干货｜还不了解中介调节模型？

在一个模型中，会出现五种类型的变量，最为熟知的为独立变量、非独立变量以及控制变量。除此以外的两种变量起的为间接作用，一种是中介变量，如果非独立变量不直接作用于独立变量，而是通过一个中介来作用，此时就存在着中介效应；另一种为调节变量，调节的作用在于调节各类效用的强度。

相信很多小伙伴在阅读文献的时候都会看到中介效应和调节效应，但是对于它们的定义以及分析方法还不太清楚。

本期就来带大家了解中介效应与调节效应的差异，以及介绍如何进行中介调节分析。

1、中介效应

1.1 中介效应介绍

当考虑自变量X对因变量Y的影响时，如果X通过影响变量M来影响Y，则称M为中介变量。X通过中介变量M对Y产生的影响就是中介效应。因此，在从自变量X到因变量Y的因果路径中，中介变量处于中间位置。也可以说，中介变量传递了自变量对因变量的效应。并且，中介关系也暗示了变量在时间上的先后顺序，即X的发生先于M，而M的发生又先于Y。

下图展示了X通过M最终到Y的过程，a为X到M的系数，b为M到Y的系数，c为X到Y的总效果，c*为X到Y的直接效果。

如果M为X到Y的中介，则需满足：

M=aX， a≠0，且显著；
Y= cX，c≠0，且显著（总效果）；
Y=bM+c*X，b≠0，且显著。

如果c*≠0, 则M为X到Y的部分中介；如果 c*=0, 则M为X到Y的完全中介，a*b表示中介效应，并且总效应等于直接效应与中介效应的和，即c=a*b+c*。

例如，父亲的社会经济地位通过影响儿子的受教育程度，从而影响儿子的社会经济地位。在这个例子中，儿子的受教育程度就是一个中介变量。下图为该例对应的中介模型：

1.2 平行中介模型 vs 链式中介模型

平行中介是指几个中介变量如M1,M2都在自变量X对因变量Y的影响中起着同等的中介作用; 平行中介模型是指中介变量之间互不影响的模型。

链式中介是指几个中介变量如M1，M2都在自变量X对因变量Y的影响中起着同等的中介作用；链式中介模型是指中介变量之间相互影响的模型。如下图有三组中介效应，分别为abc,dc,ae，其中abc为链式中介。

1.3 中介关系假设

实际中变量之间可能存在的关系很多，研究者是无法根据数据完全将中介效应和其他的第三变量效应区分开。如何确立中介变量或如何建立中介关系的假设，理论信息、前人研究结论、预研究等是重要的假设依据，需要研究者依靠这些信息做出变量间作用关系的假设，再使用数据对这些假设进行验证。

中介变量、自变量、因变量的联系：

X是自变量，Y是因变量，M是中介变量。c是X对Y的总效应，a、b是经过中介变量M的中介效应，c'是直接效应。根据Baron和Kenny等人的研究，符合以下标准的变量可以判定为中介变量：

①X 与 M 显著相关

②M 与 Y 显著相关。该标准被业内广泛接受并运用。

1.4 有调节的中介模型

为了区分中介变量与调节变量，在下面的内容中，我们将Me定义为中介变量，将Mo定义为调节变量。

有调节的中介模型的前提首先是一个中介模型，然后，这个中介效果被调节了！所以模型重心在于整个中介模型，然后才是中介效应在不同情境下的不同效果量。

这里的Me称为带调节的中介变量。

因此，按照逻辑关系，应该先验证中介效应再来验证调节效应。

2.调节变量

调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰。如果因变量 Y 和自变量 X 的关系 (回归斜率的大小和方向) 随第三个变量 Z 的变化而变化，则称Z 在 X 和 Y 之间起调节作用，此时称 Z 为调节变量。比如某高校的师资力量对高考成绩的影响，其中会受到学生中考成绩的影响，师资力量对一类学生有效，对另一类学生无效，此时我们就称中考成绩是调节变量。