劉紅云 駱 方 張 玉 張丹慧

(1北京師范大學(xué)心理學(xué)院應(yīng)用實(shí)驗(yàn)心理北京市重點(diǎn)實(shí)驗(yàn)室;2中國基礎(chǔ)教育質(zhì)量評(píng)價(jià)與提升協(xié)同創(chuàng)新中心;3北京師范大學(xué)教育學(xué)部,北京 100875)

1 引言

揭示變量間的關(guān)系是心理學(xué)量化研究的一個(gè)重點(diǎn)。中介效應(yīng)作為變量間復(fù)雜作用機(jī)制的一種形式,其理論和應(yīng)用研究在心理學(xué)中均占有重要位置。一方面,研究變量間的中介關(guān)系可以對(duì)變量間的因果作用機(jī)制進(jìn)行驗(yàn)證,豐富心理學(xué)理論的內(nèi)涵;另一方面,根據(jù)變量間的中介關(guān)系進(jìn)行干預(yù)研究,在組織心理學(xué)、工業(yè)心理學(xué)和臨床心理學(xué)中都有廣泛的應(yīng)用前景。

近幾十年來,中介效應(yīng)的理論和應(yīng)用研究備受關(guān)注,在連續(xù)變量的中介效應(yīng)模型中,自變量(

X

)、中介變量(

M

)和因變量(

Y

)之間的關(guān)系如圖1(b)所示。中介模型的含義是指自變量

X

通過對(duì)中介變量

M

發(fā)生影響,進(jìn)而影響因變量

Y

。圖1(a)中,

c

表示當(dāng)不考慮中介變量時(shí),

X

對(duì)

Y

的影響,

e

是對(duì)應(yīng)的殘差;

a

表示

X

對(duì)

M

的影響;

b

表示

M

對(duì)

Y

的影響;

c

′表示考慮了中介變量

M

后,

X

對(duì)

Y

的直接影響;

e

和

e

分別表示

M

變量和

Y

變量的殘差?；趫D1的模型,Baron和Kenny (1986)所提出的中介效應(yīng)檢驗(yàn)方法和程序至今仍被廣泛應(yīng)用。中介效應(yīng)大小的計(jì)算方法一般有兩種。其一是回歸系數(shù)差異法(Difference of Coefficient),可以通過計(jì)算

c-c′

來表明中介效應(yīng)大小,并常使用Freedman和Schatzkin (1992)的方法進(jìn)行假設(shè)檢驗(yàn)。另一種方法為系數(shù)乘積法(Product of Coefficient),它是基于路徑分析,把中介效應(yīng)看作是兩個(gè)回歸系數(shù)——自變量到中介變量的回歸系數(shù)(

a

)和中介變量到因變量的偏回歸系數(shù)(

b

)的乘積,即

ab

。常用的

ab

估計(jì)量的檢驗(yàn)方法有Sobel檢驗(yàn)(Sobel,1982)、Aroian檢驗(yàn)(Aroian,1947)和Goodman檢驗(yàn)(Goodman,1960)。在沒有缺失值的數(shù)據(jù)中,對(duì)于連續(xù)變量可以用標(biāo)準(zhǔn)最小二乘回歸模型來估計(jì)中介效應(yīng),系數(shù)乘積法和系數(shù)差異法的結(jié)果是相同的(MacKinnon,Warsi,&Dwyer,1995)。隨著結(jié)構(gòu)方程模型以及一系列新的估計(jì)方法的發(fā)展,中介效應(yīng)的分析方法不斷得以完善,MacKinnon 在改進(jìn)和完善中介效應(yīng)的精度和準(zhǔn)確性方面做出了很大的貢獻(xiàn)(MacKinnon,2008),Baron和Kenny (1986)的方法也在應(yīng)用中不斷完善和發(fā)展(方杰,張敏強(qiáng),2012;溫忠麟,張雷,侯杰泰,劉紅云,2004;Zhao,Lynch,&Chen,2010;溫忠麟,劉紅云,侯杰泰,2012)。

圖1 中介模型圖示

然而以往的研究大多局限于自變量、中介變量和因變量均為連續(xù)變量的情景。對(duì)于因變量為分類或等級(jí)變量的情景,研究相對(duì)較少(Mackinnon,Lockwood,Brown,Wang,&Hoffman,2002)。對(duì)于自變量

X

為分類或者等級(jí)變量的情景,可以通過定義虛擬變量(Dummy Variable)的方法來處理,中介效應(yīng)的分析與連續(xù)變量的步驟完全相同。但是如果因變量是分類或等級(jí) 變量,自變量是連續(xù)變量,正確的做法是采用Logistic回歸取代通常的線性回歸(Nelder &Wedderburn,1972;Pregibon,1981),回歸系數(shù)的尺度轉(zhuǎn)換為Log量尺。因此對(duì)于分類或者等級(jí)因變量(

Y

)、連續(xù)中介變量(

M

)和自變量(

X

)的中介效應(yīng)模型,

M

對(duì)

X

的回歸系數(shù)(連續(xù)變量的量尺)與

Y

對(duì)

M

的回歸系數(shù)(Logit或Log量尺)和

Y

對(duì)

X

的回歸系數(shù)均不在相同的尺度上,因此不能簡單采用處理連續(xù)變量中介效應(yīng)的方式,直接將回歸系數(shù)

a

和

b

相乘或?qū)?p>c

和

c’

相減得到中介效應(yīng)大小。有關(guān)二分?jǐn)?shù)據(jù)或二分?jǐn)?shù)據(jù)與連續(xù)數(shù)據(jù)混合的中介效應(yīng)分析,研究者提出了一些解決方法。比如,Muthén (1984)通過閾值函數(shù)來定義觀測分類變量與連續(xù)潛變量之間的關(guān)系,基于大樣本和正態(tài)分布的假設(shè),采用廣義最小二乘估計(jì)法對(duì)中介效應(yīng)進(jìn)行估計(jì);Winship和Mare (1983)采用閾值的方法,在正態(tài)分布和二項(xiàng)分布的假設(shè)下構(gòu)建觀測分類變量的概率模型,采用非線性最小二乘估計(jì)對(duì)中介效應(yīng)進(jìn)行估計(jì)。這兩種方法理論假設(shè)太強(qiáng),需要滿足較多的假設(shè)條件且對(duì)應(yīng)用者來講很難操作。MacKinnon和Dwyer (1993)提出了一種切實(shí)可行的解決方法,他提出由于不同回歸方程得到的系數(shù)不可比,在計(jì)算中介效應(yīng)之前應(yīng)對(duì)系數(shù)進(jìn)行方差校正,即標(biāo)準(zhǔn)化,使系數(shù)的量尺與標(biāo)準(zhǔn)化的預(yù)測變量的單位一致。隨后,MacKinnon,Lockwood,Brown,Wang和Hoffman (2007)采用模擬研究的方法比較了系數(shù)乘積法和系數(shù)差異法的檢驗(yàn)結(jié)果,發(fā)現(xiàn)結(jié)果并不相同,有時(shí)相差還比較大,推薦使用系數(shù)乘積法,同時(shí)探討了系數(shù)乘積法的穩(wěn)健性。Iacobucci (2012)對(duì)因變量為分類數(shù)據(jù)的中介效應(yīng)進(jìn)行了探討,強(qiáng)調(diào)在實(shí)際應(yīng)用中研究者應(yīng)該關(guān)注因變量的性質(zhì),選擇合適的中介效應(yīng)分析方法。在應(yīng)用領(lǐng)域上,Li,Schneider和Bennett (2007)對(duì)中介變量為二分變量時(shí)中介模型做了探討,結(jié)果表明校正后的系數(shù)乘積法得到的中介效應(yīng)估計(jì)量比系數(shù)差異法得到中介效應(yīng)估計(jì)量精確得多,并提示不應(yīng)該使用原始未經(jīng)校正的中介效應(yīng)估計(jì)量。

目前有關(guān)中介效應(yīng)的研究以連續(xù)變量為主,一些研究者雖然將其擴(kuò)展到非連續(xù)數(shù)據(jù)的情境,但此類研究相對(duì)較少,且已有的研究主要以二分因變量為主,對(duì)多于兩個(gè)類別的等級(jí)變量中介效應(yīng)尚需進(jìn)一步的研究。另外,等級(jí)數(shù)據(jù)的中介效應(yīng)分析是否可以近似將其視為連續(xù)數(shù)據(jù)處理,以及等級(jí)數(shù)據(jù)類別數(shù)的多少是否會(huì)影響其處理結(jié)果等問題尚沒有研究進(jìn)行探討。一些其他的統(tǒng)計(jì)方法,如因素分析,有研究表明如果等級(jí)數(shù)據(jù)的類別數(shù)目較少(如少于五個(gè)),采用極大似然估計(jì)時(shí),估計(jì)參數(shù)的大小、模型的擬合指標(biāo)和參數(shù)的標(biāo)準(zhǔn)誤會(huì)產(chǎn)生偏差,隨著類別數(shù)的增加,偏差減小;但是當(dāng)?shù)燃?jí)數(shù)增加到四個(gè)以上時(shí),穩(wěn)健的極大似然估計(jì)可以得到近似無偏的結(jié)果(Muthén &Kaplan,1985;Rhemtulla,Brosseau-Liard,&Savalei,2012)。那么在中介效應(yīng)的分析中,對(duì)于等級(jí)數(shù)據(jù)如果采用連續(xù)數(shù)據(jù)的分析方法會(huì)不會(huì)隨著等級(jí)類別數(shù)的增加,參數(shù)估計(jì)會(huì)越來越準(zhǔn)確呢？為此,本研究擬采用模擬研究的方法,主要解決以下幾個(gè)問題：(1)對(duì)于等級(jí)因變量的中介效應(yīng)模型,考察正確的 Logistic回歸分析方法與錯(cuò)誤的連續(xù)變量回歸分析方法的差異;(2)比較系數(shù)乘積法和系數(shù)差異法的差異;(3)考察等級(jí)因變量類別數(shù)的變化,是否會(huì)影響中介效應(yīng)分析方法的結(jié)果。同時(shí),分析比較樣本量以及中介效應(yīng)大小對(duì)參數(shù)估計(jì)結(jié)果以及統(tǒng)計(jì)檢驗(yàn)的影響。最后通過一個(gè)應(yīng)用實(shí)例來說明因變量為等級(jí)數(shù)據(jù)時(shí)中介效應(yīng)的分析及檢驗(yàn)過程,以供實(shí)際應(yīng)用者參考。

2 等級(jí)因變量的中介效應(yīng)模型及分析

2.1 二分因變量的中介效應(yīng)模型

對(duì)于圖1所示的中介效應(yīng)模型,針對(duì)二分因變量(

Y

)建立Logistic回歸方程式：

在連續(xù)因變量的中介效應(yīng)模型中,中介效應(yīng)大小等于

ab

或

c-c’

。但是,在Logistic回歸中介模型中,由于

b

系數(shù)是以 logit為單位,與

a

系數(shù)不在同一個(gè)尺度上,此時(shí)中介效應(yīng)大小并不等于

ab

。同樣地,方程(1)和(2)中因變量取值的條件概率不是受同一自變量的影響,回歸系數(shù)

c

與

c’

的量尺也不同。

不同方程得到的回歸系數(shù)只有量尺相同,才具有可比性,也才能計(jì)算中介效應(yīng)。按照MacKinnon和Dwyer (1993),MacKinnon (2008)的建議,可以通過標(biāo)準(zhǔn)化轉(zhuǎn)換實(shí)現(xiàn)回歸系數(shù)的等量尺化。轉(zhuǎn)換方法如下：

上述公式中,左邊均帶有上標(biāo) std,表示由logit單位的系數(shù)轉(zhuǎn)換而來的標(biāo)準(zhǔn)化系數(shù)。利用原始數(shù)據(jù)可計(jì)算

SD (X)

和

SD (M)

,對(duì)于

SD (Y')

、

SD (Y")

,可根據(jù)MacKinnon (2008)的方法計(jì)算：

其中,π/3是標(biāo)準(zhǔn)Logistic分布的方差。將公式(9)～(10)代入公式(6)～(8),可以計(jì)算出標(biāo)準(zhǔn)化的回歸系數(shù),進(jìn)而可以用系數(shù)乘積法或系數(shù)差異法得到中介效應(yīng)大小,以及中介效應(yīng)占總效應(yīng)的比例等信息。

2.2 多類別等級(jí)因變量的中介效應(yīng)模型

在心理學(xué)研究中會(huì)經(jīng)常遇到等級(jí)數(shù)據(jù),比如Likert量表獲得的數(shù)據(jù)就是典型的等級(jí)變量。當(dāng)因變量為多個(gè)類別的等級(jí)變量時(shí),可以采用累積Logistic模型進(jìn)行回歸分析。

對(duì)任一類別

j

,Logit

P

是自變量

X

的線性函數(shù),

α

和

β

為待估參數(shù)。累積Logistic回歸模型嚴(yán)格遵循成比例發(fā)生比(Proportional Odds)假設(shè),即自變量的回歸系數(shù)

β

與

j

無關(guān)(McCullagh,1980)。

本研究把累積 Logistic回歸拓展到中介效應(yīng)的分析過程中,則圖1描述的中介效應(yīng)模型可以表示為：

其中,

X

和

M

為連續(xù)變量,方程(14)與方程(3)相同。在方程(12)和(13)中由于

c

,

b

和

c’

不會(huì)因?yàn)?p>j

的取值不同而發(fā)生變化,所以中介效應(yīng)的大小并不受因變量等級(jí)類別數(shù)的影響,而且其標(biāo)準(zhǔn)化方法也與二分因變量的相同。

2.3 等級(jí)因變量中介效應(yīng)的檢驗(yàn)和區(qū)間估計(jì)

標(biāo)準(zhǔn)化回歸系數(shù)對(duì)應(yīng)的標(biāo)準(zhǔn)誤為(MacKinnon,2008)：

3 模擬研究

3.1 模擬設(shè)計(jì)

模擬研究中考慮的主要因素有：因變量等級(jí)數(shù)、樣本容量、中介效應(yīng)和分析方法。

(1)因變量等級(jí)數(shù)：取二類、三類和五類三個(gè)水平。二分變量服從二項(xiàng)分布取值為 0-1;三類別和五類別因變量服從多項(xiàng)分布,取值分別為0,1,2和0,1,2,3,4。對(duì)于自變量和中介變量,假設(shè)其服從標(biāo)準(zhǔn)正態(tài)分布。

(2)樣本量從小到大依次取 50,100,200,500,1000五個(gè)水平。

(3)對(duì)中介效應(yīng)大小,參照 MacKinnon等人(2007)的研究,分別設(shè)定標(biāo)準(zhǔn)化回歸系數(shù)a、b與c′為0,0.14,0.39和0.59四個(gè)水平。當(dāng)三個(gè)回歸系數(shù)均為 0.59時(shí),轉(zhuǎn)換成 logit形式的回歸系數(shù)是非實(shí)數(shù)解,因而取消這種組合條件后,對(duì)于中介效應(yīng)的大小總共有63種組合條件。在這些組合條件下,一共產(chǎn)生了7種中介效應(yīng)值,分別為0,0.0196,0.0546,0.0826,0.1521,0.2301,0.3481。

(4)中介效應(yīng)的分析方法,包括正確的等級(jí)因變量(對(duì)于二分變量,采用Logistic回歸模型;對(duì)于三類別或五類別等級(jí)變量,采用累積Logistic模型)和錯(cuò)誤的連續(xù)變量兩種回歸分析方法,每種分析方法下又都包含系數(shù)乘積法和系數(shù)差異兩種方法,因而交叉組合后共有4種分析方法。

本模擬實(shí)驗(yàn)共生成3×5×63=945組數(shù)據(jù),每種條件重復(fù)500次。對(duì)于每組數(shù)據(jù)采用4種分析方法計(jì)算中介效應(yīng)。模擬數(shù)據(jù)的生成和分析均采用Mplus 6.0完成,數(shù)據(jù)的整理和評(píng)價(jià)指標(biāo)計(jì)算采用SPSS軟件。

3.2 評(píng)價(jià)指標(biāo)

評(píng)價(jià)不同分析方法優(yōu)劣的指標(biāo)主要有：中介效應(yīng)估計(jì)的精度(包括中介效應(yīng)的估計(jì)偏差和誤差均方根)、中介效應(yīng)標(biāo)準(zhǔn)誤估計(jì)的精度、估計(jì)中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率、統(tǒng)計(jì)檢驗(yàn)力、一類錯(cuò)誤概率等。

4 模擬研究結(jié)果

4.1 模型收斂情況

在所有的數(shù)據(jù)條件下,采用錯(cuò)誤的連續(xù)數(shù)據(jù)的方法處理中介效應(yīng)不存在收斂的問題。采用Logistic回歸的收斂比率介于 96.28%～100%之間,大多數(shù)條件下的分析全部收斂,只有個(gè)別條件下,如樣本量很小(樣本量為 50),或中介效應(yīng)很大(如標(biāo)準(zhǔn)化系數(shù)b和c′均為0.59)時(shí),存在部分結(jié)果不收斂的問題,但是總體來看不收斂比率很低。值得注意的是隨著因變量類別數(shù)的增多,小樣本情況下不收斂的比例有增加的趨勢。

4.2 中介效應(yīng)估計(jì)精度

對(duì)于每種條件下的數(shù)據(jù)分別采用4種方法進(jìn)行中介效應(yīng)的估計(jì),分別為等級(jí)變量的系數(shù)乘積法(

ab

)和系數(shù)差異法(

c-c’

)和連續(xù)變量的系數(shù)乘積法(

ab

)和系數(shù)差異法(

c-c′

)。圖2(a)-(c)給出了采用不同的估計(jì)方法得到的中介效應(yīng)的相對(duì)偏差。由于采用連續(xù)變量的回歸分析方法,系數(shù)乘積法(

ab

)和系數(shù)差異法(

c-c′

)得到的結(jié)果相同,這里只呈現(xiàn)系數(shù)乘積法(

ab

)的結(jié)果。圖2(a)-(c)顯示：中介效應(yīng)的相對(duì)偏差整體上為負(fù),三種方法得到的中介效應(yīng)均有不同程度的低估,但是使用正確方法得到的相對(duì)偏差較小。如對(duì)二分因變量的數(shù)據(jù),三種方法之間差異最大,使用Logistic回歸估計(jì)中介效應(yīng)

ab

的相對(duì)偏差最小(接近于零),其次是系數(shù)差異法(

c-c’

)的相對(duì)偏差,而使用連續(xù)因變量回歸得到中介效應(yīng)

ab

的相對(duì)偏差最大。三種估計(jì)方法之間的差異隨著因變量類別數(shù)的增加而減小,當(dāng)因變量增大到五個(gè)類別時(shí),三種方法之間的差異已經(jīng)很小。估計(jì)相對(duì)偏差隨著中介效應(yīng)的增大而增大,樣本量的大小對(duì)中介效應(yīng)估計(jì)相對(duì)偏差的影響不大。中介效應(yīng)估計(jì)的誤差均方根的結(jié)果表明,對(duì)于二分類的數(shù)據(jù)和三分類的數(shù)據(jù),到的中介效應(yīng)

ab

的精度相對(duì)較低。圖2(d)-(f)給出了不同方法中介效應(yīng)估計(jì)的誤差均方根與中介效應(yīng)大小的關(guān)系?？梢钥闯?三種方法隨著中介效應(yīng)的增大誤差均方根均有增大的趨勢,對(duì)于二分類的因變量,中介效應(yīng)較小時(shí),

ab

和

ab

之間的差異較小,但是隨著中介效應(yīng)的增大,連續(xù)數(shù)據(jù)的處理方法

ab

得到的中介效應(yīng)估計(jì)的誤差均方根明顯大于等級(jí)變量的系數(shù)差異法(

ab

)的結(jié)果;同時(shí),在任何情況下系數(shù)差異法得到的結(jié)果都比系數(shù)乘積法得到的結(jié)果略差。此外,圖2 (f)所示的不同方法的誤差均方根均比圖(d)和(e)中相應(yīng)的該方法下的結(jié)使用 Logistic回歸估計(jì)中介效應(yīng)

ab

的精度最高,而系數(shù)差異法(

c-c’

)和使用連續(xù)因變量回歸得果要小,說明中介效應(yīng)估計(jì)的精度受因變量類別數(shù)影響,因變量的類別數(shù)越多,參數(shù)估計(jì)精度越高。圖2 (f)還顯示,當(dāng)因變量的類別數(shù)達(dá)到五個(gè)時(shí),連續(xù)數(shù)據(jù)分析方法的誤差均方根與等級(jí)數(shù)據(jù)分析方法的結(jié)果已經(jīng)非常接近了。

圖2 不同方法中介效應(yīng)估計(jì)的偏差和誤差均方根與中介效應(yīng)大小的關(guān)系

中介效應(yīng)估計(jì)的相對(duì)偏差隨樣本量的增大,沒有明顯的變化趨勢。中介效應(yīng)估計(jì)的誤差均方根隨著樣本量的增大有明顯的減小趨勢(表1),在樣本量較小時(shí),即使采用了正確的等級(jí)數(shù)據(jù)的分析方法,中介效應(yīng)估計(jì)的誤差均方根仍然較大,在樣本量小于 200的情況下,出現(xiàn)了比錯(cuò)誤的連續(xù)數(shù)據(jù)處理方法得到的誤差還要略大的情況。可見,對(duì)于等級(jí)數(shù)據(jù),要想得到較為準(zhǔn)確的參數(shù)估計(jì)結(jié)果,對(duì)樣本量的要求更高,當(dāng)樣本量高于200時(shí),等級(jí)數(shù)據(jù)的分析方法得到的中介效應(yīng)的估計(jì)精度要高于連續(xù)數(shù)據(jù),尤其是對(duì)于二分因變量的結(jié)果。

表1 中介效應(yīng)估計(jì)的誤差均方根與樣本量的關(guān)系

4.3 中介效應(yīng)標(biāo)準(zhǔn)誤估計(jì)的精度

中介效應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤對(duì)中介效應(yīng)的檢驗(yàn)和區(qū)間估計(jì)非常重要,這里采用相對(duì)偏差描述標(biāo)準(zhǔn)誤估計(jì)的精度。即對(duì)每種條件下,分別計(jì)算500個(gè)中介效應(yīng)估計(jì)值的標(biāo)準(zhǔn)差(將其看做標(biāo)準(zhǔn)誤的真值,記為

T

)和500個(gè)中介效應(yīng)估計(jì)值對(duì)應(yīng)的標(biāo)準(zhǔn)誤的均值(

M

),則標(biāo)準(zhǔn)誤對(duì)應(yīng)的相對(duì)偏差為：

(M-T)/T

。附表1給出了中介效應(yīng)估計(jì)值標(biāo)準(zhǔn)誤的相對(duì)偏差,從附表1可以看出,在各種條件下,無論采用分類數(shù)據(jù)的 Logistic回歸還是通常的線性回歸,系數(shù)乘積法的對(duì)應(yīng)的相對(duì)偏差遠(yuǎn)遠(yuǎn)小于系數(shù)差異法,而且系數(shù)差異法對(duì)應(yīng)的相對(duì)偏差在所有條件下均小于零,說明低估了中介效應(yīng)的標(biāo)準(zhǔn)誤。另外,對(duì)于系數(shù)乘積法,在各種條件下,兩種回歸的中介效應(yīng)標(biāo)準(zhǔn)誤估計(jì)偏差相當(dāng)接近,并且絕對(duì)值都不超過0.05,說明對(duì)于系數(shù)乘積法,中介效應(yīng)標(biāo)準(zhǔn)誤估計(jì)的偏差不大。

4.4 中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率

應(yīng)用正態(tài)分布理論,通過估計(jì)值±1.96×估計(jì)標(biāo)準(zhǔn)誤來構(gòu)建 95%的置信區(qū)間,每一種條件下的 500次重復(fù)中置信區(qū)間包含真值的比例,稱作中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率(CI Recovery Rate)。覆蓋率的大小可以從一定程度上反映估計(jì)中介效應(yīng)的準(zhǔn)確性。附表2給出了不同方法中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率。結(jié)果表明,對(duì)于正確的等級(jí)數(shù)據(jù)的分析方法,在絕大多數(shù)條件下,系數(shù)乘積法

ab

得到的置信區(qū)間對(duì)真值的覆蓋率均接近95%,且這一覆蓋率不受中介效應(yīng)大小、樣本量大小和因變量類別數(shù)的影響,是最優(yōu)的分析方法;而對(duì)于等級(jí)數(shù)據(jù)系數(shù)差異法

c-c’

得到的置信區(qū)間的覆蓋率在70%左右,每種情況下均顯著低于系數(shù)乘積法,結(jié)合標(biāo)準(zhǔn)誤的估計(jì)精度,系數(shù)差異法覆蓋率低與標(biāo)準(zhǔn)誤被低估有關(guān)。因變量類別數(shù)較少時(shí),系數(shù)乘積法

ab

得到的真值覆蓋率顯著低于等級(jí)數(shù)據(jù)系數(shù)乘積法

ab

的結(jié)果,但是隨著因變量類別數(shù)的增加,

ab

法得到的覆蓋率越來越接近95%。因此,就中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率來看,

ab

方法應(yīng)是首選,另外與前面中介效應(yīng)估計(jì)精度的結(jié)果一致,隨著因變量類別數(shù)的增加,采用連續(xù)變量回歸的系數(shù)乘積法與正確Logistic回歸的標(biāo)準(zhǔn)化系數(shù)乘積法差異越來越小。

4.5 統(tǒng)計(jì)檢驗(yàn)力

中介效應(yīng)的統(tǒng)計(jì)檢驗(yàn)力(Power)反映了中介效應(yīng)的真值不為0時(shí),其估計(jì)值也顯著不等于0的概率。每種條件下的500次重復(fù)中,對(duì)于0.05的顯著性水平,得到檢驗(yàn)結(jié)果顯著的比例稱作該條件的統(tǒng)計(jì)檢驗(yàn)力。附表3給出了中介效應(yīng)統(tǒng)計(jì)檢驗(yàn)力的估計(jì)結(jié)果。從檢驗(yàn)力的結(jié)果可以看出隨著中介效應(yīng)的增大和樣本量的增加,等級(jí)數(shù)據(jù)分析方法和連續(xù)數(shù)據(jù)分析方法的檢驗(yàn)力都隨之增大,且中介效應(yīng)

ab

和中介效應(yīng)

ab

的統(tǒng)計(jì)檢驗(yàn)力差異不大,但在系數(shù)差異法的估計(jì)結(jié)果上,連續(xù)數(shù)據(jù)分析方法(

c-c’

)的檢驗(yàn)力要略高于等級(jí)數(shù)據(jù)分析方法(

c-c’

),尤其是在中介效應(yīng)較小或樣本量較小的情況下,兩者差異略大。相對(duì)于系數(shù)乘積法,系數(shù)差異法的檢驗(yàn)力略高,可能是因?yàn)橄禂?shù)差異法低估了標(biāo)準(zhǔn)誤而導(dǎo)致的。另外,隨著因變量類別數(shù)的增加,中介效應(yīng)的統(tǒng)計(jì)檢驗(yàn)力有增大的趨勢,但變化趨勢不太明顯。值得注意的是,統(tǒng)計(jì)檢驗(yàn)力差異不大并不能說明兩種方法沒有差異,這可能是因?yàn)殄e(cuò)誤使用連續(xù)數(shù)據(jù)的處理方法后,中介效應(yīng)值和標(biāo)準(zhǔn)誤均被低估而導(dǎo)致的(結(jié)合參數(shù)估計(jì)精度部分和標(biāo)準(zhǔn)誤估計(jì)精度的結(jié)果)。

4.6 第Ⅰ類錯(cuò)誤

當(dāng)中介效應(yīng)的真值為0時(shí),如果估計(jì)得到的中介效應(yīng)顯著不等于 0,那么在統(tǒng)計(jì)上是犯了第Ⅰ類錯(cuò)誤(Type Ⅰ Error)。在500次重復(fù)條件中,發(fā)生第Ⅰ類錯(cuò)誤所占的比例稱作第Ⅰ類錯(cuò)誤率。在本研究中,中介效應(yīng)的真值等于 0的情況分為三種：(1)a=b=0;(2) a=0,b≠0;(3) a≠0,b=0。附表4 給出了不同分析方法下中介效應(yīng)第Ⅰ類錯(cuò)誤率的比較結(jié)果。對(duì)于0.05的顯著性水平,整體來看,等級(jí)數(shù)據(jù)分析方法和連續(xù)數(shù)據(jù)分析方法,系數(shù)乘積法得到的中介效應(yīng)第Ⅰ類錯(cuò)誤率分別為0.01270和0.01299,兩者差異不大,且都不超過 0.05;系數(shù)差異法得到的中介效應(yīng)第Ⅰ類錯(cuò)誤率分別為0.11310和0.14530,說明系數(shù)差異法犯第Ⅰ類錯(cuò)誤的概率較大,這與前面的系數(shù)差異法低估標(biāo)準(zhǔn)誤的結(jié)論一致。每種條件下,系數(shù)乘積法所犯的第Ⅰ類錯(cuò)誤率都明顯小于系數(shù)差異法;其次,在不同的樣本量條件下,同是系數(shù)乘積法計(jì)算得到的中介效應(yīng),使用 Logistic回歸所犯的第Ⅰ類錯(cuò)誤率與使用連續(xù)變量回歸所犯的第Ⅰ類錯(cuò)誤率相差很小;對(duì)于系數(shù)差異法得到的中介效應(yīng)的第Ⅰ類錯(cuò)誤率,等級(jí)數(shù)據(jù)的分析方法小于連續(xù)數(shù)據(jù)分析方法。對(duì)于a、b同時(shí)等于0的情況,不同方法所犯第Ⅰ類錯(cuò)誤率均低于a、b不同時(shí)等于0的情況,當(dāng) a=0,b≠0時(shí),系數(shù)差異法所犯第Ⅰ類錯(cuò)誤率最大。

5 等級(jí)因變量中介效應(yīng)分析步驟與應(yīng)用

下面通過一個(gè)實(shí)際應(yīng)用的例子來源于：Anderson,R.E.,Hair,J.F.,Tatham,R.L.,&Black,W.C.(2006). :Pearson.P28-31.,說明因變量為等級(jí)變量時(shí)中介效應(yīng)的分析步驟。

研究問題：采用消費(fèi)心理學(xué)中關(guān)于100名顧客購買行為所受影響因素研究的數(shù)據(jù),研究者要求被試填寫對(duì) HBAT公司產(chǎn)品的質(zhì)量和對(duì)商家服務(wù)滿意度的評(píng)定量表,并隨后記錄了被試是否購買了該商家的產(chǎn)品。研究目的是探討顧客的購買行為(

Y

)、產(chǎn)品質(zhì)量(

X

)和顧客對(duì)商家滿意度(

M

)之間的關(guān)系。本研究中假設(shè)

Y

為因變量,

X

為自變量,

M

為中介變量,其中顧客的購買行為

Y

為二分變量,1表示購買,0表示不購買。

X

和

M

為連續(xù)變量。

第一步：回歸分析

這一步需要做以下三個(gè)回歸：

(1)做因變量

Y

對(duì)自變量

X

的Logistic回歸,得到

c

的估計(jì)值以及對(duì)應(yīng)的標(biāo)準(zhǔn)誤

SEc

的估計(jì)值。本例中計(jì)算得到

c

=1.058,

SEc

=0.217。(2)做因變量為

M

,自變量為

X

的線性回歸,得到

a

的估計(jì)值以及對(duì)應(yīng)的標(biāo)準(zhǔn)誤

SEa

。本例計(jì)算得到

a

=0.415,

SEa

=0.075。(3)做因變量

Y

對(duì)自變量

X

和

M

的Logistic回歸,得到

b

和

c'

的估計(jì)值以及對(duì)應(yīng)的標(biāo)準(zhǔn)誤。本例計(jì)算得到

b

=0.959,

Seb

=0.283;

c'

=0.755,

SEc'

=0.221。

第二步：標(biāo)準(zhǔn)化

這一步需要將第一步計(jì)算得到的回歸系數(shù)通過標(biāo)準(zhǔn)化的方法轉(zhuǎn)換到統(tǒng)一的量尺上。

(1)計(jì)算

X

、

M

、

Y'

和

Y"

的標(biāo)準(zhǔn)差、方差以及

X

和

M

的協(xié)方差,在本例中

SD

(

X

)=1.396

SD

(

M

)=1.192,

Var

(

X

)=1.950,

Var

(

M

)=1.420,

Cov

(

X

,

M

)=0.809。分別用公式(9)和(10)計(jì)算

Y'

和

Y"

的方差。

V ar

(

Y

')=5.473,

Var

(

Y

'')=6.879,

Y'

和

Y"

的標(biāo)準(zhǔn)差分別為2.339和2.623。(2)分別用公式(6)～(8)對(duì)回歸系數(shù)標(biāo)準(zhǔn)化。標(biāo)準(zhǔn)化的回歸系數(shù)分別為：

b

=0.436,

c

=0.631,

c

=0.402。

本研究的結(jié)果顯示系數(shù)乘積法(

ab

)是最優(yōu)的,推薦使用系數(shù)乘積法的估計(jì)結(jié)果。

中介效應(yīng)對(duì)應(yīng)的標(biāo)準(zhǔn)誤為：

以上第一步可以通過SPSS或SAS軟件做回歸得到,第二步和第三步可以通過簡單計(jì)算得到。另外,Mplus軟件可以直接得到標(biāo)準(zhǔn)化后的系數(shù)及標(biāo)準(zhǔn)誤估計(jì),附錄中給出Mplus的語句。關(guān)于中介效應(yīng)更多的應(yīng)用程序和資料可以參考Hayes (2013)的介紹。

6 討論

若中介模型中的因變量是等級(jí)數(shù)據(jù),則應(yīng)使用等級(jí)因變量的 Logistic回歸來估計(jì)中介效應(yīng);如果錯(cuò)誤地使用連續(xù)因變量的線性回歸方法,會(huì)導(dǎo)致明顯低估的中介效應(yīng),低估的標(biāo)準(zhǔn)誤結(jié)果和不正確的置信區(qū)間估計(jì)等問題。對(duì)于等級(jí)因變量,可以采用Logistic回歸估計(jì)得到回歸系數(shù),再通過對(duì)回歸系數(shù)標(biāo)準(zhǔn)化實(shí)現(xiàn)回歸系數(shù)尺度的統(tǒng)一和具有可比性。

本研究比較了系數(shù)乘積法和系數(shù)差異法的差異,無論是正確的等級(jí)數(shù)據(jù)分析方法還是錯(cuò)誤的使用連續(xù)數(shù)據(jù)分析方法,均表現(xiàn)為較一致的趨勢,即在各個(gè)統(tǒng)計(jì)檢驗(yàn)指標(biāo)上,包括中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率和第Ⅰ類錯(cuò)誤率,不同條件下的系數(shù)乘積法總是優(yōu)于系數(shù)差異法,這與因變量為連續(xù)變量時(shí)的研究結(jié)果相一致(MacKinnon等人,2002)。造成這個(gè)結(jié)果的原因在于兩種表示中介效應(yīng)方法的標(biāo)準(zhǔn)誤的計(jì)算不同,從更深層的原因來說,系數(shù)差異法的標(biāo)準(zhǔn)誤計(jì)算未能充分地、直接地考慮中介變量對(duì)因變量的影響,計(jì)算得到的標(biāo)準(zhǔn)誤出現(xiàn)低估,正是由于這一點(diǎn),系數(shù)差異法的標(biāo)準(zhǔn)誤比乘積法的標(biāo)準(zhǔn)誤小,檢驗(yàn)力出現(xiàn)虛假的偏高。系數(shù)乘積法可以得到更加準(zhǔn)確的參數(shù)估計(jì)結(jié)果和標(biāo)準(zhǔn)誤估計(jì)值,同時(shí),所犯第Ⅰ類錯(cuò)誤的概率也比系數(shù)差異法小。從研究結(jié)果還可以看出,Logistic回歸的系數(shù)乘積法得到的中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率始終在95%左右,表現(xiàn)出了比系數(shù)差異法非常明顯的優(yōu)勢,這一結(jié)論與MacKinnon (2008)的研究一致。另外,詳細(xì)考察不同條件下的檢驗(yàn)力和第Ⅰ類錯(cuò)誤率的結(jié)果發(fā)現(xiàn),系數(shù)差異法對(duì)中介效應(yīng)檢驗(yàn)的顯著性可能更偏向于中介變量和因變量之間的關(guān)系,即對(duì)于同樣大小的中介效應(yīng)ab值,b值增大可能會(huì)得到更強(qiáng)的檢驗(yàn)力,以及增大第Ⅰ類錯(cuò)誤率,而系數(shù)乘積法沒有這樣的趨勢。如對(duì)于三類別等級(jí)因變量,中介效應(yīng)為0.0826的情況可以是a=0.14,b=0.59的組合,也可以是 a=0.59,b=0.14的組合,對(duì)于樣本量為500的情況,兩種組合情況下系數(shù)差異法的檢驗(yàn)力分別為0.93和0.50,顯然系數(shù)b大時(shí),檢驗(yàn)力更大;同樣,a=0而b≠0時(shí)所犯的第Ⅰ類錯(cuò)誤率始終大于b=0而a≠0時(shí)的第Ⅰ類錯(cuò)誤率,且隨著類別數(shù)增加,這種趨勢更加明顯。這一研究結(jié)果也與MacKinnon等人(2002)得到的連續(xù)變量的結(jié)果一致。對(duì)于等級(jí)因變量的中介效應(yīng)分析方法的選擇,根據(jù)本研究的結(jié)果推薦使用正確的 Logistic回歸得到的結(jié)果,對(duì)于中介效應(yīng)的估計(jì)建議采用系數(shù)乘積法。

當(dāng)因變量的類別數(shù)增加時(shí),連續(xù)數(shù)據(jù)分析方法的估計(jì)結(jié)果與等級(jí)數(shù)據(jù)分析方法的結(jié)果越發(fā)接近,也就是說,當(dāng)類別數(shù)增加到一定程度,連續(xù)數(shù)據(jù)分析方法帶來的偏差很小。在本研究中,當(dāng)因變量類別數(shù)增大到五類別時(shí),采用系數(shù)乘積法時(shí),中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋率上,等級(jí)數(shù)據(jù)分析方法和連續(xù)數(shù)據(jù)分析方法的結(jié)果分別是 95%與 93%左右;第 I類錯(cuò)誤率均在 0.014左右。如果因變量類別數(shù)從五類別繼續(xù)增加,可以預(yù)計(jì)連續(xù)數(shù)據(jù)分析的結(jié)果能夠達(dá)到可接受的水平。這主要是因?yàn)榈燃?jí)變量隨著類別數(shù)的增加越來越接近于連續(xù)數(shù)據(jù),也就越來越近似滿足連續(xù)回歸分析的假設(shè)。但是,雖然本研究的結(jié)果表明當(dāng)?shù)燃?jí)變量的類別數(shù)增大到5及以上時(shí),可以采用連續(xù)變量的分析方法進(jìn)行中介效應(yīng)分析,在實(shí)際應(yīng)用中仍然需要結(jié)合具體的研究問題進(jìn)行回歸方法的選擇,并對(duì)結(jié)果做出合理的有意義的解釋(Rucker,Preacher,Tormala,&Petty,2011)。比如,對(duì)累積Logistic回歸結(jié)果的解釋可以和不同類別的發(fā)生比聯(lián)系起來,而連續(xù)數(shù)據(jù)的處理方法就無法提供這一方面信息,因而如果研究者關(guān)注自變量對(duì)因變量發(fā)生等級(jí)類別的變化的影響,則需要采用累積Logistic回歸的方法。

在小樣本情況中,等級(jí)數(shù)據(jù)分析方法會(huì)變得難以收斂,尤其是在中介效應(yīng)較大時(shí);同時(shí),在大樣本情況下,等級(jí)數(shù)據(jù)處理方法的優(yōu)勢相對(duì)比較明顯。這些結(jié)果表明,對(duì)于等級(jí)因變量,要得到穩(wěn)定的參數(shù)估計(jì)結(jié)果,可能需要比連續(xù)數(shù)據(jù)更大的樣本量。比如樣本量大于200時(shí),才有可能得到相對(duì)精確的、比連續(xù)數(shù)據(jù)方法更有效的參數(shù)估計(jì)結(jié)果。

最后,從中介效應(yīng)檢驗(yàn)的角度來考慮,應(yīng)該對(duì)中介效應(yīng)及其標(biāo)準(zhǔn)誤進(jìn)行標(biāo)準(zhǔn)化。標(biāo)準(zhǔn)化方法有完全標(biāo)準(zhǔn)化和部分標(biāo)準(zhǔn)化之分,在不同軟件中計(jì)算方法稍有不同,如果采用SPSS和SAS需要自己做一些計(jì)算,或者可以應(yīng)用 Hayes提供的語句(http://www.afhayes.com/)。在 Mplus軟件中,采用完全標(biāo)準(zhǔn)化(STDYX)程序可以直接得到標(biāo)準(zhǔn)化的結(jié)果,應(yīng)用起來比較方便,并且很容易推廣到多個(gè)自變量、中介變量和多個(gè)因變量以及潛變量的情景。

7 局限性與展望

此外,本研究只考慮了因變量是等級(jí)數(shù)據(jù)的中介效應(yīng)分析,當(dāng)自變量和中介變量是等級(jí)數(shù)據(jù)時(shí)的中介效應(yīng)并沒有展開分析和討論。實(shí)際上,如果自變量是等級(jí)數(shù)據(jù),可以轉(zhuǎn)換成虛擬變量,再采用傳統(tǒng)的回歸分析就可以進(jìn)行中介效應(yīng)分析。如果中介變量是等級(jí)變量,可以進(jìn)行中介變量對(duì)自變量的Logistic回歸分析(參數(shù)估計(jì)以及標(biāo)準(zhǔn)化的方法與本文中進(jìn)行因變量對(duì)中介變量的Logistic回歸的方法相同),以及把中介變量轉(zhuǎn)換成虛擬變量后,進(jìn)行因變量對(duì)自變量和中介變量的傳統(tǒng)回歸分析,再采用系數(shù)乘積法或者系數(shù)差異法估計(jì)中介效應(yīng)的大小以及進(jìn)行假設(shè)檢驗(yàn)或者區(qū)間估計(jì)。研究者在實(shí)際應(yīng)用中應(yīng)該首先考察自變量、中介變量和因變量的性質(zhì),選擇合適的回歸模型進(jìn)行中介效應(yīng)分析。

8 研究結(jié)論

本研究可以得出以下結(jié)論：

(1)如果中介模型的因變量是二分類或者是多類別的等級(jí)變量,應(yīng)該使用Logistic回歸分析方法;如果使用了連續(xù)數(shù)據(jù)分析方法,將會(huì)得到有偏的結(jié)果,會(huì)造成中介效應(yīng)估計(jì)值精度偏低、中介效應(yīng)置信區(qū)間對(duì)真值覆蓋率偏低、低估標(biāo)準(zhǔn)誤等問題。

(2)對(duì)于等級(jí)因變量的中介效應(yīng)估計(jì),系數(shù)乘積法得到的結(jié)果和系數(shù)差異法存在差異,系數(shù)乘積法的結(jié)果更為準(zhǔn)確。

(3)當(dāng)因變量的類別數(shù)較多(5及以上)時(shí),可以考慮使用連續(xù)數(shù)據(jù)分析方法,這時(shí)需要結(jié)合中介效應(yīng)大小、樣本量等情況來分析使用某一種數(shù)據(jù)分析方法的利弊。

Aroian,L.A.(1947).The probability function of the product of two normally distributed variables.

Annals of Mathematical Statistics,18

,265–271.Baron,R.M.,&Kenny,D.A.(1986).The moderator-mediator variable distinction in social psychological research:Conceptual,strategic,and statistical considerations.

Journal of Personality and Social Psychology,51

(6),1173–1182.Fang,J.,Zhang,M.Q.,&Qiu,H.Z.(2012).Mediation analysis and effect size measurement:Retrospect and prospect.

Psychological Development and Education,28

(1),105–111.

[方杰,張敏強(qiáng),邱皓政.(2012).中介效應(yīng)的檢驗(yàn)方法和效果量測量:回顧與展望.心理發(fā)展與教育,28(1),105–111.]

Fang,J.,&Zhang,M.Q.(2012).Assessing point and interval estimation for the mediating effect:Distribution of the product,nonparametric Bootstrap and Markov Chain Monte Carlo methods.

Acta Psychologica Sinica,44

(10),1408–1420.

[方杰,張敏強(qiáng).(2012).中介效應(yīng)的點(diǎn)估計(jì)和區(qū)間估計(jì):乘積分布法、非參數(shù) Bootstrap和 MCMC法.心理學(xué)報(bào),44(10),1408–1420.]

Freedman,L.S.,&Schatzkin,A.(1992).Sample size for studying intermediate endpoints within intervention trails or observational studies.

American Journal of Epidemiology,136

,1148–1159.Goodman,L.A.(1960).On the exact variance of products.

Journal of the American Statistical Association,55

,708–713.Hayes,A.F.(2013).

Introduction to mediation,moderation,and conditional process analysis:A regression-based approach.

New York:Guilford Press.Iacobucci,D.(2012).Mediation analysis and categorical variables:The final frontier.

Journal of Consumer Psychology,22

,582–594.Li,Y.,Schneider,J.A.,&Bennett,D.A.(2007).Estimation of the mediation effect with a binary mediator.

Statistics in Medicine,26

,3398–3414.MacKinnon,D.P.(2008).

Introduction to statistical mediation analysis.

New York:London Lawrence Erlbaum Associates.MacKinnon,D.P.,&Dwyer,J.H.(1993).Estimating mediated effects in prevention studies.

Evaluation Review,17

,144–158.MacKinnon,D.P.,Lockwood,C.M.,Brown,C.H.,Wang W.,&Hoffman,J.M.(2007).The intermediate endpoint effect in logistic and probit regression.

Clinical Trials,4

,499–513.MacKinnon,D.P.,Lockwood,C.M.,Hoffman,J.M.,West,S.G.,&Sheets,V.(2002).A comparison of methods to test mediation and other intervening variable effects.

Psychological Methods,7

(1),83–104.MacKinnon,D.P.,Warsi,G.,&Dwyer,J.H.(1995).A simulation study of mediated effect measures.

Multivariate Behavioral Research,

30,41–62.McCullagh,P.(1980).Regression models for ordinal data(with discussion).

Journal of the Royal Statistical Society.Series B,42

(2),109–142.Muthén,B.(1984).A general structural equation model with dichotomous,ordered categorical,and continuous latent variable indicators.

Psychometrika,49

,115–132.Muthén,B.,&Kaplan,D.(1985).A comparison of some methodologies for the factor analysis of non-normal Likert variables.

British Journal of Mathematical and Statistical Psychology,38

,171–189.Nelder,J.A.,&Wedderburn,R.W.M.(1972).Generalized linear models.

Journal of the Royal Statistical Society.Series A,135

,370–384.Preacher,K.J.,&Kelley,K.(2011).Effect size measures for mediation models:Quantitative strategies for communicating indirect effects.

Psychological Methods,16

,93–115.Pregibon,D.(1981).Logistic regression diagnostics.

The Annals of Statistics,9

,705–724.Rhemtulla,M.,Brosseau-Liard,P.é.,&Savalei,V.(2012).When can categorical variables be treated as continuous? A comparison of robust continuous and categorical SEM estimation methods under suboptimal conditions.

Psychological Methods,17

,354–373.Rucker,D.D.,Preacher,K.J.,Tormala,Z.L.,&Petty,R.E.(2011).Mediation analysis in social psychology:Current practices and new recommendations.

Social and Personality Psychology Compass,5

(6),359–371.Sobel,M.E.(1982).Asymptotic confidence intervals for indirect effects in structural equation models

.

In S.Leinhardt (Ed.),

Sociological methodology

(pp.290–312).Washington,DC:American Sociological Association.Wen,Z.L.,Chang,L.,Hau,K.T.,&Liu,H.Y.(2004).Testing and application of the mediating effects.

Acta Psychologica Sinica,36

(5),614–620.

[溫忠麟,張雷,侯杰泰,劉紅云.(2004).中介效應(yīng)檢驗(yàn)程序及其應(yīng)用.心理學(xué)報(bào),36(5),614–620.]

Wen,Z.L.,Liu,H.Y.,&Hau,K.T.(2012).

Analysis of moderating and mediating effects.

Beijing,China:Educational Science Publishing House.

[溫忠麟,劉紅云,侯杰泰.(2012).調(diào)節(jié)效應(yīng)和中介效應(yīng)分析.北京:教育科學(xué)出版社.]

Winship,C.,&Mare,R.D.(1983).Structural equations and path analysis for discrete data.

American Journal of Sociology,89

,54–110.Yuan,Y.,&MacKinnon,D.P.(2009).Bayesian Mediation Analysis.

Psychological Method

s

,14

(4),301–322.Zhao,X.S.,Lynch,J.G.,Jr.,&Chen,Q.M.(2010).Reconsidering Baron and Kenny:Myths and truths about mediation analysis.

Journal of Consumer Research,37

,197–206.

附錄：因變量為等級(jí)變量的中介效應(yīng)分析Mplus語句

TITLE:this is an example of a Mediation in Categorical Data Analysis

DATA:FILE IS data.dat;

VARIABLE:NAMES ARE id x m y;

CATEGORICAL ARE y;

ANALYSIS:

ESTIMATOR=ML;

MODEL:y on x m;

m on x;

OUTPUT:standardized;

附表1 中介效應(yīng)估計(jì)值的標(biāo)準(zhǔn)誤相對(duì)偏差

附表2 中介效應(yīng)置信區(qū)間對(duì)真值的覆蓋比例(%)

附表3 中介效應(yīng)的檢驗(yàn)力

附表4 中介效應(yīng)第Ⅰ類錯(cuò)誤率