中介变量:考虑自变量X 对因变量Y的影响,如果X 通过影响变量M 来影响Y,则称M 为中介变量。例如,上司的归因研究:下属的表现———上司对下属表现的归因———上司对下属表现的反应,其中的“上司对下属表现的归因”为中介变量 。
例子:双11刚过,各位宅男宅女的花呗应该已经透支了。言归正传,买家通过淘宝购买商品,这时淘宝这一平台就相当于中介变量,买家相当于自变量,商品相当于因变量。
调节变量:如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量。就是说, Y与X 的关系受到第三个变量M 的影响。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱。
例子:原本夫妻关系和谐,因为第三者插足,使之原来的关系变差,那么第三者就相当于调节变量,改变两个变量之间关系的强度或方向。这个很好理解。
调节效应和交互效应在统计模型上无本质区别;但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。
在交互作用分析中, 两个自变量的地位可以是对称的, 其中任何一个都可以解释为调节变量;也可以是不对称的, 只要其中有一个起到了调节变量的作用, 交互效应就存在。但在调节效应中, 哪个是自变量, 哪个是调节变量, 是很明确的, 在一个确定的模型中两者不能互换。
有中介的调节模型意味着自变量对因变量的效应受到调节变量的影响, 而调节效应(至少部分地)通过中介变量而起作用。有中介的调节效应显著意味着:
(1)做Y对X、U和UX的回归,UX的系数显著; (这一步说明U对Y与X关系的调节效应显著。)
(2)做W对X、U和UX的回归,UX的系数显著;
(3)做Y对X、U、UX和W的回归,W的系数显著。
如果在第(3)步中,UX的系数不显著,则U的调节效应完全通过中介变量W而起作用。从上面分析步骤可知,检验有中介的调节效应时,先要检验调节效应,然后检验中介效应。
参考资料来源:百度百科-中介变量