中介模型分析能够验证因果关系吗？
Baron和 Kenny （1986）的逐步法，是使用最多的中介效应检验方法。逐步法的英文“causal steps approach”按字面翻译是“因果逐步法”，使得部分研究者误以为逐步法可以证明因果关系，也有部分研究者质疑逐步法其实得到的是相关关系，不是因果关系（Stone-Romero & Rosopa, 2008）。
温忠麟（2017a）以专文讨论了实证研究中的因果推理与因果分析，其中有一节专门讨论中介模型中的因果关系。单纯统计方法本身无法验证因果，变量之间因果关系的提出和假设，应当是模型建立之前要做的事情。中介模型中的每一个箭头表示的因果关系，包括“X→Y”，“X→M”，“M→Y”，都要有理据，或者有某种学科理论支持，或者有文献做铺垫，或者有经验常识作为佐证。总之，因果链中的每一个关系，都要在提出假设和建模之前得到支持，否则假设的模型就没有根基。如果只有 “X→M”和“M→Y”，也可以推论“X→Y”，做出假设。
应当如何分析变量之间的因果关系呢？先看看社科中比较经典的推论因果关系的三个准则（Cook & Campbell, 1979）：
（1）因和果共同变化；
（2）因在果之前发生；
（3）排除因果联系外的其他解释。
根据这些准则，社科研究可以采用以下方法分析因果关系：
一是理论分析进行因果推理；
二是实验设计验证因果关系；
三是追踪研究观察因果关系。
先说理论分析，这是通过问卷测量收集数据进行中介分析必须要做的。对于两个相关的变量X和Y（相关变量满足了因果关系的第一个准则），通过下面理论分析可以增加对“X→Y”的信心：
1. 看X和Y的变量属性，X是比Y更加本质的（或者是长久的、稳定的）属性。一般来说，本质属性影响状态属性，长期属性影响临时属性，稳定属性影响不稳定属性。例如，学生的智力和学业成绩，前者更加本质，应当是智力影响成绩。又如，成年人的身高比体重稳定，因而身高影响体重。至于性别，从生物学知道是由染色体决定的，相对于社科中的其他变量，性别更加本质和长久稳定，所以社科中凡是与性别相关的变量，都可以说受到性别的影响，即性别是这些变量的“因”。
2. 颠倒X和Y 的因果顺序，难以解释。就是说“Y→X”还不如“X→Y”那样好解释。例如，性犯罪数量与气温正相关，哪个是因？如果说性犯罪数量影响气温，解释不通；而“气温升高使得性犯罪数量增加”比较容易解释。又如，有人调查发现，参加过补习的学生，平均成绩还不如从未参加过补习的学生，得到结论是补习不能提高成绩。这里显然忽视了一个事实：成绩不好是参加补习的一个原因，而不是结果。
3. 尽量排除共同原因引起的虚假效应。例如，婚龄与年医药费支出正相关，谁是原因呢？都不是，年龄（代表时间）才是这两个变量的共同原因。重要期刊要求作者检验方法效应，也是一样道理，就是排除方法对各变量的共同影响。
上面前两个分析都在支持因果关系的第二个准则，即因在果之前发生。最后一个分析是支持第三个准则，即排除其他解释。
再说实验设计，通常认为是验证因果关系最有效的一种做法。上面说到的补习能否提高成绩的例子，如果进行实验设计，将同年级成绩相当的学生分成实验组（参加补习，当然教师水平还不能太差）和控制组（不参加补习），并且两组除了是否补习不同外，其他会影响成绩的因素都控制到基本相同，得到的结果能说明补习是否提高成绩。实验设计的关键在于控制无关因素，即控制与实验目的无关但可能会影响因变量的因素，然后看看自变量的变化是否会引起因变量的变化。
既然实验可以验证因果关系，那么设计“X→M” “M→Y”和“X→Y”三个实验，就应当可以验证中介效应的因果关系。如果第一个实验能验证X是导致M的原因，第二个实验能验证M是导致Y的原因，那么间接路径的因果链就得到了验证（Spencer, Zanna, & Fong, 2005）。当然，相同的变量，在每个实验中都应当有相同的定义和测量。
如果要验证“完全”中介，则要通过所谓的过程调节设计（moderation-of-process design），先设计一个实验验证“X→Y”；然后设计另一个实验，如果控制了M，无论X如何变化，Y都不会变化了（Spencer et al., 2005）。 “完全”中介的情形罕见，不拟赘述。
最后说说追踪研究。实验设计通常是在时间很短的一次实验中观测涉及的变量，因而需要假设自变量的变化会对因变量产生即时的影响。变量之间的即时影响，是横断数据推理因果关系的前提条件（温忠麟，2017a）。但在心理和其他社科领域，有些变量之间虽然有因果关系，也可能需要一段时间才能观测到变化，即所谓的滞后效应。例如，引进有效的教学手段，难以立即改变学生的成绩。又如，学业成绩的改变可能即时影响自信，但自信的改变却要一段时间后才能影响学业成绩。这种变量之间的历时性作用，基于横断数据不能够对因果做出推断，应当采用追踪研究获取纵向数据（Cole & Maxwell, 2003；温忠麟，2017a）。
追踪研究是间隔一段时间对研究对象重复测量（两次或多次）自变量、中介变量和因变量，获得历时性的数据，用追踪数据分析技术（刘红云，张雷，2005），检验自变量是否会影响后续观测的中介变量，中介变量是否会影响后续观测的因变量。Mackinnon，Fairchild和 Fritz（2007）总结了至少三种可以检验追踪数据的中介效应的方法，包括自回归模型（autoregressive modeling）、潜增长模型（latent growth modeling）和潜差异分数模型（latent difference score modeling）。
上述三类因果关系分析方法，都有一定的局限性。理论分析只是一种因果推理，推理只要符合逻辑就是有效推理，但不能保证推理一定正确，需要通过实验或者调查获取数据进行验证。前面已经提到过横断数据的不足，其实追踪研究也有局限，包括重复测量会引起的练习效应、疲劳效应等（温忠麟，2017b）。而且，对于变量之间的即时影响关系，追踪研究并不必要，甚至可能是不合适的（温忠麟，2017a）。
总之，中介效应分析是否仅仅是相关分析，关键要看内容。相关是不能证明因果的，回归或者中介分析中的因果关系依靠统计以外的理论来支撑。不能一看到中介分析就认定仅仅是相关分析。如果有理论分析，加上统计验证，我们就提高了对因果的信心。所有方法都只能在一定程度上证实因果关系，其中实验设计是最为可靠的方法。但所有方法都不能说最终证实了因果关系，只能证伪，因果关系的确立最终还是要经过实践的检验。最后说明一下，这里所说的因果，包括直接因果和间接因果。还有，我们是在统计意义上谈论因果关系，只是集体规律，对个体可能无效。
参考文献
Baron, R. M.,& Kenny, D. A. (1986). The moderator-mediator variable distinction in social psychological research: Conceptual, strategic, and statistical considerations. Journal of Personality and Social Psychology, 51 (6),1173-1182.
Cole, D. A.,& Maxwell, S. E. (2003). Testing meditational models with longitudinal data: Questions and tips in the use of structural equation modeling. Journal of Abnormal Psychology, 112 (4),558-577.
Cook, T.D.,& Campbell, D.T. (1979).Quasi-experimentation: Design and analysis for field setting. Houghton Mifflin.
MacKinnon, D.P., Fairchild, A.J., & Fritz, M.S. (2007). Mediation analysis. Annual Review of Psychology, 58,593-614.
Spencer, S.J., Zanna, M. P.,& Fong, G. T. (2005). Establishing a causal chain: Why experiments are often more effective than meditational analyses in examining psychological processes. Journal of Personality and Social Psychology, 89 (6),845-851.
Stone-Romero, E.F.,& Rosopa, P.J. (2008).The relative validity of inferences about mediation as a function of research design characteristics. Organizational Research Methods, 11 (2),326-352.
刘红云,张雷. (2005).追踪数据分析方法及其应用. 教育科学出版社.
温忠麟. (2017a).实证研究中的因果推理与分析.心理科学, 40 (1),200-208.
温忠麟. (2017b).教育研究方法基础(第3版).高等教育出版社.
▲点击图片购买
编辑推荐
结构方程模型是分析人类社会中复杂因果联系的有力工具，在心理、行为、教育、社会、经济、管理、市场等研究领域与行业应用中，被广泛使用。利用结构方程模型的方法，可以有效地分析因果关系中的中介效应和调节效应，揭示因素之间的复杂联系。
我社2012年出版的《调节效应和中介效应分析》曾伴随很多读者踏入因果关系统计分析的大门。如今，方法和工具都有了新的长足发展，两位作者温忠麟和刘红云在该书基础上，撰写了它的“升级版”，即本书《中介效应和调节效应：方法及应用》。
本书对于中介效应和调节效应分析所涉及的基本概念、数学思想、统计原理、估计和检验方法等做了全面而清晰的讲解，既适合入门者按部就班地阅读学习，也适合作为相关领域工作者的常备参考资料。
作者简介
温忠麟博士，华南师范大学心理学院教授、博士生导师，《心理学报》和《心理科学》编委。先后就读于华南师范大学数学系、云南大学数学系和香港中文大学教育心理系，曾在圣母大学、牛津大学、西悉尼大学和曼彻斯特大学做访问学者或合作研究。主要研究方向为心理统计与测量、数理统计。对调节效应和中介效应，特别是潜变量交互效应分析方法有系列研究成果。
刘红云博士，北京师范大学心理学院教授、博士生导师，中国教育学会教育统计与测量分会秘书长。1996年毕业于山西大学数学系，获理学硕士学位；2003年毕业于北京师范大学心理学院，获博士学位。主要研究方向为心理统计、教育与心理测量、教育评价。
PS：不知道大家有没有注意到，近期微信改变了推送规则，不是按照时间顺序来排序。
要想第一时间看到我们的好内容，可以每次读完后点个【在看】，或者把我们的公众号设为【星标】哦！这样你就不会错过我们的每一篇文章啦！
往期回顾
●《教育未来简史》有声导读 | 审视“一贯做法”●杨清：走出“课堂深度学习”的认识误区●王殿军：深化基础教育教学改革的九大行动●新书速递 |《大熊和小睡鼠》：享受友谊与美好●回归教育本质：核心素养下的深度学习解读“长按二维码”关注我们吧！