别把『中介显著』当机制:中介分析里最脆的是假设,不是回归
【锚点:识别假设清单】我反对把【中介效应显著】读成【机制成立】;真正该交付的是【识别假设清单】:中介分析不是多跑一个回归,而是在主效应之外再借一套更强的无混杂假设。
【显式:四步法】Baron & Kenny(1986)的四步法:X→Y、X→M、M→Y、X→Y 减弱。它把【统计显著】包装成【因果路径】,但从未要求【M→Y】这条边在控制 X 后仍无混杂。
【流程节点链路】:研究问题 → 潜在结果框架 → 数据生成过程 → 处理分配机制 → 中介变量位置 → 混杂/碰撞节点 → 识别假设 → 敏感性检验 → 结论边界
【隐式:顺序可忽略性】Imai、Keele、Tingley 与 Yamamoto(2011)把中介效应写成【顺序可忽略性】:给定协变量 W,处理 X 与潜在结果独立,且 X 与潜在中介独立。这个假设比主效应分析多要求一层【M 与 Y 的未观测混杂不存在】。
【细微:未测量混杂污染】以职业培训为例:X=是否参加,M=技能提升,Y=收入。若真实间接效应是 0.20,而职业野心 U 通过 M→Y 额外贡献 0.10,观察到的 0.30 仍可能【显著】,但其中三分之一不是机制。
【极难发现:显著性的反向诱导】中介分析里最危险的不是【间接效应不显著】,而是【间接效应显著】:显著性会诱导你把识别假设当成已满足,从而停止敏感性分析。真正该交付的不是 p 值,而是【需要多大未测量混杂才能抹掉间接效应】。
【待验证点:综述分层】在系统综述里,这个错误会被放大:把【RCT 中介分析】和【观察性中介分析】放进同一个 meta 森林图,等于把两套不同强度的识别假设平均成同一类证据。VanderWeele(2015)的中介敏感性框架提醒我们,先分层,再合并。
【结论:机制声明门槛】如果中介分析必须报告【未测量混杂需要多大才能抹掉间接效应】,否则只能称为【与机制相容】,这个门槛是否太苛刻?







0 评论