遮掩效应的统计分析框架及其应用
作者：刘振亮 刘田田 沐守宽
来源：《心理技术与应用》2021年第10期
        摘要 遮掩效应是指在虚无假设为真的前提下，第三变量（遮掩变量）对自变量与因变量关系的遮掩（或抑制）作用。在心理学研究中，自变量与因变量之间无相关关系或自变量对因变量的影响不显著的现象常常是困扰研究者们的一个主要问题。此文系统地介绍了遮掩效应的基本原理、与中介效应的异同、分析逻辑以及研究示例。最后，文章围绕遮掩效应的相关问题展开讨论并分析了其在心理学研究中的应用与意义，为未来研究中可能存在的混淆厘清思路和指明方向。
        关键词 遮掩效应;中介效应;虚无假设;研究困境
        分类号B849
        DOI： 10.16842/jki.issn2095-5588.2021.10.004
        在心理学研究中，当自变量X与因变量Y或预测变量与结果变量之间无关时，研究者通常会放弃继续探讨变量间的关系，如此决策符合传统的研究逻辑，但此时，研究者也在主观上拒绝了X与Y存在额外关系的可能，更不会去继续探索X与Y之间无关的潜在原因。Horst（1941）首次使用遮掩（Suppression）概念回答了变量间不存在显著关系的问题。
他认为，X与Y之间不存在显著关系很可能是受到第三变量的遮掩或影响，其中，第三变量被称为遮掩变量（Suppression Variable），这种现象被命名為遮掩效应（Suppression Effect）（Mackinnon， Krull， & Lockwood， 2000; MacKinnon & Lamp， 2021）。遮掩效应主要回答为什么感兴趣的变量关系不显著的问题（温忠麟，刘红云，2020; Shrout & Bolger， 2002）。自Horst（1941）提出遮掩概念以来，经过80年的发展与演变，许多学者已经重新对它进行了界定与完善（Conger， 1974; MacKinnon， 2008; Mackinnon et al.， 2000; MacKinnon & Lamp， 2021; McFatter， 1979; Muniz & MacKinnon， 2021; Murgui & Jiménez， 2013; Tzelgov & Henik， 1991），但他们主要在理论上和方法学上讨论遮掩概念，很少关注遮掩概念如何帮助研究者扩展研究思路，解决研究困境——自变量与因变量无关的情况。
        由于遮掩效应能够提供解决研究困境的新思路，因此，越来越多的研究者们已经注意到它的实践价值并将其应用到实证研究中。在中国知网（期刊数据库）中，以“中介”和“遮掩”为搜索词在“篇关摘”中进行搜索，发现73篇中文文献中报告了遮掩效应。同样，在Scopus数据库中，以“mediation”和“‘suppression effect’ or ‘suppressor’ or ‘suppressor variabl’”为搜索词在“篇关摘”中进行搜索，发现312篇外文文献中报告了遮掩效应，且相关
文献量正在呈逐年上升趋势。可见，越来越多的研究者开始接受虚无假设为真的情况，并探讨这种不显著背后的潜在原因。但遗憾的是，由于遮掩效应常常被视为中介效应的一种特例，其作用往往被弱化与忽视。因此，本文的主要目的是，系统地介绍遮掩效应的基本原理、分析逻辑以及在实际研究中的应用，为研究者们打破研究困境提供一个替代性思路。
        1遮掩效应的基本原理
        在心理学研究中，普遍使用的中介分析方法是由Baron和Kenny（1986）提出的逐步检验法（Causal Steps Approach），以线性回归方程为基础检验自变量X、因变量Y以及中介变量M之间的关系。检验遮掩效应的方法和原理与中介效应的逐步检验法的基本原理类似。因此，本文以XSY三变量模型为基础，在忽略截距项和中心化等问题的前提下，借用逐步检验法的三个回归方程，对自变量X、因变量Y以及遮掩变量S三者之间的关系展开推演。本文假设所有涉及变量均为连续变量，涉及分类变量的相关模型和处理方法请参见相关文献，此处不再另行论述。检验遮掩效应涉及的三个回归方程如下：
        Y=cX+ε1（1）
        S=aX+ε2（2）
        Y=c′X+bS+ε3（3）
        在方程（1）中，c是X对Y的总效应回归系数;在方程（2）中，a是X对S的直接效应回归系数;在方程（3）中，c′和b分别是X和S对Y的直接效应回归系数;ε1-ε3是各个方程的残差。在此方法中，如果c不显著，但a和b显著，说明遮掩效应成立，即变量S在自变量X和因变量Y间起遮掩效应。此时，遮掩效应等于间接效应，用系数乘积ab表示。在检验遮掩效应的过程中，涉及的各主要系数存在如下关系：
        c=c′+ab（4）
        其中，直接效应c′与间接效应ab的符号方向是相反的，二者之和的总效应c值接近于0，因此，在系数检验时，c不显著。在遮掩效应中，X与Y的关系被认为是由相关部分和无关部分组成，遮掩变量的加入是在总效应中减去无关部分，突显相关部分（McFatter， 1979），所以，结果的表象是直接效应增强，即|c|<|c′|。此时，在不考虑其他变量的前提下，c不显著有两种可能：一是c′显著，它与显著的间接效应值大小接近、方向相反，以至
于二者之和相互抵消;二是c′不显著，但它减少了显著的间接效应的效应值以至于总效应不显著。
为什么使用bootstrap?
        从以上基本原理可知，遮掩效应有三个明显特点：（1）当不考虑遮掩变量时，自变量与因变量之间无相关关系或自变量对因变量的影响不显著，这是遮掩效应成立的前提（温忠麟，叶宝娟，2014; Mackinnon et al.， 2000）;（2）当加入遮掩变量后，自变量对因变量影响的间接效应显著且与直接效应的方向相反（Mackinnon et al.， 2000）。由于两种效应的方向相反，因此，二者作用彼此之间相互抵消，这解释了为什么在遮掩效应中自变量对因变量影响的总效应不显著的本质;（3）当加入遮掩变量后，自变量与因变量的关系程度会有所增加（Conger， 1974; MacKinnon & Lamp， 2021）。这种变化源于加入遮掩变量后，自变量与因变量的关系由总效应向直接效应的转变，因此，自变量与因变量的关系程度会表现出增强的现象。
        2遮掩效应与中介效应的异同
        遮掩效应与中介效应关系密切，有学者把遮掩效应视为广义的中介效应（温忠麟，刘红云，2020），之所以如此，是因为二者之间有很多共通之处。它们均是间接效应的一种
（温忠麟，张雷，侯杰泰，刘红云，2004; Mathieu & Taylor， 2006），共同探讨第三个变量在自变量与因变量的关系间起到的连接作用，它们有着相同的数学表达式，即系数乘积项ab。更重要的是，检验中介效应的方法也同样适用于遮掩效应，如逐步检验法和Bootstrap法等。
        尽管两种效应有很多相近之处，但它们之间有四点明显的不同。
        第一，研究问题不同。中介效应解决的问题是，什么因素或变量解释了自变量与因变量之间的显著关系，而遮掩效应则恰恰相反，回答的问题是为什么自变量与因变量之间的关系不显著（温忠麟，叶宝娟，2014; Shrout & Bolger， 2002）。
        第二，前提不同。中介效应要求X对Y的总效应c是显著的，而遮掩效应则正好相反，强调c是不显著的。在这一点上，一些学者认为没有必要纠结于c显著与否的前提，因为无论c是否显著，间接效应ab都可能是显著的，如果直接效应与间接效应方向相反或两个中介效应方向相反，都可能导致总效应不显著（Preacher & Hayes， 2008; Shrout & Bolger， 2002; Zhao， Lynch Jr， & Chen， 2010）。
        第三，结果表现不同。在中介变量的影响下，自变量与因变量之间的原有关系强度有所减弱，而在遮掩变量影响下，自变量与因变量的关系强度有所增强（Conger， 1974; Mackinnon et al.， 2000）。
        第四，直接效应与间接效应的方向不同。在中介效应中，直接效应与间接效应的方向相同，总效应大于直接效应，而在遮掩效应中，直接效应与间接效应的方向相反，总效应小于直接效应。表1总结了两种效应的异同点。
        从以上的异同点中不难发现，中介效应和遮掩效应适用于不同的研究情境。当自变量与因变量之间存在显著关系时，第三变量起到中介作用，主要解释了这种显著关系的原因，如社会支持对社会幸福具有正向预测作用，此时，希望和孤独感解释了这种预测作用（姚若松，郭梦诗，叶浩生，2018）。而当自变量与因变量之间不存在显著关系时，第三变量则起到遮掩作用，主要回答为什么自变量不影响因变量或自变量只能通过遮掩变量间接影响因变量的问题，如心理控制源中的“外控”不能预测个体的求职行为，但当加入“职业成熟度”之后，“外控”可以通过“职业成熟度”间接影响求职行为（杨林会，张瑾，王滔，2019）。
        3遮掩效应的示例分析
        本文通过研究示例来进一步介绍遮掩效应的数据分析步骤以及结果解读。示例来自Murayama和Elliot（2012）的研究1，它从个人层面探讨了特质竞争（即与他人竞争的倾向性）（Elliot， Jury， & Murayama， 2018）与学业成绩之间的关系以及成就目标在其中的遮掩效应。Murayama和Elliot（2012）发现，特质竞争不能预测学业成績，需要通过成就目标起间接作用。原文将成就目标区分为趋近目标与回避目标。为了分析逻辑清晰，此处通过逐步检验法和路径分析法分别对研究数据进行演示分析。
        3.1逐步检验法
        在逐步检验法中，简化了分析变量，只选取回避目标作为遮掩变量，通过SPSS进行分析演示。此时，特质竞争为预测变量，学业成绩为结果变量，回避目标为遮掩变量。逐步检验法的具体分析步骤如下（见表2）：
        首先，检验特质竞争对学业成绩的总效应c。结果显示，c=0.02，p=0.682，表明特质竞争对学业成绩预测不显著，即遮掩效应的前提成立。
        其次，检验特质竞争对回避目标的回归系数a。结果显示，a=0.24，p<0.001，表明特质竞争正向预测回避目标。
        再次，检验特质竞争与回避目标对学业成绩的回归系数c′和b。结果显示，b=-0.13，p=0.037;c′=0.06，p=0.377，表明回避目标负向预测学业成绩但特质竞争对学业成绩预测不显著。在总效应c不显著的前提下，回归系数a与b均显著，且二者的乘积项ab与c′方向相反，说明遮掩效应成立。
        最后，使用Bootstrap法检验遮掩效应系数ab的显著性。在此方法中，如果95%的置信区间包括0，说明ab不显著，反之，说明显著。结果显示，ab=-0.03，95%CI=[-0.068， -0.004]，表明遮掩效应系数ab显著。以上结果表明，特质竞争与学业成绩并不是没有关系，而是需要通过回避目标建立起联系，回避目标在其中起到了遮掩作用。

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。