常见的类别变量的有调节的中介模型分析

社科研究领域常用到类别变量的中介和调节效应分析。如果中介和调节整合在一起,当自变量或调节变量为类别变量时,应当如何进行有调节的中介效应分析呢？以两阶段被调节的中介模型为例,详述了类别自变量或类别调节变量的有调节的中介效应分析的方法,接着用实际例子演示如何进行分析,并给出了相应的Mplus程序。最后展望了未来的拓展方向,包括模型拓展、变量拓展（二分因变量）和类别变量的编码拓展。     

国内中介效应的方法学研究

中介效应可以分析自变量对因变量的影响过程和作用机制, 已成为分析多个变量之间关系的一种重要统计方法。最近20年, 中介效应成了研究方法的一个热点。从中介效应的检验方法、效应量、类别变量的中介效应检验、纵向数据的中介效应检验和模型拓展(包括多重中介、多层中介、有调节的中介和有中介的调节模型)五个方面系统总结了国内中介效应的方法学研究的发展历程。最后对中介效应的国外方法学研究进展和中介效应的未来研究方向做了讨论和拓展。     

基于多元回归的调节效应分析

在心理学和其他社科研究领域,大量实证研究建立调节模型,以分析自变量对因变量关系的影响机制,但在基于多元回归的调节效应分析实践中仍存在不足。我们回顾了均值中心化在基于多元回归的调节效应分析中的作用,均值中心化不影响乘积项(即调节效应)的检验,仅对一阶项(即主效应)的检验有影响。讨论了简单斜率的检验方法,建议在调节变量为连续变量时,使用Johnson-Neyman法进行简单斜率检验;在调节变量为类别变量或研究者对某个调节变量值感兴趣时,使用选点法。并用一个实际例子演示如何进行调节效应分析。随后展望了调节效应检验的拓展方向。     

两类常见的类别变量调节效应分析

类别变量在心理学和其他社科研究领域经常遇到,当自变量或调节变量为类别变量时,应当如何分析调节效应呢？详述了多类别变量的被试间设计和两水平被试内设计（因变量重复测量2次）的调节效应分析方法,并给出了分析流程。先进行调节效应的显著性检验,后用选点法或Johnson-Neyman法进行简单斜率检验。多类别变量被试间设计的简单斜率检验是先进行整体检验,后进行配对检验。用两个实际例子演示如何进行类别变量的调节效应分析,最后展望了两类设计的类别变量的调节研究的拓展方向,例如更复杂的类别变量的调节模型等。     

多重中介模型及其应用

多重中介模型研究的是自变量与因变量之间存在多个中介变量的情形.通过对多重中介模型的解析发现,链式多重中介模型与并行多重中介模型是多重中介效应的基本构成单元.多重中介效应分析应包括总体中介效应与个别中介效应的估计与检验、个别中介效应之间的比较与检验以及个别中介效应组合间的比较与检验等内容.作为示例,运用多重中介模型分析了管理者执行力对其绩效的影响.     

调节效应与中介效应的比较和应用

讨论了调节变量的概念和调节效应分析方法,并简要介绍了中介变量的概念和中介效应分析方法。从研究目的、关联概念、典型模型、变量的位置和功能、效应的估计和检验方法等角度,对调节变量和中介变量、调节效应和中介效应以及相应的模型做了系统的比较。作为应用例子,在儿童行为对同伴关系的影响研究中分析和比较了调节变量和中介变量。     

基于正则化的探索性中介分析:原理与应用

探索性中介分析被定义为从变量集合中筛选潜在中介变量的方法,该方法能在缺乏理论基础的情况下帮助研究者从数据中挖掘潜在中介机制,提供模型构建上的指导。本文介绍了一种基于正则化的探索性中介分析方法XMed(exploratory mediation analysis via regularization)。相比于传统探索性中介分析方法,XMed具有检验力更高、所需样本量更小、能高效地处理高维数据等优点,在认知神经科学、临床心理学等心理学领域有较大的应用潜力。本文主要介绍XMed的原理和实现过程,并通过实例分析展示该方法的应用。     

多水平随机中介效应估计及其比较

本文在综述各类多水平中介模型的基础上, 聚焦于自变量、中介变量、因变量都来自多水平结构中较低水平的多水平随机中介效应模型, 通过蒙特卡洛模拟研究比较该模型与简化的多水平固定中介效应模型、传统中介效应模型的差别, 并考察了目前用于多水平随机中介效应的三种参数估计方法：限制性极大似然、极大似然、最小方差二次无偏估计在不同情况下对随机中介效应估计的优劣。研究结果显示：当数据符合多水平随机中介效应模型时, 使用简化模型将错误估计中介效应及其标准误, 得到不正确的统计检验结果; 使用多水平随机中介效应模型能够实现对中介效应的正确估计和检验, 其中限制性极大似然或极大似然估计方法优于最小方差二次无偏估计方法。     

纵向数据的调节效应分析

目前调节效应检验主要是基于截面数据, 本文讨论纵向(追踪)数据的调节效应分析。如果自变量X和因变量Y有纵向数据, 调节效应可分为三类：调节变量Z不随时间变化、Z随时间变化、调节变量从自变量或因变量中产生。评介了基于多层模型、多层结构方程模型、交叉滞后模型和潜变量增长模型的纵向数据的多种调节效应分析方法。调节效应的分解和潜调节结构方程法的使用是纵向数据的调节效应分析的两大特点。对基于四类模型的调节效应分析方法进行综合比较后, 总结出一个纵向数据的调节效应分析流程。随后用实际例子演示如何进行纵向数据的调节效应分析, 并给出相应的Mplus程序。随后展望了纵向数据的调节效应分析的拓展方向, 例如基于动态结构方程模型的密集追踪数据的调节效应分析。     

有中介的调节变量和有调节的中介变量

研究了有中介的调节效应模型和有调节的中介效应模型,两种模型都涉及到中介变量和调节变量。分别讨论了这两种模型的分析方法,两者基本上都是按中介效应模型的分析步骤,但其中都有一步要做调节效应的分析。还讨论了同时包含有中介的调节变量和有调节的中介变量的混合模型。最后,作为示范例子,用混合模型分析儿童行为对同伴关系的影响,结果发现,如果混合模型中的调节都设定是线性的,那么调节变量对因果关系是二次调节     

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。     

Mediation analysis and categorical variables: The final frontier

Many scholars are interested in understanding the process by which an independent variable affects a dependent variable, perhaps in part directly and perhaps in part indirectly, occurring through the activation of a mediator. Researchers are facile at testing for mediation when all the variables are continuous, but a definitive answer had been lacking heretofore as to how to analyze the data when the mediator or dependent variable is categorical. This paper describes the problems that arise as well as the potential solutions. In the end, a solution is recommended that is both optimal in its statistical qualities as well as practical and easily implemented: compute z_Mediation.     

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。     

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。     

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。     

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。     

纵向数据的中介效应分析

目前中介效应检验主要是基于截面数据,但许多时候截面数据的中介分析不适合进行因果推断,因而需要收集历时性的纵向数据,进行纵向数据的中介分析。评介了基于交叉滞后面板模型、多层线性模型和潜变量增长模型的纵向数据的中介分析方法及其四个发展。第一,中介效应随时间变化,如连续时间模型、多层时变系数模型。第二,中介效应随个体变化,如随机效应的交叉滞后面板模型和多层自回归模型。第三,中介模型的整合,如交叉滞后面板模型与多层线性模型整合为多层自回归模型。第四,中介检验方法的发展,建议使用Monte Carlo、Bootstrap和贝叶斯法进行纵向数据的中介分析。总结出一个纵向数据的中介分析流程并给出相应的Mplus程序。随后展望了纵向数据的中介分析的拓展方向。