刘东

佐治亚理工大学

张震

亚利桑那州立大学

汪默

弗罗里达大学

中文翻译：中国人民大学高中华

在单层次和多层次研究中，中介和调节变量得到了广泛的关注，研究者借此来扩展现有研究，探索变量之间关系的潜在中介机制与情境限制。一方面，中介变量可以传递自变量对因变量的影响（Baron & Kenny,1986）。例如，为了扩展积极人格（proactive personality）和个体—环境匹配（person-environment fit）方面的研究，Zhang， Wang 和 Shi（2012）用领导者与追随者之间的社会交换关系质量（leader-member exchange quality）作为中介变量，来解释领导者—追随者积极人格之间一致性/不一致性对于追随者工作满意度、情感承诺与工作绩效的影响。另一方面，调节变量可以改变自变量与因变量之间的关系强度和/或方向（Baron & Kenny,1986）。例如，Hitt， Hoskisson 和 Kim（1997）检验了产品多元化（product diversification）对国际多元化（international diversification）与企业绩效之间关系的调节作用。在产品非多元化企业，国际多元化对企业绩效有显著的负向影响，但是在产品多元化程度较高的企业，国际多元化对企业绩效有显著的正向影响，在产品多样化程度中等的企业，国际多元化与企业绩效则呈曲线关系。正如 Whetten（1989）所言，中介变量阐明了一个关系或过程「如何」及「为何」产生，而调节变量则展示了一个关系「何时」和「为谁」而增强或减弱，这就是研究这些变量的主要理论贡献所在。因此，大多数心理学理论及组织理论试图描述这些中介过程和/或调节情境，例如，情感事件理论（affective event theory, Weiss & Cropanzano,1996）、社会认知理论（social cognitive theory, Bandura, 2002），以及企业资源观理论（the resource view of firms, Barney,1991）。请参考本书第 16 章「调节变量和中介变量」以了解对于中介或调节变量的原理与检验方法的更为详细的论述。

大量研究倾向于独立构建并检验调节和中介作用（如 Chen & Aryee， 2007； Liu， Liu， Kwan & Mao，2009）。例如，在一项跨层次研究中，Liu 等（2009）首次发现导师个人学习（mentors'personal learning）在其对学徒所提供的指导（provision of mentoring functions）与工作绩效之间的中介作用，同时也检验了导师社会交往（mentors'social interaction），在其对学徒所提供的指导与导师社会地位（mentor's social status）之间是否具有中介作用。之后，他们把团队层次的概念—团队凝聚力（team cohesiveness）作为调节变量，分析了在个体层次，团队凝聚力对导师指导与个人学习之间的关系，以及导师指导与社会交往之间关系的调节作用。然而，研究者经常无法通过这种渐进方式（piecemeal approach）清晰地描绘组织现象中可能同时存在的潜在机制和情境因素（例如，中介关系会不会随着某调节变量发生变化，或者调节关系会不会由某个中介变量所解释），从而制约了研究的潜在贡献。

因此，组织研究的学者们近年来开始以更为综合的方式发展和检验研究模型，提出了一些由中介和调节作用同时构成的组合形式。在大量单层次和多层次研究中，学者们发展并检验了被中介的调节（mediated moderation）和被调节的中介（moderated mediation）效应（例如 Liao， Liu & Loi，2010； Tepper， Henle， Lambert， Giacalone & Duffy，2008； Zhou， Wang， Chen & Shi， in press）。然而，现有文献无法十分清晰地解释被中介的调节和被调节的中介效应的不同理论意义及提供相应的检验方式，因而研究者还无法有效地发展理论模型，进行统计检验。目前，几种主流检验方式也都有着各自的缺陷，在结果解释方面会给研究者带来不少困惑（Edwards & Lambert,2007）。

在本章中，我们将为那些对被中介的调节和被调节的中介效应感兴趣的组织研究者提供相应的指导。具体而言，本章有以下四个目标：第一，通过回顾文献，界定被中介的调节效应的两种主要形式，为如何发展理论框架提供相应的建议；第二，运用已发表的文章作为实例来讲述被调解的中介效应的三种形式，并归纳一些有效途径来构建相应的理论模型；第三，在单层次及多层次情境中，讨论相应的统计方法，用来检验被中介的调节作用；第四，在单层次及多层次情境中，介绍三种恰当形式的统计方法，用来检验被调节的中介作用。希望本章能够阐明被中介的调节和被调节的中介效应的本质，清晰地分析它们的理论界定及统计检验的相关问题，为研究者在具体研究中应用这两种模型提供有用的指导。在本章中，我们用X代表自变量，M代表中介变量，W代表调节变量，Y代表因变量。

Edwards 和 Lambert（2007:7）把被中介的调节界定为「自变量和调节变量通过交互作用影响中介变量，中介变量进而对结果变量产生影响」。同样，Baron 和 Kenny（1986）认为，当调节作用可以表示为自变量和调节变量的交互作用，并且此交互作用通过中介变量来对结果变量产生影响时，被中介的调节就产生了。这些定义揭示了第一种类型的被中介的调节作用（后面将称作类型 I）。

除了以上定义，一些学者最近提出了另外一种不同类型的被中介的调节作用。Grant 和 Berry（2011）认为，被中介的调节开始于一个调节关系（即调节变量对自变量和结果变量之间关系的影响）。当此调节变量的调节作用可以通过中介变量传递时，被中介的调节便产生了。换言之，中介变量替代了原来的调节变量，改变了自变量和因变量之间的关系。下面将对此进行详细分析，该定义描述了另外一种不同类型的被中介的调节理论框架（后面将称作类型 II）。

图 1a 和图 1b 为第一种类型的被中介的调节作用。尽管此类被中介的调节作用常常被表示为图 1a，但是图 1b 可以更准确地描述其理论意义。这种类型严格符合被中介的调节的传统定义（Baron & Kenny,1986; Edwards & Lambert,2007; Muller, Judd & Yzerbyt,2005）。研究者们在单层次和多层次研究中，广泛应用了这种被中介的调节模型。例如，在 Lam， Huang 和 Snape（2007）进行的一项员工反馈寻求行为（feedback seeking behavior）的单层次研究中，他们采取了三个步骤来构建类型 I 被中介的调节作用。第一步，假设下属反馈寻求行为（X）和领导成员交换质量（M）之间的正向关系；第二步，假设主管对下属寻求反馈的动机归因（supervisor-attributed motives for feedback seeking， W）对下属反馈寻求行为（X）和领导成员互动质量（M）之间正向关系的调节作用；第三步，根据下属反馈寻求行为（X）和下属工作绩效（Y）之间的正向关系、领导成员交换质量（M）的中介作用、主管对下属寻求反馈的动机归因（W）对反馈寻求行为—工作绩效之间关系的调节作用，提出类型 I 被中介的调节模型。

图 1 类型 I：被中介的调节作用

X：自变量；W：调节变量；M：中介变量；Y：因变量。请注意：尽管此类被中介的调节作用经常以图 1a 来表示，但是图 1b 所代表的理论关系更为精确。

作为多层次研究中被中介的调节作用研究的一个实例，Liu 和 Fu（2011）通过四个步骤发展了他们的研究模型。第一，假设了导师对自主性的支持（mentors'autonomy support，个体层次自变量X1）、学徒自主性倾向（protégés'autonomy orientation，个体层次自变量X2）以及支持自主性的团队氛围（autonomy-supportive team climate，团队层次调节变量W）与学徒个人学习（protégés'personal learning，个体层次中介变量M）之间的关系。第二，提出支持自主性的团队氛围（W）会调节导师对自主性的支持（X1）和学徒自主性倾向（X2）对学徒个人学习（M）的影响。第三，假设学徒个人学习（M）对结果变量——学徒组织公民行为（Y1）和工作投入（Y2）有正向的影响。第四，提出支持自主性的团队氛围（W）分别与导师对自主性的支持（X1）和学徒自主性倾向（X2）的交互作用会对学徒组织公民行为（Y1）和工作投入（Y2）产生显著影响。根据以上推导，研究者又进一步假设学徒个人学习（M）对这种交互作用的中介机制，也就是中介支持自主性的团队氛围分别与导师对自主性的支持、学徒自主性倾向对后续学习结果变量（组织公民行为和工作投入）产生的交互影响。

根据类型 I 被中介的调节的含义及实例，在单层次及多层次研究中构建被中介的调节模型时，有三个关键点需要考虑。第一，研究者需要解释调节变量为何及如何改变自变量和中介变量之间的关系：加强或减弱？需要注意的是，当交互作用对中介变量产生交叉效应时（即当调节变量处于较高水平时，自变量与中介变量为正向关系；当调节变量处于较低水平时，自变量与中介变量为负向关系），自变量—中介变量之间的关系变得不再显著。这样，构建此类被中介的调节模型并不需要对主效应进行假设，而只需要建立交互作用假设。如果研究者的研究假设只强调两个变量的相互作用，共同影响中介变量，则在发展此类理论模型的过程中，不需要区分自变量与调节变量。同时，在统计检验过程中，也不需要进行斜率检验（slope test）。第二，研究者应该阐明中介变量和结果变量之间为何存在显著关系。当需要用理论解释自变量与结果变量之间的直接关系如何随着调节变量的不同水平发生变化时，研究者也应该对调节变量在自变量和结果变量之间联系的调节作用进行理论层次上的构建。但是，从统计意义上而言，这一步对构建第一种类型的被中介的调节模型并不是必要的（参见被中介的调节检验部分，类型 I 被中介的调节模型的检验方法，以及讨论部分考虑的第一个理论问题）。第三，研究者可以整合上述两个关键点，讨论为何中介变量可以传递自变量与调节变量交互效应对结果变量的影响。尽管在通常情况下，第三个步骤（例如，提出类型 I 被中介的调节作用假设）应最后完成，但是前两个步骤的先后顺序不是固定的，而应该根据研究理论思路决定。当然，为了通过这三个步骤构建理论模型，研究者应该建立可靠的理论框架，提供有充分说服力的论据，从而证明自变量、调节变量、中介变量、因变量以及彼此之间关系的合理性。

图 2 描绘出了第二种类型的被中介的调节作用：中介变量针对调节变量对自变量与因变量之间关系的调节作用起中介作用。在研究使命导向组织中亲社会动机（prosocial motivation）对工作绩效的影响时，Grant 和 Sumanth（2009）构建了相应的被中介的调节模型。第一，他们提出管理者可信赖性（manager trustworthiness， W）和员工任务重要性感知（employees『 perceptions of task significance， M）之间的关系；第二，他们假设管理者可信赖性会调节员工亲社会动机（X）和绩效（Y）之间的关系；第三，他们提出员工任务重要性感知（W）可以调节员工亲社会动机（X）和绩效（Y）之间的关系；第四，根据上述假设和推理，提出一个被中介的调节模型：任务重要性感知（M）中介管理者可信赖性（W）对员工亲社会动机（X）和绩效（Y）之间关系的调节作用。

图 2 类型 II：被中介的调节作用

X：自变量；W：调节变量；M：中介变量；Y：因变量。

根据以上的理论构建程序，在单层次和多层次研究情境下，研究者可以根据以下四个步骤来建立被中介的调节模型。第一，研究者应该使用具体理论来证明调节变量在自变量和因变量之间可能存在的调节作用。请注意，尽管 Grant 和 Sumanth（2009）构建第二种类型被中介的调节模型时包括了这个步骤，但是在统计分析时这个步骤并不是非常必要的（参见被中介的调节作用检验部分，对类型 II 被中介的调节模型的统计说明，以及讨论部分考虑的第一种理论问题）。第二，应该提供有说服力的证据来证明调节变量对中介变量的影响。第三，研究者需要阐明为何中介变量将同样调节自变量和因变量之间的关系，并传递原始调节变量的调节作用。第四，综合以上假设及论证，研究者可以在最后构建被中介的调节模型。根据研究的关注焦点及理论主线，研究者可以改变前面三个步骤的顺序，但是第四个步骤应该放在最后来整合前面几个理论发展步骤。

当由中介变量连接自变量和因果变量之间关系的中介过程受到调节变量影响时，便存在被调节的中介作用（Baron & Kenny，1986； Edwards & Lambert，2007； Muller et al., 2005）。应该注意的是，存在自变量与结果变量之间直接效应的调节作用，或等同于直接效应和中介效应之和的总效应的调节作用，并不代表必然会存在被调节的中介作用。证明中介作用的存在会随着调节变量发生变化才是关键（Preacher， Rucker & Hayes，2007）。换而言之，当研究者比较调节变量取值较高和较低的情况时（具体的高低取值方法请参见本章讨论部分考虑的第二个统计问题），中介作用应该随之发生改变。根据中介过程受到调节方式的不同，文献中存在三种主要形式的被调节的中介作用。

第一阶段被调节的中介作用（first-stage moderated mediation）是指调节变量对中介过程的影响，源自于调节变量加剧或减弱了自变量和中介变量之间的关系（参见图 3）。应该注意的是，尽管类型 I 被中介的调节（图 1a）和第一阶段被调节的中介（图 3）图解基本相同，但是却拥有截然不同的理论含义。正如前面所讨论的，类型 I 被中介的调节强调中介变量在传递两个变量对结果变量交互影响时的中介作用（如 Lam et al.,2007）。相比而言，第一阶段被调节的中介强调中介作用如何随着调节变量发生变化，即该调节变量改变了自变量和中介变量之间关系的强度（如 Van Dick， Van Knippenberg， Hägele， Guillaume & Brodbeck，2008； Zhou et al., in press）。

图 3 第一阶段被调节的中介作用

X：自变量；W：调节变量；M：中介变量；Y：因变量。

为了阐明第一阶段被调节的中介作用，我们引用了 Van Dick 等（2008）在群体多样性（group diversity）和群体认同感（group identification）方面的研究。他们首先预测了个体多样性信念（individuals'diversity beliefs， W）对主观多样性（subjective diversity， X）与群体认同感（M）之间关系的调节作用，与倾向相似性信念（prosimilarity beliefs）相比，在倾向多样性信念（pro-diversity beliefs）的情境中，这种关系更为强烈。然后，他们假设群体认同感与信息阐述（information elaboration， Y1）、群体成员留职意愿（desire to stay in their groups， Y2）之间呈正向关系。最后，他们提出第一阶段被调节的中介模型来扩展上述关系，即群体成员主观多样性（X）通过群体认同感（M）对群体成员信息阐述和留职意愿（Y1and Y2）产生的间接效应，依赖于群体成员多样性信念（W）。详细而言，上述关系说明如果群体成员的倾向多样性信念越强，这种中介效应就越强。

上面讨论的第一阶段被调节的中介作用的理论含义及实例说明，研究者在单层次及多层次研究中构建第一阶段被调节的中介模型时需要注意三个关键点。第一，研究者需要详细说明为何自变量和中介变量之间的关系会因调节变量取值水平的高低而发生变化。第二，应该证明中介变量和结果变量之间存在显著关系。尽管一些研究者认为，在理论上有必要讨论中介变量在自变量和结果变量之间的中介作用，但是就统计本身而言没有必要进行中介作用检验，因为由于调节变量的潜在存在，这种平均中介作用可能不会显著（参见被调节的中介作用检验部分，对第一阶段被调节的中介作用的统计分析，以及讨论部分考虑的第二个理论问题）。第三，研究者应该基于以上两个关键点，论证为何当调节变量取值较高或较低时，这种中介作用会增强、减弱甚至变化方向。

第二阶段被调节的中介作用（second-stage moderated mediation）是指中介过程受到的调节作用，源自于调节变量增加或者减弱了中介变量对结果变量的影响（参见图 4）。

图 4 第二阶段被调节的中介作用

X：自变量；W：调节变量；M：中介变量；Y：因变量。

为了阐明第二阶段被调节的中介作用，我们引用了 Menges， Walter， Vogel 和 Bruch（2011）对绩效联系（performance linkages）、机制（mechanisms）以及组织层次变革型领导氛围（boundary conditions of transformational leadership climate）边界条件的最新研究。首先，他们论证了组织变革型领导氛围（X）和积极情感氛围（positive affective climate， M）之间的关系。第二，提出组织积极情感氛围（M）与总体员工生产率（overall employee productivity， Y1）、整体任务绩效行为（aggregate task performance behavior， Y2）以及整体组织公民行为（aggregate organizational citizenship behavior， Y3）之间存在显著关系。第三，提出组织信任氛围（organizations'trust climate， W）调节组织积极情感氛围（X）与总体员工生产率（Y1）、整体任务绩效行为（Y2）以及整体组织公民行为（Y3）之间的关系。第四，上述条件构成了第二阶段被调节的中介模型，变革型领导氛围（X）通过积极情感氛围（M）对三个因变量（总体员工生产率Y1、整体任务绩效行为Y2以及整体组织公民行为Y3）间接地产生影响，这些间接关系的强弱又依赖于组织信任氛围（W）的高低。详细而言，Menges 等（2011）假设在较高信任氛围条件下，积极情感氛围会在这些关系中起到中介作用，但是在较低信任氛围下，则没有这种中介作用。

这样，在单层次及多层次研究中构建第二阶段被调节的中介模型，需要包括三个关键点。第一，研究者需要论证自变量通过中介变量对结果变量产生的间接关系。需要注意的是，研究者需要详细说明该中介作用包含的每个关系（自变量和中介变量之间的关系、中介变量和结果变量之间的关系）。此外，根据他们研究的理论需要，研究者需要判断中介变量是否在自变量和结果变量之间起到中介作用。尽管从统计上而言，这个步骤不是必需的（参见被调节的中介作用检验部分，对第二阶段被调节的中介作用的统计说明，以及在讨论部分对第二个理论问题的探讨）。第二，解释中介变量和结果变量之间关系如何随着调节变量的不同水平而变化。第三，研究者利用以上两个步骤来证明第二阶段被调节的中介模型，即自变量对因变量的间接效应会随着调节变量对中介—结果变量之间关系的调节而发生变化。

两阶段被调节的中介作用（dual-stage moderated mediation）指因为调节变量增强或减弱了自变量和中介变量之间的关系，同时也增强或减弱了中介变量和结果变量之间的关系，因此中介作用会随着调节变量的变化而变化（参见图 5）。

图 5 两阶段被调节的中介作用

X：自变量；W1：第一阶段调节变量；W2：第二阶段调节变量；M：中介变量；Y：因变量。

我们引用了 Liu， Liao 和 Loi's（in press）有关辱虐式指导（abusive supervision）对创造力（creativity）所产生的「滴流效应」（trickle-down effect）的多层次研究，来解释如何构建两阶段被调节的中介模型。第一，他们提供了理论依据，来证明团队领导辱虐式指导（M）与团队成员创造力（Y）的负向关系。第二，提出中介作用假设：部门领导的辱虐式指导（X）会传递并引发团队领导的辱虐式指导（M），然后对团队成员创造力（Y）带来破坏。第三，提出第一阶段调节作用假设：团队领导归因动机（team leader-attributed motives，第一阶段W）对部门领导辱虐式指导（X）与团队领导辱虐式指导（M）之间的正向关系起到调节作用。第四，提出第二阶段调节作用假设：团队成员归因动机（team member-attributed motives，第二阶段W）对团队领导辱虐式指导（M）和团队成员创造力（Y）之间的负向关系起到调节作用。第五，综合以上理论依据，构建了两阶段被调节的中介作用模型。也就是，通过改变部门领导辱虐式指导（X）与团队领导辱虐式指导（M）之间的关系，团队领导归因动机（team leaders'causal motive attributions，第一阶段W）对部门领导辱虐式指导（X）通过团队领导辱虐式指导（M）对产生团队成员创造力（Y）的间接效应起到调节作用。此外，由于团队成员归因动机（team members『 causal motive attributions，第二阶段W）会对团队领导辱虐式指导（M）与团队成员创造力（Y）之间的关系起到调节作用，同样也会对部门领导辱虐式指导（X）通过团队领导辱虐式指导（M）对团队成员创造力（Y）产生的间接效应起到调节作用。

概括而言，学者们在他们单层次和多层次研究中构建两阶段被调节的中介模型时，需要注意三个关键方面。第一，应该阐明第一阶段调节变量对自变量和中介变量之间的关系起到的调节作用。第二，应该阐明第二阶段调节变量对中介变量和因变量之间的关系起到的调节作用。尽管研究者们有时认为有必要提出一个中介作用假设（自变量通过中介变量对因变量产生影响），但是从统计角度而言，这并不是必需的（参见被调节的中介作用检验部分，对两阶段被调节的中介的统计解释，以及讨论部分的第二个理论问题）。第三，研究者可以基于以上分析提出两阶段被调节的中介模型（自变量对结果变量的间接效应受到调节变量对自变量—中介变量之间的关系、中介变量—结果变量之间的关系的调节影响）。

本节中，我们将介绍被中介的调节作用的检验方法，用以检验之前提出的两种类型的被中介的调节作用。具体而言，我们将介绍回归方法（regression-based approach）与结构方程模型/路径模型方法（structural equation modeling, SEM/path modeling-based approach）来检验单层次被中介的调节作用。同样，我们还介绍多层次结构方程模型/路径模型来检验多层次被中介的调节作用。需要注意的是，与回归方法相比，结构方程模型/路径模型能更加准确地检验被中介的调节作用（MacKinnon,2008; Preacher, Zhang & Zyphur, 2011; Preacher, Zyphur & Zhang,2010）。这是因为，第一，结构方程模型或路径模型可以同时检验多重关系，并展示整个模型的拟合程度。这样通过模型对比，来提供检验假设模型与其他备选模型的机会。第二，在同一模型中检验多重关系，可以减少对模型参数和标准误估计的偏差。当进行复杂多层次关系估计时，这种情况更是如此（Preacher et al., 2011）。第三，当一个或多个变量中存在缺失值时，同时估计多重关系也有利于对缺失值进行估计，促进模型的构建。第四，在模型估计时，结构方程模型（即潜变量模型）考虑了测量的误差，这样可以更为准确地估计变量之间的关系。

回归检验：当研究者运用回归方法检验时，需要根据前面所讲述的步骤来检验以下几个方程。

在以上方程中，X是自变量，W是调节变量，M是中介变量，Y是因变量。上标数字代表方程次序。运用方程（2）来替代方程（3）中的M，从而得到以下扩展方程：

为了支持类型 I 被中介的调节作用，间接效应加载中...需要显著不为零，或者交互效应的减少量显著不为零。方程（1）用来检验调节变量对自变量和结果变量之间直接关系的调节作用。然而，当研究者直接检验间接效应（加载中...时，方程（1）这个步骤并不是必需的。也就是说，在构建理论时并不需要直接提出假设来说明自变量和调节变量如何对结果变量产生交互效应。

由于间接效应（加载中...和交互效应减少量一般都不遵循正态分布，因此运用参数自助法（parameter-based bootstrapping）生成这两个统计量的置信区间更为合适。Preacher 等（http://quantpsy.org）运用R程序包提供了蒙特卡罗模拟的计算方式来创建参数自助法的抽样分布和置信区间，以回归系数和标准误为基础来检验单层次间接效应。当间接效应的 95% 置信区间中不包含零时，研究者就可以确认类型 I 被中介的调节作用得到了统计结果的支持。

结构方程模型或路径模型检验：当研究者运用结构方程模型或路径模型时，可以基于方程（2）和方程（3）设定模型（在结构方程模型中，需对潜变量的测量误差结构进行设定）。当间接效应加载中...显著不为零时，类型 I 被中介的调节作用便得到了支持。在本章附录 A 中我们提供了程序实例，来展示在 Mplus 软件中如何运用重新抽样自助法（re-sampling-based boot-strapping）检验单层次类型 I 被中介的调节作用。

回归检验：方程（1）尽管不是必需的，但依然可以作为回归检验的第一步。

运用方程（4）替代方程（5）中的M，从而得到以下扩展方程：

在方程（5′）中，系数加载中...代表W对X与Y之间关系的直接调节作用，系数加载中...代表W通过M对X与Y之间关系的间接调节作用。这样，为了支持这种类型的被中介的调节作用，间接效应加载中...需要显著不为零，或者从方程（1）到方程（5）中W调节作用的减少量显著不为零。此外，方程（1）可以用来表明调节变量对自变量和结果变量之间的直接关系的调节作用。当研究者直接检验间接效应加载中...时，方程（1）这个步骤便不再需要。与类型 I 被中介的调节作用相似，研究者可以运用参数自助法生成间接效应的抽样分布和置信区间。

结构方程模型或路径模型检验：与类型 I 被中介的调节相似，研究者们可以运用结构方程模型或路径模型来同时检验方程（4）和方程（5），并且运用重新抽样自助法（re-sampling-based bootstrapping）来检验间接效应的置信区间。本章附录 B 提供了检验单层次类型 II 被中介的调节作用的实例。

类型 I 多层次被中介的调节作用：基于理论和分析软件的限制，本章的多层次模型仅限于两层次模型。将单层次模型拓展到多层次情境中，我们下面介绍类型 I 多层次被中介的调节模型的几种可能形式，如图 6a、图 6b 与图 6c 所示。如果研究者在分析中排除任何自下而上的关系（低层次变量影响高层次变量），那么多（两）层次情境中的类型 I 被中介的调节作用有以下三种类型。第一种类型为处于 Level-1（较低层次）的中介变量对两个 Level-2（较高层次）变量之间交互的中介作用，这个中介变量在 Level-1 进行测量但是同时在 Level-2 也具备群体间方差。严格来说，此情况下的「真实」中介变量是该中介变量的群体间方差部分。第二种类型与第一种类型相似，只是中介变量是在 Level-2 进行测量。在第三种类型中，所有变量都是在 Level-1 进行测量，但是又都在 Level-2 具备群体间方差。例如，当运用来自群体成员的数据来检验假设时，尽管所有变量都是在个体（群体成员）层次构建和测量，但是数据仍嵌套于不同群体。因此，所有变量的群体间方差都应该进行考虑。具体而言，研究者可以在群体内部检验类型 I 被中介的调节作用（使用 group-mean centering），同时允许变量在 Level-2 部分彼此自由相关。我们在本章附录 C 提供了用来检验图 6a 的 Mplus 程序实例。对这些程序可以较为容易地进行改写，来检验图 6b 和图 6c。

图 6 两层次类型 I 被中介的调节作用

X：自变量；W：调节变量；M：中介变量；Y：因变量。

需要注意的是，接下来所描述的模型并不属于类型 I 多层次被中介的调节：在这个模型中，Level-2 的变量与 Level-1 的变量交互预测 Level-1 的中介变量，进而来预测 Level-1 的结果变量。这个模型不是类型 I 多层次被中介的调节，因为当 Level-2 变量与 Level-1 变量交互发生作用时，考虑到数据的嵌套特点，Level-2 变量必须作为跨层次调节变量，来调节 Level-1 变量的预测作用。而且，此情况下，Level-1 的预测效应将无法以固定斜率形式（固定斜率是指斜率在 Level-2 所有单位之间保持相同，不会随着任何 Level-2 的变量发生变化）表示，而应是一种随机斜率（斜率随着 Level-2 的单位的改变而发生变化）。这样，为了从理论上构建这种模型，研究者需要假设 Level-2 变量的跨层次调节作用。但是，如前所述，在 Level-1 随机斜率上假设跨层次调节作用，实际上是建立第一阶段多层次被调节的中介模型的一个步骤。因此，这种类型的模型本质上是第一阶段多层次被调节的中介模型的一种形式。此处问题的核心是 Level-2 变量和 Level-1 变量之间的交互作用不具备系统对称性。具体从统计角度而言，Level-1 变量的效应可以随着 Level-2 变量发生改变（即跨层次调节作用），但是反之却不行；Level-2 变量的作用只能随着 Level-1 变量在 Level-2 上的差异发生改变。