平行中介效应

所属分类：中介与调节效应

这个方法是做什么的

中介问的是机制：X 对 Y 的影响，有多少是“经由”M 传导过去的。平行中介一次放入多个中介变量，它们彼此之间没有先后顺序，都并列地接在 X 与 Y 之间。模块估计三组方程：各中介对 X 的回归给出 a 路径，Y 对 X 的回归给出总效应 c，Y 对 X 与全部中介的回归给出各条 b 路径与直接效应 c′；每条 b 都是在控制了其余中介之后的偏效应。

判定中介是否成立，靠的不是“c 显著、c′ 变小”，而是间接效应 a×b 的置信区间是否含 0。默认做 2000 次非参数 Bootstrap（次数可改），第四张卡对每条路径给出 ab 的点估计、完全标准化间接效应 abcs、百分位与偏差校正两套 95% 区间、Sobel 检验与占总效应比 P_M，并给出总间接效应，以及“哪条中介更强”的两两对比检验。第一张卡另给四个方程各自的残差正态性、Breusch-Pagan 异方差、Durbin-Watson 检验与最终方程的 VIF。

需要准备什么数据

• 因变量 (Y)：定量变量（数值）
• 自变量 (X)：至少 1 个，定量变量（数值）
• 并行中介 (M)：至少 1 个，定量变量（数值）
• 控制变量 (可选)（可选）：定量变量（数值）

数据要求

• 数据表至少 50 行。
• 单列缺失率不超过 20%。
• 不接受取值全都一样的列（零方差列没有可分析的变异）。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 理论上 X 通过几条并列的机制影响 Y（如领导风格分别经由满意度和信任影响组织承诺）
• 想知道多条机制之间哪一条更强、强多少
• 需要报告“总效应中有多大比例由中介传导”
• X、M、Y 的先后顺序已由实验设计或纵向测量确定，不是事后拍脑袋排的

四个拖拽区都只收定量变量，同一个变量不能出现在两个区里（X 与 M 相同会得到 a = 1 的恒等式而不是中介）。有效行数不少于 50、缺失比例不超过 20%、不得含常数列。自变量区可以放多个变量，但只有第一个是焦点自变量，其余当作同时进入方程的协变量处理，全部间接效应只针对焦点变量计算——第一张卡“焦点自变量”那一行会把这件事写出来。

什么时候不要用它

• 中介变量之间有先后顺序（X 先影响 M₁、M₁ 再影响 M₂、M₂ 才影响 Y）：平行中介不估计中介之间的传导路径，会把这条链拆成两条互不相干的并列路径。改用「链式中介效应」。
• 你要问的是“效应在什么条件下更强”，而不是“经由什么传导”：那是边界条件问题，不是机制问题，两者名字像但问的不是一回事。用「调节作用分析」。
• 因变量不是定量的：Y 区只收定量变量。二分类结局用「逻辑回归」，等级结局用「有序逻辑回归」，计数结局用「计数数据回归」——不要把这类结局硬当成连续变量塞进来跑中介。
• 自变量或中介变量是定类的：定类列在数值化时会整列变成缺失。先在数据处理里做哑变量编码再拖进来；如果这个定类变量的角色其实是“分组”、你想看的是它会不会改变 X 与 Y 的关系，用「协方差分析」并打开“是否分析交互效应”，它检验的正是分组与协变量的交互。
• 观测之间不独立（同一批人多期测量、学生嵌套在班级里）：各条路径都由普通最小二乘估计，标准误会被低估，Bootstrap 也救不了这一条。有个体与时间两维结构的用「面板模型」，重复测量或分层嵌套的用「混合模型」。
• 有效样本不到 50：50 不是“建议值”而是入口硬门槛，不够根本跑不出报告——40 行的表会被直接拒绝，提示“当前数据表共 40 行，少于平行中介效应所需的至少 50 行”；总行数够、但参与分析的变量按行对齐后完整记录不足 50 条（如 60 行里只剩 35 条），同样在入口被拒。这种数据下先用「线性回归 (最小二乘法)」把 X 与 Y 的总关联说清楚，同时用「线性回归功效」反推需要补多少样本。

容易误读的地方

• 中介的因果解读来自研究设计，不来自这份报告。 第一张卡“时序与无混淆假设”那一行的实测值就是“—（不可由数据检验）”，判定栏写明：中介的因果解释依赖“X 先于 M、M 先于 Y”与“无未测混淆”两条识别假设，任何统计检验都无法证实。横截面数据里 X、M、Y 同时测量，M 与 Y 的关系同样可能是反向的、或由第三变量驱动，而报告里看不出来。这种数据下结论必须写成“数据与该中介模型相容”，不能写成“X 通过 M 影响 Y”——模块的论文表述段已经按这个口径替你写好了。
• 恒等式 c = c′ + Σaᵢbᵢ 必然成立，不是模型拟合得好的证据。 表注逐字写着：“恒等式 c = c′ + Σaᵢbᵢ 在同一份数据、同一组控制变量下严格成立（最小二乘的代数性质），不是模型拟合优度的证据。”看到“总效应刚好等于直接效应加各条间接效应之和”，不要当成模型被数据验证了。
• a 显著且 b 显著，不等于 ab 显著；反过来也一样。 判定只能看 Bootstrap 区间是否含 0，不能逐段看 p 值凑结论。同一张表里的 Sobel 检验假定 ab 服从正态，而 ab 的抽样分布通常偏态、功效更低，模块明确标注它仅作参考。另一半同样重要：c 不显著也可能存在显著的间接效应——几条路径符号相反相互抵消就是遮掩效应，所以模块不把“c 显著”当作做中介检验的前置条件。
• “这条中介比那条强”必须用对比检验，不能靠比较两条区间显不显著。 第四张卡最后那张对比表算的是两条 ab 之差在同一批重抽样内的分布，已经自动考虑了两条路径的相关性。示例里两条间接效应分别是 0.1193 与 0.1371、都显著，但差值的 95% 区间是 [−0.1068, 0.0797]，含 0，结论是强度无显著差异。用“一条显著、另一条不显著”推断两者有差异是显著性比较的经典谬误，表注专门点了这一条。还要留意：各条 b 是相互控制后的偏效应，中介之间高度相关时它们会互相抢解释力，单条 ab 不稳但总间接效应仍稳健，第一张卡的 VIF 表就是查这个的。
• 占总效应比 P_M 在总效应小的时候极不稳定。 它等于 ab/c，只有间接效应与总效应同号时才能读成“中介了百分之多少”；符号相反属于遮掩效应，比值可能超过 100% 甚至为负，c 接近 0 时更会直接爆掉。报告时必须同时给出 ab 的绝对值与它的 Bootstrap 区间，只报一个百分比是不够的。

报告里有什么

1. 输出结果一：数据概览与回归前提检验
2. 输出结果二：中介路径系数主结果表
3. 输出结果三：中介路径图与间接效应可视化
4. 输出结果四：效应量分解与中介效应检验
5. 输出结果五：结论与学术表述