您测试中介的方法似乎符合 Baron & Kenny (1986) 的经典方法论文中描述的“因果步骤方法”。这种调解方法需要以下步骤：

1. 检验X和Y是否显着相关（c路径）；如果不是，停止分析；如果他们是...
2. 检验X和M是否显着相关（a路径）；如果不是，停止分析；如果他们是...
3. 在控制X（b路径）后检验M和Y是否显着相关；如果不是，停止分析；如果他们是...
4. 比较X的直接效应（c'路径——在控制M后从X预测Y ）与X的总效应（来自步骤 1的c路径）。如果c'比c更接近于零且不显着，则研究得出结论，M完全调节了X和Y之间的关联。但如果c'仍然显着，研究人员得出结论，M只是X影响的“部分”中介是。

我强调直接（ c'）和总效果（c ）之间的区别，因为虽然你写了......

我们能说 X 对 Y 有间接影响，但对 Y 没有直接影响吗？

我认为你真正关心的是声称X对Y有间接但不是全部影响的合法性。

简短的回答

是的，即使总效应 ( c ) 不显着，也可以合理地得出M介导X和Y之间的关联的结论。因果步骤方法虽然在历史上很流行，但已被广泛的中介测试方法所取代，这些方法在统计上更强大，对数据的假设更少，逻辑上更连贯。Hayes (2013) 在他的书中对因果步骤方法的许多局限性进行了非常容易理解和彻底的解释。

查看其他更严格的方法，包括 bootstrapping (MacKinnon et al., 2004) 和 Monte Carlo (Preacher & Selig, 2012) 方法。两种方法都估计了间接效应本身（ab路径）的置信区间——它们在方法之间的不同之处——然后您检查置信区间以查看 0 是否是一个合理的值。无论您使用哪种统计分析软件，它们都很容易在您自己的研究中实施。

更长的答案

是的，即使总效应 ( c ) 不显着，也可以合理地得出M介导X和Y之间的关联的结论。事实上，统计学家之间有一个相对较大的共识，即总效应 ( c ) 不应用作中介测试的“看门人”（例如，Hayes，2009；Shrout & Bolger，2002），原因如下：

1. 因果步骤方法尝试统计评估中介的存在，而无需实际直接评估间接影响（ab路径，或cc'，如果您愿意）。这似乎不合逻辑，特别是考虑到有许多简单的方法可以直接估计/测试间接影响。
2. 因果步骤方法取决于多重显着性检验。有时，显着性测试可以正常工作，但是当不满足推理测试的假设和/或推理测试的能力不足时（我认为这就是约翰在对您的问题的评论中所要表达的），它们可能会脱轨。因此，中介可能真的发生在给定的模型中，但总效应 ( c ) 可能仅仅因为样本量小或未满足总效应检验的假设而并不显着。而且由于因果步骤方法取决于其他两个显着性测试的结果，因此它使因果步骤方法成为最不强大的中介测试之一（Preacher & Selig，2008）。
3. 总效应 ( c ) 被理解为直接效应 ( c' ) 和所有间接效应 ( ab(1) , ab(2) ...) 的总和。假设X对Y的影响完全由两个变量M1和M2调节（即c'为 0）。但进一步假设X通过M1对Y的间接影响是正的，而通过M2的间接影响是负的，并且这两种间接影响在大小上是可比的。将这两个间接影响相加会给你一个总的影响（c) 为零，但是，如果您采用因果步骤方法，您不仅会错过一个“真正的”调解，而且会错过两个。

对于测试中介的因果步骤方法，我推荐的替代方法包括引导法（MacKinnon 等人，2004 年）和蒙特卡洛法（Preacher & Selig，2012 年）。Bootstrapping 方法涉及从您自己的数据中抽取大量具有相同样本大小的替换（例如，5000 个）随机样本，估计间接影响（ab路径），将这些估计值从最低到最高排序，然后在某个百分位数范围内定义自举间接效应的置信区间（例如，95% 置信区间的第 2.5 位和第 97.5 位）。用于间接影响的引导宏可用于 SPSS 和 SAS 等统计分析软件，包可用于 R，并且其他程序（例如，Mplus）已经内置引导功能。

当您没有原始数据或无法进行自举时，蒙特卡洛方法是一个不错的选择。您需要的只是a和b路径的参数估计值、每条路径的方差以及两条路径之间的协方差（通常，但不总是 0）。使用这些统计值，您可以模拟ab值的表面大分布（例如，20,000），并像自举方法一样，将它们从最低到最高排序并定义置信区间。尽管您可以编写自己的蒙特卡洛调解计算器，但 Kris Preacher 有一个不错的计算器，可以在他的网站上免费使用（参见 Preacher & Selig，2012，随附论文）

对于这两种方法，您将检查置信区间以查看它是否包含值 0；如果不是，您可以得出结论，您有显着的间接影响。

参考

Baron, RM 和肯尼, DA (1986)。社会心理学研究中的调节者-中介变量区别：概念、战略和统计考虑。人格与社会心理学杂志，51，1173-1182。

海耶斯，AF (2013)。中介、调节和条件过程分析简介：基于回归的方法。纽约，纽约：吉尔福德。

海耶斯，AF (2009)。超越男爵和肯尼：新千年的统计中介分析。通讯专着，76 408-420。

MacKinnon, DP, Lockwood, CM, & Williams, J. (2004)。间接影响的置信限：产品分布和重采样方法。多元行为研究，39，99-128。

传教士，KJ 和塞利格，JP（2012 年）。蒙特卡洛置信区间对间接影响的优势。沟通方法和措施，6，77-98。

Shout, PE, & Bolger, N. (2002)。实验和非实验研究中的调解：新程序和建议。心理学方法，7，422-445。

我同意jsakaluk的回答，我想添加更多相关信息。

Baron 和 Kenny (1986) 的测试调解方法已被广泛应用，但有许多论文讨论了这种方法的严重局限性，其中广泛包括：

1）不直接测试间接影响的重要性

2) 统计功效低

3) 无法适应中介不一致的模型

*注：请参阅 Memon、Cheah、Ramayah、Ting 和 Chuah (2018) 了解概述。

考虑到这些限制，Zhao、Lynch 和 Chen (2010) 提出了一种新的调解类型。截至 2019 年 10 月，它有超过 5,000 次引用，因此越来越受欢迎。

简单总结一下，并以三变量因果模型为例，存在这三种类型的中介。

1. 互补中介：中介效应（axb）和直接效应（c）都存在并指向同一方向。

2. 竞争性中介：中介效应（axb）和直接效应（c）都存在并且指向相反的方向。

3. 仅间接中介：存在中介效应（axb），但没有直接效应（c）。

此外，还提出了两种非调解类型：

1. 仅直接非中介：存在直接影响（c），但没有间接影响。

2. 无影响无中介：没有直接影响（c），也不存在间接影响。

因此，OP 的案例将被归类为仅间接中介，因为中介效应存在，但直接效应 (c') 不显着。

参考

Memon, MA, Cheah, J., Ramayah, T., Ting, H., & Chuah, F. (2018)。调解分析问题和建议。应用结构方程建模杂志，2（1）， 1-9。

Zhao, X., Lynch Jr, JG, & Chen, Q. (2010)。重新考虑男爵和肯尼：关于调解分析的神话和真相。消费者研究杂志，37（2）， 197-206。

好吧，我想我可能已经找到了一个很好的答案。我查看了 David Kenny 的网络研讨会，该研讨会将此案例介绍为不一致的调解。路径c与0没有显着差异的原因是a和b的乘积与c'的符号不同。在肯尼给出的一个例子中，压力会导致情绪下降（c' 是负面的）；而运动作为压力和情绪之间的中介与两者呈正相关（ab 为正）。由于 c = c' + ab，当 c' 和 ab 的绝对值接近时，c 可能接近于 0。

肯尼在网络研讨会上指出，当代观点认为测试 c 和 c' 不是很重要；中介效应主要通过ab来展示。