中介效应两步法怎么做：机制检验的写法变化

中介效应两步法怎么做？先论证核心自变量与结果的因果关系，再沿相同识别思路考察自变量与中介；中介通向结果的理论依据也应明确。本文展示本站「平行中介效应」的取数位置，区分统计输出与因果识别，避免把一个显著的 a 路径称为完整机制证据。

江艇《因果推断经验研究中的中介效应与调节效应》的操作建议重在提高总关系的识别可信度，并要求对自变量到中介采用相同识别思路；这与机械地逐段检验显著性有别。本站报告给出的是已设定回归的系数和间接效应，无法自动完成上述识别论证。

中介效应两步法的数据要怎么排

数据应为一行一家企业的截面表。以下结果来自本站演示数据（模拟生成，不代表真实研究结论）：本例从 250 行中随机抽取 212 行（随机种子 23），变量标签改为环境规制、绿色创新、融资能力指数、企业绩效与上市年限。这里只更换场景名称，数值不变；名称本身不构成真实企业的政策证据。

列名（本例）	角色	放进哪个区
企业绩效	因变量	因变量 (Y)
环境规制	焦点自变量	自变量 (X)
绿色创新	并行中介	并行中介 (M)
融资能力指数	并行中介	并行中介 (M)
上市年限	控制变量	控制变量 (可选)

中介变量要在时间上位于自变量之后、因变量之前。报告把「时序与无混淆假设」登记为不可由数据检验，所以中介的因果解读来自研究设计，不来自这份报告。

中介效应两步法怎么做

1. 上传数据，在方法列表里找到「平行中介效应」。
2. 按上表把五列分别拖进对应区域，两个中介变量都放进「并行中介 (M)」。
3. 保持默认的非参数 Bootstrap，重抽样 2000 次。
4. 点开始分析，在路径系数表里取出 a 路径两行，用于定位自变量与中介之间的回归输出；总关系还应先查看 c 路径。

分析和查看结果不用登录；开通会员后可导出 Word / PDF 报告、使用 AI 解读。

机制检验两步法取哪些数字

先看总关系：本例 c 为 0.5566，区间 [0.4302, 0.6831]，达到显著水平。但本例只是模拟横截面回归，没有随机分配或准实验识别，故仍写成条件关联，无法把显著总关系解释成已识别的政策效应。

再定位 a 路径：环境规制与绿色创新的系数为 0.5091，区间 [0.3852, 0.6331]；与融资能力指数的系数为 0.4325，区间 [0.3298, 0.5351]，两者均达到显著水平。研究中若要给它们因果含义，须交代相同识别思路如何作用于这些方程，而不是只从表中挑显著的中介。

中介与企业绩效的关系应由理论、时序及相关研究支持。本例报告里的 b 回归可以作为模型描述，但未处理的中介内生性仍可能影响它，因此本文没有据此宣布机制成立。

中介回归输出还补充哪些数字

完整中介回归还列出 b 路径（绿色创新 0.2322，融资能力指数 0.3104）与直接效应 c′ 为 0.3042，并用 Bootstrap 判断间接效应。经绿色创新的间接效应为 0.1182，Bootstrap 百分位区间 [0.0481, 0.1936]；经融资能力指数的间接效应为 0.1342，区间 [0.0612, 0.2169]；总间接效应 0.2525，区间 [0.1506, 0.3545]。三个区间都不含 0，属于部分中介。

要注意：a 显著且 b 显著，并非 ab 显著，判断只能看 Bootstrap 区间是否含 0。两条间接效应的强弱要用对比检验，本例差值为 -0.0160，95%CI [-0.1308, 0.0916]，包含 0，没有显著差异。

下表将研究论证与统计输出分开登记。它展示两类材料的边界，避免把一张回归表当作识别论证，不列两步法与三步法的具体取数转换。

论文里怎么写

机制讨论先交代核心自变量与结果关系的识别设计，再说明以相同思路分析自变量与中介。演示数据的总关系与两条 a 路径达到显著水平，但横截面回归仍只作关联描述；平行中介的 Bootstrap 区间作为已设定统计模型的输出另行报告，不作为上述因果识别已经完成的证明。

中介效应机制检验常见错误

• 把 c = c′ + Σab 当成拟合好的证据：这是最小二乘的代数恒等式，必然成立，与模型好坏无关。
• 用 a、b 的 p 值拼出中介结论：间接效应是否显著，只看 Bootstrap 区间。
• 比较两条区间显不显著来说哪条更强：要用两条 ab 之差的对比检验。
• 占总效应比读成中介了百分之多少：总效应较小时这个比值极不稳定，要同时报 ab 的取值与区间。

延伸阅读

• 平行中介效应