类别变量的中介效应分析

471*方杰**1温忠麟2张敏强2(1广东财经大学人文与传播学院,广州510320)（2华南师范大学心理学院/心理应用研究中心,广州510631）在心理学和其他社科研究领域，研究者能熟练地进行连续变量的中介效应分析，但面对自变量、中介变量或(和)因变量为类别变量的中介效应分析，研究者往往束手无策。在阐述类别自变量中介分析方法的基础上，我们建议使用整体和相对中介相结合的类别自变量中介分析方法，并给出了分析流程。以二分因变量为例，讨论了中介变量或(和)因变量为类别变量的中介分析方法的发展过程(即尺度统一的过程)，建议通过检验Za×Zb的显著性来判断中介效应的显著性。用二个实际例子演示如何进行类别变量的中介效应分析。最后展望了类别变量的中介效应分析研究的拓展方向。类别变量中介效应相对中介整体中介*本研究得到国家自然科学基金项目(31271116，31400909)、教育部人文社会科学研究青年基金项目(14YJC190003)、广东省哲学社会科学“十二五”规划项目(GD13CXL01)和大学生的执行功能发展与心理健康关系研究(08BS18001)的资助。**通讯作者：方杰。E-mail:[e-mail]:10.16719/j.cnki.1671-6981.20170233中介(mediation)是社会科学研究中重要的方法学概念。如果自变量X通过某一变量M对因变量Y产生一定影响，则称M在X和Y之间起中介作用，此时称M为中介变量(见图1(a))。中介研究可以帮助我们解释自变量和因变量关系的作用机制，整合已有的多个变量之间的关系，近三十年来备受关注，分析方法和实际应用都得到长足发展(温忠麟,叶宝娟,2014)。然而以往的中介研究几乎都假设X、M和Y都是连续变量的情况，当X、M或(和)Y是类别变量时，如何进行中介分析呢？目前这方面的研究还比较少，国内仅查到一篇方法文章和一篇应用文章讨论因变量为类别变量的简单中介分析(刘红云,骆方,张玉,张丹慧,2013；杨雪等,2013)。Iacobucci(2012)甚至将类别变量的中介分析称为中介分析的最后一个难题。本文探讨如何正确地进行类别变量的中介分析。首先，讨论如何使用回归分析进行多类别自变量的中介分析，并给出了分析流程。接着，以二分因变量为例，详述了中介变量或因变量为类别变量的中介分析方法的发展过程，并给出了分析建议。随后用二个实际例子演示如何进行类别变量的中介效应分析。最后对相关问题进行了讨论和拓展。自变量为类别变量、中介变量和因变量为连续变量的中介分析(以下简称类别自变量的中介分析)，如果自变量为二分类别变量，可利用回归分析按照逐步法(温忠麟,叶宝娟,2014)进行中介分析(Mackinnon,Warsi,&Dwyer,1995)；如果自变量为k个类别(k≥3)建议使用相对中介和整体中介分析方法。.相对中介分析Hayes和Preacher(2014)使用相对中介效应(relativemediationeffect)、相对直接效应(relativedirecteffect)和相对总效应(relativetotaleffect)来阐述和理解多类别自变量(k≥3)的中介分析过程：第一，根据研究目的选择自变量的某个水平为参照水平。因为自变量的其它k-1个水平都要与参照水平进行对照，从而得到相对于参照水平的中介效应、直接效应和总效应。由此可知，随着参照水平选择的不同，中介效应、直接效应和总效应的大小和显著性都会发生相应的变化。因此，在报告中介分析的结果时，必须说明是基于哪个参照水平的中介分析结果。第二，对自变量进行编码，常用的编码方法是虚拟编码(dummycoding)。由于自变量存在k个水平，心理科学JournalofPsychologicalScience2017，40（2）：471-477472因此需要k-1个虚拟变量(D1，D1，…，Dk-1)。第三，依次进行下面的回归分析(见图1(b))，得到k-1个相对总效应c1，c2，…，ck-1；k-1个相对直接效应c'1，c'2，…，c'k-1；k-1个相对中介效应，，…，。相对总效应的大小等于相对直接效应和相对中介效应的大小之和：(4)鉴于以往常用的逐步法存在诸多不足(参见方杰,邱皓政,张敏强,2012)，Hayes和Preacher(2014)建议使用Bootstrap法进行相对中介效应的显著性判断，判断方法是求出的Bootstrap置信区间，如果置信区间不包含0，就表示相对中介效应显著。需要说明的是，类别自变量的水平数越多，需要检验的相对中介效应、直接效应和总效应就越多，这可能会导致检验的第一类错误率增大，Hayes和Preacher建议增加Bootstrap置信区间的置信度(用1–α/(k-1)代替通常的1–α)来控制检验的第一类错误率。.整体中介分析相对中介分析检验的是多类别自变量的某一个水平相对于参照水平而言是否存在显著的中介效应，整体中介分析检验的是k-1个相对中介效应是否全部为0。整体中介分析相比相对中介分析存在至少三个优势。第一，整体中介分析的结果不受参照水平的影响。第二，整体中介分析的统计功效高于相对中介分析。第三，整体中介分析得到的某些模糊结论(存在若干显著的相对中介效应)要比相对中介分析的某些结论(自变量的某一个水平相对于参照水平的中介效应不显著)更有意义。整体中介分析包括整体中介效应、整体直接效应和整体总效应三部分(Hayes&Preacher,2011)。..整体中介效应检验整体中介效应(omnibusmediationeffect)检验的原假设是k-1个相对中介效应全部为0，检验的统计量为，表示回归方程(2)的校正后的测定系数，b表示方程(3)的回归系数。检验的逻辑是，如果回归方程(2)的系数中，只要有一个回归系数显著不为0，则就不为0；同时，如果方程(3)中的回归系数b显著不为0，则就显著不为0，据此可以推翻原假设，得出k-1个相对中介效应不全为0的结论。由于检验统计量在绝大多数情况下都不是正态分布，建议使用Bootstrap法对统计量进行检验，如果Bootstrap置信区间不包含0，就表示检验统计量显著不为0，得出k-1个相对中介效应不全为0的结论(Hayes&Preacher,2011)。..整体直接效应和整体总效应检验整体直接效应(omnibusdirecteffect)检验的原假设是k-1个相对直接效应全部为0，检验统计量为(n-k-1)△R2/(k-1)(1-R2)，检验统计量服从F(k-1,n-k-1)分布，R2是回归方程(3)的测定系数，△R2是回归方程(3)与回归方程Y=i4+bM+ε4的测定系数之差，n表示样本容量。如果检验统计量显著不为0，则k-1个相对直接效应不全为0(Hayes&Preacher,2011)。整体总效应(omnibustotaleffect)检验的原假设是k-1个相对总效应全部为0，检验统计量为(n-k)R2/k(1-R2)，检验统计量服从F(k-1,n-k)分布，R2是回归方程(1)的测定系数，如果检验统计量显著不为0，则k-1个相对总效应不全为0(Hayes&Preacher,2011)。.多类别自变量的中介分析流程面对一个多类别自变量的中介分析任务，研究者应当如何进行呢？根据前面的讨论，我们总结出一套多类别自变量的中介流程(见图2)如下：1.整体中介分析。如果整体中介效应不显著，就表示k-1个相对中介效应全部为0，则分析结束；否则进入步骤2。2.相对中介分析，弄清具体哪一个或哪一些相对中介效应显著。如果相对中介效应不显著，则分析结束；否则进入步骤3。3.报告相应的相对直接效应检验的显著性结果。即使直接效应不显著，也避免使用完全中介的概念(温忠麟,叶宝娟,2014;Zhao,Lynch,&Chen,2010)。.示例接下来用一个例子演示如何进行多类别自变量的中介效应检验。本例要研究的是负性情绪(negativeemotion)在公正感(injusticeperception)与员工偏离行为(workplacedeviance)关系中的中介作用。本例的所有数据(815人)均来自Hayes(2013)的研究。自变量(X)为公正感(分为低、中、高三水平)，是三类别自变量(K=3)。中介变量(M)为负性情绪，因变量(Y)为员工偏离行为，中介变量和因变量都(1)(2)(3)473为连续变量。使用SPSS宏(PROCESSversion2.16iswrittenbyAndrewF.Hayes,)执行基于Bootstrap的多类别自变量的中介效应检验。以下呈现的是笔者利用Hayes(2013)的数据所做的分析结果。整体中介分析的结果是，整体总效应检验的F(2,812)=61.24，p.001，表明2个相对总效应不全为0；整体直接效应检验的F(2,811)=21.47，p.001，表明2个相对直接效应不全为0。整体中介效应检验的95%的Bootstrap置信区间为[.03,.07]，不包括0，表明2个相对中介效应不全为0，因此有必要做进一步的相对中介分析。相对中介分析的结果是，以公正感低为参照水平，公正感中等相对公正感低的相对中介的95%的Bootstrap置信区间为[-.29,-.05]，不包括0，表明相对中介效应显著(=-.37，b=.46，=-.17)，即公正感中等的员工体验到的负性情绪要比公正感低的员工要少.37(=-.37)，所以公正感中等的员工的偏离行为也相应减少(b=.46)。相对直接效应显著(c'1=-.29，p=.003)，表明排除中介作用后，公正感中等的员工的偏离行为还要比公正感低的员工少.29；相对总效应显著(c1=-.46，p.001)，相对中介效应的效果量为37%(.17/.46)。同理，以公正感低为参照水平，公正感高相对公正感低的相对中介的95%的Bootstrap置信区间为[-.67,-.40]，不包括0，表明相对中介效应显著(=-1.16，b=.46，=-.53)，即公正感高的员工体验到的负性情绪要比公正感低的员工要少1.16(=-1.16)，所以公正感高的员工的偏离行为也相应减少(b=.46)。相对直接效应显著(c'2=-.61，p.001)，表明排除中介作用后，公正感高的员工的偏离行为还要比公正感低的员工少.61；相对总效应显著(c2=-1.14，p.001)，相对中介效应的效果量为46.5%(.53/1.14)。在中介变量或因变量为类别变量的中介分析中，应当用Logistic回归取代通常的线性回归(刘红云等,2013;温忠麟,叶宝娟,2014;Pregibon,1981)。Iacobucci(2012)指出中介变量或因变量为类别变量的中介模型共有6种，本文选择目前研究最多的自变量和中介变量为连续变量，因变量为二分类别变量的中介模型(见图1(a)，以下简称二分因变量中介模型)进行中介分析，方程如下：(5)(6)(7)(8)(9)由于因变量是类别变量，因此方程(5)和(7)采用了Logistic回归；由于中介变量是连续变量，因此方程(6)采用了线性回归(刘红云等,2013;MacKinnon&Dwyer,1993;MacKinnonetal.,2007;MacKinnon,2008)。二分因变量中介模型的中介分析方法大致经历了三个发展阶段，目的是如何更好地474实现效应的尺度统一。.检验阶段由于在线性回归中，连续因变量的方差是可观察的，且在回归方程(1)和(3)中是恒定的，因此回归方程(1)和(3)具有相同的尺度。在Logistic回归中，二分因变量的方差是无法直接观察的，为了确定因变量的方差，研究者将Logistic回归方程(5)和(7)的残差方差固定为π2/3，所以Logistic回归方程(5)和(7)的因变量的方差不同，即Logistic回归方程(5)和(7)的尺度不同，因此c和c'是无法比较的，如果用c-c'的大小来估计中介效应大小就会产生较大的偏差(M