调节效应和中介效应

因果推断经验研究中的中介效应与调节效应

一、本文概述

本文旨在深入探讨因果推断经验研究中的中介效应与调节效应。我们将首先定义并解释这两种效应的基本概念，然后概述它们在实证研究中的应用和重要性。中介效应主要关注的是一个或多个变量如何在自变量和因变量之间起到“桥梁”作用，揭示出它们之间的内在关系机制。而调节效应则侧重于探讨某些变量如何影响自变量和因变量之间的关系的强度和方向。我们将通过具体的案例分析和实证研究，阐述这两种效应在社会科学、心理学、经济学等领域的广泛应用，并展示它们在理解和解释复杂因果关系中的重要作用。本文还将讨论中介效应与调节效应在因果推断中的挑战和限制，以及未来研究的可能方向。通过本文的阐述，我们期望能够帮助读者更好地理解和应用中介效应与调节效应，从而提高因果推断的准确性和可靠性。

二、中介效应的概念及其在因果推断中的应用

中介效应，也被称为间接效应或传递效应，是因果推断中的一个核心概念。它描述了一个变量（即中介变量）如何在一个或多个自变量和一个因变量之间传递影响。换句话说，中介效应揭示了自变量对因变量的影响不是直接的，而是通过中介变量间接地产生。这种关系在社会科学、心理学、经济学等多个领域的研究中都有着广泛的应用。

中介效应可以帮助我们更深入地理解变量之间的复杂关系。通过识别和分析中介变量，我们可以揭示出自变量和因变量之间的内在机制，从而更准确地解释和预测现象。这对于理论发展和实际应用都具有重要意义。

中介效应也是因果推断中一个重要的工具，可以帮助我们更好地控制潜在的混杂因素。在复杂的社会和科学现象中，往往存在多个相互关联的因素，这些因素可能同时影响自变量和因变量。通过引入中介变量，我们可以更准确地估计自变量对因变量的直接影响，从而控制其他混杂因素的干扰。

在经验研究中，中介效应的分析通常通过结构方程模型（SEM）或回归分析等统计方法来实现。这些方法可以帮助我们估计中介变量的作用大小和方向，以及自变量和因变量之间的直接和间接效应。通过这些分析，我们可以更准确地评估因果关系的强度和路径，为后续的干预和决策提供科学依据。

如何运用SPSS及AMOS进行中介效应

与调节效应分析

主题一：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+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：

中介作⽤于调节作⽤：原理与应⽤

中介效应与调节效应：原理与应⽤

姜永志整理编辑1中介效应和调节效应概念原理

1.1中介效应

考虑⾃变量X对因变量Y的影响，如果X 通过影响变量M⽽对Y产⽣影响，则称M 为中介变量，中介变量阐明了⼀个关系或过程“如何”及“为何” 产⽣。

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。

假设所有变量都已经中⼼化(即将数据减去样本均值，中⼼化数据的均值为0)或者标准化(均值为0，标准差为1)，可⽤下列回归⽅程来描述变量之间的关系(图1 是相应的路径图)：其中⽅程(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；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；e1-e3 是回归残差。中介效应等于间接效应(indirect effect)，即等于系数乘积ab，它与总效应和直接效应有下⾯关系：Y =cX +e1(1)

M =aX +e2 (2)

Y =c' X +bM +e3 (3)

c = c′+ab (4) 简单中介效应中成⽴，多重中介效应不成⽴。

中介效应的因果逐步回归法模型1.2调节效应

如果变量Y与变量X的关系是变量M的函数，称M为调节变量。就是说，Y 与X 的关系受到第三个变量M的影响。调节变量(moderator)所要解释的是⾃变量在何种条件下会影响因变量，也就是说，当⾃变量与因变量的相关⼤⼩或正负⽅向受到其它因素的影响时，这个其它因素就是该⾃变量与因变量之间的调节变量。调节变量可以是定性的(如性别、种族、学校类型等)，也可以是定量的(如年龄、受教育年限、刺激次数等)，它影响因变量和⾃变量之间关系⽅向(正或负)和强弱，调节变量展⽰了⼀个关系“何时”和“为谁”⽽增强或减弱。

混杂、中介效应、调节效应

前⽂讲过，混杂要满⾜三个基本条件：与X相关、与Y相关、不是X到Y因果链上的中间变量

举例：吸烟与肺癌，年龄与吸烟相关，年龄与肺癌相关，但是年龄不是吸烟与肺癌因果关系的中间变量

判断是不是混杂，在混杂有感中提到

中介效应：与X相关、与Y相关、是X到Y因果链上的中间变量

举例：⼯作满意度与业绩，创新氛围与⼯作满意度相关，创新氛围与业绩相关，⽽且，⼯作满意度增加，创新氛围提升， 业绩增加。如何判断是否为中介效应：（知⽹上查询中介效应，多为⼼理学相关⽂献，所以遇到有关⼼理精神⽅⾯的变量需考虑中介效应）

需要检验3个模型：1，X到Y的回归，Y=c1 X+e1

2，X.M到Y的回归，Y=c2 X+b M+e2

3，X到M的回归，M=a X+e3

（若a、b同时有意义则M是中介效应） 进⼀步根据哪些系数显著来选择，请查阅相关书籍

调节效应：调节效应会影响X到Y的程度

举例：开车速度和车祸发⽣，即使相同速度，喝酒⽐不喝酒发⽣车祸的概率要⼤。

调节效应多⽤分层来解决。