直接效应
从 X 到 Y、不经过中介变量的路径(c 撇)。
PLS-SEM 方法
PLS-SEM 中的中介效应:一个效应如何通过第三个变量起作用
中介分析考察预测变量是否除了直接影响结果之外,还通过一个居中的中介变量间接影响结果。本页解释直接效应、间接效应与总效应、如何对中介进行分类、一个算例,以及常见误区。
中介分析检验什么
中介把预测变量 X 对结果 Y 的效应拆成两条路径。直接效应是从 X 直接到 Y 的路径。间接效应经由中介变量 M:X 作用于 M,M 作用于 Y。间接效应是这两条路径的乘积(a 乘以 b),总效应是直接效应加间接效应。
中介回答一个效应"如何"产生。如果培训之所以在一定程度上提升绩效,是因为它提高了动机,那么动机就是中介变量,培训对绩效的效应就部分是间接的。
一个算例
设 X 为培训、M 为动机、Y 为绩效。模型估计 a = 0.50(培训到动机)和 b = 0.60(动机到绩效),因此间接效应为 0.50 乘以 0.60 = 0.30。直接效应 c’ 为 0.10 且不显著,所以总效应为 0.30 加 0.10 = 0.40。
由于间接效应显著而直接效应不显著,这属于完全(仅间接)中介:培训几乎完全是通过提高动机来提升绩效的。
如何对结果进行分类
先用自助法检验间接效应(a 乘以 b)。再看直接效应,以判定中介的类型。
- 间接显著、直接不显著
- 完全中介(仅间接)。X 对 Y 的效应完全经由中介变量。
- 间接显著、直接显著
- 部分中介(互补或竞争)。一部分效应经由 M,一部分是直接的。
- 间接不显著、直接显著
- 无中介(仅直接)。X 直接作用于 Y,而非经由 M。
- 间接不显著、直接不显著
- 没有需要解释的效应。两条路径都不显著。
用自助法置信区间来判断间接效应,而不是分别看 a 和 b 的显著性。较早的 Baron 与 Kenny 步骤已不再被推荐。
关键量
间接效应
经由中介变量的效应,即乘积 a 乘以 b。当有多个中介变量时,每条链都有自己的特定间接效应。
总效应
直接效应加上 X 对 Y 的所有间接效应。
VAF
Variance accounted for:间接效应除以总效应。它表示总效应中有多少由中介变量承担。
逐步运行中介分析
- 指定预测变量、中介变量和结果,设定 X 到 M、M 到 Y 以及直接的 X 到 Y 这几条路径。
- 估计模型,得到直接效应和特定间接效应(a 乘以 b)。
- 用自助法得到间接效应的置信区间;若区间不含零,则显著。
- 依据间接效应与直接效应的显著性,对中介进行分类。
- 报告直接、间接和总效应,并可选报告 VAF。
常见误区
- 使用较早的 Baron 与 Kenny 因果步骤法或 Sobel 检验,而不是对间接效应做自助法。自助法是当前的标准。
- 把部分中介称作完全中介的较弱形式。它们是不同的结论,而非排名。
- 分别检验 a 和 b 而不是乘积 a 乘以 b。两者都显著并不保证间接效应显著。
- 从横断面数据就宣称中介,仿佛它是因果的。中介是一种因果主张,需要研究设计来支撑。
OpenPLS 中的中介效应
OpenPLS 在结果中直接给出每条关系的直接效应、每条中介链的特定间接效应以及总效应。加上自助法即可得到间接效应的置信区间并对中介进行分类。免费,且在浏览器中运行。
常见问题
- 中介效应与调节效应有何区别?
- 中介效应解释 X 如何作用于 Y,经由路径上的中介变量。调节效应解释 X 到 Y 的效应在何种条件下更强或更弱,取决于第三个变量。中介关乎机制,调节关乎条件。
- 完全中介与部分中介是什么?
- 完全(仅间接)中介指间接效应显著而直接效应不显著,效应完全经由中介变量。部分中介指两者都显著,效应在直接路径与中介变量之间分配。
- 必须对间接效应做自助法吗?
- 是的。间接效应是两个系数的乘积,其分布并不对称,因此应以自助法置信区间来判断,而不是分别看两条路径的显著性。
延伸阅读
标准文献为 Zhao, X., Lynch, J. G., & Chen, Q. (2010). Reconsidering Baron and Kenny: myths and truths about mediation analysis. Journal of Consumer Research, 37(2), 197-206,以及 Nitzl, C., Roldan, J. L., & Cepeda, G. (2016). Mediation analysis in partial least squares path modeling. Industrial Management & Data Systems, 116(9), 1849-1864。实用论述见 Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 第 3 版, Sage。