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YMX，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，例如，上司的归因研究：下属的表现，上司对下属表现的归因，上司对下属表现的反应，其中上司对下属表现的归因为中介变量，假设变量已经中心化或标准化，可用所示的路径图和相应的方程来说明变量之间的关系，其中，c是X对Y的总效应，ab是经过中介变量M的中介效应mediatingeffect，c是直接效应
方法/步骤1.录入原始数据。如图所示，原始数据一般采用excel表格来录入，第一列为决策单元序列，比如公司、行业等；后续各列依次是产出和投入变量，切忌产出变量一定要在投入变量前面。
2.分析效率情况。如图所示，将原始数据的格式进行统一调整之后，导入deap分析软件中，设定好相应的程序和命令后，即可运行出数据分析的结果。其中firm是公司序号，crste是技术效率，vrste是纯技术效率，scale是规模效率，最后一列是规模报酬的状态，irs是规模报酬递增，drs是规模报酬递减，-是规模报酬不变。
3
2.分析冗余情况。如图所示，DEA数据分析结果会分别给出投入、产出的冗余量，其中产出冗余数值是表示产出少了多少，而投入冗余则是表示投入多了多少。
4
4.分析参考单元。如图所示，peers表示的是可以作为效率改进参照的公司序号。由结果可见，5和13的决策单元的效率值为一，这样其他公司以此作为参照，对投入产出量进行调整，便可实现DEA有效。
采用Preacher 和 Hayes ( 2008 ) 的Bootstrapping 中介效应检验方法(设置 5000 次迭代)，该方法提供中介效应的 95% 置信区间估计，如果区间估计含有 0 就表示中介效应不显著，如果区间估计不含有 0 则表示中介效应显著。
此外对中介效果量的计算结果表明，4 种效果量的置信区间都不包括0，因此心理弹性在自尊与应对方式间存在显著的中介作用。
扩展资料：
注意事项：
很多统计量是不能用bootstrap的，比如常见的非参数kernel回归，以及一些目标函数不是非常平滑的估计量，例如quantile回归、maximum score estimators等等。
bootstrap的抽样方法除了最简单的有放回抽样之外，还有各种其他的抽样方法，有参数的、非参数的，有bolck，有residual-based。这些方法如果扩展起来就有点复杂了，如果是要做test，那么不同的抽样方法会导致不同的size和power。
参考资料来源：百度百科-Bootstrap
参考资料来源：百度百科-中介效应
