高级心理统计11-中介分析

5.5 中介效应量
中介效应量的度量指标
中介效应中单个路径的效应量指标：相关系数或偏相关系数 中介效应中单个路径的效应量指标：标准化回归系数 整个中介效应的效应量指标：中介比例和中介比值
中介比例：P=ab/c 中介比值：P=ab/c’
整个中介效应的效应量指标：R2 整个中介效应的效应量指标：部分标准化的中介效应 整个中介效应的效应量指标：κ2
5.4 总效应是否显著的问题
关于中介效应，有一个误区在于有些中介检验方法要求， 只有当自变量和因变量之间存在显著的关联时，中介效应才会 存在。 但是事实上，即使自变量和因变量之间的总效应不显著，依 然可能存在显著的中介过程——遮掩效应。
5.5 中介效应量
关于中介效应，有一个误区在于有些中介检验方法要求，只 有当自变量和因变量之间存在显著的关联时，中介效应才会存 在。
1.中介分析的一般目的和描述
当考虑自变量X对因变量Y的影响时，如果X通过影响变量 M来影响Y，则称M为中介变量。（Judd & Kenny，1981； Baron & Kenny, 1986)
父亲的社会经济地位——儿子的教育程度——儿子的社 会经济地位（Duncan, Featherman, & Duncan, 1972） 中介变量：儿子的教育程度
6、基于临界值的置信区间法 置信区间下限(LCL) = 中介效应 + ProdLower������类错误率 ∗ ������������������ 置信区间上限(UCL) = 中介效应 + ProdUpper������类错误率 ∗ ������������������
7、有先验信息的MCMC方法 将马尔科夫链的过程引入蒙特卡洛模拟中，从而实现模拟过 程中抽样分布随之改变的动态模拟
测量误差 使用潜变量中介模型
4.1测量误差
观测变量的观测值可分解为三部分
一是随机误差，这一误差是随机产生的，其大小不具有任何规律性 ，独立于观测变量，对一次测量而言，随机误差的期望值为 0；
二是系统误差，它不是随机的，而是由系统因素（例如测量工具） 引进的，取值有一定的规律性，其期望值为一固定的常数；
X，M和Y分布的正态性。
通常中介模型中假设X，M，Y都服从正态分布。如果X是二分变量，本章 列出的统计方法依然有效。
5.2 中介模型的推理假设
正态分布的系数乘积项。
两个随机变量乘积项的分布或是Bootstrap方法来建构置信区间。
遗漏的影响。
以单个中介变量的模型为例，模型假设没有其他变量与这三个变量相 关。遗漏的变量可能会包括未测量但是重要的变量，或是没有加入统 计分析的交互作用。
4.2 使用潜变量中介模型
5. 中介分析中一些值得注意的问题
中介回归方程的假设 中介模型的推理假设 样本量的要求 总效应是否显著的问题 中介效应量
5.1 中介回归方程的假设
正确的函数形式。
每个中介回归方程都假设变量之间是线性的关系，即自变量改变 一个单位会导致因变量产生一个固定的改变量。
5.2 中介模型的推理假设
时间顺序。
中介模型中假定了变量的先后顺序，即X出现在M之前，M出现在Y之前。
中介链的选择。
一条中介链可能包含很多个路径。研究者必须决定测量哪些路径，以及 确定最终的因变量。
测量的时机。
中介变量和因变量的测量时机必须与自变量的变化、中介变量的变化以 及因变量的变化三者之间关系的真实时间相匹配。
6. 对于中介效应的效应量，已有研究者提出了一些指标，但现阶段尚未有理 想的度量方法。
没有遗漏的影响。
指的是中介回归方程反映了正确的潜在模型。回归方程中没有遗 漏重要的变量或影响。
准确的测量。
指的是变量X、M和Y的测量都是可信且有效的。测量误差会导致M 与Y的关系被低估，从而影响中介效应的估计。
表现良好的残差。
在各个回归方程中，残差与自变量不相关，残差之间相互独立， 并且残差是方差齐性的。
2. 对中介效应的估计是一个效应分解的过程，即将总效应分解为直接效应和 中介效应。根据直接效应的大小，可以将中介效应分为完全中介和部分中 介。
3. 对中介效应的检验有多种方法，例如，四步法，联合显著性检验，Sobel 检 验，Boostrap置信区间法，有先验信息的 MCMC 方法等等。根据各方法的 优缺点，温忠麟和叶宝娟(2014)提出了一个新的中介效应检验流程。
中介分析
Mediator Analysis
核心要点
了解中介效应和中介变量的定义。 了解中介效应涉及到的效应分解，区分完全中介和部分中介。 掌握中介效应的常用检验方法及各方法的特点。 熟悉建构中介模型时需要满足的假设及注意事项。 了解中一般目的和描述 2 中介模型和中介效应 3 中介效应的检验 4 潜变量中介模型 5 中介分析中一些值得注意的问题 6 中介分析应用案例及Mplus操作
第三步，使用 Boostrap 方法检验假设 H0: ab=0。如果结果显 著，则中介效应存在，进入第四步直接效应的检验。如果结果 不显著，则就可以判定中介效应不存在，分析停止。
3.2 中介效应检验流程
第四步，确定中介效应存在后，检验直接效应 c’。若不显著 ，则说明是完全中介效应。按照中介效应解释结果即可。否则 ，系数显著，说明存在中介效应，进行下一步。
但是，显著性检验的结果会依赖于样本量，即，如果样本量 足够大，很小的效应也会很显著，但是如果样本量很小，即使 很大的效应也可能不显著。
效应量则提供了一种关于效应的大小及意义的度量，并且该 指标不依赖于样本量。
效应量指标应该具备如下一些特性：①与测量单位无关；②相对于 效应本身的大小具备单调性；③不受样本量的影响；④ 其他一些特性 ，例如，非负性，有界性，正规性（即取值范围在[0,1]上）。
关键术语
中介变量 中介效应 完全中介 部分中介 潜变量中介模型 Sobel 检验 Bootstrap 置信区间法 MCMC 方法
内容要点
1. 当考虑自变量 X 对因变量 Y 的影响时，如果 X 通过影响变量 M 来影 响 Y，则称 M为中介变量。X 通过中介变量 M 对 Y 产生的影响就是中 介效应。
第五步，中介效应和直接效应都存在时，比较 ab 和 c’的符 号。若二者同号，则说明是部分中介效应，报告效应量 ab/c。 如果二者符号相反，则说明是遮掩效应，报告效应量|ab/c’| 。除了 ab/c 或|ab/c’|，也可以酌情报告其他的效应量。
3.2 中介效应检验流程
4. 潜变量中介模型
4.2 使用潜变量中介模型
潜变量中介模型就是结构方程模型的一个特例，具体来说 ，如果中介效应涉及到的 3 个变量（自变量 X，中介变 量 M，结果变量 Y）中，至少有一个是潜变量时，就需要 使用结构方程模型来分析三者间的中介效应。
下面依然以三个变量之间的中介模型为例，但在这里，中 介涉及的三个变量都是潜变量，每个潜变量都由 3 个指 标变量测量。该模型如图所示，图中各路径旁标注的符号 表示相应的路径系数。
7 应用案例及Mplus操作
对劳资关系压力、情绪以及工作满意度的研究：
• Kelloway,Barling和Shah (1993) 1.研究假设及分析目的 2. Sobel 检验 3. Bootstrap 检验 4. MCMC 方法 5.潜变量的中介分析
操作步骤详见《高级心理统计》P290~P299
3、Sobel检验 路径分析，经过中介变量路径上回归系数的乘积ab是否 显著，即H0：ab=0
检验c和c'的差异是否显著
3.1 中介效应检验方法
5、Bootstrap置信区间法 根据 N 个抽取的样本，就能得到 ab 的分布情况，进而获 得 ab 的置信区间（一般是使用 95%置信区间）
三是研究者所要测量的潜变量，即所感兴趣的理论结构。相应地， 观测变量的变异也就可以分解为三部分，一是潜变量的变异，二是 系统误差的变异，三是随机误差的变异。
对于中介效应的估计，当测量误差存在时，路径系数 a 和 b 的估计值会随着测量信度的降低而减小，从而导致中介 效应的低估(Hoyle & Kenny, 1999)。
2.2 中介效应
c=ab+c'，中介效应大小即ab
检验ab/(c'+ab)或者ab/c'是否显著（中介效应相对 大小），若显著，则表示中介效应显著
关键词解释
完全中介效应：c'=0 部分中介效应：c'显著
2.2 中介效应
在因果模型中，一般至少存在着一个中介变量，形成一
个XMY 的中介效应（mediation effect）。
4. 在建构中介模型时，除了满足统计模型的假设（例如，准确的测量，设定 正确的模型等）之外，还需要满足一些理论或实际操作上的假设，例如， 基于理论设定的中介模型，变量发生/测量的时间顺序，变量或系数乘积项 的正态分布等。
5. 中介效应的存在，并不需要基于总效应显著的前提。即使自变量和因变量 之间的总效应不显著，依然可能存在重要的中介过程，例如，遮掩效应。
3.2 中介效应检验流程
第一步，对总效应 c 进行检验。如果总效应显著，则按中介效 应立论。否则，按照遮掩效应立论。总效应 c 是否显著都不影 响之后的检验，只是最后的结果解释有所不同。
第二步，对中介效应涉及的两个路径系数 a 和 b 进行依次检 验。如果二者都显著，则说明中介效应存在，报告 ab 的置信 区间，转到第四步检验直接效应。这里计算置信区间也应该用 Bootstrap 方法而非 Sobel 方法。如果系数 a 和 b 中至少有 一个不显著，进行第三步。
因果模型就是一连串中介效应的组合所形成的复杂模型 ，关键就是中介变量以及中介变量之间的复杂关系（ MacKinnon, 2008）。