中介机制教程

回归分析

说明 STATAU 中介机制模块的变量设置、Bootstrap 检验开关、Stata 对照代码与结果解读方式。

常用 Stata 命令bootstrap r(ind_eff) r(dir_eff) r(tot_eff): sgmediation3 y, iv(x) mv(m) cv(controls)

在 STATAU 中打开此功能

中介机制Bootstrap 检验sgmediation3

这个页面解决什么问题

当你已经拿到一张基准回归表，下一步常见问题不是“有没有关系”，而是“这条影响是通过什么机制传递的”。中介机制页面就是把这件事拆成几步：先看 X 是否影响中介变量，再看中介变量是否影响 Y，最后把总效应、间接效应和直接效应分开呈现。

方法原理

单中介模型通常把总效应拆成两部分：一部分是核心解释变量直接作用于被解释变量，另一部分是“先影响中介变量，再由中介变量影响被解释变量”的间接路径。STATAU 页面会同时展示三步路径回归和效应分解结果。

核心公式

单中介三步回归

Y = c X + γ C o n t r o l s + ε

M = a X + γ C o n t r o l s + ε

Y = c^{'} X + b M + γ C o n t r o l s + ε

其中，间接效应为 $a t i m e s b$ ，总效应为 $c$ ，直接效应为 $c^{'}$ （在数值上通常接近 $c - a t i m e s b$ ）。

STATAU 页面中每个位置应该放什么变量

网站位置	应放入的变量	说明
因变量 (Y)	被解释变量	最终要解释的结果变量。
自变量 (X)	核心解释变量	这里只保留 1 个核心解释变量。
控制变量	控制变量	与基准回归保持一致，避免机制检验和主回归口径不一致。
中介变量	中介变量	假定承接 X 影响并进一步影响 Y 的变量。
面板结构 / 固定效应	个体、时间、其他 FE	如果主回归用了固定效应，这里也建议保持一致。

Stata 等效代码

do sgmediation3.do
bootstrap r(ind_eff) r(dir_eff) r(tot_eff), reps(500): ///
    sgmediation3 [被解释变量], iv([解释变量]) mv([中介变量]) cv([控制变量])

Stata 代码位置	STATAU 网站对应位置	应放入什么
`[被解释变量]`	因变量 (Y)	最终结果变量。
`[解释变量]`	自变量 (X)	只保留 1 个核心解释变量。
`[中介变量]`	中介变量	页面中单独选择的中介变量。
`[控制变量]`	控制变量	控制变量列表。
`reps(500)`	Bootstrap 重复次数	勾选 Bootstrap 时可设置。

可删除代码段提示

如果不做 Bootstrap，可以只保留三步回归和 Sobel / Goodman 结果。
如果主回归没有固定效应，就把 absorb(...) 和聚类标准误对应部分删掉。

在 STATAU 中操作步骤

在“自变量 (X)”中只勾选 1 个核心解释变量，并按平时方式勾选控制变量。
在“中介变量”里选择 1 个机制变量，必要时同步设置固定效应和聚类标准误。
如果想看重复抽样区间，勾选“进行 Bootstrap 检验”并填写重复次数。
运行后先看三列路径回归，再看下方效应分解表和 Bootstrap 检验表。

结果怎么看

先看路径 a（X→M）和路径 b（M→Y）的方向与显著性，它们决定间接效应是不是有意义。
再看“间接效应（a×b）”和“直接效应”。如果间接效应显著且直接效应仍显著，通常更接近部分中介；如果直接效应变弱甚至不显著，通常更接近完全中介。
如果勾选了 Bootstrap，优先看间接效应的 Bootstrap 标准误和区间，而不是只看单一的 Sobel 检验。

论文表述示例

可以写成：“机制检验结果显示，核心解释变量显著影响中介变量，中介变量进一步显著影响被解释变量，且间接效应在 Bootstrap 检验下保持显著。”

常见使用误区

中介机制只支持 1 个核心解释变量和 1 个中介变量，不要一次把多个核心 X 混在同一次机制检验里。
机制回归的固定效应、聚类标准误和控制变量口径，最好与主回归保持一致。
只看 Sobel 显著不够稳妥，正式写作时更建议同时报告 Bootstrap 区间。

相关页面