定义

我将使用简单中介常见的表示法，如此处所示。假设有一个积极的影响被调解（即）并且任何潜在的因果论点都得到满足$a, b, c, c'$$c > 0$

• 当时发生部分调解。$0 < c' < c$
• 当时发生完全中介。$c' = 0$

理论兴趣关注基础参数，而不是这些参数的样本估计。

测试部分调解

显着性检验可用于检验部分中介。显着性检验可以支持诸如明显大于零或明显小于之类的推论。$ab$$c'$$c$

测试完全调解

显着性检验不能轻易地应用于完全中介的检验。显着而不显着这一事实不足以证明完全调解。首先，显着和非显着之间的差异不一定是显着的。其次，即使减少是显着的，不显着的也不能证明的值为零。$c$$c'$$c'$$c'$

我想在文献中讨论过这种测试完全调解的方法，但我想到了一些选择：

• 等价检验：您可以检验原假设$c' < \hat{c}$， 在哪里$0 < \hat{c} < c$， 和$\hat{c}$被认为足够接近零或足够小于$c$拒绝零假设被视为完全中介合理的论据。
• 置信区间：您可以获得置信区间$c'$.
• 贝叶斯方法：您可以使用贝叶斯方法来获得后验密度$c'$如果 95% 的可信区间足够小，您可能会争辩说调解似乎接近完成。快速搜索发现了这篇文章（贝叶斯中介分析）。

报告中介分析的总体思路

这似乎是我在量化调解程度时，两者的百分比减少$c$至$c'$很有趣，以及间接影响的大小。术语部分调解和完全调解暗示了一种二元区别，这在社会科学研究应用中可能很少是正确的。相反，报告中介分析应侧重于以百分比和间接影响大小来量化中介程度。它还应该量化这些估计中的不确定性。

回顾大卫肯尼的观点

另外，值得注意的是，David A. Kenny在他的网页上承认与显着性检验相关的问题。我在这里引用主要段落：

请注意，这些步骤是根据零和非零系数来表示的，而不是像 Baron 和 Kenny (1986) 中那样根据统计显着性来表示。因为很小的系数对于大样本量可能具有统计显着性，而非常大的系数对于小样本量可能不显着，因此不应根据统计显着性定义步骤。统计意义是提供信息的，但其他信息应该是统计决策的一部分。例如，考虑路径 a 很大而 b 为零的情况。在这种情况下，c = c'。c' 的统计检验很可能不显着（由于 X 和 M 之间的共线性），而 c 具有统计显着性。

Baron & Kenny 方法有些过时 - 现在建议使用引导方法来测试中介（Preacher & Hayes，2004）。B&K 方法的一个问题是，有可能从一个显着的$X\rightarrow Y$通往无关紧要的道路$X\rightarrow Y$路径系数的绝对大小变化很小。

更直接的中介检验是检验$c - c'$（在大多数情况下，这相当于测试间接效应$ab$）。自举方法具有更大的统计能力，并且不依赖于多元正态假设（无论如何都违反了间接影响）。

直接回答你的问题：

问：在一个简单的中介模型中，如果我发现间接效应（ab）显着而直接效应（c'）很小且不显着，这是否意味着我有完全中介或部分中介？

A：根据B&K：全程调解。根据 P&H 的说法：不一定是完全调解。

传教士，KJ 和海耶斯，AF（2004 年）。用于估计简单中介模型中的间接影响的 SPSS 和 SAS 程序。行为研究方法、仪器和计算机，36, 717-731。doi:10.3758/BF0​​3206553