中介效应的三类区间估计方法

由于中介效应ab的估计量通常不是正态分布, 因此需用不对称置信区间进行中介效应分析。详述了三类获得不对称置信区间的方法, 包括乘积分布法(M法和经验M法)、Bootstrap方法(偏差校正和未校正的非参数百分位Bootstrap方法、偏差校正和未校正的参数百分位残差Bootstrap方法)和马尔科夫链蒙特卡罗(MCMC)方法。比较了三类方法在单层(简单和多重)和多层中介效应分析中的表现, 发现三类方法的表现相近, 与乘积分布法相比, 偏差校正的百分位Bootstrap方法表现较好, 但有先验信息的MCMC方法能更有效降低均方误。最后对中介效应不对称置信区间研究的拓展方向做了展望。     

三类多层中介效应分析方法比较

比较了贝叶斯法、Monte Carlo法和参数Bootstrap法在2-1-1多层中介分析中的表现。结果发现：1)有先验信息的贝叶斯法的中介效应点估计和区间估计都最准确;2)无先验信息的贝叶斯法、Monte Carlo法、偏差校正和未校正的参数Bootstrap法的中介效应点估计和区间估计表现相当,但Monte Carlo法在第Ⅰ类错误率和区间宽度指标上表现略优于其他三种方法,偏差校正的Bootstrap法在统计检验力上表现略优于其他三种方法,但在第Ⅰ类错误率上表现最差;结果表明,当有先验信息时,推荐使用贝叶斯法;当先验信息不可得时,推荐使用Monte Carlo法。     

有中介的调节模型检验方法：甄别和整合*

在心理和教育研究中,经常遇到调节和中介效应。模型包含不止3个变量时,可能同时包含调节和中介变量,一种常见的模型是有中介的调节模型。本文评介了文献上可以找到的五种检验有中介的调节模型的方法,逐一甄别,指出其中一些不合理之处,并推荐较好的方法。整合其中主要方法,总结出检验有中介的调节模型的流程,用偏差校正的百分位 Bootstrap 法或马尔科夫链蒙特卡罗法检验其中的中介效应,并用一个实际例子演示如何用此流程检验有中介的调节模型。     

中介效应的点估计和区间估计:乘积分布法、非参数Bootstrap和MCMC法

针对中介效应ab的抽样分布往往不是正态分布的问题,学者近年提出了三类无需对ab的抽样分布进行任何限制且适用于中、小样本的方法,包括乘积分布法、非参数Bootstrap和马尔科夫链蒙特卡罗(MCMC)方法.采用模拟技术比较了三类方法在中介效应分析中的表现.结果发现:1)有先验信息的MCMC方法的ab点估计最准确;2)有先验信息的MCMC方法的统计功效最高,但付出了低估第Ⅰ类错误率的代价,偏差校正的非参数百分位Bootstrap方法的统计功效其次,但付出了高估第Ⅰ类错误率的代价;3)有先验信息的MCMC方法的中介效应区间估计最准确.结果表明,当有先验信息时,推荐使用有先验信息的MCMC方法;当先验信息不可得时,推荐使用偏差校正的非参数百分位Bootstrap方法.     

基于结构方程模型的有调节的中介效应分析

有调节的中介模型是中介过程受到调节变量影响的模型。指出了目前有调节的中介效应分析普遍存在的问题：当前有调节的中介效应检验大多使用多元线性回归分析,忽略了测量误差;而基于结构方程模型(SEM)的有调节的中介效应分析需要产生乘积指标,又会面临乘积指标生成和乘积项非正态分布的问题。在简介潜调节结构方程(LMS)方法后,建议使用LMS方法得到偏差校正的bootstrap置信区间来进行基于SEM的有调节的中介效应分析。总结出一个有调节的中介SEM分析流程,并有示例和相应的Mplus程序。文末展望了LMS和有调节的中介模型的发展方向。     

中介效应的检验方法和效果量测量:回顾与展望

通过中介效应检验方法之间的比较和效果量指标之间的比较,建议放弃将总效应c显著作为中介效应检验的前提条件,放弃基于直接效应c'显著性的完全和部分中介的提法,推荐使用偏差校正的百分位Bootstrap法直接对中介效应ab进行检验,使用κ²、R_med²等中介效果量指标并报告效果量的置信区间。作为示例,用R软件的MBESS软件包对某消防员饮食健康调查进行了中介效应检验和效果量测量。随后展望了中介效应检验方法和效果量测量的拓展方向。     

参数和非参数Bootstrap方法的简单中介效应分析比较

采用数据模拟技术比较了(偏差校正和未校正的)参数和非参数Bootstrap方法在简单中介效应分析中的表现。结果表明,1)偏差校正的Bootstrap法的总体表现优于未校正的Bootstrap方法,但在某些条件下会高估第Ⅰ类错误率,导致在 时的置信区间偏差较大。2)参数Bootstrap方法优于非参数Bootstrap方法,偏差校正的参数百分位残差Bootstrap法的综合表现最优,且具有适用范围广,对原始样本依赖性小的优点,最具实用性。     

有调节的多层中介效应分析

多层中介和多层调节效应分析在社科领域已常有应用,但如果将多层中介和调节整合在一起,可以产生2（多层中介类型）×2（调节变量的层次）×3（调节的中介路径）共12种有调节的多层中介模型。面对有调节的多层中介效应分析,研究者往往束手无策。详述了基于多层线性模型的12种有调节的多层中介的分析方法和基于多层结构方程模型的4类有调节的多层中介分析方法,包括正交分割法,随机系数预测法,潜调节结构方程法和贝叶斯合理值法。这四类方法的核心议题在于如何处理潜调节项。当样本量足够大时,建议选择潜调节结构方程法;当样本量不足时,建议选择贝叶斯合理值法。随后用一个实际例子演示如何进行有调节的多层中介效应分析并有相应的Mplus程序。最后展望了有调节的多层中介效应分析研究的拓展方向。     

中介效应分析:方法和模型发展

在心理学和其他社科研究领域,大量实证文章建立中介效应模型,以分析自变量对因变量的影响过程和作用机制。检验中介效应最流行的方法是Baron和Kenny的逐步法,但近年来不断受到批评和质疑,有人甚至呼吁停止使用其中的依次检验,改用目前普遍认为比较好的Bootstrap法直接检验系数乘积。本文对相关的议题做了辨析,并讨论了中介分析中建立因果关系的方法。综合新近的研究成果,总结出一个中介效应分析流程,并分别给出显变量和潜变量Mplus程序。最后介绍了中介效应模型的发展。     

基于结构方程模型的多重中介效应分析

多重中介模型是指存在多个中介变量的模型。多重中介模型可以分析特定中介效应、总的中介效应和对比中介效应。指出了目前多重中介模型分析普遍存在的问题,包括分析不完整、使用Sobel检验带来的局限。建议通过增加辅助变量的方法进行完整的多重中介效应分析,使用偏差校正的Bootstrap方法进行中介检验。总结出一个多重中介SEM分析流程,并有示例和相应的MPLUS程序。随后展望了辅助变量和中介效应检验方法的发展方向。     

有调节的中介模型检验方法：竞争还是替补?

在心理和其他社科研究领域, 经常遇到中介和调节变量。模型的变量多于3个时, 可能同时包含中介和调节变量, 一种常见的模型是有调节的中介模型。本文检视文献上各种检验有调节的中介模型的方法, 理清方法之间是竞争关系(分清优劣)还是替补关系(分清先后), 在此基础上总结出检验有调节的中介模型的步骤, 并用一个实例进行演示。文中也讨论了有调节的中介模型与有中介的调节模型的联系与区别。     

基于两水平被试内设计的中介效应分析方法

在心理学和其他社科研究领域,通常的中介效应分析都基于被试间设计,研究者对于如何分析基于被试内设计的中介效应往往并不清楚。本文阐述了两水平被试内设计的中介效应分析方法(依次检验法和路径分析法),综合各方法优缺点给出一个分析流程,并用应用研究实例演示如何分析两水平被试内中介效应,最后展望了基于被试内设计的中介效应分析研究的拓展方向。     

Methods for integrating moderation and mediation: a general analytical framework using moderated path analysis

Studies that combine moderation and mediation are prevalent in basic and applied psychology research. Typically, these studies are framed in terms of moderated mediation or mediated moderation, both of which involve similar analytical approaches. Unfortunately, these approaches have important shortcomings that conceal the nature of the moderated and the mediated effects under investigation. This article presents a general analytical framework for combining moderation and mediation that integrates moderated regression analysis and path analysis. This framework clarifies how moderator variables influence the paths that constitute the direct, indirect, and total effects of mediated models. The authors empirically illustrate this framework and give step-by-step instructions for estimation and interpretation. They summarize the advantages of their framework over current approaches, explain how it subsumes moderated mediation and mediated moderation, and describe how it can accommodate additional moderator and mediator variables, curvilinear relationships, and structural equation models with latent variables.     

新世纪20年国内心理统计方法研究回顾

新世纪头20年, 国内心理学11本专业期刊一共发表了213篇统计方法研究论文。研究范围主要包括以下10类(按论文篇数排序)：结构方程模型、测验信度、中介效应、效应量与检验力、纵向研究、调节效应、探索性因子分析、潜在类别模型、共同方法偏差和多层线性模型。对各类做了简单的回顾与梳理。结果发现, 国内心理统计方法研究的广度和深度都不断增加, 研究热点在相互融合中共同发展; 但综述类论文比例较大, 原创性研究论文比例有待提高, 研究力量也有待加强。     

Evaluating mediation and moderation effects in school psychology: A presentation of methods and review of current practice

Third variable effects elucidate the relation between two other variables, and can describe why they are related or under what conditions they are related. This article demonstrates methods to analyze two third-variable effects: moderation and mediation. The utility of examining moderation and mediation effects in school psychology is described and current use of the analyses in applied school psychology research is reviewed and evaluated. Proper statistical methods to test the effects are presented, and different effect size measures for the models are provided. Extensions of the basic moderator and mediator models are also described.