统计百科 · 2026-06-24

Bootstrap置信区间的APA报告怎么写？中介/调节的BC CI格式全解

统计百科：Bootstrap抽样次数设置、百分位CI与BC校正CI的区别与选用、间接效应/交互效应不含0判断显著性、APA 7th完整报告模板，可直接套用进论文的中介与调节Bootstrap CI格式规范。

Bootstrap置信区间已成为中介效应和调节效应研究的标配，但很多同学搞不清：抽样次数到底设多少、百分位法（Percentile CI）和BC校正法（Bias-Corrected CI）哪个更可信、CI不含0怎么表述、APA格式里方括号还是圆括号……这篇文章只讲一件事：Bootstrap CI从参数设置到论文报告，怎么一步到位写对。

你的Bootstrap CI报告有这些问题吗？

审稿人或导师关于Bootstrap置信区间最常见的反馈：

"Bootstrap抽样次数太少（500次），请至少用5000次"
"百分位CI和BC校正CI不一样，请说明使用了哪种方法"
"间接效应的CI不含0，就说显著，但没有给出Bootstrap SE，报告不完整"
"调节效应的Bootstrap CI格式和中介不同，请区分报告"
"BC校正CI有方向性偏差，论文方法章节要注明选择原因"
"95% CI应写成 95% CI [XX, XX]，不是 (XX, XX) 或 [XX~XX]"

这些问题集中在APA Publication Manual第七版关于Bootstrap推断的报告规范，以及PROCESS宏（Hayes）与lavaan等工具的输出解读。本文逐一击破。

一、Bootstrap置信区间是什么，为什么用在中介/调节

Bootstrap的核心逻辑

Bootstrap（自助法）不假设数据服从正态分布，而是：

从原始样本（N个观测值）有放回地随机抽取 N个观测值，构成一个"伪样本"
计算目标统计量（如间接效应 a×b）
重复B次（通常B = 5000）
用B个统计量构成的经验分布，截取对应百分位数作为置信区间

$\text{Bootstrap CI} = [\theta^_{\alpha/2},\ \theta^_{1-\alpha/2}]$

其中 $\theta^*$ 是每次Bootstrap抽样计算出的统计量，$\alpha = 0.05$ 时取第2.5百分位和第97.5百分位。

为什么中介/调节必须用Bootstrap

方法	前提假设	间接效应分布	推荐度
Sobel检验	正态分布	假设间接效应正态	仅历史遗留
Bootstrap百分位CI	无正态假设	经验分布	推荐
Bootstrap BC校正CI	无正态假设+校正偏差	经验分布+偏差修正	高度推荐

间接效应（a×b）是两个系数之积，其分布几乎从不正态——这正是Sobel检验功效低的根源。Bootstrap直接从数据出发，不依赖任何分布假设，因此在中介分析和带中介的调节（moderated mediation）研究中已成为实际标准。

二、Bootstrap抽样次数设多少

主流标准

场景	推荐次数	说明
一般中介效应	5000	Hayes PROCESS默认值，APA期刊主流接受
发表级论文（顶刊）	5000–10000	提高稳定性，减少随机误差
初步探索/教学演示	1000–2000	可接受，但不建议用于正式报告
带有BCA（加速偏差校正）的CI	5000	BCA计算量更大，次数不宜低于5000

500次不够：Bootstrap次数越少，区间边界的随机波动越大；相同数据、同一模型跑两次，区间端点可能差异明显。5000次是"计算成本可接受 + 结果足够稳定"的平衡点。

方法章节如何报告抽样次数

采用Bootstrap方法（5000次重抽样）估计间接效应的95%置信区间，
置信区间不含0则判定间接效应显著（alpha = .05）。

三、百分位CI与BC校正CI的区别与选用

百分位CI（Percentile CI）

直接截取Bootstrap分布的第2.5和第97.5百分位数：

$\text{Percentile CI} = [\hat{\theta}^_{2.5%},\ \hat{\theta}^_{97.5%}]$

优点：直觉上最透明，完全由经验分布决定
缺点：若Bootstrap分布有系统偏差（点估计 ≠ Bootstrap均值），区间覆盖率下降

BC校正CI（Bias-Corrected CI，偏差校正置信区间）

在百分位CI的基础上，用偏差校正量 $z_0$ 调整截取位置：

$z_0 = \Phi^{-1}!\left(\frac{#{\hat{\theta}^* < \hat{\theta}}}{B}\right)$

截取的百分位数从 $(\alpha/2, 1-\alpha/2)$ 调整为 $(p_1, p_2)$，其中：

$p_1 = \Phi(2z_0 + z_{\alpha/2}),\quad p_2 = \Phi(2z_0 + z_{1-\alpha/2})$

优点：修正了估计量的系统性偏差，覆盖率更接近标称水平
缺点：当间接效应真值接近零时，BC校正CI可能过于激进（一类错误略高）

BCa CI（加速偏差校正CI）

在BC基础上加入加速量（acceleration）$\hat{a}$，进一步校正分布偏斜：

$p_1 = \Phi!\left(z_0 + \frac{z_0 + z_{\alpha/2}}{1-\hat{a}(z_0+z_{\alpha/2})}\right)$

理论上最精确，但计算量最大
PROCESS宏v4+默认输出BC CI，lavaan/semTools可选BC或BCa

选用原则

场景	推荐
PROCESS宏（Hayes）默认	BC校正CI
lavaan/R自定义中介	BC校正CI或BCa CI
样本量 > 200，效应量不极端	百分位CI和BC结果通常接近，均可接受
小样本（N < 100）或偏斜分布	优先BC校正CI或BCa CI
方法章节需要说清楚	无论选哪种，都要注明"使用了XX方法的Bootstrap CI"

四、间接效应不含0的判断逻辑与APA表述

判断规则

Bootstrap CI的显著性判断与传统p值逻辑不同：

CI下限 > 0 或 CI上限 < 0（即CI不含0）→ 间接效应在alpha水平显著
CI横跨0（下限 < 0，上限 > 0）→ 间接效应不显著

注意：Bootstrap CI没有直接对应的p值（部分软件输出的p值来自正态近似，不是Bootstrap p值，不要混用）。

APA 7th格式规范

95% CI在APA格式中使用方括号，区间两端用逗号+空格分隔：

正确：95% CI [0.05, 0.23]
错误：95% CI (0.05, 0.23)
错误：95% CI [0.05~0.23]
错误：95%CI[0.05, 0.23]（CI前无空格、括号前无空格）

间接效应的完整APA报告要素：

点估计（间接效应值，两位小数）
Bootstrap SE（可选，三位小数）
95% BC Bootstrap CI [下限, 上限]（两位小数）
显著性判断："CI不含0，间接效应显著"或"CI包含0，间接效应不显著"

五、中介效应的Bootstrap CI完整APA报告模板

简单中介（X → M → Y）

情形：检验压力（X）通过应对策略（M）影响心理健康（Y）的中介效应，N = 320，Bootstrap = 5000次，BC校正CI。

完整报告段落模板：

以[X]为自变量、[M]为中介变量、[Y]为因变量，
采用Hayes（2022）推荐的Bootstrap直接估计法构建中介模型，
并以Bootstrap方法（5000次重抽样，BC校正置信区间）估计间接效应。
结果显示，[X]对[M]的效应显著，b = X.XX, SE = X.XX, t([df]) = X.XX, p [值]；
[M]对[Y]的效应显著，b = X.XX, SE = X.XX, t([df]) = X.XX, p [值]（控制[X]后）。
间接效应（a×b路径）为X.XX（SE = X.XX），
95% BC Bootstrap CI [XX, XX]，不含0，
表明[M]在[X]与[Y]之间起显著[完全/部分]中介作用。

填入数值的示例：

以压力为自变量、应对策略为中介变量、心理健康为因变量，采用Bootstrap方法（5000次重抽样，BC校正置信区间）估计间接效应（Hayes，2022，PROCESS宏v4.2）。结果显示，压力对应对策略的效应显著，b = -0.42，SE = 0.07，t(318) = -5.86，p < .001；控制压力后，应对策略对心理健康的效应显著，b = 0.35，SE = 0.06，t(317) = 5.72，p < .001。间接效应（a×b）为 -0.15（SE = 0.03），95% BC Bootstrap CI [-0.23, -0.08]，不含0，表明应对策略在压力与心理健康之间起显著部分中介作用（直接效应 b = -0.19，p = .002，中介比例 = 44%）。

多重并行中介（多个M同时进入模型）

完整报告段落模板：

采用Hayes（2022）PROCESS宏（Model 4）进行多重并行中介分析，
以Bootstrap（5000次，BC校正CI）估计各路径间接效应。
[X]对[Y]的总效应显著，b = X.XX, t([df]) = X.XX, p [值]。
具体间接效应如下：
经由[M1]的间接效应 = X.XX，95% BC Bootstrap CI [XX, XX]（含/不含0）；
经由[M2]的间接效应 = X.XX，95% BC Bootstrap CI [XX, XX]（含/不含0）；
[M1]与[M2]的间接效应差值 = X.XX，95% BC Bootstrap CI [XX, XX]（含/不含0）。

填入数值的示例：

采用PROCESS宏（Model 4，Hayes，2022）进行多重并行中介分析，Bootstrap 5000次，BC校正95%置信区间。学习动机（X）对学业成绩（Y）的总效应显著，b = 0.58，t(297) = 9.32，p < .001。经由自我效能（M1）的间接效应为 0.21（95% BC Bootstrap CI [0.13, 0.31]，不含0）；经由时间管理（M2）的间接效应为 0.14（95% BC Bootstrap CI [0.07, 0.22]，不含0）。两条中介路径的间接效应差值为 0.07，95% BC Bootstrap CI [-0.04, 0.19]，包含0，两路径的中介强度无显著差异。

六、调节效应的Bootstrap CI完整APA报告模板

调节效应（交互项 X×W → Y）的置信区间通常报告交互项回归系数的Bootstrap CI，而不是间接效应CI。若是有调节的中介（moderated mediation），才需要报告条件间接效应的CI。

简单调节（X×W → Y）

情形：检验领导风格（X）对工作满意度（Y）的效应是否受性格外向性（W）调节，N = 280。

完整报告段落模板：

层级回归结果显示，第一步[X]对[Y]的效应显著，b = X.XX, t([df]) = X.XX, p [值]；
第二步纳入调节变量[W]（中心化处理），[W]对[Y]的效应[显著/不显著]，
b = X.XX, t([df]) = X.XX, p [值]；
第三步纳入交互项[X]×[W]，交互效应显著，b = X.XX, SE = X.XX,
t([df]) = X.XX, p [值]，95% Bootstrap CI [XX, XX]，不含0，
[Delta R^2 = .XX, F([1], [df_res]) = X.XX, p [值]，增量解释方差显著]。
Johnson-Neyman或pick-a-point简单斜率分析：
当[W]高（+1SD, M_W + 1SD = XX）时，[X]对[Y]的简单斜率 = X.XX
（95% CI [XX, XX], t([df]) = X.XX, p [值]）；
当[W]低（-1SD）时，简单斜率 = X.XX（95% CI [XX, XX], p [值]）。

填入数值的示例：

层级多元回归结果显示，领导风格（X，中心化）对工作满意度的主效应显著，b = 0.38，t(277) = 6.12，p < .001；外向性（W，中心化）对工作满意度的主效应显著，b = 0.24，t(277) = 3.87，p < .001。纳入交互项后，领导风格×外向性的交互效应显著，b = 0.19，SE = 0.06，t(276) = 3.02，p = .003，95% Bootstrap CI [0.07, 0.32]，不含0，ΔR² = .024，F(1, 276) = 9.13，p = .003。Pick-a-point简单斜率分析显示，当外向性高（+1SD）时，领导风格对满意度的正向效应更强（b = 0.57，95% CI [0.44, 0.70]，p < .001）；当外向性低（-1SD）时效应减弱（b = 0.19，95% CI [0.06, 0.32]，p = .005）。

有调节的中介（Moderated Mediation，PROCESS Model 8/14/58等）

完整报告段落模板：

采用Hayes（2022）PROCESS宏（Model [编号]）进行有调节的中介分析，
以Bootstrap（5000次，BC校正CI）估计条件间接效应。
当调节变量[W]处于高水平（+1SD, W = XX）时，
间接效应 = X.XX，95% BC Bootstrap CI [XX, XX]（含/不含0）；
当[W]处于均值水平（W = XX）时，
间接效应 = X.XX，95% BC Bootstrap CI [XX, XX]（含/不含0）；
当[W]处于低水平（-1SD, W = XX）时，
间接效应 = X.XX，95% BC Bootstrap CI [XX, XX]（含/不含0）。
被调节的中介指数（Index of Moderated Mediation）= X.XX，
95% BC Bootstrap CI [XX, XX]，不含0，表明中介效应的强度受[W]显著调节。

填入数值的示例：

采用PROCESS宏（Model 8，Hayes，2022），以Bootstrap（5000次，BC校正）检验有调节的中介模型。结果显示，当组织支持感（W）高（+1SD，W = 4.82）时，压力经由倦怠传递至离职意向的间接效应为 0.28，95% BC Bootstrap CI [0.18, 0.41]，不含0；当W处于均值（W = 3.56）时，间接效应为 0.17，95% BC Bootstrap CI [0.10, 0.26]，不含0；当W低（-1SD，W = 2.30）时，间接效应为 0.06，95% BC Bootstrap CI [-0.03, 0.16]，包含0。被调节的中介指数为 -0.11，95% BC Bootstrap CI [-0.19, -0.04]，不含0，表明中介效应随组织支持感增强而显著减弱。

七、在ChatSRS一句话获得规范Bootstrap CI报告

打开 chatsrs.com，上传数据后输入：

"用PROCESS Model 4做中介分析，自变量为[X]，中介变量为[M]，因变量为[Y]；Bootstrap抽样5000次，BC校正置信区间；输出a路径、b路径、c路径（直接效应）和间接效应（a×b）的估计值、SE、t值和p值，以及95% BC Bootstrap CI；按APA 7th格式给出完整报告段落，注明CI不含0的显著性判断。"

ChatSRS会自动调用R（mediation包/PROCESS）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。

如需有调节的中介，在指令中注明调节变量和PROCESS型号（如Model 8、Model 14），ChatSRS自动切换报告模板并输出条件间接效应表格和被调节的中介指数。

八、方法章节标准描述

Bootstrap中介效应方法章节

采用Hayes（2022）开发的PROCESS宏（v4.2，Model 4）进行中介效应检验，
以Bootstrap自助法（5000次重抽样，偏差校正置信区间，BC CI）
估计间接效应（a×b）及其95%置信区间。
当95% BC Bootstrap CI不含0时，判定间接效应在alpha = .05水平显著。
所有连续变量在纳入交互项前进行均值中心化处理。

有调节的中介方法章节

采用Hayes（2022）PROCESS宏（v4.2，Model 8）进行有调节的中介分析，
以Bootstrap（5000次重抽样，BC校正95% CI）估计条件间接效应，
并计算被调节的中介指数（Index of Moderated Mediation）。
条件间接效应在调节变量的均值及±1标准差处报告（pick-a-point法）。

九、Bootstrap CI报告常见错误对照表

常见错误	正确写法	说明
95% CI (0.05, 0.23)	95% CI [0.05, 0.23]	APA用方括号，不用圆括号
CI=[0.05, 0.23]	95% CI [0.05, 0.23]	要写明"95% CI"，不能省略
Bootstrap 500次	Bootstrap 5000次	500次不稳定，论文不被接受
用了BC CI但方法章节没注明	"采用偏差校正Bootstrap CI（BC CI）"	必须说明使用了哪种CI方法
报告Bootstrap p值	只报告CI，不报告Bootstrap p值	Bootstrap CI本身就是显著性判断依据
间接效应 = 0.15（p < .05）	间接效应 = 0.15，95% BC CI [0.08, 0.23]，不含0	中介效应显著性用CI不含0，不用p值
区间端点3位以上小数：[0.051, 0.234]	[0.05, 0.23]	APA置信区间端点两位小数
未报告间接效应的点估计	间接效应 = 0.15（SE = 0.04），95% CI [0.08, 0.23]	点估计和SE一起报告

常见FAQ

Q：BC校正CI和百分位CI我选哪个，审稿人会不会挑？

A：两种方法均被APA 7th和主流期刊接受。在大多数实际数据中（N ≥ 200，效应不极端），两者结果非常接近，差异在小数点后第二位。若一定要选：Hayes的PROCESS宏默认输出BC CI，因此大多数心理学、管理学期刊的审稿人对BC CI更熟悉。如果你用的是lavaan或R的boot包，说明清楚方法即可，不需要额外辩护。注意不要混用（一处用百分位、另一处用BC），同一研究要保持一致。

Q：Bootstrap CI不含0就说显著，和p < .05等价吗？

A：从判断逻辑上等价，但来源不同。传统p值来自参数假设（如正态分布），Bootstrap CI来自经验分布——后者不依赖分布假设，对非正态的间接效应更可靠。两者在大样本（N > 200）时结果通常一致；在小样本或非正态分布时，Bootstrap CI对非正态分布的估计覆盖率更接近标称水平、更可信。论文里不要同时报告"BC CI不含0，p = .023"——这是重复报告，只用CI判断就够了。

Q：调节效应的Bootstrap CI和中介效应CI是同一回事吗？

A：不完全是。调节效应通常报告交互项回归系数b的Bootstrap CI（本质是回归系数的Bootstrap推断），判断逻辑是CI不含0→交互效应显著。中介效应报告的是间接效应a×b的Bootstrap CI（乘积的分布更偏斜，更需要Bootstrap）。有调节的中介需要同时报告：（1）调节效应（交互项b和CI），（2）条件间接效应（各调节变量水平下a×b的CI），（3）被调节的中介指数（CI不含0说明中介被调节）。三者混淆是最常见的格式错误。

Q：Bootstrap抽样次数5000和10000差多少，值得跑10000次吗？

A：在N ≥ 150的常规研究中，5000次和10000次的区间端点差异通常在0.01以内，不影响"含0/不含0"的判断结论。顶刊（如JAP、Psychological Science、OBHDP）偶有要求10000次，但大多数期刊（JARS、Behavior Research Methods）接受5000次。建议：正式投稿前用5000次探索，如果区间端点距离0非常近（如[0.001, 0.18]），可考虑提升到10000次以增强可信度；若区间距离0较远，5000次足够。

快速参考：Bootstrap CI报告格式速查卡

[简单中介 — 间接效应]
间接效应 = X.XX (SE = X.XX)，95% BC Bootstrap CI [X.XX, X.XX]，
CI [含/不含] 0，间接效应 [显著/不显著]（Bootstrap 5000次）

[多重并行中介 — 各路径间接效应]
经由M1: indirect = X.XX，95% BC Bootstrap CI [X.XX, X.XX]
经由M2: indirect = X.XX，95% BC Bootstrap CI [X.XX, X.XX]
M1 vs M2差值: diff = X.XX，95% BC Bootstrap CI [X.XX, X.XX]

[调节效应 — 交互项CI]
b(X×W) = X.XX, SE = X.XX, t(df) = X.XX, p [值]，
95% Bootstrap CI [X.XX, X.XX]，ΔR^2 = .XX

[有调节的中介 — 条件间接效应]
W = +1SD: indirect = X.XX，95% BC CI [X.XX, X.XX]（不含0）
W = 均值: indirect = X.XX，95% BC CI [X.XX, X.XX]（不含0）
W = -1SD: indirect = X.XX，95% BC CI [X.XX, X.XX]（含/不含0）
被调节的中介指数 = X.XX，95% BC CI [X.XX, X.XX]

[APA格式通用规则]
- 置信区间：方括号 []，端点两位小数，逗号+空格
- 间接效应：两位小数
- SE：三位小数或两位小数（保持一致）
- 不报告Bootstrap p值，只用CI判断

你的Bootstrap CI报告有这些问题吗？

一、Bootstrap置信区间是什么，为什么用在中介/调节

Bootstrap的核心逻辑

为什么中介/调节必须用Bootstrap

二、Bootstrap抽样次数设多少

主流标准

方法章节如何报告抽样次数

三、百分位CI与BC校正CI的区别与选用

百分位CI（Percentile CI）

BC校正CI（Bias-Corrected CI，偏差校正置信区间）

BCa CI（加速偏差校正CI）

选用原则

四、间接效应不含0的判断逻辑与APA表述

判断规则

APA 7th格式规范

五、中介效应的Bootstrap CI完整APA报告模板

简单中介（X → M → Y）

多重并行中介（多个M同时进入模型）

六、调节效应的Bootstrap CI完整APA报告模板

简单调节（X×W → Y）

有调节的中介（Moderated Mediation，PROCESS Model 8/14/58等）

七、在ChatSRS一句话获得规范Bootstrap CI报告

八、方法章节标准描述

Bootstrap中介效应方法章节

有调节的中介方法章节

九、Bootstrap CI报告常见错误对照表

常见FAQ

快速参考：Bootstrap CI报告格式速查卡

相关阅读