1. 三種中介效應檢驗方法及操作步驟
介紹三種常見中介效應檢驗方法，分別是因果逐步回歸檢驗法、系數乘積法、改良後的因果逐步回歸法，以及如果使用SPSSAU進行操作。
中介效應： 如果自變數X通過影響變數M而對因變數Y產生影響，則稱M為中介變數。
例如，上司的歸因研究：下屬的表現→上司對下屬表現的歸因→上司對下屬表現的反應， 其中的「上司對下屬表現的歸因」為中介變數。
中介作用的檢驗模型可以用以下路徑圖來描述：
方程(1)的系數c 為自變數X對因變數Y的總效應；
方程(2)的系數a為自變數X對中介變數M的效應；
方程(3)的系數b是在控制了自變數X的影響後，中介變數M對因變數Y的效應；
方程(3)的系數c′是在控制了中介變數M 的影響後，自變數X對因變數Y的直接效應；
系數乘積a*b即為中介效應等於間接效應
因果逐步回歸法由Baron和Kenny(1986)提出，其檢驗步驟分為三步：
第一，分析X對Y的回歸，檢驗 回歸系數c 的顯著性(即檢驗H0:c=0)；
第二，分析X對M的回歸，檢驗 回歸系數a 的顯著性(即檢驗H0:a=0)；
第三，分析加入中介變數M後X對Y的回歸，檢驗 回歸系數b和c' 的顯著性(即檢驗H0:b=0、H0:c』=0)。
根據檢驗結果按下圖進行判斷：
基於SPSSAU的操作
（1）第一步，登錄SPSSAU，上傳數據；
（2）第二步，選擇【問卷研究】--【中介作用】；
（3）第三步，選擇變數拖拽到右側對應分析框內，點擊開始分析。
結果分析
SPSSAU的「中介作用」可直接將中介作用的檢驗過程自動化，一鍵提供出上述提及模型結果。
本次結果中共包含三個模型：
①模型1：X對Y的回歸模型，結果顯示x與y存在顯著影響關系，回歸系數c=0.130.
②模型2：x對m的回歸模型，結果顯示x與y存在顯著影響關系，回歸系數a=0.175.
③模型3：加入中介變數m後x對y的回歸模型，結果顯示回歸系數b、c』均呈現顯著性，系數a、b均顯著，說明存在中介效應。
第一種因果逐步回歸檢驗法簡單易懂、容易理解和解釋，因而受到廣泛的應用，但有學者認為其檢驗效能較低，有時候本身有中介作用但卻顯示沒有中介作用。有學者提出乘積系數法的統計功效優於因果逐步回歸法，因此，系數乘積法逐漸受到研究者的青睞。
其原理是 檢驗a*b是否呈現出顯著性。 系數乘積法分為兩類，一類是基於中介效應的抽樣分布為正態分布的 Sobel 檢驗法 ，另一類是基於中介效應的抽樣分布為非正態分布的 Bootstrap抽樣法 。
① Sobel中介效應檢驗法
Sobel檢驗的前提假設是中介效應^a^b是 正態分布且需要大樣本。
使用Sobel系數乘積檢驗法存在的主要問題是，檢驗統計量依據的正態分布前提很難滿足，特別是樣本量較少時。因為即使a，b分別服從正態分布，ab的乘積也可能與正態分布存在較大差異。
當前較為流行的檢驗方法為Bootstrap抽樣法，SPSSAU系統里暫未提供Sobel檢驗，需要使用Sobel檢驗可參考此鏈接進行分析：http://quantpsy.org/sobel/sobel.htm
② Bootstrap抽樣法
Bootstrap法能適用於中、小樣本和各種中介效應模型，當前SPSSAU【問卷研究】--【中介作用】也使用Bootstrap抽樣法進行檢驗。並且支持一次性放置多個自變數X、中介變數M及控制變數等。
檢驗方法： Bootstrap抽樣法檢驗是指回歸系數a和回歸系數b的乘積項（a*b）的95%置信區間是否包括數字0；如果95%置信區間不包括數字0，則說明具有中介作用；如果說95%置信區間包括數字0，即說明沒有中介作用。
基於SPSSAU的操作
（1）第一步，登錄SPSSAU，上傳數據；
（2）第二步，選擇【問卷研究】--【中介作用】；
（3）第三步，選擇變數拖拽到右側對應分析框內，點擊開始分析。
使用SPSSAU【中介作用】Bootstrap抽樣法檢驗與第一種因果逐步回歸檢驗法在操作上沒有任何區別，只是在解讀結果時有區分。
結果分析
由上圖兩項結果指標可知，乘積項結果顯著，95%區間並不包括數字0，說明中介變數在x影響y的關系中具有中介效應。
在a*b系數呈現出顯著性時，可具體進一步得到中介作用的效應量。
由上圖可知，直接效應為0.085，間接效應為0.045，總效應為0.130。間接效應在總效應中佔比為34.403%。
因果逐步檢驗法便於理解和操作而受到歡迎，但也有人研究認為逐步檢驗會比較不容易得到中介效應顯著的結論，檢驗功效較低。因此，有學者在逐步檢驗流程上進行相應的修改，得到如下檢驗步驟：
基於SPSSAU的操作
與上述bootstrap檢驗法操作方法一致，選擇SPSSAU【問卷研究】--【中介作用】，放入對應變數，點擊開始分析即可。
結果分析
第一步，檢驗方程(1)的系數c，如果顯著，按中介效應立論，否則按遮掩效應立論。 但無論是否顯著，都進行後續檢驗。
第二步，依次檢驗方程(2)的系數a和方程(3)的系數b，如果兩個都顯著，則間接效應顯著，轉到第四步；如果至少有一個不顯著，進行第三步。
第三步，用Bootstrap法檢驗。如果顯著，則間接效應顯著，進行第四步；否則間接效應不顯著，停止分析。
如果第二步中，系數a、b有一個不顯著，則查看a*b中介效應是否顯著（a*b95%BootCI是否包括數字0）
第三步：間接效應顯著
第四步，檢驗方程(3)的系數c′，如果不顯著，即直接效應不顯著，說明只有中介效應。如果顯著，即直接效應顯著，進行第五步。
第五步，比較ab和c′的符號，如果同號，屬於部分中介效應，報告中介效應占總效應的比例ab/c。如果異號，屬於遮掩效應，報告間接效應與直接效應的比例的絕對值|ab/c|。
本次研究，自變數x對因變數y的總效應是0.130，影響顯著；其中直接效應為0.085，間接效應0.045，具有顯著性；最終以有部分中介作用作為結論，中介效應在總效應佔比為34.403%。
（1） 中介作用前需要標准化處理嗎？
一般情況下，在進行中介作用前需要標准化或中心化處理，可使用數據處理->生成變數功能批量完成標准化或中心化處理；SPSSAU提供的中介作用檢驗默認不會對數據進行處理。
（2）SPSSAU分析結果中有對檢驗結果的自動化判斷，用戶可以直接使用。智能分析中也有相應解讀，如果有不了解的地方，可以點擊右側的「燈泡」按鈕查看幫助手冊。
（3）spssau也支持鏈式中介檢驗，操作方法是點擊【問卷研究】--【中介效應】，[中介類型]選擇「鏈式中介」。提供中介效應分析方法為非參數百分位Bootstrap法。
（4）如果數據是顯變數如何處理？
如果數據是顯變數，此時可轉換成潛變數再處理即可。使用【生成變數】--【平均值】功能。當然如果是使用結構方程模型進行研究分析中介作用時，建議使用因果逐步回歸檢驗法進行中介效應驗證。SPSSAU提供的結構方程模型暫不提供Bootstrap抽樣法檢驗。
2. 中介效應分析方法
在該模型中，c為由X→Y的總效應，a是X→M的效應，b是控制了X的影響後M→Y的效應，c'是在控制了M的影響後X→Y的效應
由模型可知，c（總效應）=c'（直接效應）+ab（間接效應），中介效應即間接效應，中介效應檢驗即為檢驗ab或c-c'
逐步法：先檢驗a≠0（系數a顯著），b≠0，並由此推知ab≠0
此類方法I類錯誤率低，但檢驗力也低（有些間接效應可能識別不出來）
檢驗力較高，但其檢驗統計量Z的推導假設 服從正態分布（但事實是，即使其中有一個服從正態分布，兩者乘積也不一定服從正態分布），因此，不夠准確
默認 分布是兩個正態變數的乘積分布，根據乘積分布構建臨界值進行檢驗和區間估計
將原始樣本當做Bootstrap總體，從中進行有放回地重復取樣，得到n個系數乘積的估計值，其全體記為{ }，將數值從小到大排序，構成一個置信度為95%的置信區間，據此進行檢驗，若區間不包括0，則系數乘積顯著（非參數百分位Bootstrap法）
經過修正後的 「偏差矯正的非參數百分位Bootstrap法」相比於非參數百分位Bootstrap法檢驗力更高，但I類犯錯率也更高
I類錯誤率明顯高於乘積檢驗法，一般不用
本文參考：
溫忠麟，葉寶娟. 中介效應分析：方法和模型發展. 心理科學進展, 2014，22(05):731-745.