中介效应、调节效应与交互作用的区别

在做因果影响模型分析中，经常涉及调节效应或中介效应的分析，其中有些概念容易混淆。比如调节效应和交互效应，中介效应与间接效应。

解释

很多人在问，啥是中介效应、何为调节效应，交互又是咋回事呢？下面就用三张图来解释三个概念，希望能够解惑！

上图为中介效应模式图，A对C的作用通过B发生，即A-B-C。其中A-C如果作用为零，则B为完全中介；若A-C作用不为零，则B为部分中介。形象比喻：中介效应为“媒婆”，A-C的认识是通过媒婆牵线搭桥。

上图为调节效应，A-C有作用，但B会影响A-C 的作用大小。形象比喻，调节效应为“小三”，会影响A-C正常的夫妻关系。

上图为交互作用模式图，A-C有关系，B-C有关系；并且B会影响A-C关系，A会影响B-C关系。此图就像A和B是同宿舍的室友，都同时喜欢了C，意思AB互为小三，但没有先后关系。

区别与联系

 （1）调节效应和交互效应。二者的区别在于方向问题，调节效应在于明确调节变量是B，它调节其他变量或路径，即在B取不同的水平时，被调节的变量或路径效应有显著性差异。而交互效应并没有明确谁调节谁，而是二者交互，可以认为是“两两调节”或“相互调节”的双向调节关系。这个是理论上的区别，而在统计分析中，二者检验的方法是一致的。

    （2）中介效应与间接效应。二者的区别在于理论上，中介效应强调中介变量理论上（或存在某种可解释的机制）在自变量与结果变量之间起“中间”和“传接”的作用，例如X作用于M（中介变量），进而M作用于Y，这种关系是可靠的、理论上可以解释的。而间接效应是宽泛的，仅仅是基于统计上的说法，例如X与M1相关，M1与M2相关，如此下去一直到Mn，然后Mn与Y相关，此时我们可以计算X—M1—M2……Mn—Y的间接路径的效应，即X对Y产生的间接效应。可是，这种间接效应并不一定具有理论上的作用机制，“我吃饭多—事情少—看电视多—和家人聊天少”这个传递过程在数值上、统计上可以得出相关系数，但不等于它们之间具有实质性的理论机制，不能说，吃饭会导致事情少进而看电视多再进而和家人聊天少，当然，如果你一定要认为这种情况上理论上是可解释的，那也可以当做中介效应。可以说，中介效应一定是间接效应，但间接效应不一定是中介效应。在统计分析中，中介效应和间接效应存在与否以及数值的大小，其检验方法是一致的。

总的来说，调节效应与交互效应在统计模型上无本质区别，只是参照标准、分析切入点的不同，调节效应能够指定谁是自变量，谁是调节变量；而交互作用地位是等价的。中介效应和间接效应只是理论解释上的不同，它们在统计检验方法是一样的，因而在很多实证研究中并不需要对它们作出区分。

研究中介和调节效应，但研究因素为显变量时采用Process最佳；当为潜变量时采用AMOS为好，当然还有lisrel，Mplus等