中介效应分析-原理、程序、Bootstrap方法及其应用.pdf

中介中介中介中介效应分析：原理、程序、效应分析：原理、程序、效应分析：原理、程序、效应分析：原理、程序、BootstrapBootstrapBootstrapBootstrap 方法及其应用方法及其应用方法及其应用方法及其应用*陈瑞1郑毓煌2刘文静3摘要 以往研究中，中介效应分析普遍参照 Baron&Kenny（1986）的因果逐步回归分析法进行中介检验。但是，近年来诸多学者对该方法的合理性和有效性提出质疑。在此背景下，本研究对国际上近年来提出的最新中介效应检验程序和 Bootstrap 方法进行提炼总结，详细阐述了中介效应分析的原理、程序、以及使用 Bootstrap 方法的具体步骤。更为重要的是，本文不仅介绍了简单中介效应的检验，还对于研究中经常遇到的复杂的有调节的中介、多个并列中介和多步中介等多种复杂中介情况下如何进行中介效应分析进行了详细的介绍，具体涵盖 Bootstrap 方法进行中介效应检验时的软件操作、数据分析和数据汇报，这对国内研究者进行中介效应分析将提供有效、科学和便捷的指导。关键词 中介效应；因果逐步回归法；Bootstrap 方法MMMMediatiediatiediatiediationonononAnalysis:Analysis:Analysis:Analysis:P P P Principlerinciplerinciplerinciple,Procedure,Procedure,Procedure,Procedure,BootstrapBootstrapBootstrapBootstrapMethodsMethodsMethodsMethods andandandandApplicationApplicationApplicationApplications s s sA A A AbstractbstractbstractbstractPrior research has mainly applied Baron&Kennys(1986)procedures of causal stepregression in mediation tests.However,in recent years many researchers havequestioned the rationality and reliability of Baron&Kennys procedures.Based onthis background,this paper summarized the most recent mediation test procedure andBootstrap method,and elaborated principle,procedure and offers a step-by-stepinstruction for data analysis using Bootstrap.We not only introduce the simplemediation test,but also elaborate the rationales and methods for several complexmediation models such as mediated moderation,moderated mediation,multiplemediators,and serial multiple mediators,including steps of performing the bootstrapanalysis with SPSS software,data analysis and results reports.The paper will provideeffective,scientific and convenient guidance for domestic scholar.KeyKeyKeyKey wordswordswordswords Mediation Effect;Causal Step Regression;Bootstrap Method1陈瑞，清华大学经济管理学院博士研究生，。2郑毓煌，通讯作者，清华大学经济管理学院副教授，博士生导师，。3刘文静，清华大学经济管理学院助理教授，。*本研究受到国家自然科学基金（71272027，71102008）的资助。中介中介中介中介效应分析：原理、程序、效应分析：原理、程序、效应分析：原理、程序、效应分析：原理、程序、BootstrapBootstrapBootstrapBootstrap 方法及其应用方法及其应用方法及其应用方法及其应用*摘要 以往研究中，中介效应分析普遍参照 Baron&Kenny（1986）的因果逐步回归分析法进行中介检验。但是，近年来诸多学者对该方法的合理性和有效性提出质疑。在此背景下，本研究对国际上近年来提出的最新中介效应检验程序和 Bootstrap 方法进行提炼总结，详细阐述了中介效应分析的原理、程序、以及使用 Bootstrap 方法的具体步骤。更为重要的是，本文不仅介绍了简单中介效应的检验，还对于研究中经常遇到的复杂的有调节的中介、多个并列中介和多步中介等多种复杂中介情况下如何进行中介效应分析进行了详细的介绍，具体涵盖 Bootstrap 方法进行中介效应检验时的软件操作、数据分析和数据汇报，这对国内研究者进行中介效应分析将提供有效、科学和便捷的指导。关键词 中介效应；因果逐步回归法；Bootstrap 方法MMMMediatiediatiediatiediationonononAnalysis:Analysis:Analysis:Analysis:P P P Principlerinciplerinciplerinciple,Procedure,Procedure,Procedure,Procedure,BootstrapBootstrapBootstrapBootstrapMethodsMethodsMethodsMethods andandandandApplicationApplicationApplicationApplications s s sA A A AbstractbstractbstractbstractPrior research has mainly applied Baron&Kennys(1986)procedures of causal stepregression in mediation tests.However,in recent years many researchers havequestioned the rationality and reliability of Baron&Kennys procedures.Based onthis background,this paper summarized the most recent mediation test procedure andBootstrap method,and elaborated principle,procedure and offers a step-by-stepinstruction for data analysis using Bootstrap.We not only introduce the simplemediation test,but also elaborate the rationales and methods for several complexmediation models such as mediated moderation,moderated mediation,multiplemediators,and serial multiple mediators,including steps of performing the bootstrapanalysis with SPSS software,data analysis and results reports.The paper will provideeffective,scientific and convenient guidance for domestic scholar.KeyKeyKeyKey wordswordswordswords Mediation Effect;Causal Step Regression;Bootstrap Method1 1 1 1 引言引言关于中介效应的检验，大部分国内外学术研究借鉴 Baron&Kenny（1986）提出的因果逐步回归的检验方法（Causal Step Regression），该方法对中介效应的分析逻辑上直观、形象，便于研究者阐述和读者理解。根据 Google Scholar，截至 2013 年 5 月，Baron&Kenny（1986）已经被引用 37927 次。但是，近年来，在检验方法的有效性和检验程序的合理性上，不少研究者都对 Baron&Kenny（1986）因果逐步回归方法提出了质疑（MacKinnon et al.2002,Preacher&Hayes 2004,Hayes 2009,Zhao,Lynch&Chen 2010,Iacobucci 2012）。在此背景下，Zhao et al.（2010）详细探讨了中介效应的检验程序，并推荐用 Preacher&Hayes（2004）提出的 Bootstrap 方法进行中介效应的检验。近几年来，在心理学、消费者行为学、组织行为学等领域的国际顶级学术期刊发表的论文中多数已经使用 Bootstrap 方法进行中介效应检验，但是国内学术期刊中，仍然鲜有论文采用 Bootstrap 方法进行中介效应分析。同时，很多国内学者在尝试使用 Bootstrap 方法进行中介效应检验时，往往还不清楚需要汇报的结果内容，并且在遇到有调节的中介或多个中介等较为复杂的中介效应检验时，还不熟悉如何使用 Bootstrap 方法。有鉴于此，本文旨在通过对国际前沿的中介检验程序和方法的梳理和总结，以助于国内研究者掌握更有效合理的中介效应分析方法。本文首先将指出 Baron&Kenny（1986）因果逐步回归方法在中介效应检验程序和方法上存在的问题，进而讨论中介效应检验的原理和程序，之后详细阐述 Bootstrap 中介效应检验方法及其应用，并结合具体的研究案例，阐述和探讨研究中较为普遍的的几种中介效应的检验，包括简单中介（Simple Mediation）、多个中介（Multiple Mediators）、多步中介（Serial Multiple Mediators）、以及有调节的中介（ModeratedMediation）等。2 2 2 2 经典的中介效应检验方法及存在的问题经典的中介效应检验方法及存在的问题在社会学、心理学、消费者行为学、组织行为学等社会科学的研究中，中介效应的探讨是研究者特别关心的问题。对于中介效应的检验，以往研究普遍采用 Baron&Kenny(1986)提出的因果逐步回归的检验方法。Baron&Kenny（1986）提出的因果逐步回归的方法的检验程序是：首先，将自变量对因变量进行回归，回归系数c必须显著，即主效应存在是中介效应的前提（模型 1）；然后，将自变量对中介变量进行回归，回归系数a显著，即存在自变量对中介变量的影响（模型 2）最后，将自变量、中介变量同时对因变量进行回归，中介变量回归系数b应当显著（模型 3），同时自变量回归系数 c不显著，或者作用大小相对于c显著减少。同时满足上述三个条件即存在中介效应。另外，模型 3 中的系数c用于判断中介效应是部分中介（partial mediation，c显著）还是完全中介（complete mediation，c不显著）。温忠麟、张雷、侯杰泰和刘红云（2004）将该中介效应检验方法进行总结，提炼了中介效应的检验程序和具体的操作步骤，国内学者在中介效应检验时普遍参照该方法。截至 2013年 5 月，温忠麟等（2004）在知网中已被引用 1735 次。图 1 温忠麟等（2004）中介效应检验程序资料来源：温忠麟,张雷,侯杰泰,刘红云.中介效应检验程序及其应用.心理学报,2004,36(5):614-620.然而，近年来有不少学者对 Baron&Kenny（1986）的因果逐步回归方法提出质疑。首先，Baron&Kenny（1986）认为系数c显著（主效应存在）是中介效应1的根本前提，但是诸多统计检验方法的研究文章指出中介效应的存在并不需要主效应显著（MacKinnon 2000,Shrout&Bolger 2002,Preacher&Hayes 2004,Zhao et al.2010），因为可能存在两个并列的中介路径，它们的中介效应大小相近，但对因变量的影响发挥着相反的作用，两者抵消，所以主效应并没有被观测到。例如 Mitra&Lynch（1995）发现广告对价格弹性的影响存在两条路径：其一是广告扩大了消费考虑集，进而提高了价格弹性；其二是广告使产品差异化进而降低了价格弹性。其次，Baron&Kenny（1986）认为完全中介（complete mediation）是表明中介效应存在的最强有力的证据，这也成为研究者追求的完美准则；而对于既存在直接作用，又存在中介作用的情况，则只能被称作部分中介（partial mediation），并被普遍认为不是理想的结果。但是 Iacobucci(2008)指出如果中介效应检验被正确操纵和准确汇报，大部分研究结果都是部1中介效应和间接效应在概念上有些许区别：主效应存在下的间接效应称为中介效应，即间接效应包括中介效应。但无论怎样定义中介效应，都不应当认为主效应不存在的研究课题就没有价值，主效应不存在同样有必要探讨自变量对因变量的作用机理，所以中介效应的研究（或定义）不应以主效应存在为前提。检验系数c依次检验系数a,b显著a,b都显著a,b至少有一个不显著显著检验系数c部分中介完全中介不显著显著Sobel检验中介显著中介不显著不显著Y 与 X 相关不显著停止中介效应分析不显著（1）（2）（3）分中介。实际上，部分中介并不代表数据结果不完美，部分中介可能意味着自变量对因变量的影响并不是只有唯一的一个中介路径还存在其他的中介变量值得未来研究探索。因此应当进一步探讨在直接作用中未被揭示的其他中介路径，这样的其他中介路径可能与原来的中介路径作用方向一致，也可能与原来的中介路径作用方向相反。再次，在检验方法上，Baron&Kenny（1986）的方法只是一个概念化模型，并非直接检验中介效应，而是检验控制了中介变量之后，主效应显著性的变化，即检验c-c=0，而不是直接检验中介效应是否显著，即检验ab=02（Preacher&Hayes 2004）。尽管 Baron&Kenny（1986）也推荐了sobel检验用于中介分析，的确sobel检验可以直接检验中介效应ab=0。但是sobel检验并不被研究者作为主要的检验方法，而一般被用作因果逐步回归方法进行中介效应检验的补充说明。这一方面是由于sobel检验对中介效应结果的分析较为简要，只是给出了中介效应是否显著的指标，在数据结果汇报时不如因果逐步回归具体、形象；另一方面，sobel检验操作不方便，SPSS 等统计软件中没有直接进行sobel检验的方法，仍需要逐步回归求出a、b、，然后计算出z值，对应正态分布表查找显著性3。更为重要的是，sobel检验的有效性存在较大的弊端：sobel检验假设了ab服从正态分布，但是ab通常并不服从正态分布（Bollen&Stine 1990,MacKinnon et al.2004），这导致检验结果犯第一类错误的概率增加。Preacher&Hayes（2004）通过一个例子发现，尽管sobel检验没有发现中介效应（p0.05），但是使用 Bootstrap 方法，在不假设ab服从正态分布的情况下，却发现了中介作效应（p 0，则表明可能遗漏了一个与模型中假设的中介效应方向一致的中介变量，该遗漏的中介变量被称为互补中介（Complementary Mediator）；若abc0.05），表明心理需求是唯一的中介变量。4.34.34.34.3 有中介的调节和有调节的中介的检验有中介的调节和有调节的中介的检验4.3.14.3.14.3.14.3.1 有中介有中介的调节和有调节的中介的定义和区分的调节和有调节的中介的定义和区分有中介的调节（Mediated Moderation）和有调节的中介（Moderated Mediation）是实验研究中经常遇到的中介模型，也是非常容易被混淆的概念。Muller,Judd&Yzerbyt（2005）对二者进行了界定，并提出了相应的检验方法。他们认为有调节的中介是指自变量和调节变量对因变量的交互影响受到中介变量的中介作用；而有中介的调节是指自变量通过中介变量最终影响因变量的路径受到调节变量的调节作用。Muller et al.(2005)给出了例子形象的阐述有中介的调节和有调节的中介。有中介的调节的例子可以参考 Smeester et al.（2003），他们在研究囚徒困境中人们的合作行为时，首先发现思维概念启动（道德 vs.权势）和社会价值导向（自我导向 vs.社会导10使用该插件时，中介变量和因变量都必须为连续变量。11在 X 编码框中还包含次序变量编码（Sequential），具体编码意义可查阅 Hayes&Preacher(2012).向）对参与者在囚徒困境中的合作行为有交互影响。具体而言，对于社会导向的个体，道德概念下会比权势概念下有更多选择合作，而非竞争；但对于自我导向的个体，无论道德概念下还是权势概念下都会更多的选择竞争，而非合作。其次，他们认为思维概念启动和社会价值导向对参与者在囚徒困境中的合作行为的交互影响受到参与者对其伙伴行为期望的中介作用。简言之，有中介的调节是先有自变量和调节变量对因变量的交互影响，其次是这种交互影响受到中介变量的中介作用。有调节的中介的例子可以参考 Petty et al.（1993），他们研究发现正面情绪会提高个体对有悖常理的说服信息的接受程度，这种正向影响受到对说服信息正面想法的中介作用，但是这种中介机制只有对高认知需求的个体才存在，对于低认知需求的个体则不存在。同时，Muller et al.（2005）认为典型的“有调节的中介”还应当满足自变量和调节变量对因变量不存在交互影响。因此，有调节的中介是先发现了自变量对因变量的影响中存在某中介路径，其次，该中介路径会因为某个调节变量而变化，最后自变量和调节变量对因变量不能存在交互影响。但是，Muller et al.（2005）在文章最后讨论部分（p.860），又指出可以放宽有调节的中介中自变量和调节变量对因变量不存在交互影响的条件。同样，James&Bret（1984）以及Preacher,Rucker&Hayes（2007）都认为有调节的中介并不需要以自变量和调节变量对因变量不存在交互影响为前提。有鉴于此，本文认为有调节的中介是自变量对因变量影响的中介机制会因调节变量而不同。Muller et al.(2005)认为对于有调节的中介，若取消交互作用不存在这一前提，则任何有中介的调节都可称为有调节的中介（但有调节的中介并不一定是有中介的调节），并且他们提出的对有调节的中介和有中介的调节的检验方法基本是相同的，而在文章最后他们指出研究者可以依据自己的研究目的界定有调节的中介或有中介的调节，二者并无根本差异。Preacher et al.(2007)在对研究模型中包含调节变量和中介变量的中介效应检验时，不再提及有中介的调节，而仅仅阐明有调节的中介。本文同样认为有调节的中介可以涵盖有中介的调节，并且最后对中介的检验都需要落脚于基于调节变量的不同水平对中介路径进行检验，而这也是对研究假设逻辑的最清晰阐明。因此下文将统一介绍有调节的中介的检验和分析。4.3.24.3.24.3.24.3.2 有调节的中介的检验有调节的中介的检验以往研究较多采用的是 Muller et al.（2005）提出的检验方法，总体思路与 Baron&Kenny（1986）提出的简单中介检验方法相似：首先检验自变量和调节变量对因变量的交互影响，其次检验自变量和调节变量对中介变量的交互影响，再次检验加入了中介变量之后，自变量和调节变量对因变量的交互作用是否显著降低，最后，依据调节变量的不同水平分析自变量对因变量影响的中介路径。具体检验过程可参阅 Muller et al.（2005）、张莉等（2011），本文不再赘述。Preacher et al.(2007)提出了对有调节的中介检验更为便捷的方法，通过 Bootstrap 方法直接进行检验。除了 Bootstrap 方法本身更好的有效性之外，该方法将调节变量不同水平下的中介分析置于同一个模型中，避免了遗漏数据。本文以 Berndt et al.（2012）关于心脏病病人戒烟行为研究为例介绍使用 Bootstrap 方法检验和分析有调节的中介。Berndt et al.（2012）研究认为病人对香烟的渴望会降低其自我效能，进而削弱了戒烟行为，并且这样的影响路径仅对中等程度以下忧虑的人存在，对高度忧虑的人不存在。其中，对香烟的渴望、自我效能、忧虑状态均通过量表测量得到，三者均为连续变量，戒烟行为是通过询问入院后7 天是否有过吸烟行为衡量，为二分类变量。（1 1 1 1）使用）使用 BootstrapBootstrapBootstrapBootstrap 检验有调节的中介的操作方法检验有调节的中介的操作方法具体操作如下：打开 SPSS，选择“Analyze”“Regression”“PROCESS”；将自变量、中介变量、调节变量和因变量依次选入相应的选项框。选择模型 812，即“Model Number”为 8；设定样本量为 5000，即“Bootstrap Samples”为 5000；Bootstrap 取样方法选择偏差校正的非参数百分位法，即勾选“Bias Corrected”；对置信区间的置信度，选择 95%，即“Confidence level for confidence intervals”为 95%，点击“condition”选项框，选择分组条件为均值和均值加减一个标准差13，最后“OK”确认即可得到结果。（2 2 2 2）数据结果分析和汇报）数据结果分析和汇报数据结果包含三个方面的信息：首先，中介变量（自我效能）在自变量（香烟渴望程度）与调节变量（忧虑状态）对因变量（戒烟行为）的交互影响中是否发挥中介效应，包括中介效应的大小和显著性。其次，调节变量不同水平下是否存在不同的中介效应14，包括低忧虑状态、中等忧虑状态和高忧虑状态下香烟渴望程度对戒烟行为影响时自我效能中介路径分别是否显著及中介效应的大小。同时还有在不同忧虑状态下，香烟渴望程度对戒烟行为的直接作用是否显著及直接作用的大小。最后，数据结果还给出了自变量、调节变量和二者交互项对中介变量的回归模型，以及包含自变量、调节变量、二者交互项和中介变量对因变量的回归模型。数据结果汇报如下：按照 Zhao et al.（2010）提出的中介分析程序，参照 Preacher et al.（2007）和 Hayes（2013）提出的有调节的中介分析模型（模型 8）进行 Bootstrap 中介变量检验，样本量选择 5000，在 95%置信区间下，中介变量自我效能的确中介了香烟渴望程度和忧虑状态对戒烟行为的交互影响15。进一步按照均值、均值加减一个标准差，区分了低、中、高三种忧虑程度，分析了在不同忧虑程度状态下香烟渴望程度对戒烟行为影响中自我效能的中介效应，数据结果表明对于低度忧虑和中等忧虑的病人，自我效能的中介效应显著，12有调节的中介分为多种类型，如调节自变量对中介，或者调节中介到因变量等，需根据研究者具体的理论框架选择模型。研究者可查阅http:/ 文件，该文件包含 PROCESS 插件可处理的 74 种研究模型，如有调节的中介，多个中介等。13该设置是将连续型调节变量分为三个水平，即在调节变量的不同水平下观测自变量对因变量影响中的中介作用。14Preacher et al.(2007)将调节变量不同水平下的中介作用称为条件中介作用（conditional indirect effect）。15Berndt et al.(2012)并未在文中汇报该部分数据结果，但是本文认为应当汇报这一结果，给出置信区间，说明不包含 0，并列出中介作用的大小。Bootstrap 检验的置信区间分别为（-.69,-.04）和（-.41,-.03），均不包含 0；而对于高度忧虑的病人，自我效能并不发挥中介作用（-.31,.03），该区间包含 016。4.44.44.44.4 多个并列的中介变量多个并列的中介变量在研究中也会遇到中介路径多于一条的情况，即多个并列的中介（Multiple Mediators）。例如，Fitzsimons&Shah(2008)发现心里想到对自己学习有帮助的朋友会提高自己最终的学习成绩，其中“为学习付出的总时间”和“付出时间与计划时间的比率”二者均发挥中介作用。Stillman et al.(2009)认为社会排斥感会降低个体对生命意义的感知，而其中生活目标感知、自我效能、正确的价值观和自我价值感知同时发挥中介作用。4.4.14.4.14.4.14.4.1 多个并列中介变量的检验多个并列中介变量的检验中介检验的研究中，较少研究探讨过存在多个并列中介路径的情况，其中结构方程是较多被采用的检验方法(Cheung 2007,MacKinnon 2000)。Preacher&Hayes(2008)提出了使用Bootstrap 方法进行有多个并列的中介变量情况下的中介效应检验。该方法有三个方面的优点：其一，可以检验分析所有的并列中介变量共同发挥的中介作用的大小；其二，可以观测在剔除了其他中介路径的作用之后，单个的中介路径的作用大小；其三，可以对比不同中介路径的作用大小是否存在显著差异。在研究中，该检验方法不仅可用于对假设的多个中介路径的检验，还可以用于排除其他理论机制解释的检验。下文以 Stillman et al.(2009)的研究为例，阐述多个并列的中介变量的检验和数据结果分析、汇报。4.4.24.4.24.4.24.4.2 使用使用 BootstrapBootstrapBootstrapBootstrap 检验多个并列中介变量的操作方法检验多个并列中介变量的操作方法具体操作如下：打开 SPSS，选择“Analyze”“Regression”“PROCESS”；将自变量、中介变量和因变量依次选入相应的选项框。选择模型 4，即“Model Number”为 4；设定样本量为 5000，即“Bootstrap Samples”为 5000；对置信区间的置信度，选择 95%，即“Confidence level for confidence intervals”为 95%；Bootstrap 取样方法选择偏差校正的非参数百分位法，即勾选“Bias Corrected”；点击“Option”选项框，勾选比较间接作用选项，即“Compare indirect effects”，最后“OK”确认即可得到结果。4.4.34.4.34.4.34.4.3 数据结果分析和汇报数据结果分析和汇报数据结果中需要着重关注四个方面的信息：其一，四个中介变量（生活目标感知、自我效能、正确的价值观、自我价值感知）共同发挥的中介作用大小和显著性（Total IndirectEffect）；其二，在分别剔除其余三个中介变量作用后，四个中介变量各自独立的中介作用大小及显著性；其三，四个中介变量各自独立的中介作用大小的相互比较，此处共 6 组比较；其四，剔除掉四个变量共同的中介作用之后，自变量（社会排斥）对因变量（生命意义感知）的直接作用。数据结果汇报如下：按照 Zhao et al.（2010）提出的中介分析程序，参照 Preacher&Hayes（2008）提出的多个并列的中介变量检验方法，进行 Bootstrap 中介变量检验，样本量选择16此外，建议研究者另外汇报出不同调节变量水平下，自变量对因变量直接影响作用的大小，以更深入的分析中介路径；同时还可列表给出在调节变量不同水平下的中介作用大小、直接作用大小，置信区间。5000，设置 95%的置信区间。数据结果表明四个中介变量共同发挥的中介作用显著（-.15,-.08），作用大小为-.11；在四个中介路径中生活目标感知（-.05,-.01）、正确的价值观（-.04,-0.3）和自我价值感知（-.09,-.03）发挥了显著的中介作用，中介作用大小依次为-.03，-.02，-.06；而自我效能的中介作用并不显著（-.02,.00）。为了更好地区分各中介路径相对大小，对四个中介路径作用的大小进行了对比，数据结果显示，自我价值感知的中介作用显著高于自我效能（.01,.08）的中介作用，其他的中介路径比较则没有显著差异17。4.54.54.54.5 多步中介的检验多步中介的检验研究中还会涉及多步中介的情况，即多步中介变量（Serial Multiple Mediators）。例如Mehta et al.(2012)研究认为噪音首先影响到个体信息处理的难度，进一步影响建构水平，进而影响创造力的新颖性。Liu&Gal(2011)研究中发现消费者参与会提高对企业的同理心（Empathy）（即从对方角度思考问题），进而提高了自身与企业亲密程度的感知，最终提高购买意向。4.5.14.5.14.5.14.5.1 多步中介的检验多步中介的检验Taylor,MacKinnon&Tein(2008)总结对比了多步中介的检验方法，包括因果逐步回归、对变量系数显著性的检验和 Bootstrap 三类方法18，通过实证研究对比发现 Bootstrap 方法最佳，并且以偏差校正的非参数百分位 Bootstrap 法更好。Hayes et al.(2010)同样建议使用Bootstrap 方法对多步中介进行检验。下文将以 Liu&Gal(2011)的研究为例阐述多步中介的Bootstrap 检验方法。在该研究中，研究模型包含 2 个次序中介，因此共有三条中介路径：顾客参与同理心购买意向（路径 1）；顾客参与同理心与企业亲密性感知购买意向（路径 2）；顾客参与与企业亲密性感知购买意向（路径 3）；而关键要检验的是中介路径 2 是否显著。4.5.24.5.24.5.24.5.2 使用使用 BootstrapBootstrapBootstrapBootstrap 检验多步中介的操作方法检验多步中介的操作方法具体操作如下：打开 SPSS，选择“Analyze”“Regression”“PROCESS”；将自变量、中介变量和因变量依次选入相应的选项框，此处需注意中介变量按照在研究模型中的先后次序依次选入。选择模型 6，即“Model Number”为 6；设定样本量为 5000，即“BootstrapSamples”为 5000；Bootstrap 取样方法选择偏差校正的非参数百分位法，即勾选“BiasCorrected”。对置信区间的置信度，选择 95%，即“Confidence level for confidence intervals”为 95%，最后“OK”确认即可得到结果。4.5.34.5.34.5.34.5.3 数据结果分析和汇报数据结果分析和汇报数据结果中需要着重关注三个方面的信息：其一，两个次序中介变量（同理心、与企业亲密程度感知）的中介路径的作用大小和显著性，该结果是多步中介检验的最关键结果；其17此处作者未汇报控制了四个中介路径之后，社会排斥对生命意义感知的直接作用是否仍旧显著。汇报该结果有助于进一步分析是否有遗漏的中介。此外，有调节的中介和多个并列中介的检验结果数据信息较多，作者可以在研究论文中用表格的形式汇报。18Taylor et al.(2008)在其研究中又将这三类方法具体细分为六类。二，中介路径 1 和中介路径 3 的作用大小及显著性；其三，在控制了三条中介路径后，自变量（顾客参与）对因变量（购买意向）的直接作用大小及显著性。数据结果汇报如下：按照 Zhao et al.（2010）提出的中介分析程序，参照 Hayes,Preacher&Myers（2011）和 Hayes（2013）提出的多步中介变量的检验方法，进行 Bootstrap 中介变量检验，样本量选择 5000，设置 95%的置信区间。数据结果表明“顾客参与同理心与企业亲密性感知购买意向”的中介路径显著（-.28,-.10），作用大小为-.18；而“顾客参与同理心购买意向”的中介路径不显著（-.17,.04），同时“顾客参与与企业亲密关系购买意向”的中介路径也没不显著（-.29,.01）19。5.5.5.5.中介变量为分类变量或者因变量为多水平分类变量的中介效应检中介变量为分类变量或者因变量为多水平分类变量的中介效应检验方法验方法Bootstarp 方法可以分析自变量为多水平分类变量和因变量为二分类变量的研究，但是对于中介变量为分类变量或者因变量为多水平分类变量时，Bootstrap 并不能有效检验。因为包含分类变量的 Logit 回归模型和线性回归模型并不相同，线性回归模型假设模型是同方差的，而 Logit 回归模型则是异方差的，因此不能再使用回归模型 2 和模型 3 中得到的系数a、b及其标准差检验中介路径的显著性(Iacobucci 2012)。对此，Iacobucci(2012)提出了相应的检验方法：首先，依次建立如下三个回归模型，根据等号左侧的因变量（中介变量）为连续变量或分类变量选择线性回归或 Logit 回归。（1）（2）（3）其次，用上述回归模型得到的参数，依次计算出下列数值：，19Liu&Gal(2011)研究中没有汇报出最终控制了三条中介路径之后，自变量（顾客参与）对因变量（购买意向）的影响是否显著；本文建议作者汇报出该结果以助于进一步讨论是否有其他中介路径。此外，建议研究者参照 Mehta et al.(2012)绘制出中介路径图，更形象的说明次序中介的作用。一。!二竺!=最后，依据属于正态分布检验中介效应的显著性。在 0.05 显著水平下，若1.96，则表明中介路径显著。6 6 6 6 结论与讨论结论与讨论6.16.16.16.1 结论结论虽然 Baron&Kenny（1986）提出的因果逐步回归中介效应检验程序和方法影响巨大，但近年来不少学者开始质疑 Baron&Kenny（1986）因果逐步回归中介效应检验方法的有效性和检验程序的合理性，并提出了更加可靠的中介效应检验程序和 Bootstrap 方法。本文对国际最前沿的中介效应检验原理、程序和方法进行了梳理和总结，系统全面地阐述了如何使用 Bootstrap 方法在不同的中介模型中检验中介效应以及进行结果分析汇报。（1）关于中介效应的检验程序，本文建议研究者参照 Zhao et al.（2010）提出的中介效应检验程序。该检验程序认为主效应存在并不是中介效应检验的前提，中介效应的检验应当以对中介路径（ab）的直接检验为出发点，并通过对检验模型中相关参数的分析，更深入地揭示中介变量的不同类型，进一步讨论可能被遗漏的中介变量，以启示未来研究。（2）关于中介路径的检验方法，本文建议研究者采用 Preacher、Hayes 及其合作者研究开发的 Bootstrap 方法。Bootstrap 方法可以通过在 SPSS 或 SAS 中安装相应的插件，非常方便地实现对中介效应的检验。本文基于具体的研究案例详细地介绍了 Bootstrap 方法在 SPSS中的操作，并且阐明了结果分析汇报时应当汇报的中介检验结果信息，包括 Bootstrap 给出的 95%置信水平下的