中介效应
定义：当我们在分析自变量X对因变量Y的影响时，如果变量X可以通过影响变量M从而对因变量产生影响，那么就可以说变量M属于X与Y两者关系的中介变量，是一条影响路径。参考温忠麟的文献，现有的中介效应检验方法有以下几种：逐步检验法、系数乘积检验（Sobel检验法、Bootstrap 检验）
在进行中介效应检验之前，需要将所有的变量进行中心化处理，也就使得变量均值为0。
1.逐步检验法
Y=cX+e1 (1)
M=aX+e2 (2)
Y=c`X+bM+e3 (3)
主要分为三步：
第一步：检验方程(1) 的系数c，也就是自变量X 对因变量Y 的总效应；
第二步：检验方程(2) 的系数a，也就是自变量X 和中介变量M 的关系；
第三步：控制中介变量M 后，检验方程(3) 的系数c’和系数  b ;
判定依据：（1）系数  c 显著，则说明X对Y存在显著作用。
（2）系数  a 显著，则说明X对M存在显著作用，且系数  b 显著；系数c’小于系数c。
同时满足以上两个条件，则中介效应显著；另外根据方程（3）中系数c’的显著性判断中介效应的类型，如若系数c’显著，则属于部分中介效应，如若系数c’不显著，则可以称为完全中介效应。
STATA命令如下：
Center Y x m control（中心化）
reg y x //分析x 和y 之间的关系
bootstrap检验方法reg m x //分析x 和m 之间的关系
reg y m x // 加入m，看x 和y 之间的关系
在三者关系中，总效应为c=ab + c’，其中c’ 为直接效应，ab 为中介效应也称间接效应。所以可以计算中介效应在总效应中占比为ab/c。
2.sobel检验
安装sgmediation命令，findit sgmediation
Stata命令：sgmediation 因变量, mv(中介变量) iv(自变量) cv(控制变量)
回归结果举例：
分析结果主要分成三个部分，第一部分是中介效应的显著性的统计量Sobel，看p值的大小，若小于0.1
就显著；第二部分是展示分步回归中，自变量和中介变量的回归系数与标准误，以及各自对因变量的效应大小；第三部分，是中介效应和直接效应在X对Y的总效应中所占的份额，本图中中介效应比例是6.52%。
3.Bootstrap 检验
bootstrap r(ind_eff) r(dir_eff), reps(500) :  ///
sgmediation perform, mv(satis) iv(support)    //计算中介效应和间接效应
estat bootstrap, percentile bc      //计算置信区间
bootstrap 抽样次数可以自己设定，这里我们设定为 500。如下命令会计算变量间的直接效应_bs_1 和间接效应_bs_2：
bootstrap r(ind_eff) r(dir_eff), reps(500) : sgmediation perform,
mv(satis) iv(support)
如果需要加入控制变量，命令为:
bootstrap r(ind_eff) r(dir_eff), reps(500) : sgmediation y, mv(m) iv(x) cv(c)
进而可以使用estat bootstrap, percentile bc 命令计算间接效应的置信区间，根据_bs_2 置信区间是否包含 0 判断中介效应是否成立。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。