中介效应检验怎么做？Bootstrap 流程、结果判读与论文写法
中介效应（mediation effect）回答的是"为什么"：自变量 X 是通过哪一个中间变量 M 影响到因变量 Y 的。它比单纯做回归多讲了一层机制，因此在问卷类、管理类、教育类论文中出现频率极高。但方法本身在近十年发生了重大变化——很多人仍在用十几年前的逐步回归法，这在国内期刊已越来越容易被审稿人质疑。本文按当前主流口径给出完整流程。
一、中介模型的三个变量、四条路径
中介模型写成 X → M → Y，其中 X 是自变量，M 是中介变量，Y 是因变量。围绕这个模型有四个系数：
| 路径 | 含义 | 在模型中怎么读 |
|---|---|---|
| c | 总效应（X → Y，不加 M 时） | X 对 Y 的总影响 |
| a | X → M | X 对中介变量的影响 |
| b | M → Y（控制 X 后） | 中介变量对 Y 的影响 |
| c′ | 直接效应（控制 M 后 X → Y） | X 对 Y 的剩余直接影响 |
中介效应的大小 = a × b，且存在恒等关系 c = ab + c′（总效应 = 中介效应 + 直接效应）。这条等式是理解中介检验的钥匙：中介检验本质上就是检验 ab 是否显著不等于 0。
二、为什么不要再用逐步回归法和 Sobel 检验
很多人第一次学中介效应时学的是 Baron 与 Kenny（1986）的三步逐步法：① X→Y 显著；② X→M 显著；③ 把 M 放进回归后，M 显著且 X 的系数变小或不再显著。这套流程现在存在两个硬伤：
- 它检验的不是 ab，而是 c 和 c′。 总效应 c 不显著但中介效应显著（俗称"遮掩效应"）的情形完全可能真实存在，逐步法第一步就会直接否决，属于漏检。
- Sobel 检验假设 ab 服从正态分布，而 ab 的抽样分布通常是偏态、非正态的，导致检验力偏低（不容易检出真正存在的中介效应）。
三、Bootstrap 中介效应标准流程
- 确定模型与变量：X（自变量）、M（中介变量）、Y（因变量），必要时加入控制变量（性别、年龄、学历等）。
- 设定抽样次数：常规用 5000 次，要求高可用 10000 次；样本量小或效应量小的时候要加大次数。
- 设定置信水平：95% 置信区间（对应 α = 0.05）。
- 选择区间类型：偏差校正的百分位法（Bias-Corrected），论文中常用的缩写是 BootCI 或 BC 95% CI。
- 读结果：直接看 ab 的置信区间——区间不包含 0 → 中介效应显著；包含 0 → 不显著。这一步不用看 p 值。
四、结果怎么读：四步定稿
- 总效应 c：报告系数、标准误、p。说明 X 对 Y 有没有整体影响。
- 间接效应 ab：报告 Bootstrap 点估计值与 95% 置信区间。这是中介结论的唯一依据。
- 直接效应 c′：报告系数与 p。若 c′ 显著，说明除 M 之外还有别的通路（可能是部分中介）；若 c′ 不显著，说明 X 的作用基本被 M 全部承接（完全中介）。
- 效应占比：报告 ab / c（占总效应的比例），或 ab / (ab + c′)。注意：当 ab 与 c′ 方向相反时，占比会大于 1 或为负，这时不要硬算百分比，直接说明存在遮掩效应即可。
五、判读标准汇总表
| 要看的东西 | 判断标准 | 结论表述 |
|---|---|---|
| ab 的 95% 置信区间 | 不含 0 | 中介效应显著 |
| ab 的 95% 置信区间 | 包含 0 | 中介效应不显著 |
| c′ 显著 | p < 0.05 | 部分中介（还有直接通路） |
| c′ 不显著 | p ≥ 0.05 | 完全中介（作用由 M 承接） |
| ab 占比 | 0 < ab/c < 1 | 报告占总效应的百分比 |
六、论文里怎么写（可直接套用）
示例表述：「本研究采用 Bootstrap 法（重复抽样 5000 次，偏差校正的 95% 置信区间）检验学习投入在学习动机与学业表现之间的中介效应。结果显示，学习动机对学习投入具有显著正向影响（β = 0.52, p < 0.001），学习投入对学业表现具有显著正向影响（β = 0.41, p < 0.001）；中介效应的点估计值为 0.213，95% 置信区间为 [0.142, 0.295]，不包含 0，表明中介效应显著，中介效应占总效应的 41.2%。控制中介变量后，学习动机对学业表现的直接效应仍显著（β = 0.305, p < 0.001），说明学习投入起部分中介作用。」
表格建议命名为「表 N 中介效应 Bootstrap 检验结果」，列包含：效应类型（总效应 / 间接效应 / 直接效应）、效应值、标准误、95% 置信区间、相对效应占比。小数位统一，格式见论文三线表规范。
七、常见五个错误
- 只做逐步法就下结论。 尤其在国内期刊，审稿人常直接要求补 Bootstrap 结果。
- 把 c′ 不显著当成"必须条件"。 实际上完全中介是较强的主张，很多领域支持部分中介。
- 混淆中介与调节。 中介解释"怎么传导"，调节解释"什么时候更强/更弱"，两者可同时存在（有调节的中介模型）。
- 忽略控制变量。 未控制的混杂变量会同时影响 M 与 Y，使 a、b 估计有偏。
- 用横断面数据讲因果。 中介模型是因果语言，横断面问卷只能提供"与模型一致"的证据，报告中宜加"本研究为横断面设计，因果推断需谨慎"的说明。
八、常见问题
中介变量需要几个？可以串联或并列吗？
可以。串联（X → M1 → M2 → Y）叫链式中介，并列（X → M1 → Y 且 X → M2 → Y）叫并行中介，两者也可以组合成多重中介模型。模型越复杂，需要的样本量越大，一般建议样本量 ≥ 200，或按每个估计参数 10–20 个样本估算。
Bootstrap 跑出来的区间刚好跨 0 怎么办？
加大抽样次数（5000 → 10000）看是否稳定；若仍跨 0，则按不显著报告。不要通过换抽样次数或换区间类型把结果"调"到显著，这在方法上是不可接受的。
中介效应和调节效应能放在一个模型里吗？
能。常见形式是有调节的中介（前半路径被调节、后半路径被调节、或两条都被调节）。做法是在中介模型基础上加入交互项，并检索引条件间接效应（index of moderated mediation），具体见调节效应教程。
用艾吖法一键生成中介效应报告
选好自变量、中介变量、因变量，直接输出「Bootstrap 中介效应检验结果表」与解读文字：a / b / c / c′ 四条路径、ab 的 95% 置信区间、效应占比一次给全。数字由统计引擎硬编码计算、与 SPSS / PROCESS 逐格对照一致，AI 只负责文字解读。
开始中介效应分析