最近遇到一个问题，翻了许多资料後还是没啥头绪 所以上来请教有经验的板友 我的问题和中介效果、调节效果有关 内容有点长，里面的故事也都是另外举例的，还望大家能有耐心看完.. 首先，简单说明一下我的主题 一开始我想检验「身体的健康程度」(X)和「体重是否变瘦」(Y)两者间的相关性 X是连续变数，0非常健康-------->20病情严重，病越重，分数越高 Y是二分的变数（变瘦1／没变瘦0） 传统论点认为：健康越不佳，体重就会变瘦 所以检证的假设是：X和Y之间是 正相关 但跑了Logistic回归之後却发现，X和Y之间的相关性 不显着 且是 负相关 所以接下来我就想找看看有无其他的因素会影响X和Y间的关系 从过去理论文献当中 学者们提到「吃进去的食物性质与数量」(M)会影响「体重变瘦与否」(Y) 因此我就列出三种食物（淀粉类M1、水果类M2、茶类M3）（连续变数） 检验他们的相关性 结果呈现出： 一，「健康程度」(X)和 淀粉类M1、水果类M2、茶类M3 都有显着的 负相关 （病越重，吃得越少） 二，只有 淀粉类M1 和 「体重变瘦」(Y) 之间有显着的 负相关 至於M2 M3都未显着 （淀粉类的热量高，吃越少，越会变瘦；吃越多，越会发胖） 所以我就知道 淀粉类M1 可能会影响X和Y的关系 为了确定M1确实有影响 因此我把 M1当成 控制变数，和X一起再跑一次 Logistic回归 结果显示： X对Y的关联程度提升，而且负相关达到显着水准 我现在的问题点是： 一，请问我把M1当成控制变数的做法 能不能用来判定 M1的确有着中介或调节的效果？ （我不需要知道效果的强度，或完全中介与部分中介 只需要知道是不是有中介效果即可） 二，我查到的资料在进行中介或调解效果分析时 依变项(Y)都是连续变项，或者分成三份以上的变项（用虚拟变项去跑） 但我的依变项却是二分，0和1的变项 好像没办法用这种方式去检验？那有没有其他合适的方法？ 三，大家常说的中介效果成立都是符合： (a) X------->Y 显着 (b) X------->M1 显着 (c) X*M1---->Y 但我的情况是： (a)X------->Y 就已经不显着 但是 (b)X------->M1 显着 (c)M1------>Y 显着 那这样 X----> M1-----> Y 之间还有中介或调节的关系吗？ 四，在这样的情况之下，该怎麽替 M1 定名？ 它是 中介变数？调节变数（干扰变数）？还是......？ 五，该怎麽诠释统计结果比较妥当？ 目前比较确定的是： 1. X和Y没有显着的直接相关（身体的健康程度不会直接让体重变瘦） 2. M1和Y有显着的负相关（淀粉类吃越多，体重越胖0 吃越少，体重越瘦1） 3. X和M1有显着的负相关（病得越重，吃东西的量越少） 4. 把M1当成控制变项後，X和Y之间出现 显着负相关 （病得越重，体重越胖0，身体越健康，体重越瘦1） 如果只就2和3（X--->M1，M1---->Y）这两段来解释，是合乎理论预期 （病得越重，淀粉类吃越少，淀粉类吃越少，则体重越瘦 所以病情越重 与 体重变瘦 之间有着正相关） 但M1的角色是甚麽？可以把它称为中介变项吗？ 另外，要怎麽解读 4 这一点？ 它虽然凸显出M1的影响力，可是却和理论预期相反 而且也和结合2,3两段後的解释相反 在控制M1以後，X和Y呈现出显着的负相关 （病越重，体重越胖？？？） 我目前的解释方法是： 病情的严重程度(X)在某种情况之下的确可能使得 体重变瘦(Y) 但体重变瘦与否 必须视 淀粉类M1 吃的数量多寡而定 M1是很重要的干扰或中介变项 倘若病情很严重，同时淀粉类吃很多，那麽体重变瘦的机率会增加 如果病情严重，但淀粉类吃很少，则变瘦的机率会下降 如果身体很健康，但淀粉类吃很多，会提高变胖的机会 如果很健康，但淀粉吃很少，会降低变胖的机会 请问这样的解释妥当吗？？ 恳请版友们提供建议，万分感谢!! --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 112.105.52.213 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Statistics/M.1397689607.A.176.html 感谢大大的回覆 我的确搞不太懂中介和调节的意思 有些资料甚至把调节和中介的检验方式写成同一种 请问我文中提到的M1 是属於哪一种呢?? ※ 编辑: winchin (112.105.52.213), 04/17/2014 14:36:15