中介检验。Zhaoetal.（2010）提出的中介效应检验程序近两年来被国外学者们广泛参照，在心理学、消费者行为学、组织行为学等领域的顶级学术期刊上都有较多的引用。本文将对此进行详细阐述和探讨。
3.1检验中介路径a×b如前文所述，对于中介效应的检验应当是确定中介路径是否存在，即检验a×b是否显著：a×b显著，则研究假设中提出的中介路径存在；a×b不显著，则研究假设中提出的中介路径不存在。需要指出的是，中介效应是否成立并不需要对主效应进行检验。
显著a×b不显著显著c’不显著显著c’不显著a×b×c’正负互补的中介竞争的中介唯一的中介仅有直接作用无任何作用检验结果中介成立中介成立中介成立唯一的中介中介不成立探讨其他中介中介不成立错误的理论框架遗漏其他中介，有待讨论图2Zhaoetal.（2010）中介效应检验和分析程序
资料来源：Zhao,Xinshu,Lynch,J.G.,Chen,Q.ReconsideringBaronandKenny:MythsandTruthsaboutMediationAnalysis[J].2010,37(2):197-206.
3.2对中介情况的深入探讨
3.2.1中介路径存在情况下的分析
当a×b显著时，表明研究假设中提出的中介路径存在，但是中介效应的检验并非到此为止。例如在主效应不存在的情况下，而中介效应显著，则表明可能存在另外一条与该中介路径作用相反的中介路径。因此，在确定了假设的中介路径成立后，需要进一步探讨该中介路径是否是唯一的？若还存在其他的中介路径，那么潜在的、未被纳入现有模型的中介变量与模型中的中介变量的关系是怎样的？潜在的中介路径与模型中假设的中介路径作用方向是相同的还是相反的？
Zhaoetal.（2010）提出了深入分析上述问题的检验办法。具体而言，在确定了a×b中介路径显著之后，再检验c’。若c’不显著，则表明模型中假设的中介变量是唯一的中介，即
Baron&Kenny（1986）认为的完全中介（completemediation）；此时研究模型不存在遗漏其他中介的情况。若c’显著，则表明仍可能存在其他的中介路径，此时需要进一步分析该遗漏的中介变量与研究模型中的中介效应方向是否一致或相反，若a×b×c’>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（ComplementaryMediator）；若a×b×c’<0，则表明可能遗漏了一个与模型中假设的中介效应方向相反的中介变量，该遗漏的中介变量被称为竞争中介（CompetitiveMediator）。
3.2.2中介路径不存在情况下的分析
当a×b不显著时，即表明中介路径不存在。Zhaoetal.（2010）建议研究者更进一步分析研究模型存在的具体问题，以助于未来的研究。他们建议通过检验c’是否显著判断模型存在的问题。若c’显著，则表明自变量对因变量的直接影响存在，但是研究者提出的中介路径可能是错误的，应当探索其他的中介路径；若c’不显著，则表明自变量对因变量的直接影响也不存在，说明研究者提出的理论模型是错误的，需要考虑对模型进行修正。
3.3相关参数的检验方法
上述分析阐明了了中介效应检验的具体程序，提出了判断中介效应是否存在以及中介类型的相应参数，本节将进一步分析相应参数的检验方法。首先，对于a×b是否显著的检验，有多种方法：sobel检验、Bootstrap检验、乘积分步法和MCMC法。由于sobel检验是基于
a×b服从正态分布提出的，而a×b往往并不服从正态分布，导致该检验方法犯第一类错误
的概率变大（Bollen&Stine1990,Preacher&Hayes2004,Zhaoetal.2010）。Bootstrap法、乘积分步法和MCMC法无需假设a×b服从正态分布，方杰和张敏强（2012）对比了三种检验方法的有效应，建议在无先验信息的情况下使用Bootstrap法。Preacher&Hayes（2004）同样推荐使用Bootstrap方法进行中介检验，近年来该方法已被国外多数学者应用于检验中介效应是否存在。其次，对于c’的检验，主要是依据模型3判断控制了中介之后，自变量的系数是否显著。最后，对于a×b×c’正负的判断，则是根据模型2和模型3中的a、b、c’的值，三者的乘积即为a×b×c’，据此判断正负。
表1相应参数的意义和检验方法
参数判别意义
中介路径是否存在是否有遗漏的中介变量确定被遗漏中介的类型
判别准则是否显著是否显著正负情况
Bootstrap
检验方法
a×bc’a×b×c’模型3中自变量系数
模型2和模型3相应系数的乘积
4Bootstrap中介效应检验方法及其应用
本文的目的一是介绍规范的中介检验分析程序，另一个目的是期望通过研究中的实例详细阐述Bootstrap中介效应检验方法及其应用，包括简单中介（SimpleMediation）、多个中
介变量（Multiple-Mediator）、多步多个中介变量（SerialMultipleMediators）、有调节的中介变量（ModeratedMediation）、有中介的调节变量（MediatedModeration）、自变量为多类别分类变量（Multiple-categoricalIndependent）、因变量为二分类变量（BinaryDependent）等复杂情况下的中介效应检验4。Preacher,Hayes及其合作者对于这些经常遇到的情况设计了相应的Bootstrap程序插件，可以直接下载并安装在SPSS软件中5，不单可以对简单中介进行有效检验，而且可以进行上述多种复杂情况下的中介效应检验。此外，研究者在运用Bootstrap方法检验中介效应时，对于检验结果的汇报往往感到模棱两可，不确定应当汇报哪些信息。对此，本文将选择研究中的实际案例逐一详细阐明。
4.1简单中介的Bootstrap检验
简单中介是指仅有一个自变量、一个中介变量和一个因变量的情况。下面我们将以Tong,Zheng&Zhao(2013)关于金钱概念对消费者选择影响的研究为例介绍如何使用Bootstrap方法对中介效应进行检验。Tongetal.(2013)研究认为启动金钱概念会激发人们的防御聚焦导向（PreventionFocus），进而导致人们更倾向于选择实用品而非享乐品，因此研究需要检验防御聚焦导向的中介效应。实验分为两组——金钱概念启动组和控制组（自变量：二分类变量），中介变量为防御聚焦导向，采用量表测量（中介变量：连续变量），因变量为选择享乐品还是实用品（因变量：二分类变量）。4.1.1具体操作步骤
安装PROCESS插件（Hayes2013）后，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“ModelNumber”为4；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6，即勾选“BiasCorrected”；对置信区间的置信度，选择95%，即“Confidencelevelforconfidenceintervals”为95%。最后“OK”确认即可得到结果，如表2所示7。4.1.2结果分析
在对Bootstrap结果分析时，有三个需要研究者关注的地方。首先，查看研究者最关心的中介路径是否存在的结果，即a×b是否显著。Tongetal.(2013)数据结果显示：防御聚焦导向的中介效应显著，区间（LLCI=-1.7089,ULCI=-.1597）不包含0，中介效应的大小（a×b）为-.8379。其次，查看自变量对因变量的直接影响，即c’是否显著。Tongetal.(2013)数据结果显示：控制了中介变量防御聚焦导向后，自变量金钱概念启动（vs.控制组）对因变量
4
Bootstrap方法要求中介变量必须为连续变量，无法实现中介变量为分类变量的操作。此外，当因变量为多分类变量时，Bootstrap方法也无法实现操作。对于这两种情况下的中介效应分析，本文在最后的第四部分阐述。5
具体插件可从网页上免费下载，http://www.afhayes.com/spss-sas-and-mplus-macros-and-code.html；页面包含诸多插件，其中PROCESS插件通过具体模型的选定可以实现其他插件的功能。Preacher&Hayes建议使用SPSS18以上的版本，可以更好地运行上述插件。6
取样的方法分为百分位法和偏差校正的非参数百分位法，两者的区别参阅Preacher&Hayes(2008)、方杰&张敏强(2012,p.1410).7
为了便于笔者对结果分析的讲解和读者的理解，笔者对数据结果格式做了一些调整。
的直接作用不显著，区间（LLCI=-8907ULCI=-.5303）包含0。最后，Bootstrap还给出了Baron&Kenny（1986）中模型2和模型3的结果，研究者可以查看模型中相应系数a、b、c’以在结果汇报中阐述。4.1.3结果汇报
以Tongetal.(2013)研究中金钱概念对消费者选择影响中防御聚焦导向的中介效应检验结果为例，结果汇报如下：按照Zhaoetal.（2010）提出的中介效应分析程序，参照Preacher&Hayes(2004)和Hayes(2013)提出的Bootstrap方法进行中介效应检验，样本量选择5000，在95%置信区间下，中介检验的结果的确没有包含0（LLCI=-1.7089,ULCI=-.1597），表明防御聚焦导向的中介效应显著，且中介效应大小为-.8379。此外，控制了中介变量防御聚焦导向之后，自变量金钱概念（金钱概念启动vs.控制组）对因变量消费者选择（享乐品vs.实用品）的影响不显著，区间（LLCI=-.8907ULCI=.5303）包含08。因此防御聚焦导向在金钱概念对消费者享乐实用选择影响中发挥了中介作用，且是唯一的中介变量。
8
此处，若直接作用仍然显著，需参照本文图2进一步分析汇报中介变量的类型，并讨论可能遗漏的其他中介变量。
表2SPSS应用PROCESS插件（Hayes2013)的Bootstrap中介检验的数据结果
RunMATRIXprocedure:Model=4Y=ChoiceX=PrimeM=PreventionSamplesize63********************************************************************Outcome:PreventionFocus（自变量对中介变量回归结果）PreventionModelSummaryR.3257ModelcoeffconstantPrime6.7162-.5033se.4209.1871t15.9561-2.6908p.0000.0092LLCI5.8745-.8774ULCI7.5579-.1293R-sq.1061F7.2402df11.0000df261.0000p.0092********************************************************************Outcome:Choice（自变量、中介变量共同对因变量回归结果）CodingofbinaryDVforanalysis:Choice.001.00Analysis.001.00LogisticRegressionSummary-2LL48.4225ModelcoeffconstanttionPrevenPreventionPrime-9.47151.6648-.1802se2.7652.4299.3625Z-3.42523.8729-.4970p.0006.0001.6192LLCI-14.8913.8223-.8907ULCI-4.05172.5073.5303ModelLL38.7711McFadden.4447CoxSnell.4596Nagelkrk.6132n63.0000**************DIRECTANDINDIRECTEFFECTS*************************DirecteffectofXonY（控制中介后，自变量对因变量的直接影响）EffectSEZpLLCIULCI-.1802.3625-.4970.6192-.8907.5303IndirecteffectofXonY（中介路径的作用）EffectBootSEBootLLCIPreventionFocus-.8379.4384-1.7089------ENDMATRIX-----BootULCI-.1597