中介效应三步法不显著？间接效应、直接效应与置信区间这样对着查

中介效应三步法不显著，通常卡在这三步之一：间接效应（a×b）的 Bootstrap 置信区间是否跨 0、直接效应 c′ 是否显著、以及这两者合起来该判定成部分中介还是完全中介。先别急着改数据，按这三步逐个核对即可。

这一页解决什么

中介效应终于跑出来了，可表里一堆总效应、直接效应、间接效应，还有好几个置信区间，该抄哪个、"部分中介"和"完全中介"怎么判断，又卡住了——这大概是继"怎么跑"之后，第二个真正难的地方。

上一篇中介效应分析怎么做讲的是怎么把这张表跑出来；这一篇讲跑出来之后怎么读。同样用一份模拟问卷数据（演示数据，N=300，感知有用性(PU)→使用态度(ATT)→使用意愿(BI)路径，非真实用户数据）。跑这张表用的不只是 SPSS，Stata、R 同样能算出同样的间接效应和置信区间，这篇讲的是怎么读结果，跟用什么软件跑出来无关。

产品界面全景：顶栏的定位语是"SPSS、R、Stata 能做的，对话就能完成"，底部对话框可以直接打字提需求——下面这张中介效应表就是这样跑出来的。

中介效应结果怎么读：间接效应、直接效应和总效应逐项拆解

先看间接效应（也就是中介路径 a×b）= 0.141，Boot SE = 0.032，Bootstrap 95%CI 为 [0.083, 0.206]——区间不包含 0，说明中介效应显著，这是判断"中介成不成立"的第一步，不用先看 p 值，看 CI 是否跨 0 就够了。

再看直接效应 c′（PU 控制 ATT 后对 BI 的直接影响）= 0.334，p < .001，同样显著。

效应类型	数值	显著性判断依据
总效应 c	0.476	—
直接效应 c′	0.334	p < .001，显著
间接效应 a×b	0.141（Boot SE=0.032）	95% CI [0.083, 0.206]，不含 0，显著
间接效应占总效应比例	约 29.6%	与上同源

数据来源：以上数字均逐字引自 ChatSRS 产品实测输出，演示数据 N=300，PU→ATT→BI 路径；Bootstrap 为 5000 次重抽样、百分位法置信区间，本文未做任何换算。

中介效应分解表连同路径回归表与 AI 解读文字：总效应、直接效应、间接效应及 95%CI 完整可见，间接效应 0.141 与置信区间用荧光笔高亮标出——这段 AI 解读文字本身就是"结果该怎么写"的一个现成范本。

间接效应和直接效应都显著，说明 ATT 只是部分解释了 PU 对 BI 的影响（这份数据里间接效应约占总效应的 29.6%），PU 自己还有一条直接起作用的路径——这就是"部分中介"（如果直接效应不显著，那才是"完全中介"）。

中介效应三步法不显著：卡在哪一步，这张判断路径图说清楚

"间接效应显不显著 → 直接效应显不显著 → 部分中介还是完全中介"，这条判断路径整理成了一张图：

判断路径：先看间接效应 a×b 的 Bootstrap CI 是否跨 0，再看直接效应 c′ 是否显著，最后判定部分中介还是完全中介——案例数字就是本文这份数据（间接效应 0.141、直接效应 0.334）。

具体拆开是三步：

1. 先看间接效应（a×b）的 Bootstrap CI 是否跨 0：跨 0，说明间接效应不显著，中介路径本身不成立；不跨 0 才进入下一步。本文示例里 [0.083, 0.206] 不含 0，间接效应显著。
2. 再看直接效应 c′ 是否显著：两者都显著，判定为部分中介；直接效应不显著，才是完全中介。本文示例 c′ = 0.334，p < .001，显著，判定为部分中介。
3. 如果卡在第一步——间接效应 CI 本身就跨 0——问题通常不在于"数据没调好"，而在于这条中介路径本身需要重新审视，下一节具体讲该查什么。

报告句式可以直接抄改（把 X、M、Y 和具体数值换成自己数据跑出来的结果）：

采用 Bootstrap 法（重复抽样 5000 次）检验 X 通过 M 对 Y 的中介效应，结果显示间接效应为 a×b（95%CI 不含 0），中介效应显著；直接效应 c′ 同样显著（p < .05），因此 M 在 X→Y 路径中起部分中介作用。

需要更完整的 APA 报告模板（含路径 a、b 系数怎么写、完全中介场景该怎么表述），可以参考已发布的中介效应 APA 报告怎么写？a×b 间接效应+Bootstrap CI 格式全解。

中介变量不显著怎么调：不是调数据，是回头查这几件事

中介变量不显著怎么调？先说清楚："调"从来不是调整已经收集回来的原始作答数据。中介路径不显著，能查的是研究设计和统计方法本身，不是数字本身。

本文示例的间接效应是显著的，素材本身没有给出"间接效应不显著时具体该怎么办"的另一组数值案例，这里不编一组不显著的演示数据出来，只说方法论边界该往哪几个方向查：

• 先查变量间的先后顺序有没有理论支持。中介效应检验的前提是变量间要有理论支持的先后顺序，AI 给出的是统计结果，不能替代研究设计本身的因果论证；写论文前务必结合专业背景自查这一条，不因为"结果不显著"就可以绕过。
• 查 Bootstrap 的抽样次数和 CI 类型是否规范。抽样次数够不够（论文标准通常是 5000 次）、用的是百分位法还是偏差校正法，这些方法参数设置不同，同一份数据可能给出不同的显著性结论——这是方法问题，不是数据问题，可参考Sobel 检验还是 Bootstrap？中介效应显著性检验怎么选，里面讲了两种检验为什么会给出不同结论。
• 查样本量和测量信度够不够。中介检验对统计功效要求较高，样本量偏小或中介变量、结果变量本身测量误差较大，都可能拖累间接效应的显著性——这类问题该往前追溯到数据收集和量表设计阶段，而不是往后改已经收上来的答卷。

什么情况下不适用

中介效应检验的前提是变量间要有理论支持的先后顺序，AI 给出的只是统计结果，不能替代研究设计本身的因果论证，写论文前务必结合专业背景自查。

除此之外，还有几种情况光看这张效应分解表是不够的：

• 统计显著不等于因果关系成立。间接效应 CI 不含 0，只能说明这组数据的路径系数不为 0，不能反过来证明 X 确实通过 M 影响了 Y——因果论证要靠研究设计（比如是否有时间先后、是否排除了反向因果），不是靠一张 Bootstrap 表。
• "部分中介/完全中介"这套标签本身有争议。这两个词描述的是本文这组数据的判断结果，但已发布的Bootstrap 中介效应 CI 怎么做？里提到，现代方法学文献（Hayes, 2022）建议不要过度依赖"完全/部分中介"这套二分标签，因为直接效应是否显著高度依赖样本量，更推荐直接报告间接效应大小和中介比例，让读者自行判断。
• 工具只负责给出数字和路径判断，不负责替你做因果论证。不管是 ChatSRS、SPSS、Stata 还是 R，算出来的都只是间接效应、直接效应这几个数字；这条中介路径成不成立、变量顺序对不对，始终是研究者自己的责任。

常见问题

中介效应不显著怎么调数据？

不能。中介效应不显著，不是数据"写错了"，能调整的是变量顺序、Bootstrap 参数、样本量和测量方式这些研究设计和统计方法层面的问题，不是回头改问卷作答的原始数字。直接改动原始数据，不管有没有改善最终的显著性结果，都是学术诚信问题，一旦被发现后果很严重。

Bootstrap 置信区间为什么只看是否跨 0，不看 p 值？

Bootstrap 方法本身不产生传统意义上精确的 p 值，因为间接效应的抽样分布是通过重复抽样得到的经验分布，没有解析形式的公式可以直接算出 p 值。置信区间是否包含 0，本身就等价于显著性检验的判断标准：不含 0 等于显著，含 0 等于不显著，这是 Bootstrap 法的完整报告方式，不是省略了什么。

部分中介和完全中介，现在的方法学还这么区分吗？

本文按素材数据的判断结果，仍然使用"部分中介/完全中介"这套经典说法（直接效应显著即部分中介，不显著即完全中介）。但需要知道的是，现代文献对这套二分标签有保留意见，更推荐同时报告间接效应的大小和中介比例，具体可参考Bootstrap 中介效应 CI 怎么做？。如果导师或期刊没有特别要求，两种表述方式都可以用，关键是把间接效应、直接效应的具体数值和置信区间都报出来。

直接效应和间接效应都要报告吗，只报告间接效应行不行？

都要报告。本文示例里，间接效应 0.141 说明中介路径显著，但直接效应 0.334 同样显著，这两个数字合在一起才能判断出是部分中介还是完全中介——只报告间接效应，读者没法判断 PU 是不是还有一条不经过 ATT 的直接路径在起作用。总效应、直接效应、间接效应三个数字都应该出现在论文的结果部分。

读懂你自己的那张中介效应表

准备好去标识的问卷数据后，可以登录 ChatSRS 对着自己的间接效应和置信区间核对一遍。按"间接效应 CI 是否跨 0 → 直接效应是否显著 → 部分中介还是完全中介"这三步走，结果同样建议逐项核对后再写进论文。

相关文章推荐

• 中介效应分析怎么做？Bootstrap 间接效应、OLS 路径与报告边界
• 中介效应 APA 报告怎么写？a×b 间接效应+Bootstrap CI 格式全解
• Bootstrap 中介效应 CI 怎么做？5000 次抽样与百分位/BC 校正完全指南
• Sobel 检验还是 Bootstrap？中介效应显著性检验怎么选

---

本文演示数据为模拟问卷（N=300，PU→ATT→BI 路径），非真实用户数据。具体功能、数据处理规则和价格以当前产品页面与真实输出为准。