Page 229 - 《社会》2026年第1期

社会·2026·1

证系数的准确性。
（4）
Logit（C i） = 茁 4i + a 1X i + 着 4i
而对于前序中介变量，其不但存在新的方程（ 4），还可以作为自变
量影响方程（2）并得到方程（5）。
（5）
Logit（M i） = 茁 5i + a 2X i + d 1P i + 着 5i
因此，除了得到方程（ 4）的残差外，还需要得到一个包含所有前序
中介变量的方程（ 5）的残差，并删除方程（2）本身的残差，即方程（6）。
同时可以得到方程（7）和方程（8）。
（6）
Logit（Y i） = 茁' 6i + C'' 1X i + 渍' 1i r 1i + 渍' 2i r 2i + 着' 6i
（7）
Logit（M i） = 茁 7i + a 1X i + d 1P i + 渍' 3i r 3i + 着 7i
（8）
Logit（Y i） = 茁' 8i + c' 1X i + b 1M i + 渍' 1i r 1i + 着' 8i
其中，r 1i 为所有作为中介因素的控制变量和前序中介变量各自构
成的方程（4）的残差，r 2i 为方程（7）的残差，r 3i 为未纳入模型的前序中介
变量构成的方程（ 4）的残差。 这样就实现了所有模型的残差一致性，称
这一残差为总残差。 在加入新变量的过程中，去除新变量的残差项。 此
外，在 逐 个 放 入前 序 中 介 变 量 的 过 程 中 ，方 程（ 7）的 残 差 也 会 发 生 变
化，为了使方程（ 6）中的残差 r 2i 在不断纳入变量后均一致，也需要对方
程（ 7）使用类似的方法。 由于方法相似，不再赘述。
此时，由于作为中介因素的控制变量和中介变量的影响模式相同，因
此其中介效应仍可以直接用 KHB 模型的公式 m =（c'' 1 - c' 1 ）/c'' 1 计算。
而前序中介变量的情况则较为复杂， 需要建立一组包含 5 个回归
方程的方程组，分别为：
（9）
Logit（Y i） = 茁' 9i + c'' 1X i + b'' 1M i + 渍' 1i r 1i + 着' 9i
（10）
Logit（Y i） = 茁' 10 i + c''' 1X i + b'' 2P i + 渍' 1i r 1i + 渍' 2i r 2i + 着' 10 i
（11）
Logit（Y i） = 茁' 11i + c' 1X i + b' 1M i + b' 2P i + 渍' 1i r 1i + 着' 11i
（12）
Logit（M i） = 茁 12i + d'' 1X i + 渍' 3i r 3i + 着 12i
（13）
Logit（M i） = 茁 13i + d' 1X i + e 1P i + 渍' 3i r 3i + 着 13i
结合上述 5 个回归方程，参考 KHB 模型的基本思路，可以得出：X
通过 P 影响 Y 的中介效应占直接效应的比例为：m xy·p = （c'' 1 - c' 1 ）/c'' 1，
以此类推，m xy·m =（c''' 1 - c' 1 ）/c''' 1，m py·m =（b'' 2 - b' 2 ）/b'' 2，m xm·p =（d'' 1 -
d' 1 ）/d'' 1。 通过以上四组中介效应，可得出：

· 222·