看了上文，原文恕删 基本上，中介(mediation)是在描述，自变项之所以会影响依变项，(完全/部分)是 因为自变项影响了中介变项(前方括弧内分别陈述完全中介/部分中介的情形)。而在 检验的应用上，看起来你采用的是BK法，分析步骤也如你所述，但1986那篇文章中， Barron & Kenny其实也告诉我们在部分中介时，可多做一步检验(e.g., sobel test) 确认部分中介，也就是说，在检验结果中你看到了c => c'系数下降，但这两个系数 都还是稳定存在的(p <.alpha)，那麽你没理由用眼球检验法来确认这两个非0的系数 的改变是显着的，因此可进一步进行差异检定以提供更严谨的证据。而常用的方法就 是sobel test(可参考下方网址)。但由於计算sobel test对资料常态性与标准误的敏 感性，MacKinnon、Hayes等人建议以拔靴法(bootstrapping)来自体重复抽样，求出 较准确的标准误，再以信赖区间的方式来确认中介关系(通常看到的用字是间接效果 indirect effect)(下方有macro可载至spss)。 soble test: http://www.danielsoper.com/statcalc3/calc.aspx?id=31 indirect effect: http://www.afhayes.com/spss-sas-and-mplus-macros-and-code.html 另一方面，你也提到调节(moderation)，基本上调节是在描述自变项对依变项的影响 /效应为何并不确定，得看调节变项是什麽状态才知道。而可用的分析方法也确实如 你所述，以回归分析可进行。但是，在你的问题中，似乎把中介跟调节的概念混淆了 ，这两种概念描述的是不同的机制，中介基本上可以说是在解答"why"，而调节则是 "when"，这是完全不同的逻辑。再者，你谈到调节式中介/中介式调节(个人是觉得在 卖弄统计与方法学罢了)，确实满多人以这样的方式在考量变项之间的关系，但我认为 ，还是先把你要解答的问题跟逻辑厘清，再选择对应的解答方法就好了。最後， 你也说道你的主要的依变项是二元的，是不是可当作连续变项(好像是这样吧！？)，其 实在处理类别变项当作连续变项的转换(dummy coding)，确实就是把类别变项依据水准 数分成好几个二元变项的组合，刚好你的依变项就只有两个水准，换成一个二元变项等 於不用换(lucky~)。 祝你好运！ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 118.163.34.145 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Statistics/M.1399515106.A.B17.html