如何比较同一中介模型中两个竞争中介的效应系数及显著性？

我有两个竞争中介变量M1和M2，均可能介导自变量RD（X）与因变量Perf（Y）之间的关系。我使用R语言的lavaan包结合Bootstrap自助法，针对同一数据集分别开展了两项中介分析：一项以M1为中介变量，另一项以M2为中介变量。结果显示，M2的间接效应（即a1*b1）标准化系数估计值为0.199，高于M1的0.170。

我想明确两个核心问题：

• 如何判断这两个中介效应是否具备统计显著性？
• 若二者均显著，能否直接得出M2对X与Y关系的中介效应强于M1的结论？

注：我的模型为有调节的中介模型，但当前仅关注中介效应的比较，暂不涉及有调节的中介效应。此前查找资料仅找到自变量系数比较的方法，未找到中介变量效应比较的相关内容。

附上我的分析代码：

# 中介变量M1的模型
ModMediation1 <- ' M1 ~ a1*RD + a2*PD + a3*RDXPD + a4*FA +
              a5*FS + a6*FG + a7*T
              
              Perf ~ b1*M1 + b2*FA + b3*FS + b4*FG + b5*T +
              c2*PD + c3*RDXPD
              
              # 间接效应定义
              IndEff := a1*b1
              
              # 有调节的中介指数
              IndModMed := a3*b1
              
            '

ModMediation1_fit <- lavaan::sem(ModMediation1, data = p2_df, se = "bootstrap", bootstrap = 10000)

summary(ModMediation1_fit, fit.measures = TRUE, rsq = TRUE, standardized = TRUE, ci = TRUE)

parameterestimates(ModMediation1_fit, boot.ci.type = "bca.simple", standardized = TRUE, level = 0.95)

# 中介变量M2的模型
ModMediation2 <- ' M2 ~ a1*RD + a2*PD + a3*RDXPD + a4*FA +
              a5*FS + a6*FG + a7*T
              
              Perf ~ b1*M2 + b2*FA + b3*FS + b4*FG + b5*T +
              c2*PD + c3*RDXPD
              
              # 间接效应定义
              IndEff := a1*b1
              
              # 有调节的中介指数
              IndModMed := a3*b1
              
            '


ModMediation2_fit <- lavaan::sem(ModMediation2, data = p2_df, se = "bootstrap", bootstrap = 10000)

summary(ModMediation2_fit, fit.measures = TRUE, rsq = TRUE, standardized = TRUE, ci = TRUE)

parameterestimates(ModMediation2_fit, boot.ci.type = "bca.simple", standardized = TRUE, level = 0.95)

一、判断单个中介效应的统计显著性 #

你已经采用了Bootstrap方法，直接通过**间接效应的95%置信区间（CI）**即可判断：

• 从parameterestimates()输出中找到IndEff对应的行，查看ci.lower和ci.upper值
• 若该区间不包含0，说明该中介效应在0.05显著性水平上具备统计显著性
• summary()输出中也会提供标准化效应值及对应CI，结果与上述一致

二、比较两个中介效应的强弱（是否存在显著差异） #

不能仅凭系数大小直接下结论——系数差异可能由抽样误差导致，必须通过构建包含两个中介变量的单一模型，并用Bootstrap检验效应差异的显著性，步骤如下：

1. 构建联合中介模型 #

将M1和M2放入同一个SEM模型中，同时估计二者的间接效应，并定义效应差异：

# 包含M1和M2的联合中介模型
JointModMediation <- ' 
  # M1的预测方程
  M1 ~ a1*RD + a2*PD + a3*RDXPD + a4*FA + a5*FS + a6*FG + a7*T
  # M2的预测方程
  M2 ~ a1_2*RD + a2_2*PD + a3_2*RDXPD + a4_2*FA + a5_2*FS + a6_2*FG + a7_2*T
  # 因变量Perf的预测方程（同时纳入M1和M2）
  Perf ~ b1*M1 + b1_2*M2 + b2*FA + b3*FS + b4*FG + b5*T + c2*PD + c3*RDXPD
  
  # 定义两个中介的间接效应
  IndEff_M1 := a1*b1
  IndEff_M2 := a1_2*b1_2
  # 定义两个间接效应的差异（M2 - M1）
  IndEff_Diff := IndEff_M2 - IndEff_M1
'

# 拟合模型，使用Bootstrap估计标准误和置信区间
Joint_fit <- lavaan::sem(JointModMediation, data = p2_df, se = "bootstrap", bootstrap = 10000)

# 查看结果，重点关注IndEff_Diff的置信区间
summary(Joint_fit, fit.measures = TRUE, rsq = TRUE, standardized = TRUE, ci = TRUE)
parameterestimates(Joint_fit, boot.ci.type = "bca.simple", standardized = TRUE, level = 0.95)

2. 解读效应差异的显著性 #

• 查看IndEff_Diff对应的95%置信区间：
  • 若区间不包含0，说明M2与M1的中介效应存在显著差异，此时可得出M2的中介效应更强的结论
  • 若区间包含0，说明二者的效应差异无统计显著性，不能判定M2效应更强

关键提醒 #

• 分开建模时，两个效应的估计相互独立，无法准确比较；联合模型能控制M1与M2的共变关系，得到更严谨的效应差异估计
• 你之前的分开模型未控制两个中介变量的关联，可能导致效应估计存在偏差，联合模型是更合理的选择

内容的提问来源于stack exchange，提问作者Mel