中介效应分析怎么做：Bootstrap 间接效应、OLS 路径与报告边界

中介效应分析用来估计 X 与 Y 的关系中，有多少样本内关联可以通过中介变量 M 表达。当前工具能执行基于 OLS 的简单或平行中介计算，但模型箭头、显著间接效应和“完全/部分”标签都不能单独建立因果机制。

先看结论：当前能做什么

当前实现使用普通最小二乘回归（OLS）估计总效应、直接效应、a 路径和 b 路径，并对每条 X → M → Y 间接路径进行 Bootstrap。

默认进行 5000 次有放回重抽样，以 2.5% 和 97.5% 分位数构造百分位区间，不是 BCa 区间。判断间接效应时，重点看这一区间是否跨 0；页面不会把普通百分位区间写成偏差校正加速区间。

分析前会把 X、M、Y 和控制变量一起转为数值，并按这些字段删除含缺失值的整行。完整案例至少 30 行才能运行；这个数字只是程序最低门槛，不是研究设计已经有足够功效的证明。

中介效应分析的三个回归模型

设 X 为自变量、M 为中介、Y 为因变量，控制变量记为 C。当前分析器实际拟合：

1. 总效应模型：Y = cX + C + error；
2. a 路径模型：M = aX + C + error；
3. 完整模型：Y = c'X + bM + C + error。

间接效应按 a × b 计算。输出包含各模型的 B、SE、t、p、标准化系数、R²、调整 R²、F，以及总效应、直接效应、间接效应、Bootstrap SE 和百分位 95% 区间。

如果输入多个中介，多个中介只按平行中介处理，不建立中介之间的有向路径，也不构造链式中介。完整模型会同时纳入这些 M，但每个间接效应的 Bootstrap a、b 路径仍按对应中介分别计算。

在多个中介的平行中介输出里，Bootstrap 的 b 路径每次只纳入当前中介，并不纳入其他中介；因此该重抽样间接效应不等同于标准联合平行模型中“控制其他中介后的特定间接效应”。论文若依赖多条特定间接效应的联合比较，应转到真实按同一联合模型重抽样的实现。

“完全中介”和“部分中介”只是程序标签

当前规则是：

• 间接效应区间不跨 0，且完整模型中的 c' 显著，标记为“部分中介”；
• 间接效应区间不跨 0，且 c' 不显著，标记为“完全中介”；
• 间接效应区间跨 0，标记为未发现中介。

“部分中介”和“完全中介”是依据间接效应与 c' 显著性的规则标签，不是因果机制已经成立的证明。总效应是否显著、测量误差、遗漏混杂、时间顺序和研究设计仍要单独讨论。横断面数据尤其不应把路径图写成已经验证的因果传导过程。

同样要注意，Bootstrap 表中的 z 和 p 来自重抽样均值除以重抽样标准误后的正态近似；间接效应的主要判断依据仍应是页面实际给出的百分位区间。

多中介、类别变量和缺失值的边界

多个中介适用于“X 同时通过 M1、M2 与 Y 关联”的平行结构。当前不执行链式中介，也不执行调节中介；需要 X → M1 → M2 → Y、条件间接效应或不同 W 水平的中介效应时，应转到真实支持相应结构的工具。

文本变量在无法直接转成数值时，当前实现可能按排序后的类别自动编码为 1、2、3……。这对名义类别通常不是正确的回归编码。类别自变量或控制变量应事先建立有明确参考组的虚拟变量，并保留代码本。

完整案例删除还可能改变最终样本构成。报告时至少写明原始 N、删除行数、最终 N 和缺失处理依据；不能只复制最后一张效应表。

AMOS/PROCESS 在线替代：替代分析任务，不复制菜单

搜索“AMOS/PROCESS 在线替代”时，常见目标是免安装地完成中介效应分析，而不是复刻桌面软件界面。当前页面不复刻 PROCESS 或 AMOS 的菜单、对话框和模型号，也不承诺读取它们的项目文件或逐项复现默认值。

实际可迁移的是一份明确的方法合同：

需要先写清	当前可执行内容
X、M、Y 与控制变量	匹配字段并做完整案例分析
简单或平行中介	OLS 总效应、a 路径、完整模型
Bootstrap 次数	默认 5000 次，可由运行参数调整
区间类型	当前为百分位区间，非 BCa
结论边界	关联性间接效应，不自动升级为因果

只写“按 PROCESS 跑一下”不够。不同软件的编码、缺失处理、标准误和 Bootstrap 区间可能不同，复核时必须逐项对齐。

一个与实现一致的请求

假设数据中 stress 是 X，exhaustion 是 M，performance 是 Y，age 与 tenure 是控制变量，可以这样描述：

对 stress、exhaustion 和 performance 做中介效应分析，控制 age 与 tenure。使用 OLS，按完整案例运行，Bootstrap 5000 次并报告百分位 95% 区间。请列出总效应、a 路径、b 路径、直接效应与间接效应；不要写成 BCa，也不要作因果结论。

若有两个平行中介：

把 exhaustion 和 sleep_quality 同时作为平行中介，不设置二者之间的链式路径。分别报告每条 X → M → Y 间接效应及百分位区间，并保留最终分析 N。

结果怎么读

先核对数据与模型

确认最终 N、变量编码、控制变量和中介结构与预先方案一致。若文本类别被自动排序编码，应先停止解释，改用合理编码后重跑。

再读间接效应区间

• 区间完全大于 0：当前样本支持正向间接效应；
• 区间完全小于 0：当前样本支持负向间接效应；
• 区间跨 0：证据不足以排除 0。

“证据不足”不是“已经证明没有中介”。区间宽度、样本量、测量可靠性和模型设定都会影响结果。

最后读直接效应

c' 是在当前完整模型和控制变量条件下的直接关联。它是否显著会影响程序标签，但不能决定理论价值，也不能用来自动筛选中介变量。

论文报告模板

采用基于 OLS 的中介效应分析检验 [M] 在 [X] 与 [Y] 关系中的间接效应，
控制变量为 [C]。分析按完整案例进行，最终 N = [ ]。
间接效应使用 5000 次 Bootstrap 百分位区间估计。

[X] 对 [M] 的 a 路径为 B = [ ], SE = [ ], p = [ ]；
在同时纳入 [X] 与 [M] 后，[M] 对 [Y] 的 b 路径为 B = [ ], SE = [ ], p = [ ]。
间接效应为 [ ]，95% 百分位 Bootstrap CI [ , ]。
该区间 [不含/包含] 0，因此当前样本对间接效应提供 [支持/不足]。
上述结果是条件关联，不单独证明因果中介机制。

不要把示例数字、程序标签或模型箭头直接当作论文结论。实际稿件还应说明量表、时间顺序、缺失处理、控制变量依据和研究限制。

常见问题

5000 次是不是越多越好？

更多重抽样可减少蒙特卡洛波动，但不能修复模型错设、样本偏差或测量问题。应记录实际次数与随机性设置，并报告真实区间类型。

总效应不显著还能看间接效应吗？

可以按预先理论检验特定间接效应，但不能在看到结果后批量尝试中介变量，只保留显著路径。总效应、直接效应和间接效应应完整透明报告。

中介和调节怎么区分？

中介关注间接路径，调节关注 X 与 W 的交互项。若研究问题是 W 是否改变 X 与 Y 的关系，应阅读调节模型与调节效应分析，不要把两个问题混成一个模型。

确认变量、平行结构和区间边界后，可进入 ChatSRS 运行当前支持的中介分析。最终报告仍需与数据、研究设计和完整输出逐项核对。