调节效应与中介效应的比较和应用

调节效应与中介效应的比较和应用调节效应与中介效应的比较和应用调节效应和中介效应是心理学研究中常用的统计工具，用来探究变量之间的关系及其影响机制。

在心理学研究中，两种效应是相互关联的，但却有着不同的目的和应用。

本文将对调节效应与中介效应进行比较，并探讨它们在实际研究中的应用。

一、调节效应调节效应指的是一个变量对另外两个变量之间关系的影响程度。

换句话说，调节效应指的是一种条件下，一个变量对其他两个变量之间关系的影响程度是否存在差异。

调节效应通常以交互作用的形式进行分析。

例如，研究者想要探究学生的学业成绩是否受到性别和家庭背景教育程度的影响。

通过进行调节效应分析，研究者可以发现不同性别和家庭背景教育程度的学生在学业成绩上是否存在差异。

这样的分析有助于理解不同变量之间的关系，并帮助制定有针对性的措施来提高学生的学业成绩。

调节效应的应用也很广泛。

比如，在临床心理学中，研究者想要探究某种治疗方法是否对不同年龄段的患者是否有不同的效果。

通过进行调节效应分析，研究者可以确定哪种治疗方法更适合不同年龄段的患者，以提高治疗效果。

二、中介效应中介效应指的是一个变量对于两个其他变量之间关系的解释作用。

换句话说，中介效应指的是一个变量通过影响另外两个变量之间的关系来起到解释作用。

中介效应通常通过路径分析进行分析。

例如，研究者想要探究工作压力对员工工作满意度的影响机制。

通过进行中介效应分析，研究者可以确定工作满意度是否受到工作压力的影响，并发现工作满意度和工作压力之间是否存在中介变量，如工作支持等。

这样的分析有助于理解变量之间的关系，并揭示出潜在的影响机制。

中介效应的应用也很广泛。

比如，在营销研究中，研究者想要探究某种广告对消费者购买意愿的影响机制。

通过进行中介效应分析，研究者可以确定广告是否通过某种中介变量，如品牌认知或情感激发等，来影响消费者的购买意愿，以设计更有效的广告策略。

三、比较和应用调节效应和中介效应在研究中都有其独特的价值和应用。

中介效应与调节效应对比和分析中介效应和调节效应是心理学中的两个重要概念，都涉及到因果关系以及相关变量之间的关联性。

本文将从定义、例子和分析等方面对中介效应和调节效应进行对比和分析。

中介效应是指一个变量（中介变量）在解释一个因变量与自变量之间关系的过程中起到中介作用的情况。

也就是说，自变量通过中介变量对因变量产生影响。

例如，假设我们研究自尊对学业成绩的影响，发现中介变量是学习动力。

自尊会通过学习动力来影响学业成绩。

在这个例子中，自尊是自变量，学业成绩是因变量，学习动力是中介变量。

调节效应则是指一个变量在解释因变量与自变量之间关系的过程中对这个关系的影响程度。

也就是说，该变量调节了因变量与自变量之间的关系。

例如，我们研究幸福感与工作满意度之间的关系，发现社会支持是一个调节变量。

即社会支持会调节幸福感和工作满意度之间的关系。

在这个例子中，幸福感和工作满意度是因变量，社会支持是自变量，调节变量。

从定义上来看，中介效应强调的是自变量通过中介变量对因变量产生影响，而调节效应强调的是调节变量对自变量与因变量之间关系的影响程度。

因此，中介效应和调节效应从性质上来看是不同的。

在研究方法上，对中介效应的检验一般采用回归分析中的路径分析或中介效应检验的特殊程序（如Bootstrap程序）来进行。

而对调节效应的检验一般采用回归分析中的交互作用分析来进行。

这两种分析方法在统计学上也有所差异，因此在实际研究中需要灵活应用。

在研究中的意义上，中介效应和调节效应都可以帮助我们更好地理解变量之间的关系，并解释因果关系。

中介效应帮助我们了解自变量通过哪些中介变量对因变量产生影响，从而为干预措施提供依据。

而调节效应则帮助我们了解在其中一因果关系中，其他变量如何调节这一关系。

例如，社会支持如何调节工作满意度和幸福感之间的关系，可以帮助我们更好地了解如何提高员工幸福感。

总的来说，中介效应和调节效应在实际研究中都有其重要意义。

中介效应帮助我们了解变量之间的中介关系，调节效应则帮助我们了解变量之间的调节关系。

中介效应与调节效应对比和分析中介效应和调节效应是社会科学研究中常常使用的两个概念。

它们都是描述一个变量对两个其他变量之间关系的影响，但是具有不同的基本属性和作用方式。

中介效应是指一个中介变量在原因变量和结果变量之间传递、解释或解释的过程中发挥作用。

这意味着中介变量可以解释原因变量对结果变量的影响。

中介效应通常用来解释为什么两个变量之间存在关联或相关性，以及这种关联是通过哪些机制来实现的。

中介效应的分析可以帮助研究人员深入理解变量之间的因果关系。

例如，研究人员可能发现教育程度（原因变量）对收入水平（结果变量）有正向影响，而工作经验（中介变量）部分解释了这种影响。

调节效应是指一个调节变量在原因变量和结果变量之间的关系中起到调节或修正作用。

这意味着调节变量能够改变或影响原因变量对结果变量的影响。

调节效应主要关注原因变量与结果变量之间的条件关系，即在一些条件下，原因变量对结果变量的影响是不同的。

调节效应的分析可以帮助研究人员识别在特定条件下，原因变量对结果变量产生更强或更弱影响的情况。

例如，研究人员可能发现性别（调节变量）对教育程度（原因变量）对收入水平（结果变量）的影响存在差异。

中介效应和调节效应之间的区别主要体现在它们对研究问题的关注点和解决问题的方法上。

中介效应主要关注因果关系的解释，即为什么和如何变量之间存在关联。

调节效应主要关注条件关系的探索，即在什么条件下变量之间的关系是如何变化的。

此外，中介效应分析通常使用回归分析或路径分析等方法，而调节效应分析通常使用交互作用分析等方法。

总之，中介效应和调节效应是社会科学研究中常用的两个概念，用于描述和解释变量之间的关系。

中介效应主要关注变量之间的因果关系解释，而调节效应主要关注变量之间的条件关系探索。

在实际研究中，中介效应和调节效应往往相互关联和相互作用，需要综合考虑和分析。

中介效应和调节效应方法及应用引言中介效应和调节效应是社会科学研究中常用的方法和概念。

本文将详细介绍中介效应和调节效应的定义、方法和应用，以及它们在各个学科领域中的重要性和实际意义。

中介效应中介效应是指一个自变量对因变量的影响，是通过一个中介变量或中介过程进行的。

中介变量在自变量和因变量之间传递和解释影响关系，起到了将自变量的影响传递给因变量的作用。

中介效应允许我们理解为什么和如何自变量能够影响因变量。

中介效应的方法1.Sobel检验：通过计算间接效应的标准误差，判断中介效应的显著性。

Sobel检验是最常用的统计方法之一，它可以通过对相关系数进行标准化来计算间接效应的标准差。

2.Bootstrap法：通过随机取样方法，构建多个样本，从中计算中介效应的置信区间。

Bootstrap法是一种非参数统计方法，不依赖于数据分布假设，具有较好的适用性和稳健性。

中介效应的应用1.心理学研究中的中介效应：在心理学中，中介效应被广泛应用于揭示变量之间的关系。

例如，研究发现，细胞的信号传递被认为是心理疾病发生和发展的中介因素。

2.经济学研究中的中介效应：在经济学中，中介效应广泛应用于研究经济变量之间的关系。

例如，研究发现，教育水平是收入差距的中介因素，教育水平的提高可以通过增加人们的技能和知识来提高收入水平。

调节效应调节效应是指一个自变量对自变量-因变量关系的影响程度。

调节变量可以增加、减少或改变自变量对因变量之间的关系。

调节效应有助于我们理解在不同条件下自变量对因变量的作用方式。

调节效应的方法1.分层回归分析：将调节变量作为交互项引入回归模型，通过分析交互项的系数来判断调节效应的显著性。

分层回归分析是调节效应研究中最常用的方法之一。

2.方差分析：通过将调节变量引入方差分析模型，并比较不同组之间的差异来判断调节效应的存在和程度。

调节效应的应用1.医学研究中的调节效应：在医学研究中，调节效应广泛应用于探讨治疗效果的差异。

中介效应和调节效应方法及应用中介效应与调节效应是社会科学研究中的两个重要概念。

它们分别用于检验一个因素对另一个因素的影响机制和影响效应的调节作用。

本文将对这两个概念进行详细阐述，并介绍它们在社会科学研究中的应用。

一、中介效应中介效应指的是一个变量在影响因变量与自变量之间的关系中起到了中介作用，即这个变量是自变量和因变量之间关系的传导媒介。

这种中介作用可以通过回归分析、路径分析和结构方程模型等方法进行检验。

其中路径分析和结构方程模型是应用最广泛的方法。

路径分析通过预测变量之间的直接和间接关系来检验中介效应，而结构方程模型则更加复杂，可以同时考虑多个中介变量之间的关系。

中介效应在社会科学研究中的应用非常广泛。

例如，在心理学和教育学研究中，可以使用中介效应来检验教育干预措施对学生成绩的影响机制。

具体来说，可以通过检验学习动机、学习策略等变量在教育干预措施与学生成绩之间的关系中的中介作用来了解这些变量在教育干预措施中的作用。

二、调节效应调节效应又称为交互作用效应，指的是一个变量对自变量和因变量之间的关系产生影响的程度。

如果一个变量对这种关系产生的影响是显著的，那么就认为这个变量具有调节效应。

调节效应可以通过回归分析、方差分析和多元分析等方法进行检验。

调节效应在社会科学研究中的应用也非常广泛。

例如，在管理学研究中，可以使用调节效应来检验领导风格和员工满意度之间的关系。

具体来说，可以通过检验员工工作经验、工作任务等变量对领导风格和员工满意度之间关系的调节作用来了解员工的工作情况对这种关系的影响。

三、中介效应与调节效应的区别中介效应和调节效应虽然都是用于检验自变量和因变量之间的关系，但是它们的研究对象和研究方法是不同的。

中介效应主要研究的是一个变量对自变量和因变量之间关系的传导作用，而调节效应则主要研究的是一个变量对自变量和因变量之间关系的影响程度。

此外，中介效应和调节效应在研究方法上也存在一些差异，中介效应主要使用路径分析和结构方程模型等方法，而调节效应则主要使用回归分析、方差分析和多元分析等方法。

中介效应与调节效应对比和分析中介效应和调节效应都是心理学中的重要概念，用于解释两个或多个变量之间的关系。

虽然它们都涉及到自变量和因变量之间的关联，但两种效应有着不同的作用和解释方式。

中介效应是指研究中介变量在自变量和因变量之间的传递作用。

当自变量对因变量的影响可以通过中介变量的连锁反应而发挥作用时，就会出现中介效应。

中介变量在中介效应中的作用是介于自变量和因变量之间的一种传递机制，通过调节自变量对中介变量的影响，进而影响因变量。

中介效应的本质是一种因果链条，它解释了自变量和因变量之间的关系以及这种关系是如何通过中介变量进行传递的。

调节效应则是指当其中一变量（调节变量）对自变量和因变量之间的关系有影响时，调节变量对于关系的影响程度。

调节效应也被称为交互效应，它涉及到自变量、调节变量和因变量之间的三方关系。

调节变量可以放大、减弱或改变自变量对因变量的影响。

调节效应的存在说明了自变量和因变量之间的关系取决于调节变量的特定条件或情境。

中介效应和调节效应的区别可以从以下几个方面进行分析：1.作用机制：中介效应强调中介变量在自变量和因变量之间传递作用的机制，即因果链条的存在。

而调节效应则关注调节变量对自变量和因变量之间关系的影响程度。

2.解释方式：中介效应解释了自变量通过中介变量对因变量产生影响，强调的是中介变量在关系中的作用。

而调节效应解释了调节变量对自变量和因变量关系的影响程度，强调的是调节变量在关系中的作用。

3.目的和研究设计：中介效应的研究主要关注自变量对中介变量和因变量之间关系的影响，可以用来解释变量之间的因果关系。

而调节效应的研究主要关注一些调节变量对自变量和因变量之间关系的影响程度，可以用来探索变量之间的交互效应。

4.统计分析：在统计分析上，中介效应通常通过中介模型来检验中介变量对自变量和因变量之间的影响。

调节效应则通常通过交互项分析来检验调节变量对自变量和因变量之间的影响。

总的来说，中介效应和调节效应都是探索变量之间关系的重要工具，但侧重点和解释角度不同。

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T上司对下属表现的归因T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⑵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 +e 1(1)M =aX +e 2 (2)Y=c' X +bM +e 3(3)c = c'+ab (4) 简单中介效应中成立，多重中介效应不成立。

Y=c¥+e t1.2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，丫与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。

女口，学生一般自我概念与某项自我概念（如外貌、体能等）的关系，受到学生对该项自我概念重视程度的影响：很重视外貌的人，长相不好会大大降低其一般自我概念；不重视外貌的人，长相不好对其一般自我概念影响不大，从而对该项自我概念的重视程度是调节变量。

目录一、明确概念 (1)二、研究步骤 (2)（1）中介效应 (3)第1步：确认数据，确保正确分析。

(3)第2步：中介作用检验 (3)（2）调节效应 (7)第1步：识别X和M的数据类别，选择合适的研究方法。

(7)第2步：调节作用检验 (8)第3步：SPSAU进行分析 (9)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。

一、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。

中介效应中介作用是研究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。

二、研究步骤（1）中介效应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。

中介变量自变量分类定量(M)(X)分类定量分层回归分析---资料来源：SPSSAU帮助手册-中介作用中介作用共分为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）。

一、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。

中介效应中介作用是研究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。

二、研究步骤（1）中介效应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。

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。

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。

如，学生一般自我概念与某项自我概念(如外貌、体能等)的关系，受到学生对该项自我概念重视程度的影响：很重视外貌的人，长相不好会大大降低其一般自我概念；不重视外貌的人，长相不好对其一般自我概念影响不大，从而对该项自我概念的重视程度是调节变量。

一、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。

中介效应中介作用是研究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。

二、研究步骤（1）中介效应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。

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。

关键词：中介变量、中介效应、中介作用中介变量理论文章1、调节效应与中介效应的比较和应用心理学报2005/02本文摘要：讨论了调节变量的概念和调节效应分析方法，并简要介绍了中介变量的概念和中介效应分析方法。

从研究目的、关联概念、典型模型、变量的位置和功能、效应的估计和检验方法等角度，对调节变量和中介变量、调节效应和中介效应以及相应的模型做了系统的比较。

作为应用例子，在儿童行为对同伴关系的影响研究中分析和比较了调节变量和中介变量。

2、中介效应检验程序及其应用心理学报2004/05本文摘要：讨论了中介变量以及相关概念、中介效应的估计；比较了检验中介效应的主要方法；提出了一个检验程序，它包含了依次检验和Sobel检验。

该程序检验的第一类和第二类错误率之和通常比单一检验方法小，既可以做部分中介检验，也可以做完全中介检验。

作为示范例子，引入中介变量研究学生行为对同伴关系的影响。

中介变量应用文章1、童年中期同伴关系与孤独感的中介变量检验心理学报2005/06本文摘要：以571名小学三、四、五、六年级的儿童为被试，考察了儿童社会喜好、友谊质量、社交自我知觉与孤独感的关系，检验了社交自我知觉在同伴关系变量与孤独感间的中介作用。

结果表明，社会喜好、友谊质量、社交自我知觉和孤独感间相关显著，并且存在显著的性别差异；社交自我知觉在同伴关系变量与孤独感间存在中介的作用；独立的中介效应检验中，社会喜好、友谊质量均通过社交自我知觉的中介作用与孤独感发生联系，同时，也存在直接的联系；综合模型中，社会喜好只通过社交自我知觉的中介作用与孤独感产生联系，不存在直接效应，而友谊质量与孤独感既存在中介的联系，同时也存在直接联系。

本文检验中介变量效应的方法：结构方程模型，采用了三种检验方法，即Soble检验、Goodman一检验和Goodman二检验。

并最终构建了变量关系的回归模型（结构模型）。

2、考试自我效能感是考试焦虑影响考试成绩的中介变量心理科学2004/02本文摘要：本文采用结构方程的统计分析技术，依据Baron(1986 )提出的确定中介变量的规则和标准，对265名中学生的特质考试焦虑、考试自我效能感、数学期末考试成绩的关系进行了探讨。