第二章 基礎理論與文獻探討
第二節 中介效果的檢驗方法
β
依變數 ( Y) 中介變項
(M)
自變數 ( X)
τ 依變數 ( Y)
自變數 ( X)
A
B
α
圖 2.1 潛在中介變項模式路徑圖
第二節 中介效果的檢驗方法
目前中介效果的檢驗方式主要分為四類。早期心理學家 MacKinnon 等人(2002) 將中介效果的檢驗方式歸納成三類：因果步驟法(causal steps)、係數差法(difference in coefficients)以及係數乘法策略(product of coefficients)，而 Preacher 與 Hayes 於 2008 年另外歸納出第四類拔靴法(bootstrapping method)。此四類方法之目的皆在 確認中介變項是否顯著存在，並加以檢驗。以下針對此四類方法進行詳細介紹：
壹、 因果步驟法
此乃針對中介效果之因果關係進行檢驗。因果步驟法中的 B-K 法是最普及的 檢驗中介方式，目的在於建立中介效果之必要條件，詳細說明中介效果的完整概 念體係與檢驗程序，係一般心理學常用的方法。主要利用普通最小平方法(ordinary least squares)進行迴歸係數估計，即圖 2.2 模式的路徑。
B-K 法之中介效果檢驗係利用三條迴歸方程式來檢驗四個條件是否成立，如 圖 2.3 所示。首先，中介效果的第一個條件為τ 的估計值必須顯著異於零。當τ 的 估計值顯著，代表 X 對 Y 有影響 ，亦即 Y 變項的變異可以被 X 所解釋，如圖 2.3(A) 所示。圖 2.3(A)顯示自變項 X 對依變項 Y 的總效果估計，此時對於中介變項 M 並 未進行任何估計，參見方程式(1)。
中介效果成立的第二個條件為
α
的估計值必須顯著異於零。當α
的估計值顯 著，代表自變項 X 對中介變項 M 有影響，亦即 M 變項的變異可以被自變項 X 所 解釋，如圖 2.3(B)所示。圖 2.3(B)顯示自變項預測中介變項的路徑，其方程式參 見方程式(2)。第三個條件為同時考慮自變項 X 與中介變項 M 對依變項 Y 產生影響時，中 介變項 M 必須具有統計顯著性，亦即在包含 X 與 M 變項的多元迴歸方程式中，β 係數必須顯著異於零，方可證明中介變項 M 在排除自變項 X 後仍對依變項 Y 有 淨影響，參見方程式(3)，方程式(3)即為圖 2.3(C)的表述，為同時考慮中介變項 M 與自變項 X 對 Y 的影響。
第四個條件為當模式加入中介變項 M 後，X 預測 Y 的直接效果
τ '
必須小於方 程式(1)的τ值
，如此則稱具中介效果。亦即當中介變項被控制，且路徑α
和β 呈 顯著，若自變項對依變項的預測力降低，但仍達到顯著水準，且τ '
的絕對值小於 τ 的估計值，則稱 M 部份中介 X 對 Y 的效果，亦即部分中介效果(partial mediation effects)；若自變項對依變項的預測力降低，且預測力未達到顯著水準，則稱 M 完全中介了 X 對 Y 的效果，亦即完全中介效果(completed mediation effects) (Baron &
Kenny, 1986)。這四個準則要求路徑
α
、β 與τ 皆為顯著。然而，有些學者(Collins, Graham, & Flaherty, 1998; Judd & Kenny, 1981; MacKinnon, 1994, 2000;MacKinnon, Krull, & Lockwood, 2000; Shrout & Bolger, 2002)對於總效果τ 須為顯 著產生爭議，認為驗證中介效果時，總效果為顯著的條件是非必要的，例如：Kenny、
X τ' Y
項間係數差異的比較檢驗(Freedman & Schatzkin, 1992; Clogg et al., 1992)，即檢驗τ '
驗中介效果的是 Sobel (1982)的係數乘法策略。Sobel (1982)的係數乘法策略牽涉 到αβ 與其標準誤(standard error)估計值比值的統計計算，此檢驗統計量服從標準 常態分配。Sobel 使用建立在一階泰勒級數近似值的多變量δ 法(multivariate delta) 計算標準誤，如方程式(4)，而此計算標準誤的公式常被制定在結構方程模式統計 軟體的預設裡，例如：Mplus (Muthén & Muthén, 1998-2006)、EQS (Bentler, 1997) 與 LISREL (Jöreskog & Sörbom, 1996)。且也有學者(MacKinnon et al., 2002)指稱用 多變量δ 法取得標準誤通常是很精確的。此後陸續延伸出諸多計算αβ 標準誤估計值計算方式以檢驗中介效果(Aroian, 1944; Goodman, 1960; MacKinnon et al., 2002; Preacher & Hayes, 2004)。使用乘法 策略時，中介效果顯著與否係藉由檢驗統計量 Z 是否大於 1.96 來判定，若 Z 值 大於 1.96，即檢驗結果為顯著，代表支持中介假設。乘法策略(MacKinnon et al., 2002; MacKinnon, Lockwood, & Williams, 2004)為藉由兩個服從常態分配的變項 相乘所得分配檢驗中介效果，但由於兩個常態化的係數相乘後並不服從常態分配 (Lomnicki, 1967)，且方法論學者亦認為利用標準常態分配進行統計檢驗的推導以 檢驗間接效果αβ 會引發爭議，因為αβ 的抽樣分配只有在大樣本(大於 200)時才 會服從常態假設(Stone & Sobel, 1990)。然有學者(Aroian, 1944; MacKinnon et al., 2004)證明藉由數學推導可以解決相乘後不服從常態分配的問題。雖然此後許多標 準誤的公式相繼被提出，但經過模擬研究發現，Sobel (1982)所提出的公式(4)仍是 效率最佳的間接效果標準誤(Mackinnon, 2008)。
肆、 拔靴法
拔靴法(Bootstrapping)為無母數的重複抽樣程序，是另一個檢驗中介的方法，
其優點為不需要假設母群體為常態分配。拔靴法是一個計算密集的方法，需從資 料集中重複抽樣且估計每一個重複抽樣資料集的間接效果，藉由反覆這程序，建 立αβ 抽樣分配的近似值，用來建構間接效果的信賴區間。對於拔靴法運用於簡 單中介模式的例子可參考 Bollen 與 Stine (1990)、MacKinnon 與 Lockwood (1998)、
MacKinnon 等人(2004)、Shrout 與 Bolger (2002)及 Preacher 與 Hayes (2004, 2008) 等相關研究，在此不加贅述。
MacKinnon 等人(2002, 2004)針對檢驗中介效果的多種方法進行模擬研究，去 評定這些方法的型一誤比率(type I error rate)與統計檢定力(statistical power)表現，
研究結果建議採用 Sobel 的係數乘法策略與拔靴法進行間接效果檢驗，但目前尚 無統計套裝軟體運用拔靴法檢驗中介效果，對於單純想做中介分析的學者會耗費
較多時間在程式編輯上。也因為 Sobel (1982)的係數乘法策略沒有驗證兩兩變項 關係是否存在，故結合 B-K 法以事先檢驗變項間關係。Sobel (1982)的係數乘法 策略與 B-K 法是一般最常被使用的方法，然大部分檢驗中介效果的方法僅聚焦在 中介模式個別路徑的檢驗或僅以檢驗乘法項αβ 做為替代，也因多數統計軟體(例 如：LISREL、EQS、Mplus)仍以 Sobel (1982)的檢驗法對間接效果進行考驗，故 本研究將依序結合此兩種方法驗證中介效果，條列如下：
第一、確定變項間具有相關性 第二、進行中介效果