用HLM软件做跨层中介效应检验的一些缺点

      了解中介作用检验的朋友就会知道，在单层模型中，当前对中介效应的检验，分步回归法已经被证明是不严谨的，存在诸多缺陷。分步回归法一般分为三步，主效应检验，自变量对中介变量的效应检验，自变量、中介变量联合对因变量的效应检验，然后将两个间接路径的系数相乘得到中介效应。这种方法主要的问题是不能直接检验两个间接路径系数的乘积是否显著，有时候其中某个间接路径系数不显著时乘积项却可能是显著的。因此，人们现在大多采用系数乘积法检验，例如用Bootstrap直接对两个中间路径系数的乘积项进行检验，根据置信区间判断中介效应是否成立。这个在单层中介效应检验中是公认的、使用最多的方法。

        以上单层模型中分步回归法的弊端在多层模型中也是如此，而且弊端比单层模型更甚。而传统的HLM软件实际上就是和SPSS类似的软件，只能进行分步骤回归（SPSS现在功能强多了，可以用Process插件来做Bootstrap的中介检验），一次只能检验一个因变量（也可以考虑HMLM，多因变量模型），然后中介效应的检验是人为的系数乘积，最后再通过Sobel等进行显著性检验。这种方法就是典型的SPSS分步回归分析的思路，重蹈分步回归法的覆辙。其次，当HLM模型的中介作用涉及跨层（例如2-1-1或2-1-2模型）时，HLM软件的弊端更加严重，因为它难以像Mplus那样采用随机斜率的方法直接检验整体的间接效应乘积项，只能简单的进行个体层和群体层的系数分解。不过，HLM软件也有编程功能可以解决一些复杂模型的检验，不过这个编程比较复杂，不容易掌握，与此如此，还不如用HLM、Stata、R等编程软件直接做跨层中介效应检验。