求教关于中介变量的检验

sungong

想验证是X(自变量)、Y（中介变量）、Z（因变量）的关系，按照之前看到的方法test这个model，model是fit的，X-Y显著，Y-Z和X-Z都不显著，但是拿掉X-Z，model是X-Y-Z, X-Y和Y-Z都是显著的，这个是说明什么问题？不知我描述清楚了没...谢谢...
. P' \# t: O: j6 O' M# l7 Y5 p7 N
# v4 u+ A; k( c1 V. Z) O( q6 r
; Q4 F$ |$ K. q6 Z

Kenneth

简单来说，是在下面的方程中：
% Y7 j4 p2 T: C* m" R6 `Z = a0 + a1*Y + a2*X
  P& Y' |- H1 l3 J3 W1 g( A1 G3 ?a1 和 a2 都不显著；
但是在下面的方程中：
! @3 l+ ?0 q. M1 g, YZ = b0 + b1*Y
中，b1 就显著了。
我猜这是代表「Y解释Z的方差」与「X解释Z的方差」很相似 （换句话说， Rxz, Ryz 的相关都很接近，同时Rxy 应该也蛮大的）。我大胆的下结论，（起码对于Z来说）X 与 Y 本来就是非常相似的构念，说Y是一个中介变量可能不容易了。

sungong

回复 2楼 Kenneth 的帖子


) C3 d& t6 O9 y; h% g, B5 I    谢谢Kenny!你的推测是对的，X和Y相关很大(0.7)，但是他们理论上是不同的构念，我得再想想...
6 T+ \* V4 J: h2 m+ l2 ^2 Y& T. a! G    另外还有个问题，我看到一些研究用SEM检验中介效应时，通过比较所有可能（有无中介变量）模型的model fit （chi-square difference test）来检验。Kenny, 你觉得这种方法好不好？

Kenneth

我自己觉得这样的方法不是错，但是有一定的缺点。
（1）它是基于实证论（positivism）的逻辑，就是我们要假设中间的变量是真实的中介变量，因为验证的逻辑是 if ... then，可是不可以反过来的。比如凡正常人都有两条腿，但是有两条腿的不一定是人。这样的假设要有很强的理论根基来支持中介作用才可以的。否则的话，胡乱的用会很危险。
（2）它把中介定义为凡是在因果链中的变量都叫中介变量。在管理中，"中介"是作为一个解释的机制。如果 x->y->z ，我们会说x影响z是因为y。不然的话， x->y->z 只可以叫做 indirect effect，不会叫做中介。但是，用了这个验证的方法，凡是在中间的变量都叫做中介变量了。所以就有可能有如下的笑话：
/ h" k, h! b: C. K& A1. 整个星期都下大雪；所以
8 Y2 p) Y  C- G2. 我整个星期都没有回办公室；所以
3 z" u1 L7 K( P) Z; {3. 我办公室的植物死了； 所以
4. 我很伤心；所以
: m1 i# d1 ?" u8 p) U8 k3 O' c* ?0 ^5. 我这几天的心情都不太好。
. H9 `! e' w  ~1 P0 C+ ]上面的五个变量（x1到x5）真的是可以写  x1->x2->x3->x4->x5。但是如果我只用了其中的三个变量 x1->x2->x5，逻辑上它们的因果链还是成立的。但是就变成，
$ x3 d4 N  j! G, c+ T4 {「 整个星期都下大雪」->「我整个星期都没有回办公室」->「我这几天的心情都不太好」
把中间的叫做“中介”的话，这句话就变成「 整个星期都下大雪」引致「我这几天的心情都不太好」 ，原因（当中的机制）就是「我整个星期都没有回办公室」。这个推论听起来是不是很怪呢？
+ P0 K3 K$ m$ O) s3 ~3 }自然，这是当下流行的做法，你要发表文章，大概很多评审还是要你这样做的。

) G' q, U" y$ ?2 H5 e**注：我写了这么多，因为这个问题烦扰了我很久，借这个机会与你分享。

sungong

回复 4楼 Kenneth 的帖子
0 v' f0 n) g9 i; }' L
( p. a- v+ t5 g7 r6 }
   谢谢Kenny的分享。再回到最原先的问题，在我这个case中，X->Y->Z是成立的，但Y不是X和Z的中介变量，那应如何表述他们三者之间的关系呢？

Kenneth

为什么你说：「x->y->z是成立的」呢？
你手上的 cross-sectional data，你唯一可以说的是：
1. y is correlated with z;
* @4 G; i$ N! N, f2. x is correlated with z;
# A6 k  k+ k0 M* |$ }. W3. x and y are highly correlated;
你的数据不可以支持 X->Y->Z 的结论。
5 M: l, \' N' p* @% H这样的数据可以有很多不同的可能。比如：
. G; o7 G* W8 Y3 }3 K8 q1. 一个未知的 M 同时影响x与y,然后x与y影响z；
' V' S6 @% x$ L7 ~8 b! i, }2. x同时影响y与z；
2 c/ c5 B8 M8 X) s. x4 K$ @- W3. y同时影响x与z；
...... （还有很多其他的可能性）。
我不知道事实是什么。但是刚好相反，我唯一可以说的是：「x->y->z是 “不” 成立的」。