统计百科 ·
多层中介（跨层中介）APA报告怎么写？间接效应分解+1-1-1/2-1-1模型格式全解
统计百科：专攻多层中介（跨层中介）的APA 7th报告规范——1-1-1与2-1-1模型间接效应分解、组内/组间效应区分、蒙特卡洛CI与Bootstrap CI格式、可直接套用的论文报告模板，盘点审稿人最常挑的格式错误。
多层中介分析的难点不在于跑出结果，而在于报告格式：间接效应要分组内和组间吗？蒙特卡洛CI和Bootstrap CI哪个用？1-1-1和2-1-1模型的报告段落有什么本质差异？这篇文章专攻"多层中介怎么规范写进论文"这一格式点，给出APA 7th所有常见多层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。
你的多层中介报告有这些问题吗？
审稿人或导师对多层中介报告最常见的反馈：
- "请区分组内间接效应（within-level）和组间间接效应（between-level），不能笼统写一个"
- "2-1-1模型的X是二层变量，中介和结果是一层变量，报告的通径标注有误"
- "蒙特卡洛CI是基于正态近似的，样本量不足时建议换用参数化Bootstrap"
- "只报告间接效应点估计和p值不符合APA 7th规范，必须同时报告95%CI"
- "随机中介效应（random mediation effect）和固定中介效应混淆了"
- "ICC未报告，读者无法判断多层结构的必要性"
这些错误集中在APA Publication Manual第七版推断统计报告与多层线性模型报告的交叉地带，但专门针对多层中介格式汇总的实操指南并不多。本文只讲一件事：多层中介（跨层中介）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 中介效应APA报告怎么写 和 多层线性模型HLM的APA报告怎么写，建议先读那两篇，本文默认你已了解p值不加前导零、间接效应用置信区间判断显著性等基础规则，不再重复。
一、多层中介的基本结构：什么是1-1-1和2-1-1模型
变量层级标注规则
多层中介分析中，每个变量都有一个层级（Level），标注方式是"X-M-Y"三个数字，数字表示该变量所在层级：
- 1 = 第一层（个体层，within-level，如学生、员工个体数据）
- 2 = 第二层（群体层，between-level，如班级、组织层面数据）
| 模型类型 | X所在层 | M所在层 | Y所在层 | 中介路径性质 |
|---|---|---|---|---|
| 1-1-1 | L1 | L1 | L1 | 组内中介（within-level mediation） |
| 2-1-1 | L2 | L1 | L1 | 跨层中介（cross-level mediation） |
| 1-2-1 | L1 | L2 | L1 | 跨层中介（较少见） |
| 2-2-1 | L2 | L2 | L1 | 跨层中介（部分） |
1-1-1模型：X、M、Y均在第一层（个体层），但嵌套在第二层单元（如班级）内，需要同时估计组内（within）和组间（between）两条中介路径。
2-1-1模型：X在第二层（如干预组别、班级特征），M和Y在第一层，中介路径跨越两个层级（2→1→1），是最常见的跨层中介设计。
为什么不能用普通中介分析代替
多层结构中，个体观测值不相互独立（同一班级内的学生相似度更高），违反了普通回归/中介分析的独立性假设。若强行用普通Baron-Kenny步骤或单层Bootstrap做多层数据，会：
- 低估标准误，人为夸大显著性（I类错误膨胀）
- 混淆组内效应和组间效应，报告的间接效应指向不明
- 无法区分X的个体层变异和群体层变异各自的中介路径
因此，多层中介分析必须在正确的HLM框架（如MLwiN、Mplus、R的lme4+mediation或nlme、Stata的xtmixed）下进行，再按对应格式报告。
二、核心统计概念：报告前必须理解的三个量
1. 间接效应（Indirect Effect）的分解
1-1-1模型的间接效应分为两部分：
- 组内间接效应（Within-level indirect effect）：个体层X→M→Y路径，反映个体内变量关系的中介
- 组间间接效应（Between-level indirect effect）：群体层X_mean→M_mean→Y_mean路径，反映群体间均值差异的中介
两者必须分开报告，不可合并为一个间接效应值。
2-1-1模型的间接效应只有一条跨层路径（L2 X → L1 M → L1 Y），但需区分：
- 固定间接效应（Fixed indirect effect）：a×b，其中a是X（L2）对M（L1）的跨层固定效应，b是M对Y的L1固定效应
- 随机间接效应变异（Random indirect effect variance）：若b路径被设为随机效应，则不同L2单元内的间接效应大小不同，需额外报告其方差
2. 置信区间：蒙特卡洛CI vs Bootstrap CI
| 方法 | 原理 | 优点 | 局限 |
|---|---|---|---|
| 蒙特卡洛CI（Monte Carlo CI） | 基于a、b的点估计和标准误，模拟10000+次a×b分布 | 计算快，适合HLM框架直接输出 | 依赖正态近似，小样本偏差 |
| 参数化Bootstrap CI | 从参数分布中反复抽样重拟合模型 | 更准确，不依赖正态近似 | 计算慢，需要专用软件（如Mplus） |
| 非参数Bootstrap CI | 对原始数据有放回抽样 | 分布假设最少 | 多层数据需整群Bootstrap，单位是L2群 |
APA 7th要求：报告间接效应时必须附95%CI。在多层中介领域，蒙特卡洛10000次模拟CI是广泛采用的惯例方法（MacKinnon等人，2004），但此做法属于领域规范，并非APA 7th Publication Manual的明文规定。若样本量较小（L2单元<50），优先使用参数化Bootstrap CI。
3. ICC（组内相关系数）
$ICC = \frac{\tau_{00}}{\tau_{00} + \sigma^2}$
ICC反映因变量Y的总变异中有多大比例来自L2群体间差异。APA 7th（JARS-Quant）要求在多层分析方法章节中报告ICC，以说明多层建模的必要性。".05阈值"是经验性参考标准（Hox, 2010），并非APA规范明文规定，实际使用时应结合理论背景和研究设计综合判断。
三、1-1-1模型：完整APA报告格式
模型设定说明
1-1-1模型需要在方法章节说明：
- 是否将X、M中心化（组内中心化 = 减去组均值；总均值中心化 = 减去总均值）
- 是否允许b路径（M→Y）跨L2单元随机变化（random slope）
- 使用的软件与CI估计方法
方法章节描述模板
本研究采用1-1-1多层中介模型（Bauer et al., 2006），
以[L2单元，如班级]为嵌套单元，检验[X]通过[M]对[Y]的组内中介效应。
X和M均进行组内中心化（group-mean centering），
以分离组内和组间效应（Enders & Tofighi, 2007）。
间接效应（a×b）的显著性采用蒙特卡洛模拟置信区间法（10000次模拟，MacKinnon et al., 2004）进行检验，
95% CI不含0视为间接效应显著。统计分析使用 [软件]（[版本]）完成。
结果段落模板（含数值填入说明）
零模型ICC报告：
零模型结果显示，[Y]的组内相关系数ICC = [值]，表明[Y]总变异中
约[ICC×100]%源于[L2单元]间差异，支持使用多层模型分析。
主效应与间接效应报告：
1-1-1多层中介模型结果显示，组内层面，
[X]对[M]的固定效应显著，a_within = [值]（SE = [值]），
95% CI [[下], [上]]，p [= .XXX / < .001]；
[M]对[Y]的固定效应显著，b = [值]（SE = [值]），
95% CI [[下], [上]]，p [= .XXX / < .001]。
组内间接效应（a_within × b）= [值]，
95% 蒙特卡洛CI [[下], [上]]，不含0，组内中介效应显著。
组间层面，[X]组均值对[M]组均值的效应，a_between = [值]（SE = [值]），
95% CI [[下], [上]]，p [= .XXX / < .001]；
组间间接效应（a_between × b）= [值]，
95% 蒙特卡洛CI [[下], [上]]，不含0，组间中介效应显著。
填入数值的完整示例
研究数据嵌套于42个班级（每班12-28名学生，N = 847），零模型结果显示，学习投入度（Y）的ICC = .18，表明约18%的变异来源于班级间差异，支持使用多层模型。
1-1-1多层中介模型（X和M均进行组内中心化）结果显示，组内层面，教师反馈频率（X）对学生自我效能感（M）的固定效应显著，a_within = 0.34（SE = 0.07），95% CI [0.21, 0.47]，p < .001；自我效能感（M）对学习投入度（Y）的固定效应显著，b = 0.52（SE = 0.09），95% CI [0.35, 0.69]，p < .001。组内间接效应（a_within × b）= 0.177，95%蒙特卡洛CI [0.098, 0.276]，不含0，表明自我效能感在教师反馈频率与学习投入度之间存在显著的组内中介效应。
组间层面，教师反馈频率组均值对自我效能感组均值的效应，a_between = 0.41（SE = 0.13），95% CI [0.16, 0.66]，p = .002；组间间接效应 = 0.213，95%蒙特卡洛CI [0.059, 0.421]，不含0，组间中介效应亦显著。教师反馈频率对学习投入度的直接效应，c' = 0.18（SE = 0.08），95% CI [0.02, 0.34]，p = .028，为部分中介。
四、2-1-1模型：跨层中介APA报告格式
2-1-1模型的核心逻辑
- X在L2（如组织层面的变革型领导）
- M在L1（如员工层面的心理授权）
- Y在L1（如员工层面的创新行为）
- a路径是跨层路径（L2 X → L1 M的固定效应），b路径是L1内路径（M → Y）
- X不存在组内变异（L2变量在同组内所有成员相同），因此无需区分组内/组间间接效应，但需关注b路径是否随L2单元变化（随机斜率）
方法章节描述模板
本研究采用2-1-1多层中介模型（Preacher et al., 2010），
检验[L2变量X]通过[L1变量M]对[L1变量Y]的跨层中介效应。
L1变量M进行组内中心化，以分离个体差异和组间差异。
间接效应采用蒙特卡洛模拟置信区间法（10000次模拟）评估显著性；
同时检验b路径是否存在跨L2单元的随机变化（random slope）。
统计分析使用 [软件]（[版本]）完成。
结果段落模板
b路径为固定效应（最常见情况）：
2-1-1多层中介分析结果显示，[X]对[M]的跨层固定效应显著，
a = [值]（SE = [值]），95% CI [[下], [上]]，p [值]；
[M]对[Y]的L1固定效应显著，b = [值]（SE = [值]），
95% CI [[下], [上]]，p [值]。
跨层间接效应（a × b）= [值]，
95% 蒙特卡洛CI [[下], [上]]，不含0，跨层中介效应显著。
[X]对[Y]的跨层直接效应，c' = [值]（SE = [值]），
95% CI [[下], [上]]，p [值]，为[完全/部分]中介。
b路径为随机效应（需额外报告方差）：
2-1-1多层中介分析结果显示，b路径（M对Y）在L2单元间存在显著随机变化，
Var(b) = [值]，p [值]，表明中介效应大小因[L2单元]而异。
固定间接效应（a × b_fixed）= [值]，
95% 蒙特卡洛CI [[下], [上]]；
考虑随机效应后，间接效应方差为[值]（SD = [值]），
个别[L2单元]的间接效应在[范围]区间内变化。
填入数值的完整示例（2-1-1，b路径固定）
零模型结果显示，员工创新行为（Y）的ICC = .22，表明约22%的变异来自团队间差异，支持多层分析框架。
2-1-1多层中介模型结果显示，变革型领导（X，团队层面L2）对员工心理授权（M，个体层面L1）的跨层固定效应显著，a = 0.47（SE = 0.11），95% CI [0.26, 0.68]，p < .001，表明团队变革型领导得分每提升1个单位，员工心理授权均值随之提升0.47个单位。心理授权（M）对创新行为（Y）的L1固定效应显著，b = 0.38（SE = 0.06），95% CI [0.27, 0.49]，p < .001。
跨层间接效应（a × b）= 0.179，95%蒙特卡洛CI [0.088, 0.301]，不含0，表明心理授权显著中介了变革型领导对创新行为的跨层效应。变革型领导对创新行为的跨层直接效应（c'）= 0.21（SE = 0.09），95% CI [0.03, 0.39]，p = .022，为部分中介（Preacher et al., 2010）。b路径随机效应检验未达显著，Var(b) = 0.012，p = .183，表明心理授权对创新行为的关系在各团队间相对稳定。
五、在 ChatSRS 一句话获得规范多层中介报告
打开 chatsrs.com，上传数据后输入：
"我的数据是2-1-1跨层中介设计：X是团队层面（L2）的变革型领导，M是个体层面（L1）的心理授权（组内中心化），Y是创新行为（L1）；共38个团队，共520名员工。请用HLM框架完成多层中介分析，检验跨层间接效应（a×b），采用蒙特卡洛10000次模拟估计95%CI，同时检验b路径是否有显著随机效应；输出ICC、固定效应表、间接效应点估计和95%CI，并给出符合APA 7th格式的完整论文报告段落（含方法章节和结果章节）。"
ChatSRS的multilevel_mediation模块会自动识别设计类型（1-1-1 / 2-1-1 / 1-2-1），输出：
- 零模型ICC及多层必要性说明
- 固定效应系数表（含a路径、b路径、直接效应c'）
- 间接效应点估计 + 95%蒙特卡洛CI（或参数化Bootstrap CI）
- 随机效应方差成分
- 可直接复制进论文的APA 7th格式报告段落
如需1-1-1模型，在指令中说明"X、M、Y均在个体层，嵌套在[班级/组织]内"，ChatSRS自动切换为组内/组间双通道报告格式。
六、方法章节如何说明软件与引用
标准引用列表
不同软件和方法对应的规范引用：
| 方法 / 软件 | 规范引用 |
|---|---|
| 多层中介整体框架 | Bauer, D. J., Preacher, K. J., & Gil, K. M. (2006). |
| 2-1-1模型理论 | Preacher, K. J., Zyphur, M. J., & Zhang, Z. (2010). |
| 组内中心化理论 | Enders, C. K., & Tofighi, D. (2007). |
| 蒙特卡洛CI方法 | MacKinnon, D. P., Lockwood, C. M., & Williams, J. (2004). |
| Mplus软件 | Muthen, L. K., & Muthen, B. O. (1998-2017). |
| R lme4包 | Bates et al. (2015). |
方法章节软件说明模板
多层中介分析采用 Mplus 8.8（Muthen & Muthen, 1998-2017）中的
随机效应结构方程建模框架（MSEM）完成，
估计方法为全信息最大似然法（FIML），以处理缺失数据。
间接效应的显著性检验采用蒙特卡洛模拟法（10000次迭代，
MacKinnon et al., 2004），95% CI不含0判断为效应显著（p < .05）。
所有L1变量进行组内中心化（Enders & Tofighi, 2007）。
七、1-1-1 vs 2-1-1 报告差异对照表
| 报告要素 | 1-1-1模型 | 2-1-1模型 |
|---|---|---|
| X中心化方式 | 组内中心化（必须） | 无需（X是L2变量，无组内变异） |
| 间接效应路数 | 组内 + 组间，分别报告 | 仅一条跨层间接效应 |
| a路径层级 | L1内固定效应（组内） / L2均值效应（组间） | L2→L1跨层固定效应 |
| b路径随机性 | 可设为随机斜率（推荐检验） | 可设为随机斜率（推荐检验） |
| 效应方向说明 | 注明是组内还是组间间接效应 | 注明是跨层间接效应 |
| CI方法 | 蒙特卡洛（推荐）或Bootstrap | 蒙特卡洛（推荐）或Bootstrap |
| 随机效应方差 | Var(b)或Var(a)，若设为随机 | Var(b)，若b路径设为随机 |
八、常见错误对照表
| 常见错误 | 正确写法 | 违反的规则 |
|---|---|---|
| 1-1-1模型只报告一个间接效应 | 必须分别报告组内和组间间接效应 | 两通道混淆 |
| 2-1-1模型X做组内中心化 | X是L2变量，无需中心化 | 层级混淆 |
| 只报告间接效应p值 | 必须同时报告95% CI | APA 7th要求CI |
| CI写为"95%置信区间（0.08-0.31）" | 95% CI [0.08, 0.31]（方括号） | APA格式要求方括号 |
| ICC未报告 | 零模型结果需报告ICC | APA多层报告规范 |
| 间接效应写成"a路径×b路径=XX" | 直接报告乘积值和CI | 应报告量化结果而非计算过程 |
| Bootstrap CI用于L2样本<30 | L2<50时优先参数化Bootstrap | 整群Bootstrap不稳定 |
| 随机斜率未检验即设为固定 | 需报告随机斜率是否显著 | 模型设定说明不完整 |
常见 FAQ
Q：我的数据是1-1-1设计，但组内中心化和总均值中心化结果不一样，哪个是"多层中介"的正确结果？
A：组内中心化（group-mean centering）是1-1-1多层中介的标准做法（Enders & Tofighi, 2007）。组内中心化后，X的L1部分纯粹反映个体相对于组均值的离差，消除了组间差异的混淆，a_within路径才是真正的"组内中介路径"。总均值中心化会将组间效应混入组内效应，导致估计偏差。若你的研究问题关注组间（如班级均值的中介），需额外将组均值作为L2预测变量纳入模型，分别估计组内和组间间接效应。
Q：间接效应的报告必须附CI吗？只写p值行不行？
A：不行。APA 7th明确规定推断统计需报告效应量和区间估计（第7.35-7.36节）。多层中介的间接效应（a×b乘积项）不服从正态分布，p值基于错误的分布假设，置信区间（蒙特卡洛CI或Bootstrap CI）才是判断显著性的正确方法。95% CI不含0即显著，不需要另行提供p值（虽然部分软件也会输出近似p值，可同时报告）。
Q：2-1-1模型一定要检验b路径的随机效应吗？
A：建议检验，但不强制报告为随机。若b路径随机效应显著（Var(b) > 0，p < .05），说明不同L2单元内M→Y关系强度不同，间接效应大小也因组而异，此时应报告间接效应的分布范围（如均值±SD或某百分位区间），而非单一固定值。若随机效应不显著，则固定效应模型即可，间接效应可报告单一点估计和CI。审稿人会关注你是否考虑并检验了这一点，即使最终未设为随机，也应在报告中说明"b路径随机效应检验未达显著（Var(b) = XX，p = .XXX），因此将b路径设为固定效应"。
Q：论文方法章节需要写出具体的HLM方程吗？
A：是否写方程视期刊要求而定。量化方法类期刊（如Organizational Research Methods、Psychological Methods）通常要求写出完整分层方程；一般实证期刊（如管理学、教育学）只需文字描述模型结构和关键参数即可。如需写方程，1-1-1模型完整方程组为：L1层 $Y_{ij} = \beta_{0j} + \beta_{1j}M_{ij} + \beta_{2j}X_{ij} + r_{ij}$（含X的c'直接效应项）；M方程L1层 $M_{ij} = \alpha_{0j} + \alpha_{1j}X_{ij} + e_{ij}$，L2层截距方程 $\alpha_{0j} = \gamma_{00}^M + u_{0j}^M$，斜率方程 $\alpha_{1j} = \gamma_{10}^M + u_{1j}^M$（a路径，若设随机）；Y截距L2方程 $\beta_{0j} = \gamma_{00}^Y + u_{0j}^Y$，b路径L2方程 $\beta_{1j} = \gamma_{10}^Y + u_{1j}^Y$（若b路径为随机）。组内间接效应 = $\gamma_{10}^M \times \gamma_{10}^Y$（即M方程中X→M的组内a路径乘以Y方程中M→Y的b路径），而非使用Y截距方程的between-level参数。ChatSRS在输出报告时默认附上方程，可根据需要决定是否纳入论文。
快速参考：多层中介报告格式速查卡
[1-1-1模型 — 组内间接效应]
a_within（X→M组内固定效应）= X.XX（SE = X.XX），95% CI [下, 上]，p [值]
b（M→Y固定效应）= X.XX（SE = X.XX），95% CI [下, 上]，p [值]
组内间接效应（a_within × b）= X.XX，95%蒙特卡洛CI [下, 上]，[含/不含] 0
[1-1-1模型 — 组间间接效应]
a_between（X组均值→M组均值效应）= X.XX（SE = X.XX），95% CI [下, 上]，p [值]
组间间接效应（a_between × b）= X.XX，95%蒙特卡洛CI [下, 上]，[含/不含] 0
[2-1-1模型 — 跨层间接效应（b路径固定）]
a（L2 X→L1 M跨层效应）= X.XX（SE = X.XX），95% CI [下, 上]，p [值]
b（L1 M→L1 Y效应）= X.XX（SE = X.XX），95% CI [下, 上]，p [值]
跨层间接效应（a × b）= X.XX，95%蒙特卡洛CI [下, 上]，[含/不含] 0
直接效应 c' = X.XX（SE = X.XX），95% CI [下, 上]，p [值]
[2-1-1模型 — b路径随机效应附加报告]
Var(b) = X.XX，p [= .XXX / < .001]（若显著，报告间接效应范围）
[ICC报告（零模型）]
ICC = .XX，表明[Y]总变异中约[XX]%来自[L2单元]间差异
[蒙特卡洛CI格式]
95% CI [下限, 上限]（不含0→显著；含0→不显著）
注: 下限和上限保留三位小数，方括号，逗号后空格
相关阅读
- 中介效应APA报告怎么写？a*b间接效应+Bootstrap CI格式全解
- 多层线性模型HLM的APA报告怎么写？固定/随机效应、ICC与组间方差格式全解
- 多层中介分析用AI完成 — 1-1-1与2-1-1跨层效应、组内组间分解、Bootstrap/蒙特卡洛CI全攻略
- 中介效应Bootstrap置信区间完整指南
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。