1、The Moderator-Mediator Variable Distinction in Social Psychological Research:Conceptual, Strategic, and Statistical Considerations Reuben M. Baron and David A.Kenny（Journal of Personality and Social Psychology , 1986, 51（6）,1173-1182）本文， 作者試圖區分多層次下調節變量與中介變量的屬性。 首先， 作者設法讓理論家和研究者意識到不要混淆調節與中介兩個概念。 在概念與

2、戰略上精心推敲，很多方面調節與中介存在差異。然后，作者超越教學上的公式，在控制與應激， 態度和個性特征等更廣泛范圍， 描述這些差異的概念化與戰略化應用。 最后，作者還給出了既包含調節又包括中介和分別包含這兩種情況的因果關系中最有效地應用調節與中介差別的具體分析步驟提綱。第三方變量的調節效應是指將自變量進行劃分以使其對給定因變量產生最大效應。第三方變量的中介效應是指自變量經由它能夠影響因變量的生成機制。一、調節變量1、調節變量的特征一般來說，調節變量是定性（如，性別，種族，階層）或定量（如，回報大小）變量，影響自變量（iv）或預測變量（pv與因變量（Dy或效標變量（cv之間關系的方向和 / 或強

3、度。在相關分析中，調節變量是影響其它兩個變量之間的零次相關（ the zero-order correlation ）的第三方變量。在更熟悉的方差分析中， 自變量與通過操控設定為某種條件的因子之間的交互作用代表一個基本的調節效應。從圖 1 看， 如果路徑C 顯著，調節變量的假設得以支持。 也許預測變量的和調節變量的效應（路徑A與路徑B）也顯著，但是與檢驗調節變量的假設在概念上并不直接相關。 此外， 調節變量與預測與效標變量無關為交互作用提供了清晰的解釋。 從圖 1 可以清楚表明的另一個調節變量的特性是， 不像中介變量和預測變量之間的關系 (預測變量是中介變量的前因變量) ， 調節變量和預測變量

4、都是產生某種效標效果的因果變量的前導或外生。 也就是說， 調節變量總是作為自變量，而中介從結果到原因的角色變化取決于分析的重點。2、檢驗調節作用調節作用意味著兩個變量的因果關系因調節變量的作用發生了變化。 統計分析必須測量和檢驗當調節變量發生作用， 自變量對因變量的不同效應。 測量和檢驗不同效應部分倚賴自變量與調節變量的測量水平。考慮四種情形：情形1，調節變量與自變量都是類別變量。情形2，調節變量是類別變量，自變量是連續變量。情形3，調節變量是連續變量，自變量是類別變量。情形4，調節變量與自變量都是連續變量。注意，為了討論方便，作者將類別變量都假設為二分變量。情形 1：在這種情形下，一個二分自

5、變量對因變量的效應的變化是另一個二分變量的函數。統計分析即為 2*2ANOVA ，調節作用表現為交互作用。我們也許要測量在調節變量不同水平下自變量的簡單效應， 但是這些只能在調節變量與自變量交互作用引起因變量變化時才能被測量。情形 2：這種情形下，調節變量是二分變量，自變量是連續變量。測量這種類型的調節效應的典型方法是對每一水平的調節變量分別做相關分析， 然后檢驗其差異。 相關分析方法有兩個嚴重的不足。 首先， 它假設自變量在調節變量的每一水平上都具有同方差。 如果調節變量在各水平存在異方差， 那么在方差較小的水平， 自變量與因變量的相關會低于方差較大的水平。 這種差異叫做范圍約束( ares

6、triction in range) (McNemar, 1969)。其次，如果因變量的測量誤差量是調節變量產生的， 那么自變量與因變量之間的相關將出現偽差異。 這些問題說明相關受方差變化的影響。 但是， 回歸系數不受自變量方差差異或因變量測量誤差差異的影響。因此，更可取的是不用相關系數，而是用非標準化(非 Beta系數)回歸 系數來測量自變量對因變量的效應(Duncan, 1975) 。 Cohen和Cohen (1983, P.56)給出了檢驗回歸系數差異的方法。在分別檢驗兩個 斜空前，應該先進行這 種檢驗。另外，如果自變量在調節變量的不同水平上存在測量誤差的差異，結果也會出現偏差。這就需

7、要估計不同水平的調節變量的信度，并且必須對斜率進行 修正。信度的檢驗可以使用多組結構方程模型來完成，只需將不同的調節變量水 平處理為不同的組。情形3:這種情形下，調節變量是連續變量，而自變量是二分變量。例如自 變量是理性與恐懼喚起的態度改變信息，而調節變量是由IQ測試測量的智力。恐懼喚起的信息可能對低IQ的受試更有效果，而理性喚起的信息可能對高 IQ 的受試更有效果。為了測量這種情況下調節變量的效應，我們必須先驗地知道作 為調節變量的函數，自變量的效應是如何變化的。衡量自變量作為調節變量的函 數的變化效應的一般假設是不可能的，因為調節變量有多個水平。Eff«ct of ihevari

8、able on th® dependent vtirlabkL，l N tho modE5 variableE，18t M th l%d0p，4才好才1 vflflaht* oh thdp力d，nt variabl*£ff«cf of the Indeptndiftt vrlabl# 6n 情.d«p4dent nHobWLevel of tha moderotor variableLavot of the rng廿rolcr variableFigtt依 2,T hrewdiflercnl *ays in which the moderator cha

9、nge the effect of the independent variable on the dependent variable: linear (topj, quadratic (middle), and step (bottom l圖2表示三種理想化的方式，其中調節變量改變了自變量對因變量的效應。首先，自變量對因變量效應的隨調節變量線性變化。 線性的假設表示隨調節變量 的變化，自變量對因變量的效應發生逐漸， 穩定的變化。這是一般假設的調節作 用形式。第二個方式的特征是二次函數。例如，恐懼喚起的信息對所有低IQ的受試可能比理性信息更有效，但是，隨著 IQ的增加，恐懼喚起的信息失去起優

10、 勢，而理性信息變得更有效了。圖中的第三種方式是階梯函數。在某些關鍵的IQ 水平，理性信息變得比恐懼喚起的信息更有效。這種形式通過二分躍階發生與持 續點上的調節變量， 以情形 1 中的方式來檢驗。 不幸的是， 社會心理學的理論還無法精確到能夠設定躍階發生的確切時點。線性假設的檢驗是通過將調節變量與二分自變量的乘積加到回歸方程中。Cohen和Cohen (1983)以及Cleary和kessler (1982)對此進行了詳細闡述。因 此，如果設自變量為X,調節變量為Z,因變量為Y,則Y是X、Z與XZ的回 歸。調節效應由當 X 和 Z 被控制時， XZ 的顯著效應來表示。自變量對不同水平的調節變量

11、的簡單效應能被測量和檢驗(調節變量的測量誤差需要按照情形2中自變量測量誤差修正的同樣方法進行修正)。二次調節效應通過在調節效應增強時所發生的時點上二分調節變量。 如果函數是二次的，如圖2，自變量的效應應該在調節變量分值高時，最大。二次調節作用可以通過Cohen和Cohen(1983所介紹的層次回歸方法進行檢驗。用前述的 同樣符號，Y是X, Z, XZ, Z2,和X Z2的回歸。對二次調節的檢驗是通過檢 查X Z2。這種復雜回歸方程的解釋可以借助圖表來表示不同的X, Z值的預測值。情形4：在這種情況下，調節變量與自變量都是連續變量。如果調節變量以階梯函數形式改變自變量與因變量的關系，則可以在躍階發生時二分調節變量。二分調節變量后， 其分析模式就轉變成情形2 了。 對自變量的效應的測量看其回歸系數。如果假設自變量(X )對因變量(Y )的效應隨調節變量(Z )線性或二次變化， 則應使用情形3 所介紹的乘積方式。 對于二次調節， 必須引入調節變量的平方。對這種情況參考 Cohen和Cohen (1983)以及Cleary和Kessler (1982)來協助建立和解釋這些回歸方程。 情形 4 中出現的調