中介分析（一）

“ 统计学中，中介分析通过包含第三个假设变量（中介变量）来识别和解释观察到的自变量和因变量之间的关联的机制”

中介分析

如果自变量X通过某一变量M对因变量Y产生一定影响，则称M为X和Y的中介变量。中介分析首先会拟合下图中的3个模型：

(1) Y = i1 + cX+ e1

(2) M = i2 + aX + e2

(3) Y = i3 + c’X + bM +e3

i1,i2,i3代表截距项, e1,e2,e3代表回归模型的残差项。

c为X对Y的总效应（total effect），c’为控制中介变量后X对Y的效应（直接效应，direct effect）， a为X对M的效应，b表示调整后的M-Y效应。

间接效应（中介效应）则可表示为总效应减去直接效应（即c-c’），也等于a*b

假如X对y的效应原本显著，而在控制M后变为不显著，则说明M对X-Y的中介是完全中介，如果c’比起c仅减少部分，则称为部分中介。

有少数情况下，会出现间接效应（ab）与直接效应（c’）符号相反的情况，这种称为遮掩效应，这时, 中介模型的逻辑已从传统中介模型“X 对 Y 的影响机制”转变为“X 是如何不影响 Y 的机制”。

如何判断中介是否显著

我们需要判断这种中介效应是否在统计上显着（与零不同）。为此，有两种主要方法：Sobel 测试 (Sobel, 1982) 和 bootstrapping (Preacher & Hayes, 2004)。

由于sobel法检验统计量是基于正态分布的假设，而中介效应估计值涉及到参数的乘积，所以一般不满足正态假设。其次sobel法为一次近似，不够准确，所以我们通常使用bootstrap自助法抽样来获得置信区间以及p值。

SPSS实现中介分析

我们使用spss的process插件进行中介分析

输入我们的X，Y，M以及想要控制的协变量

之后SPSS会输出总效应，直接效应以及简介效应大小，以及标准误和置信区间上下限

欢迎关注我的公众号：聊无的学习笔记