mediation analysis（中介分析）二

2023-02-24 18:19:01Python029

mediation analysis（中介分析）二,第1张

之前整理过一篇中介分析 https://www.jianshu.com/p/a8912fcf5910

的笔记，那只是初步理论，等到真正做时会出现各种情况，这个不显著啦，那个显著，怎么直接和间接效应符号相反啊，等等，所以，有必要再整理一下。

茫茫网海中找到一篇特别好的，感谢原作者，粘贴过来可以帮助更多人。 https://www.shangyexinzhi.com/article/1603825.html

导读

中介效应分析时有时会遇到三种不想遇到的统计结果：

(1)自变量X对因变量Y的总效应c不显著；

(2)中介效应ab与直接效应c’的符合相反；

(3)直接效应c’不显著。

前两种结果均属于遮掩效应范畴, 第三种属于完全中介范畴。如何区分和解释完全中介与遮掩效应, 请仔细阅读下文。

解析

知识回顾：

考虑自变量 X 对因变量 Y 的影响, 如果 X 通过影响变量 M 而对 Y 产生影响, 则称 M 为中介变量, 它可以分析变量之间影响的过程和机制。例如, 你通过室友认识你现在的女朋友, 那么你的室友就相当于中介变量。采用回归方程描述三个变量之间的关系(如下图所示)：

(1) Y=cX+e1：X对Y的回归；

(2) M=aX+e2：X对M的回归；

(3) Y=c'X+bM+e3：X、M对Y的回归。

解读：

c：总效应（total effect）：未加入中介变量前, 自变量对因变量的影响大小；

c’：直接效应（direct effect）：加入中介变量后, 自变量对因变量的影响大小；

a*b：间接效应（indirect effect）：a是自变量对中介变量的影响大小, b是中介变量对因变量的影响大小。

关系：c =c′+ab

中介效应占总效应的比例, 即ab/(c′+ab)。

中介效应占直接效应的比例, 即ab/c′。

传统中介效应检验流程：

以上三个回归方程也从数学的视角形象描述了中介效应检验流程：

第一步：检验c的显著性, 即自变量对因变量的影响；(注：c不显著无需进行后续分析, 中介不存在)

第二步：检验a 的显著性, 即自变量对中介变量的影响；

第三步：检验b和c’的显著性, 即中介变量对因变量的影响(b) , 自变量对因变量的直接影响(c’)；(a、b至少有一个不显著, 采用Sobel检验, 结果显著, 则是部分中介, 反之, 中介不存在)

判断依据：a和b均显著, 说明中介效应显著。c’不显著, 则是完全中介；c’显著, 部分中介。

上述检验步骤是Kenny (1986)提出依次检验法(causal steps approach), 也称因果逐步法, 但近年来这种方法一直备受争议。

争议点1：自变量X对因变量Y的总效应c是否作为中介效应检验的前提？

如果系数 c 不显著, 就直接判定为中介效应不显著是有些武断的。有学者认为这个前提条件是不必要的, 这个前提条件的存在使得许多本来有意义的中介研究停止在第一步, 抑制了中介研究的发展和应用, 因为在系数 c 不显著的情况下完全可能存在中介效应。例如, Shrout和Bolger(2002)指出当ab 和 c' 方向相反时, 就可能会导致系数 c 不显著。Preacher和Hayes(2008)指出在有两个中介变量的模型中, 如果两个中介效应方向相反, 也可能会导致系数c不显著。

另一方面, 如果系数 c 不显著, 就说明 X 对 Y 的影响不显著, 如果还进一步探索“X如何影响 Y”或者“X 对 Y 的作用机制是什么”, 有些不合常理。此时, 合理的问题应当是“X 为何不影响Y”, 建模的逻辑已经与前面说的中介模型的逻辑不同了。比方说, 如果一个人买了房子, 你可以问“他是通过中介买的, 还是自己直接买的？”但如果一个人没有房子, 此时的问题应当是“他为啥没有房子？”, 可能根本就没有买过, 也可能买了又卖掉了(类似于符号相反的抵消)。

争议点2：区分完全中介和部分中介是否合适？

完全中介与部分中介提出的初衷在于对中介效应量的描述和解释, 后来研究者质疑这种区分的合适性。主要原因包括：

(1) 完全中介还是部分中介取决于回归系数 c' 是否显著, 而 c' 的显著性会受到样本量的影响。样本量越大, 标准误越小, c' 越容易得到显著的结果。所以, 完全中介和部分中介可能没有实质性的区分, 当你收集足够大的样本时, 之前完全中介的结论可能变为部分中介。

(2) 完全中介并不意味着中介变量是唯一的, 实际上可能还存在其他中介变量。由此可见, 完全中介的结论容易阻碍研究者进一步探索其他中介变量, 从这个角度而言, 完全中介应该解释为“主要中介”可能更为合适。

因此, Preacher和Hayes (2008)呼吁放弃完全中介的概念, 将所有中介都看作是部分中介。也有研究者建议直接报告间接效应和直接效应的显著性, 是可取的做法。那么如果直接效应c’不显著如何解释？可以表述为：自变量X主要通过中介变量M影响因变量Y。

新中介效应检验流程：

除了依次检验法外, 也发展了多种替代的检验方法, 例如, 乘积系数Sobel检验、差异系数检验法和Bootstrap法。其中, Bootstrap法的统计检验力最高, 已被广泛应用于中介效应检验, 但每种检验方法都有利弊, 因此, 温忠麟等人(2014)综合了依次检验法和 Bootstrap 法的优点, 推荐先尝试简单的依次检验 a 和 b, 如果不显著则用 Bootstrap 法直接检验系数乘积 ab 以提高检验力。采用这一流程, 无论是考虑第一类错误率、检验力还是结果的解释性, 与单纯的 Bootstrap 法检验系数乘积相比, 只会更好不会更差。

注：图中箭头的增减纯属个人意见。

第一步：对总效应 c 进行检验。如果总效应显著, 则按中介效应立论。否则, 按照遮掩效应立论。总效应 c 是否显著都不影响之后的检验, 只是最后的结果解释有所不同。

第二步：对中介效应涉及的两个路径系数 a 和 b 进行依次检验。如果二者都显著, 则说明中介效应存在, 报告 ab 的置信区间, 转到第四步检验直接效应。这里计算置信区间也应该用 Bootstrap 方法而非 Sobel 方法。如果系数 a 和 b 中至少有一个不显著, 进行第三步。

第三步：使用 Bootstrap 方法检验假设 H0: ab=0。如果结果显著, 则中介效应存在, 进入第四步直接效应的检验。如果结果不显著, 则就可以判定中介效应不存在, 分析停止。

第四步, 确定中介效应存在后, 检验直接效应 c'。若不显著, 则说明是完全中介效应。按照中介效应解释结果即可。否则, 系数显著, 说明存在中介效应, 进行下一步。

第五步, 中介效应和直接效应都存在时, 比较 ab 和 c'的符号。若二者同号, 则说明是部分中介效应, 报告效应量 ab/c。如果二者符号相反, 则说明是遮掩效应, 报告效应量|ab/c'|。除了 ab/c 或|ab/c'|, 也可以酌情报告其他的效应量。

遮掩效应：

在传统的中介效应检验中, 要求系数c必须显著, 方可继续后续分析。在这一前提下, 中介效应用来说明“X如何影响Y”, 或“X 对 Y 的影响机制”。然而, 温忠麟等(2014)指出, 即使系数 c 不显著, 间接效应还是可能存在, 因为可能存在间接效应(ab) 符号与直接效应( c’) 的符号相反, 出现效应被遮掩的情况, 不少文献称之为“遮掩效应”(温忠麟, 叶宝娟, 2014), 属于广义上的中介效应。这个时候, 中介模型的逻辑已从传统中介模型“X 对 Y 的影响机制”转变为“X 是如何不影响 Y 的机制”。

如何解释：

(1) 如果ab与c’的符号相同, 则按中介效应解释, 结果报告中应报告 ab /c；

(2) 如果ab与c’的符号相反, 则按遮掩效应解释, 结果报告中应报告 | ab /c'|；

按照总效应c是否显著又可以分为两种情况：

① ab与c’符号相反, c也显著, 可以直接解释为X通过提高或降低M, 进而降低或提高Y；

样例参考：

② ab与 c’符号相反, c不显著, 应该解释为X如何不影响Y。

样例参考：

参考文献：

苏斌原, 张卫, 苏勤, 喻承甫. (2016). 父母网络监管对青少年网络游戏成瘾为何事与愿违？——一个有调节的中介效应模型. 心理发展与教育, 5, 604–613.

温忠麟, 叶宝娟. (2014). 中介效应分析: 方法和模型发展．心理科学进展, 5, 731–745.

罗一君, 孔繁昌, 牛更枫, 周宗奎. (2017). 压力事件对初中生抑郁的影响:网络使用动机与网络使用强度的作用. 心理发展与教育, 3, 337–344.

Shrout, P. E., &Bolger, N. (2002). Mediation in experimental and nonexperimental studies: New procedures and recommendations. Psychological Methods, 7, 422–445.

Preacher, K. J., &Hayes, A. F. (2008). Asymptotic and resampling strategies for assessing and comparing indirect

effects in multiple mediator models. Behavior Research Methods, 40, 879–891.

Baron, R. M., &Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51, 1173–1182.

————————————————————————————————————————

还有一个视频也超级不错 https://www.bilibili.com/video/BV1m4411D7YJ?from=search&seid=6539399468085227875

中介效应，它指的是X对Y的影响是通过M实现的，也就是说M是X的函数，Y是M的函数（Y-M-X）。考虑自变量X对因变量Y的影响，如果X通过M影响变量Y，则称M为中介变量。下面我们主要从下面四个方面来解说：

[if !supportLineBreakNewLine]

[endif]

实际应用

理论思想

建立模型

[if !supportLineBreakNewLine]

[endif]

分析结果

[if !supportLineBreakNewLine]

[endif]

一、实际应用

在社会科学研究中，研究自变量（X）对应变量（Y）影响时，常会受到第三个变量（M）的影响。如果影响模式如图1所示，M仅对Y有影响，但M与X没有关系时，我们可以把M当做协变量来处理X与M均为分类变量时，采用方差分析；X为分类，M为连续变量，可以采用协方差；X为连续，M为连续，采用回归分析；X为连续，M为分类，可以采用分层回归分析进行解释。。

图1

然而很多时候，M对X会发生一定的作用，如X通过M影响Y的中介作用

部分中介作用，X对Y有直接作用，也可以通过M对Y起作用，犹如X和Y是同班同学，但是通过M正式介绍，成为男女朋友关系；

完全中介作用，X对Y的作用完全通过M传达。例如，某种治疗癌症的药物（X）需要通过特定的酶（M）才能有效杀死肿瘤细胞（Y），如果体内缺少这种酶，药物的作用将失效或作用大大降低。可见中介变量是参与整个因果过程中的重要一环，不可或缺，正因如此，中介效应分析的前提是变量间存在明确的（理论上或事实上的）因果关系。

[if !supportLineBreakNewLine]

[endif]

二、理论思想

在统计处理上，中介效应通过依次回归实现，下图为中介效应分析路径图，自变量X对因变量Y的影响，如果X变量通过影响M变量来影响Y变量，则M为中介变量。通常将变量经过中心化转化后，得方程1：Y=cX+e1；方程2：M=aX+e2；方程3：Y=

c′X+bM+e3。其中，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。当只有一个中介变量时，效应之间有c=c′+ab，中介效应的大小用c-c′=ab来衡量。

中介变量示意图

SPSS实现中介效应与调节效应其实就是利用回归来做。

[if !supportLineBreakNewLine]

[endif]

三、建立模型

[if !supportLineBreakNewLine]

[endif]