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...
# g) o) t9 U- l$ r. z
: p0 Z* Q7 t$ Z, p  [9 M6 `

Kenneth

简单来说，是在下面的方程中：
7 l  |- u* Z* o/ o$ @Z = a0 + a1*Y + a2*X
8 @, B$ M" o9 i: a/ B  ?5 z: ]2 Ba1 和 a2 都不显著；
但是在下面的方程中：
' m/ B; t0 k& f7 B: j  tZ = b0 + b1*Y
' F& O0 y6 z5 m+ ?( [中，b1 就显著了。
8 @# q: E! ?0 e% V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

2 p# `# P* x5 f7 g: x
    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...
9 K5 ]: q  e+ x    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？
. Q+ K2 A/ k2 z4 ^# `- A- F* P$ V

Kenneth

我自己觉得这样的方法不是错，但是有一定的缺点。
5 r% D: @9 u& f9 X0 N（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：
( Q9 r" W  {# t8 _$ ~1. 整个星期都下大雪；所以
: {: _% y% Q$ p6 F2. 我整个星期都没有回办公室；所以
3. 我办公室的植物死了； 所以
4. 我很伤心；所以
5. 我这几天的心情都不太好。
6 H/ |+ C- s: b" G' r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，
( U( o' l, H: k「 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」
6 A6 C9 K% o6 ?- w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？
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。

**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
! k% a2 d  l5 M% C' r+ y
$ c# U. l' I3 W$ c: K! d; ]
  T, o* z# D" w( C   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？
! l4 j8 O3 J3 m$ J你手上的 cross-sectional data，你唯一可以说的是：
1. y is correlated with z;
3 _+ N; @$ o7 ]& a% v3 ^% T2 H( Y" D2. x is correlated with z;
- }6 K2 a( c1 e7 `, u, ^3. x and y are highly correlated;
% s* x) S( Q$ m# ^( ~4 |, N你的数据不可以支持 X->Y->Z 的结论。
( g* \, x! n$ \) e这样的数据可以有很多不同的可能。比如：
1. 一个未知的 M 同时影响x与y,然后x与y影响z；
4 f# }0 J6 G* L7 ^# C2. x同时影响y与z；
3. 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」。