中介模型中自变量与中介变量均不显著，模型是否成立？

在社会科学、心理学与管理学的实证研究中，中介模型如同一把探寻机制黑箱的钥匙，它帮助我们回答“自变量X如何通过中介变量M影响因变量Y”这一核心问题。经典的因果逐步回归法在研究者心中根深蒂固，其第一步便是检验X对M的影响（a路径）以及M对Y的影响（b路径）的显著性。那么，当一个中介模型的分析结果显示，a路径和b路径均不显著时，我们是否应该立即宣判该中介模型“死刑”？

答案是：不一定。 贸然下结论很可能让我们错失一个真正存在的中介机制。本文将深入探讨这一看似矛盾的现象，厘清现代中介效应检验的逻辑，并提供一个清晰的决策框架。

一、从“逐步检验”到“乘积检验”

要理解为何a、b路径双双不显著时模型仍可能成立，我们首先需要了解中介效应检验方法的演变。

1. 传统逐步法

 这种方法要求a路径和b路径都必须显著，才能继续检验中介效应。它直观但存在一个致命弱点：统计功效较低。换言之，它需要较大的样本量才能检测出真实存在的中介效应。当a或b路径中有一个效应值较小但真实存在时，很容易因样本量不足或测量误差而被误判为“不显著”，从而导致“假阴性”错误。

1. 现代Bootstrap法：

当前学术界的黄金标准是直接检验中介效应的本身，即a*b这个乘积项。我们不再过分依赖a和b这两个单独路径的显著性，而是通过Bootstrap抽样法，构造出a*b的置信区间。如果这个置信区间不包含0，那么无论a和b是否显著，我们都认为中介效应存在。

这就引出了核心观点：中介模型成立与否，最终的判决权在于“a*b的Bootstrap置信区间”，而不在于a路径和b路径的显著性。 a和b的显著性是一个重要的参考，但并非一票否决项。

为了全局把握在这种情况下的决策流程，请参阅以下的判断路径图：

上图清晰地展示了，Bootstrap置信区间是否包含0是唯一的终极判断准则。即使a和b路径双双不显著（流程右侧路径），只要置信区间不包含0，我们依然可以得出“中介效应显著”的结论。此时，a和b的不显著是下一步需要探讨的问题，而非否定模型的理由。

二、理论先行：模型成立的根基

在深入统计细节之前，我们必须强调一个比数字更重要的前提：理论逻辑。

一个统计模型的生命力，首先源于其理论合理性。如果您所构建的“X→M→Y”通路，是基于坚实的文献基础、严谨的逻辑推导或前人研究的间接证据，那么即便初始的数据分析结果不理想，也值得深入探究，而不是简单放弃。

统计检验的“不显著”，可能源于多种技术性原因（如下文所述），而非理论本身的错误。一个由理论驱动的模型，即使面临不显著的路径，也值得我们用更先进的统计方法去验证和挽救。

三、探秘“双不显著”但中介效应存在的可能原因

为什么会出现a和b都不显著，但a*b的乘积却显著这种“反常”现象呢？这背后可能有几种原因：

1. 统计功效不足： 这是最常见的原因。当样本量较小时，统计检验探测真实效应的能力较弱。a路径和b路径的效应可能确实存在，但较小，需要更大的样本才能达到显著性水平。然而，Bootstrap法直接检验a*b，其统计功效通常高于分别检验a和b，因此可能在样本量相同的情况下，更早地探测到中介效应的存在。
2. 效应值的分布特性： a*b这个乘积项的抽样分布可能与a或b的分布不同。有时，即使a和b的估计值不大，但其乘积的分布却可能远离0，从而导致Bootstrap置信区间不包含0。
3. 遮掩效应的信号： 这是一种特殊但重要的情形。当直接效应c‘与中介效应ab符号相反时，可能会发生“遮掩效应”。在这种复杂的模型中，总效应c可能被低估，而a和b路径的估计也可能受到干扰，变得不显著。然而，Bootstrap法仍然能够捕捉到ab这个显著的间接效应。

四、SPSSAU的智能化解决方案

面对如此复杂的判断流程和多种可能性，手动计算和解读对研究者而言是一项巨大的挑战。而SPSSAU的中介作用分析模块，正是为了化解这一困境而设计的。

• 自动化Bootstrap检验： 用户只需设定变量，SPSSAU便会自动执行百分位Bootstrap抽样，计算出a*b的效应值及其95%置信区间，并直接给出“显著”或“不显著”的智能结论。

• 清晰的决策路径呈现： 如上文所示的复杂逻辑，SPSSAU通过其“中介作用检验结果汇总”表格，为用户进行了完美呈现。系统会综合a、b的显著性、c’的显著性以及Bootstrap置信区间的结果，自动生成最终的“检验结论”，如“部分中介”、“完全中介”、“中介效应不显著”或“遮掩效应”。用户无需记忆繁琐的规则，即可得到专业、准确的判断。
• 全方位信息输出： 除了核心检验结果，SPSSAU还提供效应量（效应占比）、标准化与非标准化系数、模型拟合指标等，为研究者撰写报告提供了全方位的支持。分析结果示例如下：

五、最终裁决与行动指南

综合来看，当您遇到a路径和b路径均不显著的情况时，请遵循以下步骤：

1. 锚定核心指标： 立即将目光投向 “a*b的Bootstrap置信区间” 。这是最高法官。
2. 做出最终裁决：
   • 若区间包含0：则接受零假设，认为中介效应不显著，模型在此数据样本下未能成立。
   • 若区间不包含0：则拒绝零假设，认为中介效应显著，模型的核心部分是成立的。
3. 进行深度会诊： 在得出模型成立后，面对a和b的不显著，您应将其视为一个需要进一步探究的“症状”，而非模型的“死刑判决”。此时应思考：
   • 我的样本量是否足够大？
   • 对变量M和Y的测量是否可靠、有效？
   • 我的理论模型是否可能存在更复杂的调节或遮掩因素？

结论：

在中介效应分析中，a路径和b路径的显著性如同案发现场的初步线索，重要但并非定罪的唯一证据。而a*b的Bootstrap置信区间才是那份关键的DNA检测报告，它能够穿透统计迷雾，揭示真相。SPSSAU等现代化统计工具，正是将这份“DNA报告”快速、准确地呈递给研究者的得力助手。因此，请记住：不要因为两条路径的失联而轻易放弃你的理论模型，让Bootstrap置信区间为你做出最终的、可靠的裁决。