心理科学进展 2022, Vol. 30, No. 9, 2131–2142 © 2022 中国科学院心理研究所
Advances in Psychological Science
/10.3724/SP.J.1042.2022.02131
2131
王 阳1 温忠麟2 王惠惠3 管 芳4
(1广东金融学院公共管理学院, 广州 510521) (2华南师范大学心理学院/心理应用研究中心, 广州 510631)
(3宁夏大学教育学院, 银川 750021) (4清华大学心理系, 北京 100083) 摘 要 心理学研究常用有中介的调节模型揭示调节作用通过中介变量间接实现的现象。介绍了第二类有中介的调节模型(meMO-II)的概念及优势; 将meMO-II 与其它中介调节混合模型进行了辨析; 给出了meMO-II 的建模方法和分析流程, 并用一个实例演示; 介绍了基于潜变量的meMO-II 的分析方法、meMO-II 建模方法的新进展以及meMO-II 的变式。研究有助于推动调节机制研究的发展。
关键词 第二类有中介的调节, 调节机制, 两水平有中介的调节, 变量系统, 潜变量 分类号
B841
1 引言
社科研究中复杂的变量关系往往无法通过简单的中介模型或调节模型充分揭示(Liu et al., 2021), 越来越多研究者建立中介调节混合模型, 其中之一是有中介的调节模型(mediated moderation, meMO)。它是指调节变量W 调节自变量X 和因变量Y 的关系, 而这种调节作用至少一
部分是通过中介变量M 间接地实现(温忠麟 等, 2021; 温忠麟, 刘红云, 2020), 其经典模型(也有文献称其为第一类有中介的调节模型, meMO-I;
房顶漏水防水补漏刘东 等, 2018)如图1所示。
虽然meMO 这一概念自数十年前Baron 和Kenny (1986)提出以来获得了广泛传播和应用,
国内外也有经典方法学文献指导研究者使用这一模型(温忠麟 等, 2006; 叶宝娟, 温忠麟, 2013;
Edwards & Lambert, 2007), 但近年来, 传统meMO
(即meMO-I)由于其概念上的局限和应用上的易错性受到不少批评(刘红云 等, 2021; Hayes, 2017; Kwan & Chan, 2018)。与此同时, meMO 的第二种
收稿日期:2021-10-01
* 国家自然科学基金项目(32171091)、广东省哲学社会科学规划项目(青年项目) (GD21YXL04)、广东省普通高校创新团队项目(人文社科) (2019WCXTD005)和广东省教育科学规划项目(2020GXJK342)资助。 通信作者：温忠麟,E-mail:**************
图1 meMO-I 模型
注：此图改编自van Kollenburg 和Croon (2017); 加粗线表示有中介的调节相关路径, 下同
类型(meMO-II)逐渐受到研究者的关注(方杰, 温忠麟, 2022; 刘东 等, 2018; 刘红云 等, 2021; 温忠麟 等, 2022; Cortina et al., 2022; Kwan & Chan, 2018), 它有利于更直观和清晰地定义meMO, 可以用于回答“调节变量W 是通过怎样的间接路径调节X 和Y 的关系”这样meMO-I 无法回答的调节机制问题。不过, 目前对meMO-II 的研究还很少。meMO-II 和meMO-I 乃至其它中介调节混合模型的主要区别有哪些？meMO-II 的检验流程是怎样的？meMO-II 的建模方法有哪些？meMO-II 有哪些变式？这些问题都还没有得到充分的解答。本
A
d v a n
c e
s i n
P
s y
c h o l
o g i
c a l S
c i
e n c e
2132
心 理 科 学 进 展 第30卷
文将从meMO-I 的局限入手, 说明meMO-II 的概念与优势, 将meMO-II 与相关模型进行辨析; 然后给出meMO-II 的建模方法和分析流程; 并用一个实例演示如何按照前述流程分析meMO-II; 此外, 也介绍了基于潜变量的meMO-II 分析方法、meMO-II 建模方法的新进展以及meMO-II 的变式。
2 meMO-I 的局限与meMO-II 的介绍
2.1 meMO-I 的局限
第一, meMO-I 不易解释。在meMO-I 中, 表示有中介的调节的统计指标是XW →M 和M →Y 这两个路径系数的乘积(叶宝娟, 温忠麟, 2013), 即meMO-I 的统计意义实际上是交互项XW 通过M 间接地影响Y (Edwards & Lambert, 2007), 因此也有研究者将meMO-I 称为被中介的交互模型(刘东 等, 2018)。尽管X (如体重)和W (如智力)都有实际意义, 但二者相乘得到的XW 本身却未测量任何有现实意义的构念(刘红云 等, 2021; Hayes, 2017; Kwan & Chan, 2018), 如体重和智力的乘积。这样, 解释meMO-I 就要十分小心。不宜像描述一般中介模型那样将meMO-I 描述为交互项(一个没有自然含义的变量)通过M 间接影响Y (Hayes, 2017; Kwan & Chan, 2018); 更不能说调节效应通过M
影响Y, 因为调节效应是一个常数而非变量; 只能如已有方法学文献那样微妙地解释为调节效应通
过中介变量而起作用(叶宝娟, 温忠麟, 2013)。正是解释上的困难使得流行的SPSS 插件PROCESS 中没有设计分析meMO 的功能(Hayes, 2017)。 第二, meMO-I 容易被研究者误用。尽管通过
理论上的梳理, meMO-I 和前段路径被调节的中介模型(即X 通过M 影响Y , 而这一中介路径前段受调节, 建模重心在中介)能够区分开, 但统计上二者是等价的(叶宝娟, 温忠麟, 2013), 这导致很多研究者分不清有中介的调节和有调节的中介(Kwan & Chan, 2018)。再加上前者不如后者容易解释, 导致实际应用中有调节的中介研究远比有中介的调节研究更多。而在有中介的调节研究中, 出现错误应用的情况很多。
我们通过中国知网检索了近5年(2017年7月25日至2021年7月25日)发表于《心理学报》、《心理科学》和《心理发展与教育》的文献, 以“中介”和“调节”为关键词检索文章主题、篇名、摘要
及关键词, 共到130篇涉及中介调节混合模型的文献。其中119篇建立了有调节的中介模型(包括中介前段和后段路径被调节); 仅有11篇建立有中介的调节模型, 而这11篇之中有9篇采用meMO-I 。分析这9篇文献, 其中有3篇在摘要或正文中将研究目的描述为考察自变量对因变量的作用机制(而非如何调节); 有4篇在理论论述模型时以中介为先(主), 调节为后(次), 不符合meMO-I 建模的逻辑顺序; 有4篇在模型检验时先检验中介, 后检验调节, 不符合meMO-I 的检验流程(叶宝娟, 温忠麟, 2013); 还有3篇存在如“调节效应通过中介变量影响因变量”这样不恰当的描述。在模型建立、分析和表述上没有明显问题的文献仅有2篇
(18%)。此外, 130篇文献中59篇的模型是如图1所示的模型, 既可以看成有中介的调节, 也可以看成前
段路径被调节的中介。结果是其中50篇作者都选择按照有调节的中介立论, 选择按照meMO-I 建模的仅9篇。 2.2 meMO-II 的概念
鉴于meMO-I 的局限, 有研究者主张彻底放
弃有中介的调节的概念, 并把所有meMO-I 按照前段路径被调节的中介模型重新解释(Hayes, 2017); 而另一些研究者则将目光转向有中介的调节模型的其它形式, 即meMO-II (刘东 等, 2018; 刘红云 等, 2021; Kwan & Chan, 2018)。这种模型的形式如图2所示, 它的含义是W 首先影响M , 再由M 调节X 和Y 的关系。这样, W 起到了间接的调节作用, 因此也有研究者将meMO-II 称作间接调节模型(indirect moderation; van Kollenburg & Croon, 2017)。除了这个主要路径外, 图2的模型还允许W 对X 和Y 有额外的直接调节作用, W 和M 也可以对Y 有影响。模型中实际上有两个调节变量, 为了区别二者, W 可称为原始调节变量(initial moderator), M 则由于既调节了X 和Y , 又隔开W 和路径X →Y , 使W 的调节作用具有间接性, 类似于一个中介变量的作用(尽管不符合传统中介变量的定义), 可称为有中介作用的调节变量。 2.3 meMO-II 的理论价值
如果说中介模型考察了X 到Y 的中介机制, 或者说X 如何影响Y , 那么meMO-II 的理论价值就在于它考察了调节变量W 对X 和Y 的调节机制, 即W 是通过怎样的路径调节X 和Y 的关系的。这是一个很有意思却往往被忽略的问题。如果不去深 A
d v
a n
c e s i n
P
s y
c h o l
o g i
c a l S
c i
e n c e
书有哪些种类第9期
王 阳 等: 第二类有中介的调节模型 2133
图2 meMO-II 模型
资料来源：改编自Kwan 和Chan (2018)
究调节的具体机制, 有可能得到偏颇的结论。比如, 有一项研究发现对于青少年和成年早期个体, 年龄调节了忌妒和幸福感的关系(Ng et al., 2019)。
如果研究就此打住, 结论应该是对于年龄较大的个体, 忌妒对幸福感的消极影响总是更强。但是,
通过建立meMO-II, 研究者进一步发现年龄的调节作用是通过自尊实现的, 即年龄越大的个体自
尊水平越高。相对于低自尊个体, 高自尊个体中忌妒对幸福感的消极影响更强。而除去这条间接调节路径, 年龄的剩余直接调节效应不显著, 效应值也很小(Ng et al., 2019)。也就是说, 年龄对忌妒和幸福感的调节作用只存在于年龄与自尊有关的个体, 对于那些自尊未随年龄改变的个体, 他
们的年龄无法调节忌妒与幸福感的关系。
由上例可知, 通常研究中得到的W 对X 和Y 的调节作用实际上只是总的调节效应, 它是无数条间接调节路径和直接调节路径的总和。探究调节作用的真实机制有助于理解调节变量发挥作用的深层次原因, 但以往调节研究罕有关注。 2.4 meMO-II 和其它中介调节混合模型的对比 2.4.1 meMO-II 和meMO-I
meMO-II 和meMO-I 的核心区别在于模型如何体现有中介的调节。对于meMO-II, 有中介的调节可以很直观地解释为原始调节变量W 通过有
中介作用的调节变量M 间接地调节X 和Y , 解释的侧重点是“通过什么调节”。对于meMO-I, 如前所述, 由于中介模型的前因变量XM 不是有实际意义的变量, 会使中介路径难以给出直观的解释。对于有中介的调节更好的解释可能是W 通过调节X 和Y 之间的中介路径部分(而非直接路径部分), 从而实现了对X 和Y 总体关系的调节。侧重点不是调节变量走了什么路线, 而是“调节了什么部分”。这样解释的好处还在于容易把中介后段路径被调节的情况也归为meMO-I 的一种。
由此可见, meMO-II 和meMO-I 并不是一种非此即彼的竞争关系, 二者的侧重点不同, 其实缺乏可比性。研究者应该根据自己的理论假设选择
恰当的meMO, 而非断然否定某一模型的存在价值。meMO-I 如果按照直接调节了中介路径从而
间接调节了X 和Y 的总关系去解释(而非交互项通
过M 影响Y ), 仍然具有明确的理论意义。meMO-II
和meMO-I 的其它区别总结在表1中1。 2.4.2 meMO-II 和后段路径被调节的中介模型 假如只保留meMO-II 的核心部分, 如图3a,
再把图3a 中的X 、W 和M 及其附属箭头以X 和M 发出箭头的交点为旋转中心逆时针旋转90度, 即把X 看成调节变量, W 和M 看成Y 的预测变量,
则meMO-II 在模型图形式上(见图3b)与后段路径被调节的中介模型(见图3c)一样, 不易区分(尽管从自变量和调节变量理论角不可互换的角度上还是可以区分两种模型)。正是考虑到这一点, 有研究者为meMO-II 专门设计特殊的模型转换(即从概念模型转换为统计模型)和统计方法, 避免模型混淆(刘红云 等, 2021; Kwan & Chan, 2018)。 3 meMO-II 的分析流程
目前, 国内外有中介的调节研究中使用meMO-II 建模的都相对较少, 如前文总结的心理学中文文献中, 仅有1篇使用了meMO-II (朱玥 等, 2019)。缺乏专门的文献介绍可能是一个重要的原因, 尤其是缺少有关该模型完整分析流程的指导性文献。纵观已有的方法学文献, 对meMO-II 的流程说明都存在步骤缺失或顺序错误。比如, 刘东等人(2018)提出的检验流程认为总的调节效应不需要
1
尽管meMO-II 和meMO-I 有较大区别, 但实际应用中也有很多研究者混淆二者(Cortina et al., 2022)。
A
d v
a n
c e s i n筒骨汤的做法
P
s y
c h o l
赵茜比基尼o g i
c a l S
c i
e n c e
2134
心 理 科 学 进 展 第30卷
表1 meMO-I 和meMO-II 的对比
对比内容
meMO-I meMO-II
模型中实际存在的调节变量的个数 1个
正品adidas2个
模型中M 的角有几种？
1种, 只作为中介变量
2种, 既是调节变量, 又起到类似中介变量的作用
W 的调节作用是直接还是间接发生的？
直接调节X 和M , 间接调节X 和Y , 还
可能直接调节X 和Y
通过影响M , 间接调节X 和Y , 还可能直接调节X 和Y
中介路径位于调节路径内部还是外部？ 外部 内部, M 是调节模型的一部分, 中介嵌套于调节
如何解释为“有中介的调节”？ W 通过调节X 和Y 之间的中介路径, 从而调节了X 和Y
W 通过影响有中介作用的调节变量M 间接调节X 和Y
统计上与其等价的有调节的中介模型
前段路径被调节的中介模型
X 调节W →M →Y 后段路径的模型
图3 meMO-II 和后段路径被调节的中介模型的比较
检验, 但其实这一步具有理论意义; van Kollenburg 和Croon (2017)提出的检验流程按照(1)检验W 的总调节效应、(2)检验M 的调节效应、(3)检验加入M 后W 是否不再有调节作用、(4)检验W 是否影响M 的步骤, 将中介前段路径作为检验的最后一步, 不符合中介路径检验的逻辑顺序。另外, 已有的检验流程全都忽视了调节效应存在之后的步骤, 即简单斜率分析(simple slope analysis)。
我们参考已有研究关于meMO-II 以及一般中介模型和调节模型分析步骤的建议(如刘东等, 2018; 叶宝娟, 温忠麟, 2013; van Kollenburg &
Croon, 2017), 提出一个新的meMO-II 的分析流
程。根据meMO-II 的模型图(图2), 列出该模型相关方程如下： 0121Y c c X c W e =+++ (1)
01232Y c c X c W c XW e ''''=++++ (2)
013M a a W e =++ (3) 0
123124Y c c X c W c XW b M b XM e ''''''''=++++++ (4) 方程4中将X 的系数写在一起则得到方程5： 0
132214()Y c c c W b M X c W b M e ''''''''=++++++ (5) 将方程3带入方程4得到方程6：
0110221131241323()()()Y c a b c a b X c a b W c a b XW e b e b Xe ''''''=++++++''++++ (6)
第一步, 检验W 对X 和Y 的总调节作用是否
存在。以Y 为因变量, 做一个层次回归, 第一层放入自变量X 和调节变量W (方程1), 第二层放入X 和W 的交互项XW (方程2), 如果XW 的回归系数3
c '统计显著且ΔR 2足够大(如≥0.02, 甚至0.03; 温忠麟, 叶宝娟, 2014a; Gardner et al., 2017;
Marsh et al., 2004), 则总调节效应存在。从统计的角度来讲, 这一步不是必须的, 因为不管总的调节作用是否存在, 间接调节效应都可以存在。这一步主要作用是决定立论方向, 具有理论意义。如果总调节效应存在, 则有意义的研究问题是W 通过怎样的机制调节X 和Y 的关系; 如果总调节效应不存在, 尽管间接调节效应仍可能存在, 但此时再讨论W 如何调节X 和Y 的关系没有意义, 更好的研究问题是为什么W 未能调节X 和Y 的关系。可以从直接调节和间接调节作用相反, 从而抵消了总调节作用的角度展开论述, 即类似于文献中所说的遮掩效应/不一致中介效应(刘振亮 等, 2021; 温忠麟, 刘红云, 2020; 温忠麟, 叶宝娟, 2014b)。 A
d v a n
c e
s i n
P
s y
c h
o l
o g i
c a l S
c i
e n c e
第9期
王 阳 等: 第二类有中介的调节模型 2135
第二步, 检验间接调节效应是否存在。首先, 考虑使用类似于中介效应的依次检验法, 依次检验系数a 1和b 2 (见方程3和4), 如果都显著, 则间接调节效应存在; 如果至少有一个系数不显著, 则采用检验力更高的bootstrap 方法直接检验方程
6中a 1b 2系数乘积, 若a 1b 2的95% bootstrap 置信区间不包含0, 则间接调节效应统计显著。如果依次检验和系数乘积都不显著, 则间接调节效应不显著, 停止分析。这样的层次检验流程兼顾到了依次检验
第一类错误率低、信息量大(因为可以获知中介每段路径的详细信息)、显著结果更有说服力的优点和系数乘积法统计检验力高的长处, 比单纯采用某一种方法的效果更好。另需指出, 系数乘积的检验和计算使用SPSS 插件PROCESS 即可实现。虽然PROCESS 没有提供任何有中介的调节分析功能, 但参照图3b, 如果选择PROCESS 中后段路径被调节的中介模板, 如Model 15, 但将调节变量W 选入自变量框, 自变量X 选入调节变量框, 则PROCESS 算出的Index 就是间接调节效应a 1b 2。
第三步, 简单斜率分析。前述步骤均属于对调节效应是否存在的检验, 而除此之外, 一个完整的调节分析还应该进一步揭示X 和Y 如何随着
W 的变化而变化(Finsaas & Goldstein, 2021)。这就
是简单斜率分析, 也往往是研究者在调节分析中
更感兴趣的内容。简单斜率分析有两种流行的做法：选点法和Johnson-Neyman 法(JN 法)。先看选点法, 该方法考察了调节变量取值较高和较低时,
X 对Y 的效应有什么不同。基于简单斜率的表达
式1
32c c W b M ''''++ (见方程5)及W 和M 的关系式(方程3), 可以根据原始调节变量W 和有中介作用的调节变量M 的关系, 同时将两个变量固定在特定水平。比如, 在所有变量已经标准化的前提下, 可以先同时选取W 为1和M 为a 1 (假定这里所说的a 1已经是变量标准化后的系数)的点, 再同时选取W 为−1和M 为−a 1的点, 分别将两种WM 取值组合代入简单斜率表达式以获得两种情况下的简单斜率值(简单斜率的显著性检验参考方杰等,
2015)。此时, 简单斜率按照如下形式解释：当W 较高(较低)时, M 较高(较低), 此时X 正向(负向)影响Y /X 对Y 的影响更大(更小)。
再看JN 法, 该方法可以考察调节变量实际取值的不同区间内, X 对Y 作用的显著性和方向有什
么不同(技术细节参考：方杰 等, 2015)。将方程6中X 的系数写在一起, 得到方程7：
011023122
1141323()()Y c a b c a b c W a b W X c a b W e b e b Xe ''''''=++++++''++++ (7)
简单斜率就是X 的系数, 即1
023(c a b c ''''+++ 12)a b W , 利用Mplus 的model constraint 和plot 命
令, 容易解出简单斜率统计显著时的W 取值区间并画出简单斜率图(示例语句见网络版附录)。尽管比起选点, 使用W 区间的JN 法更好地展示了简单斜率的全貌, 但是对于间接调节模型, 通过JN 法难以直观地看出M 的作用。选点法则可以根据
W 的选点算出M 的选点, 同时体现W 和M 的作用, 更符合间接调节的特点。因此, 间接调节模型
简单斜率分析时, 建议同时使用选点法和JN 法。
上述流程操作相对简便, 但忽略了meMO-II 模型中一些隐含的参数约束(详见后文)。好在多数
情况下这样的简化不会造成明显的估计偏差, 分析结果仍然是可靠的。
4 应用实例演示
用一个实际例子演示前面介绍的流程。本例
考察自尊对忌妒和生活满意度的调节作用。示例样本为744名高中生(男生占38.4%), 平均年龄为
16.29 ± 0.91岁。为方便后续分析, 所有变量事先标准化, 并将自尊和忌妒相乘构建交互项。然后, 将生活满意度作为因变量, 忌妒和自尊作为第一层预测变量, 忌妒和自尊的交互项作为第二层预
测变量建立层次回归模型。结果显示, 交互项的大饼怎么做
回归系数(即总调节效应3
c ')统计显著(β = 0.14, p < 0.001), ΔR 2 = 0.06, 自尊调节了忌妒与生活满意度的关系。
为进一步说明自尊为何能够调节忌妒与生活满意度的关系, 我们引入一个有中介作用的调节变量积极应对, 建立间接调节模型。按照依次检验法, 首先做积极应对对自尊的回归, 自尊的回归系数(a 1)统计显著(β = 0.25, p < 0.001); 接着做生活满意度对忌妒、自尊、积极应对、忌妒-自尊交互项、忌妒-积极应对交互项的回归, 忌妒-积极应对交互项的回归系数(b 2)统计显著(β = 0.08, p < 0.05)。
至此, 间接调节模型成立, 即自尊水平越高, 被试越倾向于采用更积极的应对方式, 而积极应对正向调节了忌妒和生活满意度的关系。此外, 排除间接调节作用后, 自尊剩余的直接调节效应也
A
d v a n
c e
s i n
P
s y
c h
o l
o g
i
c a l S
c i
e n
c e
发布评论