方 杰 溫忠麟 何子杰

（1.廣東財(cái)經(jīng)大學(xué)新發(fā)展研究院/應(yīng)用心理學(xué)系，廣州 510320；2.華南師范大學(xué)心理學(xué)院/心理應(yīng)用研究中心，廣州 510631；3.廣東財(cái)經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，廣州 510320）

有調(diào)節(jié)的中介模型（moderated mediation model）意味著自變量X 通過中介變量M對因變量Y 產(chǎn)生影響，而中介過程（X→M→Y）受到調(diào)節(jié)變量Z 的調(diào)節(jié)（溫忠麟，葉寶娟，2014），圖1（a）是模型概念圖。有調(diào)節(jié)的中介模型分析既要檢驗(yàn)中介效應(yīng)（即X→M→Y 的間接影響）是否受到調(diào)節(jié)變量Z 的調(diào)節(jié)，還要檢驗(yàn)直接效應(yīng)（即X→Y 的直接影響）是否受到調(diào)節(jié)變量Z 的調(diào)節(jié)（圖1（a））。以往的有調(diào)節(jié)的中介模型研究幾乎都假設(shè)X 和Z 是連續(xù)變量的情況，但當(dāng)X或Z 是類別變量（M 和Y 是連續(xù)變量），如何進(jìn)行有調(diào)節(jié)的中介模型分析呢？如果自變量或調(diào)節(jié)變量為二分類別變量，可將類別變量進(jìn)行0 和1 編碼，仍可使用連續(xù)變量的有調(diào)節(jié)的中介模型分析方法進(jìn)行分析（溫忠麟，劉紅云，2020）。但如果自變量或調(diào)節(jié)變量為k 個(gè)類別（k≥3），問題就變得復(fù)雜了。

圖1 類別自變量的兩階段被調(diào)節(jié)的中介模型圖

第一，當(dāng)自變量是連續(xù)變量或二分類別變量時(shí)，只有一個(gè)中介效應(yīng)；但當(dāng)自變量是多類別（k≥3）時(shí)，則會有k-1 個(gè)相對中介效應(yīng)（方杰等，2017），也就需要考察k-1個(gè)相對中介效應(yīng)是否被調(diào)節(jié)（即要檢驗(yàn)k-1 次），這就增加了問題的復(fù)雜性。

第二，有調(diào)節(jié)的中介模型分為三類，即第一階段（X→M）被調(diào)節(jié)、第二階段（M→Y）被調(diào)節(jié)和兩階段被調(diào)節(jié)的中介模型，需要考察的相對中介效應(yīng)的數(shù)目變?yōu)?×（k-1），這進(jìn)一步增加了問題的復(fù)雜性。

第三，有多種方法可以檢驗(yàn)中介效應(yīng)是否被調(diào)節(jié)，溫忠麟等（2014）系統(tǒng)總結(jié)了有調(diào)節(jié)的中介效應(yīng)的三種檢驗(yàn)方法，即依次檢驗(yàn)、系數(shù)乘積的區(qū)間檢驗(yàn)和中介效應(yīng)差異檢驗(yàn)。那么，當(dāng)自變量或調(diào)節(jié)變量為多類別時(shí)，在何種情境下應(yīng)選擇何種檢驗(yàn)方法更合適呢？

第四，當(dāng)自變量是多類別（k≥3）時(shí)，相對直接效應(yīng)也從1 個(gè)增加為k-1 個(gè)（方杰等，2017），如何檢驗(yàn)k-1 個(gè)相對直接效應(yīng)是否被調(diào)節(jié)呢？

第五，當(dāng)調(diào)節(jié)變量是多類別（k≥3）時(shí)，則會有k 個(gè)中介效應(yīng)和k 個(gè)直接效應(yīng)。如何檢驗(yàn)k 個(gè)中介效應(yīng)是否被調(diào)節(jié)呢？k 個(gè)直接效應(yīng)是否被調(diào)節(jié)呢？

這些問題都困擾著應(yīng)用研究者，直接導(dǎo)致了類別變量的有調(diào)節(jié)的中介模型分析的實(shí)際應(yīng)用還很少。本文將以三類別的兩階段被調(diào)節(jié)的中介模型為例，詳述如何正確地進(jìn)行類別自變量或類別調(diào)節(jié)變量的有調(diào)節(jié)的中介模型分析；然后，用一個(gè)實(shí)例說明如何進(jìn)行類別變量的有調(diào)節(jié)的中介模型分析；最后對相關(guān)議題做了討論和拓展。

1 類別自變量的兩階段被調(diào)節(jié)的中介模型分析

三類別自變量（其余變量皆為連續(xù)變量）的兩階段被調(diào)節(jié)的中介模型（見圖1）的分析過程是：

第一，對自變量進(jìn)行虛擬編碼。由于自變量存在3 個(gè)水平，因此研究者可根據(jù)研究目的選擇自變量的某個(gè)水平為參照水平，產(chǎn)生2 個(gè)虛擬變量（D1和D2）（見圖1（b））

第二，兩階段被調(diào)節(jié)的中介效應(yīng)分析執(zhí)行如下回歸方程：

相對參考水平而言，D1→M→Y 的相對中介效應(yīng)是（a1+a4Z）（b1+b2Z），如果（a1+a4Z）（b1+b2Z）的Bootstrap 置信區(qū)間不包含0，表示D1→M→Y 的相對中介效應(yīng)顯著。調(diào)節(jié)變量Z 的取值區(qū)間內(nèi)的最大值為Zmax、最小值為Zmin，如果（a1+a4Zmax）（b1+b2Zmax）-（a1+ a4Zmin）（b1+b2Zmin）的Bootstrap 置信區(qū)間不包含0，就表示D1→M→Y 的相對中介效應(yīng)受到Z的調(diào)節(jié)（溫忠麟，葉寶娟，2014）。相對參考水平而言，D2→M→Y 的相對中介效應(yīng)是（a2+a5Z）（b1+b2Z），如果（a2+a5Z）（b1+b2Z）的Bootstrap 置信區(qū)間不包含0，表示D2→M→Y的相對中介效應(yīng)顯著。如果（a2+a5Zmax）（b1+b2Zmax）-（a2+a5Zmin）（b1+b2Zmin）的Bootstrap 置信區(qū)間不包含0，就表示D2→M→Y 的相對中介效應(yīng)受到Z 的調(diào)節(jié)。

同理，相對參考水平而言，D1→Y 的相對直接效應(yīng)是c1′+c4′Z，如果c1′+c4′Z 的Bootstrap 置信區(qū)間不包含0，表示D1→Y的相對直接效應(yīng)顯著。更進(jìn)一步，如果相對直接效應(yīng)之差（c1′+c4′Zmax）-（c1′+c4′Zmin）顯著不等于0，就表示D1→Y 的相對直接效應(yīng)受到Z 的調(diào)節(jié)。因?yàn)閮蓚€(gè)直接效應(yīng)之差（c1′+c4′Zmax）-（c1′+c4′Zmin）=c4′（Zmax-Zmin），當(dāng)利用Bootstrap 法獲得c4′（Zmax-Zmin）的置信區(qū)間時(shí)，Zmax-Zmin在所有Bootstrap 樣本中都為常數(shù)，所以c4′的Bootstrap 置信區(qū)間不包含0，就表示D1→Y 的相對直接效應(yīng)受到Z的調(diào)節(jié)（方杰等，2014）。相對參考水平而言，D2→Y 的相對直接效應(yīng)是c2′+c5′Z，如果c2′+c5′Z 的Bootstrap 置信區(qū)間不包含0，表示D2→Y 的相對直接效應(yīng)顯著。如果c5′的Bootstrap 置信區(qū)間不包含0，表示D2→Y 的相對直接效應(yīng)受到Z 的調(diào)節(jié)。如果不考慮直接效應(yīng)是否被Z 調(diào)節(jié)，則去掉方程（2）中的c4′D1Z 和c5′D2Z。

2 類別調(diào)節(jié)變量的兩階段被調(diào)節(jié)的中介模型分析

三類別調(diào)節(jié)變量（其余變量皆為連續(xù)變量）的兩階段被調(diào)節(jié)的中介模型（見圖2）的分析過程是：

圖2 類別調(diào)節(jié)變量的兩階段被調(diào)節(jié)的中介模型圖

第一，對調(diào)節(jié)變量進(jìn)行虛擬編碼（見圖2（b）），編碼方法與類別自變量的編碼方法一樣，不再贅述。

第二，兩階段被調(diào)節(jié)的中介效應(yīng)分析執(zhí)行如下回歸方程：

當(dāng)調(diào)節(jié)變量Z 為參考水平時(shí)（D1=D2=0），中介效應(yīng)是a1b1，直接效應(yīng)是c1′。當(dāng)調(diào)節(jié)變量Z 為D1時(shí)（D1=1 且D2=0），中介效應(yīng)是（a1+a4）（b1+b2），直接效應(yīng)是c1′+c4′。當(dāng)調(diào)節(jié)變量Z 為D2時(shí)（D1=0 且D2=1），中介效應(yīng)是（a1+a5）（b1+b3），直接效應(yīng)是c1′+c5′。如果a1b1、（a1+a4）（b1+b2）、（a1+a5）（b1+b3）的Bootstrap 置信區(qū)間不包含0，則表示中介效應(yīng)顯著。如果c1′、c1′+c4′、c1′+c5′的Bootstrap置信區(qū)間不包含0，則表示直接效應(yīng)顯著。

調(diào)節(jié)變量Z 為D1和參考水平的中介效應(yīng)之差為（a1+a4）（b1+b2）-a1b1=a1b2+a4b1+a4b2，如果a1b2+a4b1+a4b2的Bootstrap 置信區(qū)間不包含0，則表示中介效應(yīng)受到Z 的調(diào)節(jié)。調(diào)節(jié)變量Z 為D2和參考水平的中介效應(yīng)之差為（a1+a5）（b1+b3）-a1b1=a1b3+a5b1+a5b3，如果a1b3+a5b1+a5b3的Bootstrap 置信區(qū)間不包含0，則表示中介效應(yīng)受到Z 的調(diào)節(jié)。

調(diào)節(jié)變量Z 為D1和參考水平的直接效應(yīng)之差為（c1′+c4′）-c1′=c4′，如果c4′的Bootstrap 置信區(qū)間不包含0，則表示直接效應(yīng)受到Z 的調(diào)節(jié)。調(diào)節(jié)變量Z 為D2和參考水平的直接效應(yīng)之差為（c1′+c5′）-c1′=c5′，如果c5′的Bootstrap 置信區(qū)間不包含0，則表示直接效應(yīng)受到Z 的調(diào)節(jié)。如果不考慮直接效應(yīng)是否被Z 調(diào)節(jié)，則去掉方程（4）中的c4′XD1和c5′XD2。

3 示 例

接下來用一個(gè)例子演示如何進(jìn)行類別變量的有調(diào)節(jié)的中介模型分析。本例感興趣的是，公正感（X）通過負(fù)性情緒（M）影響員工偏離行為（Y）的中介過程，是否受到了性別（Z）的調(diào)節(jié)，模型如圖1 所示。本例的所有變量及其數(shù)據(jù)均來自方杰等（2017）。自變量公正感是類別變量（分為低、中、高三水平），采用虛擬編碼，產(chǎn)生2 個(gè)虛擬變量（D1和D2）。低公正感為參照水平，編碼為D1=0 和D2=0；中等公正感編碼為D1=1和D2=0；高公正感編碼為D1=0 和D2=1。中介變量負(fù)性情緒和因變量員工偏離行為是連續(xù)變量，調(diào)節(jié)變量為性別（0 表示女，1 表示男）。我們使用SPSS 軟件運(yùn)行PROCESS 3.4的模型59（PROCESS 還可在SAS 和R軟件上運(yùn)行），進(jìn)行兩階段被調(diào)節(jié)的中介模型分析。分析結(jié)果如表1 所示。模型1 對應(yīng)方程（1），模型2 對應(yīng)方程（2）。具體分析如下：

表1 三類別自變量的兩階段被調(diào)節(jié)的中介效應(yīng)分析結(jié)果

3.1 有調(diào)節(jié)的中介效應(yīng)分析

在性別為女（Z=0）時(shí)，相對于低公正感，中等公正感的相對中介效應(yīng)a1b1為-0.033，SE=0.061，95%的 非 參 數(shù) 百 分 位Bootstrap 法的置信區(qū)間［-0.154，0.085］，包含0，相對中介效應(yīng)不顯著。在性別為男（Z=1）時(shí)，相對于低公正感，中等公正感的相對中介效應(yīng)（a1+a4）（b1+b2） 為-0.346，SE=0.106，95%的非參數(shù)百分位Bootstrap法的置信區(qū)間［-0.559，-0.145］，不包含0，相對中介效應(yīng)顯著。男女中介效應(yīng)的差（a1+a4）（b1+b2）-a1b1=a1b2+a4b1+a4b2=-0.313，SE=0.120，95%的非參數(shù)百分位Bootstrap法的置信區(qū)間［-0.554，-0.079］，不包含0，由此得出結(jié)論，相對于低公正感，中等公正感的相對中介效應(yīng)受到性別的調(diào)節(jié)。

在性別為女（Z=0）時(shí)，相對于低公正感，高公正感的相對中介效應(yīng)a2b1為-0.262，SE=0.071，95%的 非 參 數(shù) 百 分 位Bootstrap 法的置信區(qū)間［-0.413，-0.134］，不包含0，相對中介效應(yīng)顯著。在性別為男（Z=1）時(shí)，相對于低公正感，高公正感的相對中介效應(yīng)（a2+a5）（b1+b2）為-0.823，SE=0.108，95%的非參數(shù)百分位Bootstrap 法的置信區(qū)間［-1.045，-0.619］，不包含0，相對中介效應(yīng)顯著。男女中介效應(yīng)的差（a2+a5）（b1+b2）-a2b1= a2b2+a5b1+a5b2= -0.561，SE=0.128，95%的非參數(shù)百分位Bootstrap法的置信區(qū)間［-0.811，-0.311］，不包含0，由此得出結(jié)論，相對于低公正感，高公正感的相對中介效應(yīng)受到性別的調(diào)節(jié)。

3.2 有調(diào)節(jié)的直接效應(yīng)分析

在性別為女（Z=0）時(shí)，相對于低公正感，中等公正感的相對直接效應(yīng)c1′為-0.24，SE=0.134，95% 的 非 參 數(shù) 百 分 位Bootstrap 法的置信區(qū)間［-0.504，0.021］，包含0，相對直接效應(yīng)不顯著。在性別為男（Z=1）時(shí)，相對于低公正感，中等公正感的相對直接效應(yīng)c1′+c4′為-0.33，SE= 0.139，95%的非參數(shù)百分位Bootstrap 法的置信區(qū)間［-0.605，-0.059］，不包含0，相對直接效應(yīng)顯著。男女直接效應(yīng)的差c4′為-0.09，SE=0.193，95%的非參數(shù)百分位Bootstrap法的置信區(qū)間［-0.469，0.289］，包含0，表明相對于低公正感，中等公正感的相對直接效應(yīng)沒有受到性別的調(diào)節(jié)。

在性別為女（Z=0）時(shí)，相對于低公正感，高公正感的相對直接效應(yīng)c2′為-0.33，SE=0.126，95%的非參數(shù)百分位Bootstrap法的置信區(qū)間［-0.581，-0.086］，不包含0，相對直接效應(yīng)顯著。在性別為男（Z=1）時(shí)，相對于低公正感，高公正感的相對直接效應(yīng)c2′+c5′為-0.83，SE=0.136，95%的非參數(shù)百分位Bootstrap 法的置信區(qū)間［-1.090，-0.556］，不包含0，相對直接效應(yīng)顯著。男女直接效應(yīng)的差c5′為-0.49，SE=0.185，95%的非參數(shù)百分位Bootstrap 法的置信區(qū)間［-0.853，-0.126］，不包含0，表明相對于低公正感，高公正感的相對直接效應(yīng)受到性別的調(diào)節(jié)。

需要說明的是，雖然示例使用了PROCESS 插件進(jìn)行數(shù)據(jù)分析，實(shí)際上還可以使用Mplus 軟件對示例數(shù)據(jù)進(jìn)行類別變量的有調(diào)節(jié)的中介效應(yīng)分析。具體地，先將示例數(shù)據(jù)的三類別自變量進(jìn)行虛擬變量編碼，產(chǎn)生D1和D2兩個(gè)新變量，然后利用Mplus 程序（見圖3）進(jìn)行有調(diào)節(jié)的中介模型分析，分析結(jié)果與PROCESS 的分析結(jié)果一致，不再贅述。

圖3 類別自變量的兩階段被調(diào)節(jié)的中介模型分析的Mplus 程序

4 討論與拓展

類別變量在心理學(xué)和其他社科領(lǐng)域研究中經(jīng)常遇到，已有文獻(xiàn)討論了類別變量的中介和調(diào)節(jié)分析方法（方杰等，2017；方杰，溫忠麟，2022），但如果將中介和調(diào)節(jié)整合在一起，進(jìn)行類別變量的有調(diào)節(jié)的中介模型分析，問題就變得復(fù)雜了。本文試圖為應(yīng)用研究者提供相應(yīng)的方法學(xué)支持。在闡述了類別變量的兩階段被調(diào)節(jié)的中介模型的分析方法后，用示例演示如何進(jìn)行分析。但是，本文介紹的方法尚有不足，有待進(jìn)一步研究和拓展。

4.1 模型拓展

本文只涉及兩階段被調(diào)節(jié)的中介模型，實(shí)際上本文的步驟和方法同樣適用于第一階段（X→M）、第二階段（M→Y）被調(diào)節(jié)的中介模型和有中介的調(diào)節(jié)模型。

4.1.1 第一階段被調(diào)節(jié)的中介模型

如果是類別自變量的第一階段被調(diào)節(jié)的中介模型，只需要方程（2）去掉b2MZ 即可。相對參考水平而言，D1→M→Y 的相對中介效應(yīng)變?yōu)椋╝1+a4Z）b1，如果a4b1的Bootstrap 置信區(qū)間不包含0，就表示D1→M→Y 的相對中介效應(yīng)受到Z 的調(diào)節(jié)。相對參考水平而言，D2→M→Y 的相對中介效應(yīng)變?yōu)椋╝2+a5Z）b1，如果a5b1的Bootstrap 置信區(qū)間不包含0，就表示D2→M→Y 的相對中介效應(yīng)受到Z 的調(diào)節(jié)。相對參考水平而言，如果c4′或（和）c5′的Bootstrap 置信區(qū)間不包括0，就表示D1→Y 或（和）D2→Y 的相對直接效應(yīng)受到Z 的調(diào)節(jié)（Hayes，2018）。

如果是類別調(diào)節(jié)變量的第一階段被調(diào)節(jié)的中介模型，只需要方程（4）去掉b2MD1和b3MD2即可。此時(shí)，調(diào)節(jié)變量Z 為D1時(shí)的中介效應(yīng)變?yōu)椋╝1+a4）b1，Z 為D2時(shí)的中介效應(yīng)變?yōu)椋╝1+a5）b1，如果a4b1或a5b1的Bootstrap 置信區(qū)間不包含0，則表示中介效應(yīng)受到Z 的調(diào)節(jié)，如果c4′或c5′的Bootstrap置信區(qū)間不包含0，則表示直接效應(yīng)受到Z的調(diào)節(jié)。

4.1.2 第二階段被調(diào)節(jié)的中介模型

如果是類別自變量的第二階段被調(diào)節(jié)的中介模型，只需要方程（1）去掉a3Z、a4D1Z和a5D2Z 即可。相對參考水平而言，D1→M→Y 的相對中介效應(yīng)變?yōu)閍1（b1+b2Z），如果a1b2的Bootstrap 置信區(qū)間不包含0，就表示D1→M→Y 的相對中介效應(yīng)受到Z 的調(diào)節(jié)。相對參考水平而言，D2→M→Y 的相對中介效應(yīng)變?yōu)閍2（b1+b2Z），如果a2b2的Bootstrap 置信區(qū)間不包含0，就表示D2→M→Y 的相對中介效應(yīng)受到Z 的調(diào)節(jié)。相對參考水平而言，如果c4′或（和）c5′的Bootstrap 置信區(qū)間不包括0，就表示D1→Y或（和）D2→Y 的相對直接效應(yīng)受到Z 的調(diào)節(jié)。

如果是類別調(diào)節(jié)變量的第二階段被調(diào)節(jié)的中介模型，只需要方程（3）去掉a2D1、a3D2、a4XD1和a5XD2即可。此時(shí)，調(diào)節(jié)變量Z為D1時(shí)的中介效應(yīng)變?yōu)閍1（b1+b2），Z 為D2時(shí)的中介效應(yīng)變?yōu)閍1（b1+b3），如果a1b2或a1b3的Bootstrap 置信區(qū)間不包含0，則表示中介效應(yīng)受到Z 的調(diào)節(jié)，如果c4′或c5′的Bootstrap 置信區(qū)間不包含0，則表示直接效應(yīng)受到Z 的調(diào)節(jié)。

4.1.3 有中介的調(diào)節(jié)模型

本文只涉及有調(diào)節(jié)的中介模型。實(shí)際上還有一種中介和調(diào)節(jié)的整合模型，即有中介的調(diào)節(jié)模型。有中介的調(diào)節(jié)模型可分為兩種，一種是有中介的調(diào)節(jié)模型Ι，即調(diào)節(jié)變量Z 調(diào)節(jié)自變量X 和因變量Y 的關(guān)系，而這種調(diào)節(jié)效應(yīng)至少部分地通過中介變量M 對Y 起作用。有中介的調(diào)節(jié)模型Ι 的分析步驟與第一階段被調(diào)節(jié)的中介模型的分析步驟一致（Edwards & Lambert，2007；溫忠麟等，2022；王陽等，2022）。另一種是有中介的調(diào)節(jié)模型Ⅱ，即Z 先影響M，再由M 調(diào)節(jié)X 和Y 的關(guān)系。有中介的調(diào)節(jié)模型Ⅱ的分析步驟與第二階段被調(diào)節(jié)的中介模型（需將Z 當(dāng)成自變量、X 當(dāng)成調(diào)節(jié)變量）的分析步驟一致（Kwan & Chan，2018；溫忠麟等，2022；王陽等，2022）。因此，類別變量的有調(diào)節(jié)的中介模型的分析步驟和方法可以方便地推廣到類別變量的有中介的調(diào)節(jié)模型分析中。

4.2 變量的拓展

本文的有調(diào)節(jié)的中介模型都假設(shè)因變量是連續(xù)變量，實(shí)際上本文的步驟和方法都可以拓展到因變量是二分類別變量的情況。具體地，方程（1）和（3）仍然使用多元線性回歸，但方程（2）和（4）使用Logistic 回歸代替多元線性回歸即可。PROCESS 4.0 可以方便地執(zhí)行二分因變量的有調(diào)節(jié)的中介效應(yīng)分析，因此PROCESS 4.0 可分析2（多類別/連續(xù)自變量）×2（多類別/連續(xù)調(diào)節(jié)變量）×2（二分類別/連續(xù)因變量）×3（調(diào)節(jié)的中介路徑類型）共24 種類別變量的有調(diào)節(jié)的中介模型。值得注意的是，PROCESS 4.0 在進(jìn)行二分因變量的有調(diào)節(jié)的中介效應(yīng)分析時(shí)，直接將系數(shù)a 和b 相乘得到中介效應(yīng)大小，使得中介效應(yīng)存在量尺不統(tǒng)一的問題，即X→M 的影響a 是連續(xù)變量的量尺，M→Y 的影響b 是Logit量尺。已有研究者在二分因變量的簡單中介模型的分析中，提出了兩種統(tǒng)一量尺的方法（方杰等，2017；劉紅云等，2013）。一種方法是將系數(shù)b 標(biāo)準(zhǔn)化為bstd（MacKinnon& Dwyer，1993），對a×bstd進(jìn)行顯著性檢驗(yàn)；另一種方法是將系數(shù)a 和b 各自變?yōu)閆a=a／SE(a)和Zb=b／SE(b)，再對Za×Zb進(jìn)行顯著性檢驗(yàn)（Iacobucci，2012）。這兩種方法是否適用于二分因變量的有調(diào)節(jié)的中介模型，還有待進(jìn)一步深入研究。

同理，本文的有調(diào)節(jié)的中介模型也可以推廣到中介變量是二分類別變量的情況。具體地，方程（2）和（4）仍然使用多元線性回歸，但方程（1）和（3）使用Logistic 回歸代替多元線性回歸即可，此時(shí)也存在量尺不統(tǒng)一的問題。PROCESS 4.0 暫時(shí)無法執(zhí)行二分中介變量的有調(diào)節(jié)的中介模型分析，此時(shí)建議使用SPSS 軟件分別執(zhí)行多元線性回歸和Logistic 回歸，得到各個(gè)系數(shù)值及其顯著性檢驗(yàn)結(jié)果，再判斷中介效應(yīng)是否受到調(diào)節(jié)（溫忠麟，葉寶娟，2014；溫忠麟，劉紅云，2020）。如果因變量和中介變量都是二分類別變量，則方程（1）~（4）都用Logistic 回歸代替多元線性回歸，此時(shí)量尺是統(tǒng)一的，建議用SPSS 軟件執(zhí)行Logistic回歸，得到各個(gè)系數(shù)值及其顯著性檢驗(yàn)結(jié)果，再判斷中介效應(yīng)是否受到調(diào)節(jié)。

4.3 類別變量的編碼方式的拓展

本文僅用虛擬編碼［又稱為指標(biāo)編碼（indicator code）］對多類別變量進(jìn)行編碼，實(shí)際上PROCESS 還提供了另外三種編碼方式供研究者選用，即序列編碼（sequential code）、效應(yīng)編碼（effect code）和Helmet 編碼（見表2）。所有的編碼方式都可使用相同的有調(diào)節(jié)的中介模型的分析步驟和方法。

表2 三類別變量的各種編碼方式

如果研究者感興趣的是X1和X2之間的對比以及X1和X3之間的對比，則建議使用虛擬編碼。如果研究者感興趣的是X1和X2之間的對比以及X2和X3之間的對比，則建議使用序列編碼。使用示例數(shù)據(jù)，用序列編碼進(jìn)行兩階段被調(diào)節(jié)的中介模型分析，結(jié)果還發(fā)現(xiàn)相對于中等公正感，高公正感的相對中介效應(yīng)不受性別的調(diào)節(jié)。

如果自變量是有序類別變量（ordinal categorical variable），則在下述情況下推薦使用Helmet 編碼。例如，自變量是新冠疫情下的自我保護(hù)程度，包括三個(gè)水平：不保護(hù)，少量保護(hù)（只有自己戴口罩，其他人不戴口罩）和充分保護(hù)（全社區(qū)人員都戴口罩），保護(hù)程度是有序增強(qiáng)，此時(shí)推薦使用Helmet 編碼。因?yàn)榇藭r(shí)研究者或許感興趣的是不保護(hù)X1和有保護(hù)（X2和X3）之間的對比以及少量保護(hù)X2和充分保護(hù)X3之間的對比（Hayes，2018）。如果研究者感興趣的是X2和（X1和X3）之間的對比以及X3和（X1和X2）之間的對比，則建議使用效應(yīng)編碼。因此，建議研究者在闡述結(jié)果前，先說明類別變量的編碼方式。

5 結(jié) 語

目前，類別變量的有調(diào)節(jié)的中介模型的實(shí)際應(yīng)用還較少，一個(gè)較為重要的原因是，應(yīng)用研究者還不清楚如何正確地進(jìn)行類別變量的有調(diào)節(jié)的中介模型分析。表3將常用的類別變量的有調(diào)節(jié)的中介模型及其分析策略進(jìn)行了總結(jié)，便于應(yīng)用研究者了解哪些場景或模型應(yīng)該使用類別變量的有調(diào)節(jié)的中介模型進(jìn)行數(shù)據(jù)分析，并能按圖索驥地選擇合適的分析策略。

表3 常見的類別變量的有調(diào)節(jié)的中介模型及其分析策略

另外，雖然本文是以三類別的類別變量為例進(jìn)行闡述，但本文的方法同樣也適用于4 個(gè)類別或更多類別的情況，如果自變量是n 個(gè)類別，就產(chǎn)生n-1 個(gè)虛擬變量（D1、D2、…、Dn-1）和n-1 個(gè)相對中介效應(yīng)，需要檢驗(yàn)n-1 個(gè)相對中介效應(yīng)各自是否被調(diào)節(jié)。同理，還需要檢驗(yàn)n-1 個(gè)相對直接效應(yīng)各自是否被調(diào)節(jié)。如果是五個(gè)或五個(gè)以上類別的類別變量，實(shí)際上可當(dāng)成連續(xù)變量處理（溫忠麟，劉紅云，2020）。

現(xiàn)在，類別變量的有調(diào)節(jié)的中介模型分析的方法學(xué)研究還處于蓬勃發(fā)展階段，還有諸多問題亟待解決。例如，在多層嵌套數(shù)據(jù)中，如何進(jìn)行類別變量的有調(diào)節(jié)的多層中介模型分析呢？再如，本文僅涉及一個(gè)中介變量，如果模型中存在多個(gè)中介變量，如何進(jìn)行類別變量的有調(diào)節(jié)的多重中介模型分析呢？又如，本文僅涉及因變量或中介變量是二分類別變量的情況，如果因變量或中介變量為多類別變量，如何進(jìn)行有調(diào)節(jié)的中介模型分析？相信隨著方法研究的深入，會不斷增加我們對類別變量的有調(diào)節(jié)的中介問題的理解。