【讲座回顾】比畅：调节中介效应——Hayes Process建模法

12月12日下午，美国内布拉斯加大学奥马哈分校传播学院助理教授比畅以“调节中介效应：Hayes Process建模法”为主题，为新闻传播学院博士生带来一场精彩的讲座，详细介绍了如何利用Process的模型进行中介和调节效应分析。比畅老师主要研究方向为亲社会战略传播、品牌活动、健康传播以及人工智能的应用。

讲座伊始，比畅老师首先介绍了Process是加拿大卡尔加里大学教授Andrew F. Hayes基于SPSS和SAS开发的插件，主要用于进行中介和调节效应分析。比畅老师指出Process模型的原理为在原本样本中抽取5000个小样本，进行回归分析，从而提高数据结果的可信度，适用于原本样本量较小的数据。

接下来，比畅老师简单介绍了什么是回归。她讲到，回归的目的是考察一个或多个自变量和目标变量之间的关系，并确定自变量对应变量的影响程度。比畅老师以分析社交媒体使用时长和年龄的关系为例，大致解释了回归分析的过程，包括绘制散点图、估算回归方程等，通过方程的回归系数，可以看出自变量对应变量的影响程度。

随后，比畅老师从三个维度比较了Process模型和结构方程模型（Structural Equation Model, SEM）之间区别。第一，研究目的不同。SEM模型关注多个变量之间相互关系以及它们的对整体的共同作用；Process模型聚焦于变量的中介和调节效果，主要用于判断一个变量是否是有影响力的中介变量。第二，模型类型不同。SEM模型可以包含潜在变量；Process模型需要人为归纳组合。比畅老师强调，应该根据研究目的选择合适的模型。

Process模型主要用于分析两种变量的效果：中介变量（mediator）和调节变量（moderator）。比畅老师对这两种变量及其基础模型模板分别做了介绍。中介变量是自变量（X）对应变量（Y）产生影响的中介，X通过影响中介变量来影响Y；调节变量则具有叠加效果的作用，调节X对Y的影响的大小或方向。比畅老师向同学们介绍Process建模共有74种模型模板，其中模型1是最基础的调节效应模型，模型4是最基础的中介效应模型。

讲座的下半场，比畅老师带领同学们进行实操，分别以模型1和4对给定数据进行Process建模，并详细解释了如何读懂运行结果。她指出，结果中的LLCI一栏代表置信区间的最小值，ULCI代表最大值。在中介效应模型中，当这个两个值均为正或均为负，即区间内不包含0值，则代表一个变量对另一个变量有显著正向或反向预测效果，如若区间内包含0值，则效果不显著。模型4的最终运行结果分为直接影响和间接影响两栏数据，当这两栏数据的置信区间均不含0值时，证明该中介变量具有中介效应。对于调节效应模型，比畅老师表示主要观察自变量（X）与调节变量（M）生成的交互变量（XM）的P值，当P值<0.05时，代表该调节变量对X与Y之间的作用存在调节作用。

最后，比畅老师讲解了如何将结果写入论文。首先说明使用了哪个模型。其次，写明自变量、应变量和中介/调节变量分别是什么。然后写明反映中介效应或调节效应存在与否的置信区间。最后插入模型示意图辅助说明。至此，本次讲座圆满结束。同学们学习了如何利用Process模型分析变量的中介或调节效应，对其日后进行量化研究有极大帮助。