中介效应图有哪些（解密传说中的中介效应）

中介效应图有哪些（解密传说中的中介效应）影响传递关系。假设你想买房子，通常情况下，你会去一些房地产交易公司或者网站去了解当前房地产价格，以及有无你心仪的待售房屋，之后通过与这些房地产中介沟通，影响他们产生你想要的购买房子的感官，之后这些中介公司会与房屋的持有者联系，向他们传递你对中介公司造成的影响，即有人想买房子。从而影响到了房屋持有者。如下图：02什么是中介效应？说到中介，大家的第一印象应该是房屋中介，租户或者买房者通过中介与房屋持有者进行沟通。

写在前面

中介效应一直是管理学、心理学等学科专业的应用热点。本文就针对中介效应进行了简要的介绍，并对中介效应检验的方法和步骤进行了辨析。

通过相关的研究可以发现，中介效应这里的检验方法如逐步回归法，Sobel法，Boostrap法，乘积分布法，马尔科夫链蒙特卡洛法（MCMC）。

最常见的为逐步回归法，原因是它简单易懂，但是目前部分文献更倾向于使用Boostrap法等精度相对较高的方法来替代逐步回归法进行中介效应的检验。

02

什么是中介效应？

说到中介，大家的第一印象应该是房屋中介，租户或者买房者通过中介与房屋持有者进行沟通。

假设你想买房子，通常情况下，你会去一些房地产交易公司或者网站去了解当前房地产价格，以及有无你心仪的待售房屋，之后通过与这些房地产中介沟通，影响他们产生你想要的购买房子的感官，之后这些中介公司会与房屋的持有者联系，向他们传递你对中介公司造成的影响，即有人想买房子。从而影响到了房屋持有者。如下图：

影响传递关系。

在这个影响传递过程中，你也可以直接找到房屋持有者进行沟通，传递你想要买房子的意愿，又如下图所示传递影响。

这种情景下，我们给房地产公司的起了一个称呼名字“中介”。这也是统计学中中介在生活中的应用。

统计学中怎么对中介效应进行定义的呢？

统计学中认为，如果在研究X对Y的影响的时候，发现存在一个变量M，使得X可以通过M影响Y，那么这个变量M就叫中介变量，若果存在中介变量，那么就说明中介效应的存在。

再给大家举一个学术界常见的例子，在线评论对消费者购买意愿的影响，这里在线评论指的是网上的商品评论，比如淘宝商品的宝贝评价，消费者在购买商品时会先看一下相关的评论再决定是否想要购买，这就是在线评论对消费者购买意愿的影响。

但是很多商品既有好评又有差评，而且大家都听说过有的网店刷好评的现象存在，这就又牵扯到消费者对这些评论的在线信任。

如果消费者对在线评论的信任度很高，那么这些在线评论就会通过在线信任影响到了消费者的购买意愿。

03

常见中介效应检验方法

中介效应检验方法有好多种，比如：逐步回归法，Sobel法，Boostrap法，乘积分布法，马尔科夫链蒙特卡洛法（MCMC）。

1、逐步回归法

传统的做法是通过逐步回归法依次检验相关变量的系数的显著性。

以上图为例，逐步回归法一共分为三步：

第一步：通过回归分析，检验第一个公式中系数c的显著性；如果显著进行下一步。

第二步，通过回归分析，检验第二个公式中的系数a的显著性。如果显著进行下一步。

第三步，通过回归分析，检验第三个公式中的系数b的显著性，如果系数b显著说明存在中介作用。

此处还有一个系数c’，Baron和Kenny定义，当系数c’显著时，该中介效应为部分中介效应，当系数c’不显著时，就变成了Judd和Kenny定义的完全中介作用。

这个方法的优点是方法简单 容易理解和解释。缺点就是检验力低，也就是检验的精度比较低。

2、Boostrap法

在进行Boostrap法的介绍前，我们先对前面逐步回归法得到的系数进行命名，根据温忠麟等人的研究，将系数c命名为总效应，c’为直接效应，a乘b为间接效应，他们之间的关系应该满足以下等式：

Boostrap法其实指的是一种抽样方法，该方法的核心思想是有放回重复抽样。

举个例子：讲一个容量为500的样本当做Boostrap的总体，有放回重复抽样保证了每次抽样的样本量都是500。

对这500个 样本进行回归分析，可以得到500个a乘b的估计值和500个c’值，分别定义为间接效应和直接效应，对二者分别按照从小到大进行排序，并选取2.5%到97.5%的区间作为间接效应和直接效应的95%的置信区间。根据这两个置信区间就可以进行检验了。

当间接效应的置信区间不包含0时，说明对应的ab是显著的，即存在中介效应。目前笔者还没有看到关于直接效应的明确解释，但是通过温忠麟教授和其他文献资料以及统计学的定义情况来看，直接效应的置信区间不包括0时，说明系数c’是显著的，那么就可以判断为部分中介效应；

当直接效应的置信区间包含0时，说明系数c’为不显著的，那么可以判断为完全中介作用。

学术界普遍认为Boostrap法的精确度是高于Sobel法的，而Sobel法的精确度高于逐步回归法。

那么相对较高的精确度是Boostrap法的一大亮点，但是相对而言，这种方法的难度微高于逐步回归法。