中介效应检验是探讨自变量通过中介变量影响因变量关系的统计方法，主要分为传统统计方法和实验设计法两大类，具体如下：

一、传统统计方法

1. Baron & Kenny法

   • 步骤 ：

     ① 验证自变量X与因变量Y的相关性（X→Y）；

     ② 验证X与中介变量M的相关性（X→M）；

     ③ 验证M与Y的相关性（M→Y）；

     ④ 加入M后，检验X对Y的解释力是否显著提升。若提升显著，则存在完全中介效应；若仅X→M显著，则为部分中介效应。 - 局限性 ：依赖正态分布假设，对样本量要求较高。

2. Sobel检验

   • 在Baron & Kenny法基础上，通过计算中介效应量的Z分数（a*b/Sab）的置信区间判断显著性。若区间不包含零，则中介效应显著。

3. Bootstrapping方法

   • 采用非参数重采样技术，无需正态分布假设，通过多次模拟计算中介效应的置信区间。若区间不包含零，则认为中介效应显著。

4. 差异系数检验法

   • 通过比较（W1-W1-1）与（W2-W2-1）的显著性来判断中介效应，避免逐步回归法中置信度降低的问题。

二、实验设计方法

1. 双随机设计（TRE）

   • 分别对自变量X和中介变量M进行随机分组并操纵，先验证X→M和M→Y的关系，再单独操纵M→Y。若M→Y显著，则存在中介效应。

2. 并发双随机设计（ECC）

   • 同时操纵X和M，通过两次实验验证X→M和M→Y的关系，可同时考察直接效应和中介效应。

三、其他方法

• 结构方程模型（SEM） ：通过路径分析同时检验直接效应、中介效应和调节效应，适合复杂模型。

• 过程插件（Process） ：提供逐步回归、Sobel检验、khb方法等中介效应检验功能，操作便捷。

四、注意事项

• 选择方法需根据研究设计（横断面/纵向/实验）和数据特点决定；

• 实验设计法（如TRE）能同时验证因果关系，但实施难度较高；

• 统计方法需结合样本量和数据分布选择，小样本时建议使用Bootstrapping或差异系数检验。

通过以上方法，可系统评估变量间的间接影响机制，为理论验证提供依据。