对于许多数据分析者而言，中介与调节效应的概念及实现常常是难点。这篇内容深入浅出地剖析了二者的核心区别，并结合Stata软件，提供了从理论理解到具体代码实现的完整路径。无论是概念辨析还是实操演示，都能为学习者带来清晰的指引，有效攻克这一统计学难关。
智能速览
中介效应分析关键在于识别X通过M影响Y的间接路径。
调节效应分析则关注M如何改变X对Y作用的大小或方向。
Stata可使用medsem包结合bootstrap法精确检验中介效应。
调节效应需通过构建交互项X*M，并观察其回归系数是否显著。
当间接效应与直接效应方向相反时，总效应可能不显著。
精华内容
理论的区别是操作的基础。接下来，将深入探讨如何在Stata中具体实现这两种效应的分析，从命令安装到结果解读，一步步带你掌握核心技能。
概念核心差异
中介与调节效应的核心差异在于变量角色。中介效应中，中介变量M处于因果链上（X→M→Y），是暴露因素X影响结局Y的中转站。即便没有X，M对Y的影响（b路径）也可能独立存在。当只有间接路径时为完全中介，当直接与间接路径并存时为部分中介。调节效应则不同，调节变量M并非中转站，而是直接修饰X对Y作用的“调节器”，其效应常通过交互项（X×M）体现。若没有X，调节变量M可能对结局Y无影响。
中介效应实操
在Stata中进行中介效应分析，推荐使用`medsem`包并配合`bootstrap`法。首先通过`ssc install medsem`安装该包。分析时，设置自变量X、因变量Y和中介变量M，并设定`bootstrap`重复次数，如1000次，次数越多结果越精确但耗时越长。输出结果关注间接效应、直接效应和总效应。判断中介效应是否存在，关键看间接效应是否显著。若直接效应不显著则为完全中介，若显著则为部分中介。需注意，当间接与直接效应方向相反时，两者即使显著也可能导致总效应不显著。
调节效应实操
调节效应的分析主要通过回归模型实现。若因变量为连续变量，可使用`reg`命令。关键步骤是生成交互项，例如`gen inter = XM`。若X或M为分类变量，则需使用因子变量表示法，如`i.XM`。随后运行包含所有主效应和交互项的回归模型：`reg Y X M inter`。调节效应是否存在，核心依据是交互项`inter`的系数是否显著。在教程示例中，尽管饮食（X）和睡眠（M）对认知（Y）的主效应显著，但其交互项系数不显著（p=0.290），因此不能认为存在调节效应。
掌握中介与调节效应的分析方法，是提升数据解读深度的重要一步。这份实操指南不仅厘清了易混淆的理论概念，更提供了可直接应用的Stata代码与分析思路。你是否也在研究中遇到过类似的统计难题？或许正是需要这些方法来揭示变量间更复杂的关系。
