目录

一、引言

二、理论原理

三、数据

四、Stata 操作步骤

五、代码解释

六、代码运行结果及解释

七、结论

一、引言

中介效应分析在社会科学研究中具有重要的地位，它有助于我们理解自变量如何通过中介变量影响因变量。在本文中，我们将详细介绍中介效应模型的理论原理，并结合 Stata 软件进行具体的操作步骤演示，同时考虑控制变量的影响。

二、理论原理

中介效应是指自变量 X 通过中介变量 M 对因变量 Y 产生影响的过程。如果自变量 X 对因变量 Y 的总效应（c）可以分解为直接效应（c'）和通过中介变量 M 产生的间接效应（ab），那么就存在中介效应。

三、数据

为了进行中介效应分析，我们首先需要准备合适的数据。假设我们有一个数据集，包含自变量 <code>X、中介变量 M 、因变量 Y 以及控制变量 Z1 和 Z2 的观测值。以下是一个简单的数据生成示例代码：

clear

set obs 1000

gen X = rnormal()

gen M = 0.5*X + rnormal()

gen Y = 0.3*X + 0.4*M + rnormal()

gen Z1 = runiform()

gen Z2 = runiform()

四、Stata 操作步骤

回归分析自变量 X 对中介变量 M ，控制 Z1 和 Z2

reg M X Z1 Z2

回归分析自变量 X 对因变量 Y ，控制 Z1 和 Z2

reg Y X Z1 Z2

同时回归自变量 X 、中介变量 M 对因变量 Y ，控制 Z1 和 Z2

reg Y X M Z1 Z2

进行 Sobel 检验判断中介效应是否显著

ssc install sgmediation

sgmediation Y, mv(M) iv(X) cv(Z1 Z2)

五、代码解释

reg M X Z1 Z2 ：使用普通最小二乘法（OLS）估计 M 关于 X ，同时控制 Z1 和 Z2 的线性回归模型。reg Y X Z1 Z2 ：估计 Y 关于 X ，同时控制 Z1 和 Z2 的线性回归，以获取总效应。reg Y X M Z1 Z2 ：在控制了中介变量 M 以及 Z1 和 Z2 的情况下，估计 Y 关于 X 的回归，得到直接效应。ssc install sgmediation ：安装用于进行 Sobel 检验的 sgmediation 命令。sgmediation Y, mv(M) iv(X) cv(Z1 Z2) ：进行 Sobel 检验，其中 Y 是因变量，M 是中介变量，X 是自变量，Z1 和 Z2 是控制变量。

六、代码运行结果及解释

运行上述代码后，Stata 会输出回归结果，包括系数估计值、标准误差、t 值和 p 值等。

以第一个回归 reg M X Z1 Z2 为例，输出可能如下：

Source | SS df MS Number of obs = 1000

-------------+------------------------------ F( 3, 996) = 123.45code>

Model | 234.5678 3 78.18926 Prob > F = 0.0000

Residual | 567.8901 996 0.5701707 R-squared = 0.2912

-------------+------------------------------ Adj R-squared = 0.2855

Total | 802.4579 999 0.8032603

| Coef. Std. Err. t P>|t| [95% Conf. Interval]

-------------+---------------------------------------------------------------

X | 0.5678 0.0543 10.45 0.000 0.4612 0.6744

Z1 | 0.1234 0.0876 1.41 0.158 -0.0487 0.2955

Z2 | -0.0567 0.0678 -0.84 0.402 -0.1901 0.0767

_cons | 0.2345 0.1234 1.89 0.059 -0.0087 0.4777

这里，系数 0.5678 表示在控制了 Z1 和 Z2 后，X 对 M 的影响。

对于其他回归，类似地解释结果。

七、结论