统计百科 ·

链式中介效应怎么检验？SEM 路径、Bootstrap 与论文报告

链式中介效应怎么检验？本文用 X→M1→M2→Y 的完整模型语法，说明如何定义链式间接效应、阅读 Bootstrap 区间，并按真实工具边界撰写论文结果。

链式中介不是把两个普通中介结果拼在一起。要检验 X → M1 → M2 → Y，必须先按理论确定变量顺序，在结构模型里显式估计各段路径，再把链式间接效应定义为这些路径系数的乘积，最后查看该定义参数的 Bootstrap 置信区间。

本文既说明分析步骤，也说明 ChatSRS 当前真实可执行的范围，避免把软件输出写成因果结论或不存在的自动功能。

先看结论：链式中介要检验什么

以 X → M1 → M2 → Y 为例，至少要区分以下效应：

效应路径需要显式定义
经 M1 的特定间接效应X → M1 → Ya1*b1
经 M2 的特定间接效应X → M2 → Ya2*b2
链式间接效应X → M1 → M2 → Ya1*d*b2
直接效应X → Ycprime
总间接效应三条间接路径之和ind_m1+ind_m2+ind_chain

链式路径是否得到数据支持，主要看 ind_chain 的区间估计是否跨 0，而不是只看 a1、d、b2 三条单独路径的 p 值。

ChatSRS 当前能执行什么

当前实现要求研究者提供明确的 SEM 模型语法，并通过 lavaan 拟合路径模型；输出包括拟合指标、路径系数、定义参数、置信区间和内生变量的 R²。

当前实现只要检测到 := 定义参数，就使用 1000 次 Bootstrap 估计标准误和 95% 置信区间。

当前不承诺偏差校正或百分位等具体区间类型，也不提供页面内切换区间算法或重抽样次数的设置；论文方法部分应以实际运行记录和输出为准。

这意味着工具可以执行你写明的链式路径，但不会替你从变量相关性自动推断 M1 与 M2 的先后顺序。变量顺序、遗漏路径、控制变量和模型识别仍需研究者依据理论与设计确认。

可执行的链式中介模型语法

假设：

  • X：自变量；
  • M1：第一个中介变量；
  • M2：第二个中介变量；
  • Y：因变量。

可以显式写成：

M1 ~ a1*X
M2 ~ d*M1 + a2*X
Y ~ b1*M1 + b2*M2 + cprime*X

ind_m1 := a1*b1
ind_m2 := a2*b2
ind_chain := a1*d*b2
total_ind := ind_m1 + ind_m2 + ind_chain
total := cprime + total_ind

其中最关键的一行是 ind_chain := a1*d*b2。如果没有这条定义，输出即使包含三段回归路径，也不会自动把它们作为一个链式间接效应进行检验。

上面的 a2 与 b1 保留了两条非链式的特定间接路径，便于区分“只经过 M1”“只经过 M2”和“依次经过 M1、M2”三种机制。如果理论模型不包含其中某条路径，应在分析前说明理由，而不是看到结果后再删路径。

结果应该按什么顺序看

1. 先确认模型是否收敛

未收敛时，路径系数和间接效应都不应进入正式报告。还要核对实际纳入分析的样本量；当前实现对缺失值使用整行删除，因此有效样本可能少于原始样本。

2. 再看整体拟合与路径方向

整体拟合指标用于判断设定模型与数据的相容程度，但任何单个阈值都不应被当作“模型正确”的证明。路径系数还要核对正负方向、量纲以及是否与预注册或理论假设一致。

3. 最后看定义参数的 Bootstrap 区间

若 ind_chain 的 95% Bootstrap 区间不跨 0，可以写“链式间接效应的区间未包含 0”；若区间跨 0，则当前样本没有提供足够证据支持该链式间接效应。不要因为三段路径分别显著，就跳过对乘积项区间的检查。

输出表中的定义参数首先是模型估计值。只有在实际输出明确提供相应标准化结果时，才能将其称为标准化间接效应；否则应使用 B 或“间接效应估计值”，不要擅自改写成 β。

论文方法与结果怎么写

方法部分模板

采用结构方程路径模型检验 X 通过 M1、M2 影响 Y 的链式间接效应。模型同时估计 X→M1、M1→M2、M2→Y、X→M2、M1→Y 和 X→Y 路径，并将链式间接效应定义为 a1×d×b2。间接效应的标准误与 95% 置信区间基于 1000 次 Bootstrap 重抽样获得。缺失值处理、估计方法及变量控制情况按实际分析设置报告。

结果部分模板

模型收敛后，X→M1 路径估计值为 [a1]，M1→M2 路径估计值为 [d]，M2→Y 路径估计值为 [b2]。链式间接效应 a1×d×b2 的估计值为 [B]，Bootstrap 95% CI [[下限], [上限]]。[区间未包含/包含] 0，因此当前样本[支持/未提供足够证据支持]所设定的链式间接路径。

这类写法把“模型设定”“估计结果”和“统计判断”分开，读者能够复核你实际检验的路径，而不会误以为软件替你确认了理论机制。

为什么不能直接写成因果链条

横断面数据可以显示设定路径之间的统计关联，但不能仅凭链式中介模型确认因果顺序。

如果 X、M1、M2、Y 在同一时间测量，反向路径、共同方法偏差和未测混杂因素都可能产生相似结果。要增强因果解释，至少需要更明确的时间顺序、实验或准实验设计、纵向数据，以及对竞争模型和关键混杂因素的论证。

因此结果段宜写“数据与所设定的链式间接路径相容”或“区间未包含 0”，不宜写“证明 X 必然先导致 M1，再导致 M2”。

间接效应占比什么时候会误导

常见计算是：

间接效应占比 = 总间接效应 / 总效应

间接效应占比在总效应接近 0 或直接效应与间接效应符号相反时会非常不稳定。

此时比例可能大于 100%、变成负数，或因分母很小而剧烈变化。更稳妥的做法是分别报告直接效应、各条特定间接效应及其区间，并把比例作为补充信息，而不是主要结论。

一份可复核的检查清单

  • 理论上能解释为什么 M1 在 M2 之前；
  • 模型语法保留了需要比较的直接路径和特定间接路径；
  • 明确写出 ind_chain := a1*d*b2；
  • 先确认收敛和有效样本量，再解释路径；
  • 以定义参数的 Bootstrap 区间判断链式间接效应；
  • 不把横断面关联写成因果证明；
  • 不把未标明的定义参数擅自称为标准化效应；
  • 总效应接近 0 或效应符号相反时，不主打中介占比。

如果你已经根据理论确定变量顺序和模型语法，可以登录 ChatSRS 运行并核对 SEM 路径模型。工具负责按明确规格执行和整理输出，最终模型是否符合研究设计仍由研究者确认。

相关阅读