中介效应(逐步检验法与Sobel检验).docx

中介效应是一种统计学概念，它涉及自变量X对因变量Y的影响过程中，通过一个或多个中介变量M的作用。在分析这种效应时，我们通常关注X如何通过M来影响Y，而不是直接作用于Y。这种机制在社会科学、心理学、市场营销等领域广泛应用，因为它有助于揭示复杂的因果关系链。 中介效应检验的方法主要包括逐步检验法、Sobel检验和Bootstrap检验。在进行这些检验前，数据预处理步骤是必要的，这通常包括将所有变量进行中心化，确保它们的均值为0，以便消除潜在的尺度影响。 1. 逐步检验法： 此方法分为三个步骤： - 第一步：检查X对Y的总效应，即方程(1)的系数c。 - 第二步：考察X与M的关系，即方程(2)的系数a。 - 第三步：在控制M的情况下，检查X对Y的影响，即方程(3)的系数c'和b。 当c、a和b显著且c'<c时，表明存在显著的中介效应。若c'显著，表示存在部分中介效应；若c'不显著，可能是完全中介效应。 在STATA中，可以使用以下命令进行逐步检验： - Center Y x m control：进行变量中心化。 - reg y m x：分别分析y与m，x与y的关系。 - reg y m x：加入m，观察x与y在m控制下的关系。 2. Sobel检验： Sobel检验是一种统计方法，用于评估中介变量M的中介效应是否显著。在STATA中，需先安装sgmediation命令，然后输入相关命令进行分析。结果包括Sobel统计量的p值，如果小于0.1，说明中介效应显著。此外，还会显示自变量、中介变量的回归系数以及它们对因变量的影响大小。中介效应和直接效应在总效应中的比例也会给出。 3. Bootstrap检验： Bootstrap是一种非参数方法，用于估计统计量的分布和计算置信区间。在STATA中，我们可以设定重复抽样次数（例如500次），然后用sgmediation命令进行中介效应和直接效应的计算。之后，使用estat bootstrap, percentile bc命令计算间接效应的置信区间，并基于该区间判断中介效应是否显著。 中介效应检验是理解和解释变量间复杂关系的重要工具。通过逐步检验法、Sobel检验和Bootstrap检验，我们可以更深入地理解自变量如何通过中介变量影响因变量，这对于理论构建和实证研究具有重要意义。在实际应用中，选择合适的检验方法取决于研究问题的特性以及数据的可用性。