统计百科 ·
中介效应APA报告怎么写？a*b间接效应+Bootstrap CI格式全解
统计百科：详解中介效应APA 7th报告规范——a*b间接效应计算、BC Bootstrap置信区间不含0判断显著性、直接效应与总效应写法、可直接套用的完整论文报告模板，盘点审稿人常挑的格式错误。
中介效应分析完成后，论文里的报告段落往往是最难写的部分：间接效应怎么表达、Bootstrap置信区间写几位小数、BC和BCA是同一个东西吗、直接效应还显著要怎么说——这篇文章专攻"中介效应怎么规范写进论文"这一具体格式点，给出APA 7th所有中介场景的完整报告模板，并逐一盘点审稿人最常挑的格式错误。
你的中介效应报告有这些问题吗？
审稿人或导师关于中介效应报告最常见的反馈：
- "间接效应要写成 a*b 的乘积，不能直接写'中介效应显著'"
- "Bootstrap CI 要报告置信区间两端，不只是说 p < .05"
- "中介分析必须用 Bootstrap，不能用 Sobel 检验代替"
- "BC Bootstrap 和 BCA Bootstrap 请说清楚用了哪种"
- "置信区间含不含 0 才是判断显著与否的依据，不是 p 值"
- "直接效应和总效应都要报告，不只报告间接效应"
- "抽样次数（Bootstrap samples）必须说明，通常至少 5000 次"
这些错误集中在 APA Publication Manual 第七版关于中介分析报告的多个章节，以及 Hayes（2022）PROCESS 宏手册的报告规范。本文只讲一件事：中介效应到底怎么规范写进论文的每一种场景。
如果你还没看过姊妹篇 F 值的 APA 7th 报告写法，建议先读那篇了解 APA 基础格式规则（p 值不加前导零等），本文默认你已了解这些基础，不再重复。
一、中介效应的三条路径：a、b、c' 是什么
路径符号体系
标准单中介模型包含三条路径，APA 和 PROCESS 宏（Hayes，2022）均使用以下符号：
| 路径 | 含义 | 统计量 |
|---|---|---|
| a 路径 | 自变量 X → 中介变量 M | 回归系数 a |
| b 路径 | 中介变量 M → 因变量 Y（控制 X 后） | 回归系数 b |
| c' 路径（直接效应） | 自变量 X → 因变量 Y（控制 M 后） | 回归系数 c' |
| c 路径（总效应） | 自变量 X → 因变量 Y（不含 M） | 回归系数 c |
间接效应 = a × b：X 通过 M 作用于 Y 的效应大小，是中介分析的核心指标。
总效应 = 直接效应 + 间接效应，即 c = c' + a*b。
为什么必须用 Bootstrap 而不是 Sobel 检验
Sobel 检验假设间接效应 ab 的抽样分布是正态分布，但实际上 ab 的分布通常是偏态的（因为是两个系数的乘积）。Bootstrap 方法通过重复抽样直接估计 a*b 的经验分布，无需正态假设，在小样本下也更准确。
APA 7th 和现代期刊的共识：中介效应检验必须报告 Bootstrap 置信区间，Sobel 检验不再推荐作为主要判断依据。
二、Bootstrap CI 的类型：BC 和 BCA 的区别
百分位数 Bootstrap（Percentile Bootstrap）
直接取 Bootstrap 分布的第 2.5 和 97.5 百分位数作为 95% CI 的上下限。计算简单，但在分布偏斜时精度较低。
偏差校正 Bootstrap（BC Bootstrap，Bias-Corrected）
在百分位数基础上，对分布的中心偏差进行校正，更好地处理 a*b 分布不对称的问题。PROCESS 宏（Hayes，2022）默认输出 BC Bootstrap CI。
格式标识：报告时写 "95% BC Bootstrap CI"。
偏差校正加速 Bootstrap（BCA Bootstrap，Bias-Corrected and Accelerated）
在 BC 基础上，进一步校正分布形状（加速因子 a），理论精度最高，但计算量大。部分期刊或软件（如 R 的 boot 包）默认使用 BCA。
格式标识：报告时写 "95% BCA Bootstrap CI"。
实操选用原则
- PROCESS 宏跑出来的：默认是 BC Bootstrap，写 "BC Bootstrap CI"
- R 的 boot 包、mediation 包：默认 BCA，写 "BCA Bootstrap CI"
- 不确定类型：直接写 "Bootstrap CI"，并在方法章节说明软件和参数
- Bootstrap 抽样次数：至少 5000 次，主流推荐 5000-10000 次，方法章节必须说明
三、判断中介效应显著的唯一标准：CI 不含 0
这是中介效应报告中最常被误解的规则：
Bootstrap CI 不含 0 = 间接效应显著（a*b 显著不为 0）
Bootstrap CI 含 0 = 间接效应不显著（无法排除间接效应为 0 的可能）
Bootstrap 方法不产生传统 p 值（部分软件会给出，但 APA 规范以 CI 为准）。报告时不能写 "间接效应显著，p < .05"，正确写法是报告 CI 范围并说明是否含 0。
四、APA 7th 格式规范：中介效应报告必须包含的要素
必报要素清单
| 要素 | 格式示例 |
|---|---|
| a 路径系数 | a = 0.42, SE = 0.09, t(248) = 4.67, p < .001 |
| b 路径系数 | b = 0.35, SE = 0.07, t(247) = 5.00, p < .001 |
| 间接效应 a*b | indirect effect = 0.147, 95% BC Bootstrap CI [0.078, 0.232] |
| 直接效应 c' | c' = 0.21, SE = 0.08, t(247) = 2.63, p = .009 |
| 总效应 c | c = 0.36, SE = 0.09, t(248) = 4.00, p < .001 |
| Bootstrap 参数 | 95% BC Bootstrap CI，抽样 5000 次 |
| 效应量（可选） | kappa^2 = .14 或 proportion mediated = .41 |
系数精度要求
- 回归系数（a、b、c'、c）：精确到两位或三位小数（与整体回归表保持一致）
- Bootstrap CI 上下限：精确到三位小数
- SE：精确到三位小数
- p 值：精确到三位小数，不加前导零；p < .001 时写 p < .001
五、各场景完整 APA 报告模板
场景一：完全中介（直接效应不显著）
情形：学习动机（X）通过自我效能感（M）影响学业成绩（Y），直接效应 c' 不显著。
完整报告段落模板：
首先检验路径 a（[X] → [M]）：[X]正向预测[M]，
a = X.XX, SE = X.XX, t([N-2]) = X.XX, p [值]。
路径 b（[M] → [Y]，控制[X]后）：[M]正向预测[Y]，
b = X.XX, SE = X.XX, t([N-3]) = X.XX, p [值]。
间接效应（a*b）= X.XXX（SE = X.XXX），
95% BC Bootstrap CI 为 [X.XXX, X.XXX]（抽样 5000 次），
置信区间不含 0，表明[X]通过[M]对[Y]的间接效应显著。
直接效应 c' = X.XX, SE = X.XX, t([N-3]) = X.XX, p [值]，
置信区间含 0，直接效应不显著，结果支持完全中介。
总效应 c = X.XX, SE = X.XX, t([N-2]) = X.XX, p [值]。
填入数值的示例：
首先检验路径 a（学习动机 → 自我效能感）：学习动机正向预测自我效能感，a = 0.42，SE = 0.09，t(248) = 4.67，p < .001。路径 b（自我效能感 → 学业成绩，控制学习动机后）：自我效能感正向预测学业成绩，b = 0.35，SE = 0.07，t(247) = 5.00，p < .001。间接效应（a*b）= 0.147（SE = 0.041），95% BC Bootstrap CI 为 [0.078, 0.232]（抽样 5000 次），置信区间不含 0，表明学习动机通过自我效能感对学业成绩的间接效应显著。直接效应 c' = 0.06，SE = 0.08，t(247) = 0.75，p = .454，置信区间含 0，直接效应不显著，结果支持完全中介。总效应 c = 0.21，SE = 0.08，t(248) = 2.63，p = .009。
场景二：部分中介（直接效应仍显著）
情形：X 通过 M 影响 Y，但 X 对 Y 的直接效应同样显著。
完整报告段落模板：
间接效应（a*b）= X.XXX，95% BC Bootstrap CI 为 [X.XXX, X.XXX]
（抽样 5000 次），置信区间不含 0，间接效应显著。
直接效应 c' = X.XX, SE = X.XX, t([N-3]) = X.XX, p [值]，显著，
表明[X]对[Y]同时存在直接路径与通过[M]的间接路径，结果支持部分中介。
中介比例（proportion mediated）= a*b / c = X.XXX，
即[M]中介了[X]对[Y]总效应的约 XX%。
填入数值的示例：
间接效应（a*b）= 0.147，95% BC Bootstrap CI 为 [0.072, 0.231]（抽样 5000 次），置信区间不含 0，间接效应显著。直接效应 c' = 0.21，SE = 0.08，t(247) = 2.63，p = .009，表明学习动机对学业成绩同时存在直接路径与通过自我效能感的间接路径，结果支持部分中介。中介比例（proportion mediated）= 0.147 / 0.357 = .412，即自我效能感中介了学习动机对学业成绩总效应的约 41.2%。
场景三：多重中介（两个及以上中介变量）
情形：X 通过 M1 和 M2 两条路径影响 Y，需分别报告每条间接效应，以及对比两条路径的差异。
完整报告段落模板：
采用 Hayes（2022）PROCESS 宏（Model 4，并联多重中介）检验
[X]通过[M1]和[M2]对[Y]的间接效应，Bootstrap 抽样 5000 次。
路径一（[X] → [M1] → [Y]）的间接效应 a1*b1 = X.XXX，
95% BC Bootstrap CI [X.XXX, X.XXX]，[显著/不显著]。
路径二（[X] → [M2] → [Y]）的间接效应 a2*b2 = X.XXX，
95% BC Bootstrap CI [X.XXX, X.XXX]，[显著/不显著]。
两条间接路径的差异：a1*b1 - a2*b2 = X.XXX，
95% BC Bootstrap CI [X.XXX, X.XXX]；
置信区间[不含/含] 0，两条路径的间接效应[有/无]显著差异。
填入数值的示例：
采用 Hayes（2022）PROCESS 宏（Model 4，并联多重中介）检验压力感知通过情绪调节和社会支持对抑郁症状的间接效应，Bootstrap 抽样 5000 次。路径一（压力感知 → 情绪调节 → 抑郁症状）的间接效应 a1b1 = 0.183，95% BC Bootstrap CI [0.094, 0.287]，置信区间不含 0，间接效应显著。路径二（压力感知 → 社会支持 → 抑郁症状）的间接效应 a2b2 = 0.064，95% BC Bootstrap CI [0.012, 0.131]，置信区间不含 0，间接效应显著。两条间接路径的差异：a1b1 - a2b2 = 0.119，95% BC Bootstrap CI [0.007, 0.246]，置信区间不含 0，情绪调节的间接效应显著大于社会支持的间接效应。
场景四：调节中介（被调节的中介，Moderated Mediation）
情形：中介效应的大小受到调节变量 W 的影响（PROCESS Model 7 或 14）。
完整报告段落模板：
采用 Hayes（2022）PROCESS 宏（Model [7/14]）检验
[调节变量W]对[X]通过[M]影响[Y]的间接效应的调节作用，
Bootstrap 抽样 5000 次。
交互项（[X]*[W]或[M]*[W]）的系数 = X.XX，SE = X.XX，
t([df]) = X.XX，p [值]；[交互项显著/不显著，调节效应[存在/不存在]。
条件间接效应（conditional indirect effects）：
- [W]低值（-1SD，W = XX）：间接效应 = X.XXX，
95% BC Bootstrap CI [X.XXX, X.XXX]，[显著/不显著]
- [W]均值（M，W = XX）：间接效应 = X.XXX，
95% BC Bootstrap CI [X.XXX, X.XXX]，[显著/不显著]
- [W]高值（+1SD，W = XX）：间接效应 = X.XXX，
95% BC Bootstrap CI [X.XXX, X.XXX]，[显著/不显著]
指数 (Index of Moderated Mediation, IMM) = X.XXX，
95% BC Bootstrap CI [X.XXX, X.XXX]，置信区间不含 0，
表明[W]对间接效应的调节作用显著。
六、方法章节怎么描述中介分析
标准方法章节描述（单中介）
以[自变量]为预测变量，[中介变量]为中介变量，[因变量]为结果变量，
采用 Hayes（2022）PROCESS 宏（Model 4）进行简单中介分析。
间接效应（a*b）的显著性通过偏差校正 Bootstrap 方法（BC Bootstrap）
进行检验，Bootstrap 抽样次数为 5000 次，置信区间设置为 95%。
当 95% BC Bootstrap 置信区间不含 0 时，判定间接效应显著。
统计分析使用 SPSS 26.0 配合 PROCESS 宏 4.2 版本完成。
标准方法章节描述（多重/调节中介）
采用 Hayes（2022）PROCESS 宏检验并联多重中介模型（Model 4），
以[X]为自变量，[M1]和[M2]为并联中介变量，[Y]为结果变量。
各条间接路径的显著性及差异均通过 BC Bootstrap 方法（5000 次抽样，
95% CI）进行检验。调节中介分析进一步使用 PROCESS Model 7（[W]调节
a 路径）检验间接效应的边界条件，IMM 的显著性同样采用 Bootstrap CI 判断。
七、在 ChatSRS 一句话获得规范中介效应报告
打开 chatsrs.com，上传数据后输入：
"以学习动机为自变量，自我效能感为中介变量，学业成绩为因变量，做单中介分析；用 BC Bootstrap（5000 次抽样）检验间接效应；输出 a 路径、b 路径、直接效应 c'、总效应 c 的回归系数（含 SE、t 值、p 值），以及间接效应 a*b 的点估计值和 95% BC Bootstrap CI；给出符合 APA 7th 格式的完整报告段落，同时给出方法章节描述模板。"
ChatSRS 会调用 R 引擎（mediation 包或 PROCESS 等效实现）完成计算，输出段落即为上文示例格式，数值自动填入，可直接复制进论文。如需多重中介或调节中介，在指令中说明模型类型（如"M1 和 M2 两个中介变量并联"或"W 调节 a 路径"），ChatSRS 自动切换报告模板。
八、中介效应报告常见错误对照表
| 常见错误 | 正确写法 | 违反的规范 |
|---|---|---|
| "中介效应显著，p < .05" | 报告 BC Bootstrap CI 范围，说明不含 0 | 中介效应以 CI 判断，不以 p 值为准 |
| 只写间接效应，不写直接效应和总效应 | a、b、c'、c 路径全部报告 | APA 7th 要求完整路径报告 |
| 不说明 Bootstrap 类型（BC/BCA/百分位数） | 95% BC Bootstrap CI 或 95% BCA Bootstrap CI | 需区分三种类型 |
| 不说明 Bootstrap 抽样次数 | Bootstrap 抽样 5000 次 | Hayes（2022）及期刊要求说明次数 |
| 间接效应只写 a*b 乘积，不写 SE 和 CI | indirect effect = 0.147，95% BC CI [0.078, 0.232] | SE 和 CI 是判断标准的核心信息 |
| 用 Sobel 检验代替 Bootstrap | 使用 BC Bootstrap | Sobel 检验对 a*b 的非正态分布假设不成立 |
| CI 写成百分比形式（0.078-0.232） | [0.078, 0.232]（方括号，逗号分隔） | APA 7th CI 格式：方括号内两数值 |
| 多重中介不报告路径间差异 | 报告 a1b1 - a2b2 及其 Bootstrap CI | 多重中介需检验各路径效应是否存在差异 |
| 调节中介不报告 IMM | 报告 Index of Moderated Mediation 及 CI | IMM 是调节中介显著性的首选指标 |
常见 FAQ
Q：BC Bootstrap CI 和 BCA Bootstrap CI 哪个更好，期刊会挑剔吗？
A：理论上 BCA 因加入了加速因子校正，在分布偏态较严重时比 BC 更精确，但两者在实践中差异通常很小。PROCESS 宏（最常用工具）默认输出 BC Bootstrap，R 的 boot 包默认 BCA。绝大多数期刊不挑剔用哪种，关键是说清楚用了哪种、抽了多少次。如果审稿人没有特别要求，按软件默认输出报告即可；如果期刊明确要求 BCA，改用 R 的 boot 包或 mediation 包即可。
Q：间接效应的 Bootstrap CI 不含 0，但 a 路径或 b 路径单独检验 p > .05，这矛盾吗？
A：不矛盾，而且这是正常现象。Bootstrap CI 检验的是 ab 乘积作为一个整体是否显著不为 0，而 a 和 b 单独的显著性是两个独立的 t 检验。当样本量较小、a 路径和 b 路径系数都偏弱但同向时，单独检验可能各自不显著（功效不足），但乘积 ab 在 Bootstrap 下可能达到显著水平。APA 7th 建议以 Bootstrap CI 作为间接效应的主要判断标准，不要求 a 和 b 路径必须分别显著。当然，如果 a 路径或 b 路径完全为 0，间接效应自然也为 0。
Q：完全中介和部分中介，APA 7th 还要求这样区分吗？
A：APA 7th 和现代中介分析文献（Hayes，2022；MacKinnon，2008）均建议避免用"完全中介"和"部分中介"这类二分法标签，因为直接效应是否显著高度依赖样本量，并不能反映中介的强度。现代推荐的报告方式是：报告间接效应的点估计值和 CI，以及中介比例（proportion mediated），让读者自行判断中介的相对重要性。如果期刊或导师明确要求区分完全/部分中介，可以额外说明，但建议同时提供上述量化指标。
Q：中介效应有没有效应量指标，类似 eta^2 那样？
A：有，主要有两种。(1) 中介比例（proportion mediated）：a*b / c，即间接效应占总效应的比例，简单直观，但当总效应 c 接近 0 时会产生异常值，不适用。(2) kappa^2（kappa squared）：Hayes 提出的标准化中介效应量，范围 0-1，不受总效应大小影响，更稳健。kappa^2 > .01 为小效应，> .09 为中效应，> .25 为大效应（Hayes，2022）。PROCESS 宏可输出 kappa^2；若使用 R 则需另行计算或使用第三方包（R 原生 mediation 包不直接输出 kappa^2）。建议在报告中至少提供中介比例，如有 kappa^2 则一并报告。
快速参考：中介效应 APA 报告格式速查卡
[路径系数（a、b、c'、c）]
路径名 = X.XX, SE = X.XX, t([N-k]) = X.XX, p [= .XXX / < .001]
[间接效应]
indirect effect (a*b) = X.XXX, SE = X.XXX,
95% BC Bootstrap CI [X.XXX, X.XXX]（抽样 5000 次）
*CI 不含 0 = 显著；CI 含 0 = 不显著*
[多重中介路径差异]
contrast: a1*b1 - a2*b2 = X.XXX,
95% BC Bootstrap CI [X.XXX, X.XXX]
*CI 不含 0 = 两条路径效应有显著差异*
[调节中介 IMM]
Index of Moderated Mediation = X.XXX,
95% BC Bootstrap CI [X.XXX, X.XXX]
*CI 不含 0 = 调节中介显著*
[效应量]
proportion mediated = a*b / c = X.XXX
kappa^2 = X.XX（.01 小 / .09 中 / .25 大）
相关阅读
- F 值的 APA 7th 报告写法 — F(df1,df2)格式、效应量 eta 平方、报告模板全解
- t 值的 APA 7th 报告写法 — 自由度、效应量、独立/配对模板全解
- 中介效应 vs 调节效应的区别：一张图彻底搞清楚
- AI 跑中介效应分析全流程实操
- 回归分析结果 APA 报告表格怎么做
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。