写一篇社科类的paper或者是实证类研究，经常需要借鉴一个成熟的理论或者模型来搭建我们自己的研究框架，以此来提出有关的研究假设；也可以根据专业知识，自行提出变量之间的假设关系。

总之，我们需要对变量之间的关系进行构建，所构建的关系称之为研究假设(research hypothesis)。          

（仍然是前几期使用的模型，练习数据下载地址见本系列序章。）

在这个模型中，X对M产生正向影响，记为H1；M对Y产生正向影响，设为H2; X对Y产生正向影响，设为H3。

第一部分 模型验证

按照前两节完成模型构建和信效度检验后，我们进行模型验证。（声明：不是指模型验证前都要进行信效度检验，这只是我写文章的惯例；也不是模型验证之后都要进行中介效应分析，这里举例的是不考虑中介作用的情况）

所谓模型的验证，就是将收集到的数据放入到模型中，分析研究结果是否符合我们的预期。

首先，进行模型拟合。常用拟合指标：

参考文献

1. Kline RB. Principles and practice of structural equation modeling [M]. New York: The Guilford Press, 2005.

2. Marsh HW, Balla JR, McDonald RP, et al. Goodness-of-fit indexes in confirmatory factor analysis: The effect of sample size[J].Psychological Bulletin, 1988, 103(3): 391-410.

3. Bentler PM.Comparative fit indexes in structural models[J]. Psychological Bulletin, 1990,107(2): 238-246.

4. MacCallum RC, Browne MW, Sugawara HM, et al. Power analysis and determination of sample size for covariance structure modeling[J]. Psychological Methods, 1996, 1(2):130-149.

查看方式：方法一：View Text—Model Fit方法二：点击，在Caption中输入如下文本，其他属性自调。模型每次运行后的拟合结果都会直接展示在主界面，大力推荐！

其次，进行假设验证。报告结果：①标准化路径系数 (Standardized regression weights)，在报告和文章里可写作β。②P 值③P 值显著外，还需要查看系数的正负号是否和研究假设的方向保持一致

三个条件都通过了验证，在论文结果表格中可以这么展示：

查看方式：①点击"Estimates—Scalars—Standardized Regression Weights"，但这里只显示了路径系数，没有提供P值；②查看上述路径系数后，再点击“Bootstrap Confidence—Biased-corrected percentile method—Two Tailed Significance (BC)”，会同时提供系数和显著性。（必须先查看上述路径系数，否则“Estimates/Bootstrap”一栏是灰色的无法操作）

第二部分 中介效应检验

中介效应里很重要的一个概念是中介变量。那么，什么是中介变量？中介效应检验的又是什么？

中介变量是指在两个变量中起连结作用的变量。如图所示，自变量X通过引起中介变量M的变化，最终引起因变量Y的变化。

中介效应检验的目的就是判断某个变量在其他两个变量之间是否产生中介作用。

目前主流认为Bootstrap法是更为理想的中介效应检验方法，其判定标准是若得出的间接效应估计值（a*b）的置信区间不包含0，则认为存在显著的中介效应。

操作步骤：点击“分析属性

中介效应检验的目的就是判断某个变量在其他两个变量之间是否产生中介作用。

目前主流认为Bootstrap法是更为理想的中介效应检验方法，其判定标准是若得出的间接效应估计值（a*b）的置信区间不包含0，则认为存在显著的中介效应。

操作步骤：点击“analysis Prosperities—Bootstrap”，对一些参数进行设置，样本抽取次数一般在1000次或以上、95%置信区间、采用极大似然法（ML）估计，最后运行计算即可。

结果查看：①点击"Estimates—Matrices—Standardized Total/Direct/Indirect Effects"可查看估计的总效应、直接效应和间接效应②再点击“Bootstrap Confidence—Biased-corrected percentile method—Two Tailed Significance (BC)”，就可查看各效应的P 值是否显著；“Upper Bounds”和“Lower Bounds”即为置信区间的上下限。

右侧表格展示的是列对行的关系，如下图，0.0028是X对M的总效应的P 值。

（P 值和置信区间在结果表格呈现中二选一即可）

注意事项：Amos只能处理这种两两变量间存在的简单中介效应，像两个变量间存在多个中介变量的多重中介分析，Amos可以做，但无法分别给出具体中介的检验结果，更无从比较。要实现多重中介效应分析，Mplus是不错的选择。