机制与路径分析
有调节的中介
在一条 X→M→Y 间接路径上,检验间接效应本身是否随调节变量 W 变化,用判定指数而不是拆开两次分析。
这篇能回答什么
有调节的中介回答的是「间接效应 a×b 会不会随 W 变大或变小」。本实现对应 Hayes Model 7:W 只调节前半段 X→M,不调节 M→Y。先对 X、W 中心化,拟合 M 对 X、W、X×W 的方程,再拟合 Y 对 X、M、W 的方程(Y 式里没有 X×W)。条件间接效应是 (a₁ + a₃ W) b₁;判定指数 Index = a₃ b₁。Index 的 95% Bootstrap 区间不含 0,才宣布「中介被调节」。
适合:理论明确写「机制存在,且机制的强弱取决于条件」。教学示例:数学学习兴趣经教学吸引力传到学科难度感知,家庭学习支持是否改变前半段。四个角色均为定量,各 1 列。Bootstrap 默认 1000 次。
什么时候不该用
只拆一条间接路径、没有条件,用中介效应分析。只问斜率是否随 W 变、没有 M,用调节效应分析。要在 W 连续轴上标简单斜率显著区,用Johnson-Neyman法。先跑一遍中介再跑一遍调节,不能代替判定指数。多条并列或串联中介见并行中介效应与链式设定。
如何选择方法
把假设写成一句话:是「经过谁」、是「在什么水平上」,还是「经过谁的那条路会随条件变」。第三句才是本页。第一句用中介,第二句用调节或 JN。判定成立与否听 Index 的区间,不听「三个 W 档的间接效应看起来都显著」。
有调节的中介:X、M、W、Y 各 1 个定量列;前半段交互 + 1000 次 Bootstrap Index。
中介效应分析:只估 a、b、c′ 与 Sobel,没有 W。
调节效应分析 / Johnson-Neyman法:没有 M,只处理 X×W→Y。
路径分析:多条显变量箭头的占用或结构,不专门输出 Index。
输入、输出与限制
输入
四个定量角色各恰好 1 列,在 X、M、Y、W 上联合删缺失。有效行少于约 20 会拒绝,因为还要做 Bootstrap。
自变量 (X):最少 1 个,最多 1 个(定量)。
中介变量 (M):最少 1 个,最多 1 个(定量)。
调节变量 (W):最少 1 个,最多 1 个(定量)。
因变量 (Y):最少 1 个,最多 1 个(定量)。
输出
第一张表是两条 OLS:中介变量模型 M(R²=0.233)与因变量模型 Y(R²=0.218),含系数、标准误、t、p。第二张表是 W 取 −1 SD、均值、+1 SD 时的条件间接效应及 95% Bootstrap 区间。表注给出 Index 与其区间。另有条件间接效应随 W 变化的趋势图。
产品限制
固定为前半段调节(Model 7),不能在同一页改成后半段或同时调节 a 与 b。
Bootstrap 次数固定 1000,种子固定,复现应对齐次数而不是对齐 SPSS 默认 5000。
Y 方程不包含 X×W;后半段是否被调节不能从本页读出。
三个档的条件间接效应都显著,不能单独用来宣布有调节的中介成立。
案例
研究问题。 数学学习兴趣是否通过教学吸引力影响学科难度感知,并且这条间接路径是否随家庭学习支持的高低而改变?
教学示例来自学生问卷「有效样本数据」。X = 数学学习兴趣,M = 教学吸引力,W = 家庭学习支持,Y = 学科难度感知。本页 facts 不提供单独的 N 格子;有效行以四列联合删除后的工作台为准。下载后按同样四个角色复现系数与 Index。
在 StatsX 中操作
步骤 1 · 上传问卷
工作台接收 Excel / CSV / JSON,选「有效样本数据」,不超过 20 MB。
步骤 2 · 辨认四列
兴趣、吸引力、支持、难度感知都应是定量评分。不要把支持误放进中介角色——那会变成另一条中介,不是调节。
步骤 3 · 打开有调节的中介
目录搜「有调节」或「moderated」。不要先跑中介再跑调节当作替代。
步骤 4 · 四个角色一次挂齐
自变量、中介、调节、因变量分别挂四列。系统会中心化兴趣与支持后再造乘积项。
步骤 5 · 先读 Index 再读三档
表注 Index = −0.0237、区间 [−0.0541, 0.0002] 含 0,结论是模型不成立。三档条件间接效应只描述「各档还有没有间接效应」,不推翻 Index。



如何阅读输出
第一张表必须出现「中介变量模型 M (R²=0.233)」这一行标签。M 方程里兴趣 0.3266(t=6.9876,p<0.001),支持 0.3463(t=7.3398,p<0.001),交互项 −0.1022(SE=0.0521,t=−1.9618,p=0.050)。Y 方程 R²=0.218:兴趣 0.2028,教学吸引力 0.2323,支持 0.123(p=0.005)。Y 式没有乘积项,这是 Model 7 的设定,不是漏列。
| 模型方程 | 变量 | 回归系数(Coef) | 标准误(SE) | t值 | P值 |
|---|---|---|---|---|---|
| 中介变量模型 M (R²=0.233) | const | 3.9988 | 0.037 | 107.9765 | <0.001 |
| 中介变量模型 M (R²=0.233) | 数学学习兴趣 | 0.3266 | 0.0467 | 6.9876 | <0.001 |
| 中介变量模型 M (R²=0.233) | 家庭学习支持 | 0.3463 | 0.0472 | 7.3398 | <0.001 |
| 中介变量模型 M (R²=0.233) | 数学学习兴趣 × 家庭学习支持 | -0.1022 | 0.0521 | -1.9618 | 0.050 |
| 因变量模型 Y (R²=0.218) | const | 1.872 | 0.1581 | 11.8416 | <0.001 |
| 因变量模型 Y (R²=0.218) | 数学学习兴趣 | 0.2028 | 0.0423 | 4.7934 | <0.001 |
| 因变量模型 Y (R²=0.218) | 教学吸引力 | 0.2323 | 0.039 | 5.9597 | <0.001 |
| 因变量模型 Y (R²=0.218) | 家庭学习支持 | 0.123 | 0.0432 | 2.8441 | 0.005 |
左右滑动可查看完整表格
注:为消除共线性影响,在构造交互项前已对自变量 数学学习兴趣 与调节变量 家庭学习支持 进行了中心化处理。
第二张表是 1000 次 Bootstrap 的条件间接效应:低水平 0.0947([0.0511, 0.1455]),均值 0.0759([0.045, 0.1094]),高水平 0.057([0.0298, 0.0884])。三档区间都不含 0,间接效应在三个探针点上都可检出,且随支持升高而减弱。表注给出判定指数 −0.0237,95% CI [−0.0541, 0.0002],含 0,因此有调节的中介不成立。
| 调节变量水平 | 条件间接效应 (Effect) | BootLLCI (95%) | BootULCI (95%) | 显著性结论 |
|---|---|---|---|---|
| 低水平 (-1 SD) | 0.0947 | 0.0511 | 0.1455 | 显著 (CI 不包含 0) |
| 均值水平 (Mean) | 0.0759 | 0.045 | 0.1094 | 显著 (CI 不包含 0) |
| 高水平 (+1 SD) | 0.057 | 0.0298 | 0.0884 | 显著 (CI 不包含 0) |
左右滑动可查看完整表格
【核心判定指数】被调节的中介判定指数(Index of Moderated Mediation) = -0.0237,95% CI 范围 [-0.0541, 0.0002]。由于该置信区间包含 0,因此有调节的中介模型不成立。


【有调节的中介】检验 家庭学习支持 是否调节前半段 数学学习兴趣→教学吸引力→学科难度感知。 【交互项】X×W→M 统计不显著(p=0.050, α=0.05),调节变量可能未实质干扰前半段路径。 【Bootstrap判定】Index=-0.0237,95%CI=[-0.0541, 0.0002],区间含0,有调节的中介效应不成立。 【条件效应趋势】随 家庭学习支持 从低到高,间接效应呈减弱/反转趋势。
分开做中介,你会得到一条显著的兴趣→吸引力→难度路径;分开做调节,你只检验兴趣×支持→难度,根本不经过吸引力。两页拼在一起仍然没有检验「间接效应对 W 的导数」。Index 才是那条导数(a₃ b₁)的区间估计。本例三档都显著只说明「各档都还有中介」,不说明「中介的大小随支持可靠地改变」——上沿 0.0002 已经贴着零。p=0.050 的前半段交互也按 α=0.05 记为未过线,与 Index 含 0 一致。
理论与公式
记中心化后的兴趣与支持为 X_c、W_c。Model 7 为
条件间接效应与判定指数:
在 −s_W、0、+s_W 三处计算 ω(w),并用百分位 Bootstrap(本页 1000 次,种子固定)得到各档与 Index 的 95% 区间。区间按「上下限同号」判定不含 0。Sobel 正态近似不用于本页的 Index。中介分析页的 a×b 与 Sobel Z 是无调节的特例(没有 a₃)。调节分析页的 β₃ 是 X×W→Y,不是 a₃ b₁。
注意事项
Index 区间含 0 时,不要用「低档间接效应更大」的趋势句改写成调节成立。
p=0.050 贴在 α 边界上,按本页口径不算前半段交互显著。
横断面问卷只能支持统计上的条件间接效应,不能单独证明时间顺序。
Bootstrap 1000 与 PROCESS 默认 5000 的区间宽度会不同,点估计应接近。
不要在表外再中心化一次兴趣与支持。
常见问题
参考文献
Hayes, A. F. Introduction to Mediation, Moderation, and Conditional Process Analysis. Guilford.
Preacher, K. J., Rucker, D. D., & Hayes, A. F. Addressing moderated mediation hypotheses. Multivariate Behavioral Research, 2007.
温忠麟, 叶宝娟. 有调节的中介模型检验方法:竞争还是替补?[J]. 心理学报, 2014.
Muller, D., Judd, C. M., & Yzerbyt, V. Y. When moderation is mediated and mediation is moderated. Journal of Personality and Social Psychology, 2005.