X）。
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，而不进行偏差校正没有这个问题。
D.系数差异检验法
差异系数检验即检验H0：c-c’=0。通常情况下ab = c-c’，因此差异系数 同系数乘积法有很多相同之处。c-c’的标准误估计通常使用如下公式 (McGuigan & Langholz, 1988)：
Sc和Sc’分别为两个直接效应估计的标准误，r为自变量与中介变量的 相关系数。差异系数采用t检验，其统计量为t=c-c’/Sc-c’。 模拟研究发现(MacKinnon et al., 2002)，系数乘积法和差异系数法比逐 步检验法精确且具有较高的统计效力。
s2a和s2b分别为系数a，b标准误的平方。系数乘积检验法的 统计量是z=ab/sab，如果检验显著说明中介效应显著。此公 式被常用的SEM分析软件采用，例如EQS，LISREL和 Mplus。也有其他的分析程序(Preacher & Hayes, 2004)使 用不同的标准误公式如：
Sobel法的检验力高于逐步检验。但这个检验统计量的推 导需要假设a*b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[a*b]的计算只是近似的，可能很不准确。
中介效应与调节效应分析
中介效应与调节效应的综合分析实例
• 心理压力与健康：心理压力可能会通过多种机制影响健康状 况，如通过影响免疫系统、心血管系统和心理健康等。这些 机制可以作为中介变量，而性别、年龄和社会支持等因素可 以作为调节变量，共同解释心理压力与健康状况之间的关系。
感谢观看
THANKS
调节效应分析实例
性别与职业选择
性别可能会调节个人兴趣与职业选择之间的关系。例如，在某些文化背景下，男性可能 更倾向于选择传统上被认为是男性主导的职业，而女性可能更倾向于选择传统上被认为
是女性主导的职业。
年龄与健康行为
年龄可能会调节健康行为与健康状况之间的关系。例如，年轻人可能更容易采取健康的 生活方式，如定期锻炼和健康饮食，而老年人可能更倾向于接受医疗治疗和药物管理。
实例Βιβλιοθήκη 中介效应分析实例吸烟对肺癌的影响
吸烟是肺癌的一个重要风险因素，但吸 烟对肺癌的影响可能通过多种机制起作 用，如直接毒性作用、免疫系统抑制等 。这些机制可以作为中介变量，解释吸 烟与肺癌之间的关联。
VS
学习成绩与职业发展
学习成绩可以作为职业发展的中介变量。 通过良好的学习成绩，学生可以获得更好 的教育机会和技能，进而在职业市场上获 得更好的机会和更高的收入。
建立理论模型
根据相关理论和研究假设，建立中介效应与调节效应的理论模型，明确变量之间的关系和预期的效应 。
数据收集
选择样本
根据研究目的和变量要求，选择合适的样本来源和样 本量。
设计问卷或实验
根据研究问题和变量测量方式，设计问卷或实验程序， 确保数据收集的准确性和可靠性。
实施数据收集
按照设计好的问卷或实验程序，进行数据收集工作， 并确保数据质量。
中介效应理论和操作务实分解
中介效应重要理论及操作务实一、中介效应概述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变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：①就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：②就业压力→个体择业期望→择业行为反应；③就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e11)M=ax+e22)Y=c’x+bM+e33)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：1.1首先检验方程1）y=cx+e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y 无影响），则停止中介效应检验；1.2 在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
心理学研究中的中介效应
在心理学研究中，经常需要在各种心理现象之间的相关关系中寻找因果关系，以达到由某一现象或某些现象组合预测另一现象或另一现象组合的目的。
由于心理现象的复杂性和内隐性，当一个研究设计确定了自变量和因变量后，自变量可能通过第3个变量或第3个变量组合对因变量构成间接影响，这里的第3个变量或第3个变量组合通常被称为调节变量或中介变量，若变量之间的关系是递进关系，则称为中介变量。
运用统计学的方法探讨自变量对因变量的预测作用能否被中介变量所解释及解释效应量大小的过程称为中介效应分析。
近年来，中介效应分析的应用推动了心理学研究及应用的发展，但同时误用中介效应分析的情况也不在少数。
如何正确使用中介效应分析方法，需要明确中介效应分析于心理研究的意义及中介效应分析方法的优缺点。
1.中介效应分析于心理研究的意义1. 1中介效应分析能揭示心理现象间关系的复杂性中介效应分析未应用于心理研究时，探讨自变量对因变量的预测作用，往往采用的是回归模式。
回归模式构建了因变量对自变量的线性或非线性方程，通过回归方程中回归系数的检验或方程整体有效性检验来确定自变量对因变量预测作用是否有统计学意义。
仔细分析不难发现，回归模式探讨的仅是变量间的直接关系。
然而，由于心理现象间关系的复杂性、内隐性，仅仅探讨心理现象间的直接关系，未免过于简单。
实际上，自变量对因变量的预测大多是有其他变量参与的。
自变量可以与其他变量并行共同作用于因变量，也可以通过第3变量或第3变量组合对因变量构成影响，若自变量通过单一变量对因变量构成预测，称为简单中介模型，若通过多个变量组合对因变量构成预测，则称为多重中介模型。
多重中介模型中，多个中介变量可以是并行关系，也可以是递进关系，构成并式多重中介模型和链式多重中介模型中介模型更仔细地刻画了变量间复杂的预测关系，中介效应分析为变量间复杂关系的揭示提供了统计意义上的技术手段。
1.2中介效应分析使横断研究中的预测关系明晰化从方法论的角度讲，要想得出变量间具有因果关系的结论，至少应满足三个条件：第一，假定具有因果关系的变量间应具有相关关系；第二，从时间上讲，原因变量应在前，而结果变量应在后；第三，在所构建的模型中，除自变量外，其他原因变量对因变量的影响应该得到有效控制。
中介效应分析方法[参照]
![中介效应分析方法[参照]](https://img.taocdn.com/s3/m/10cfade9710abb68a98271fe910ef12d2af9a9b2.png)
中介效应分析方法1 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。
1.1 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”。
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 + e1 (1)M = aX + e2(2)Y = c’X + bM + e3 (3)e1 Y=cX+e1M=aX+e2e3 Y=c’X+bM+e3图1 中介变量示意图假设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。
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。
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) 。
中介效应分析方法
中介效应分析方法1 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。
1.1 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”。
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 (1)M = aX + e 2 (2)Y = c ’X + bM + e 3 (3)e 1 Y=cX+e 1e 2 M=aX+e 2a bMe 3 Y=c ’X+bM+e 3图1 中介变量示意图假设Y 与X 的相关显著,意味着回归系数c 显著(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(mediator effect ) 显著呢? 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。
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Judd 和Kenny 定义的完全中介过程。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
中介效应重要理论及操作务实一、中介效应概述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变量(M)的间接影响产生的，此时我们称M为中介变量，而X通过M对Y产生的的间接影响称为中介效应。
中介效应是间接效应的一种，模型中在只有一个中介变量的情况下，中介效应等于间接效应；当中介变量不止一个的情况下，中介效应的不等于间接效应，此时间接效应可以是部分中介效应的和或所有中介效应的总和。
在心理学研究当中，变量间的关系很少是直接的，更常见的是间接影响，许多心理自变量可能要通过中介变量产生对因变量的影响，而这常常被研究者所忽视。
例如，大学生就业压力与择业行为之间的关系往往不是直接的，而更有可能存在如下关系：①就业压力→个体压力应对→择业行为反应。
此时个体认知评价就成为了这一因果链当中的中介变量。
在实际研究当中，中介变量的提出需要理论依据或经验支持，以上述因果链为例，也完全有可能存在另外一些中介因果链如下：②就业压力→个体择业期望→择业行为反应；③就业压力→个体生涯规划→择业行为反应；因此，研究者可以更具自己的研究需要研究不同的中介关系。
当然在复杂中介模型中，中介变量往往不止一个，而且中介变量和调节变量也都有可能同时存在，导致同一个模型中即有中介效应又有调节效应，而此时对模型的检验也更复杂。
以最简单的三变量为例，假设所有的变量都已经中心化，则中介关系可以用回归方程表示如下：Y=cx+e11)M=ax+e22)Y=c’x+bM+e33)上述3个方程模型图及对应方程如下：二、中介效应检验方法中介效应的检验传统上有三种方法，分别是依次检验法、系数乘积项检验法和差异检验法，下面简要介绍下这三种方法：1.依次检验法（causual steps）。
依次检验法分别检验上述1）2）3）三个方程中的回归系数，程序如下：1.1首先检验方程1）y=cx+e1，如果c显著（H0:c=0被拒绝），则继续检验方程2），如果c不显著（说明X对Y 无影响），则停止中介效应检验；1.2 在c显著性检验通过后，继续检验方程2）M=ax+e2，如果a显著（H0:a=0被拒绝），则继续检验方程3）；如果a不显著，则停止检验；1.3在方程1）和2）都通过显著性检验后，检验方程3）即y=c’x + bM + e3,检验b的显著性，若b显著（H0:b=0被拒绝）,则说明中介效应显著。
此时检验c’,若c’显著，则说明是不完全中介效应；若不显著，则说明是完全中介效应，x对y的作用完全通过M来实现。
评价:依次检验容易在统计软件中直接实现，但是这种检验对于较弱的中介效应检验效果不理想，如a较小而b较大时，依次检验判定为中介效应不显著，但是此时ab乘积不等于0，因此依次检验的结果容易犯第二类错误（接受虚无假设即作出中介效应不存在的判断）。
2.系数乘积项检验法(products of coefficients)。
此种方法主要检验ab乘积项的系数是否显著，检验统计量为z = ab/ s ab，实际上熟悉统计原理的人可以看出，这个公式和总体分布为正态的总体均值显著性检验差不多，不过分子换成了乘积项，分母换成了乘积项联合标准误而已，而且此时总体分布为非正态，因此这个检验公式的Z值和正态分布下的Z值检验是不同的，同理临界概率也不能采用正态分布概率曲线来判断。
具体推导公式我就不多讲了，大家有兴趣可以自己去看相关统计书籍。
分母s ab的计算公式为：s ab，在这个公式中，s b2和s a2分别为a和b的标准误，这个检验称为sobel检验，当然检验公式不止这一种例如Goodman I检验和Goodman II检验都可以检验（见下）,但在样本比较大的情况下这些检验效果区别不大。
在AMOS中没有专门的soble检验的模块，需要自己手工计算出而在lisrel里面则有，其临界值为zα/2>0.97或zα/2<-0.97(P <0.05，N≥200)。
关于临界值比率表见附件（虚无假设概率分布见MacKinnon表中无中介效应C.V.表，双侧概率，非正态分布。
这个临界表没有直接给出0.05的双侧概率值，只有0.04的双侧概率值；以N=200为例，0.05的双侧概率值在其表中大概在±0.90左右，而不是温忠麟那篇文章中提出的0.97。
关于这一点，我看了温的参考文献中提到的MacKinnon那篇文章，发现温对于0.97的解释是直接照搬MacKinnon原文中的一句话<For example, the empirical critical value is .97 for the .05 significance level rather than 1.96 for the standard normal test of ab 4 0. We designate this test statistic by z8 because it uses a different distribution than the normal distribution.>，实际上在MacKinnon的概率表中，这个0.97的值是在N=200下对应的0.04概率的双侧统计值，而不是0.05概率双侧统计值，因为在该表中根本就没有直接给出0.05概率的统计值。
为了确定这点，我专门查了国外对这个概率表的介绍，发现的确如此，相关文章见附件mediationmodels.rar。
当然，从统计概率上来说，大于0.97在这个表中意味着其值对应概率大于0.05，但是当统计值小于0.9798th时而大于0.8797th，其值对应概率的判断就比较麻烦了，此时要采用0.90作为P<.05的统计值来进行判断。
之所以对温的文章提出质疑，是因为这涉及到概率检验的结果可靠性，我为此查了很多资料，累）。
Goodman I检验公式如下Goodman II检验检验公式如下注：从统计学原理可知，随着样本量增大，样本均值和总体均值的差误趋向于减少；因此从这两个公式可看出，的值随着样本容量增大而呈几何平方值减小，几乎可以忽略不计算，因此MacKinnon et al. (1998)认为乘积项在样本容量较大时是“trivial”（琐碎不必要的）的，因此sobel检验和Goodman检验结果在大样本情况下区别不大，三个检验公式趋向于一致性结果，因此大家用soble检验公式就可以了（详情请参考文献A Comparison of Methods to TestMediation and Other Intervening Variable Effects. Psychological Methods 2002, Vol. 7, No. 1, 83–104）。
评价：采用sobel等检验公式对中介效应的检验容易得到中介效应显著性结果，因为其临界概率（MacKinnon）P<.05的Z值为zα/2>0.90或zα/2<-0.90，而正态分布曲线下临界概率P<0.05的Z值为zα/2>1.96或zα/2<-1.96，因此用该临界概率表容易犯第一类错误（拒绝虚无假设而作出中介效应显著的判断）3.差异检验法(difference in coefficients)。
此方法同样要找出联合标准误，目前存在一些计算公式，经过MacKinnon等人的分析，认为其中有两个公式效果较好，分别是Clogg 等人和Freedman等人提出的，这两个公式如下：Clogg差异检验公式Freedman差异检验公式这两个公式都采用t检验，可以通过t值表直接查出其临界概率。
Clogg等提出的检验公式中，t的下标N-3表示t 检验的自由度为N-3，c’为自变量与中介变量的相关系数，S c’为X对Y的间接效应估计值的标准误；同理见Freedman 检验公式。
评价：这两个公式在a=0且b=0时有较好的检验效果，第一类错误率接近0.05，但当a=0且b≠0时，第一类错误率就非常高有其是Clogg等提出的检验公式在这种情况下第一类错误率达到100%，因此要谨慎对待。
4.温忠麟等提出了一个新的检验中介效应的程序，如下图：这个程序实际上只采用了依次检验和sobel检验，同时使第一类错误率和第二类错误率都控制在较小的概率，同时还能检验部分中介效应和完全中介效应，值得推荐。
三中介效应操作在统计软件上的实现根据我对国内国外一些文献的检索、分析和研究，发现目前已经有专门分析soble检验的工具软件脚本，可下挂在SPSS当中；然而在AMOS中只能通过手工计算，但好处在于能够方便地处理复杂中介模型，分析间接效应；根据温忠麟介绍，LISREAL也有对应的SOBEL检验分析命令和输出结果，有鉴于此，本文拟通过对在SPSS、AMOS中如何分析中介效应进行操作演示，相关SOBEL检验脚本及临界值表（非正态SOBEL检验临界表）请看附件。
1. 如何在SPSS中实现中介效应分析这个部分我主要讲下如何在spss中实现中介效应分析（无脚本，数据见附件spss中介分析数据，自变量为工作不被认同，中介变量为焦虑，因变量为工作绩效）。
第一步：将自变量（X）、中介变量(M)、因变量(Y)对应的潜变量的项目得分合并取均值并中心化，见下图在这个图中，自变量（X）为工作不被认同，包含3个观测指标，即领导不认同、同事不认可、客户不认可；中介变量（M）焦虑包含3个观测指标即心跳、紧张、坐立不安；因变量（Y）包含2个观测指标即效率低和效率下降。
上面三个图表示合并均值及中心化处理过程，生成3个对应的变量并中心化（项目均值后取离均差）得到中心化X、M、Y。
第二步：按温忠麟中介检验程序进行第一步检验即检验方程y=cx+e中的c是否显著，检验结果如下表：由上表可知，方程y=cx+e的回归效应显著，c值.678显著性为p<.000,可以进行方程m=ax+e和方程y=c’x+bm+e 的显著性检验；第三步：按温忠麟第二步检验程序分别检验a和b的显著性，如果都显著，则急需检验部分中介效应和完全中介效应；如果都不显著，则停止检验；如果a或b其中只有一个较显著，则进行sobel检验，检验结果见下表：由上面两个表格结果分析可知，方程m=ax+e中，a值0.533显著性p<.000，继续进行方程y=c’x+bm+e的检验，结果如下表：由上面两个表的结果分析可知，方程y=c’x+bm+e中，b值为0.213显著性为p<.000,因此综合两个方程m=ax+e 和y=c’x+bm+e的检验结果，a和b都非常显著，接下来检验中介效应的到底是部分中介还是完全中介；第四步:检验部分中介与完全中介即检验c’的显著性: 由上表可知，c’值为.564其p值<.000,因此是部分中介效应，自变量对因变量的中介效应不完全通过中介变量焦虑的中介来达到其影响，工作不被认同对工作绩效有直接效应，中介效应占总效应的比值为：effectm=ab/c=0.533×0.213/0.678=0.167,中介效应解释了因变量的方差变异为sqrt(0.490-0.459)=0.176（17.6%）小结在本例中，中介效应根据温忠麟的检验程序最后发现自变量和因变量之间存在不完全中介效应，中介效应占总效应比值为0.167,中介效应解释了因变量17.6%的方差变异。