并行多重中介效应是什么？
并行多重中介回答的是 X 是否通过多个相互并列的渠道影响 Y。它适合同时比较融资、创新、治理、信息等多条机制哪个贡献更大。
先用一句话理解
把并行中介想成 X 同时打开几条水管，每条水管都可能把影响送到 Y。这些水管可以同时存在，重点不是谁先谁后，而是每条管道有没有水、流量多大。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 理论上有多个并列机制，且它们都可能独立传导 X 的影响。 |
| 先不要用在 | 机制之间有明确先后顺序，那应考虑链式中介。 |
| 最关键的前提 | 每个中介变量都要有独立理论含义，不是同一概念的重复代理。 |
| 读表顺序 | 先看各中介 X→Mk，再看各自间接效应 a_k × b_k。 |
| 论文表述边界 | 并行中介比较的是多条路径证据，不是自动选出唯一机制。 |
把它和相近方法分清楚
| 容易混淆的对象 | 怎么区分 | 初学者记法 |
|---|---|---|
| 单一中介 | 只检验一个机制变量。 | 路径简单。 |
| 并行中介 | 多个机制同时进入。 | 比较不同通道。 |
| 链式中介 | 机制按顺序传导。 | 强调先后关系。 |
核心直觉和模型公式
多个并列间接效应
K 个并行中介可写成：
\[M_{ki}=a_kX_i+u_{ki},\quad k=1,\ldots,K\]
\[Y_i=c'X_i+\sum_{k=1}^{K}b_kM_{ki}+\varepsilon_i\]
\[Indirect_k=a_kb_k\]
每个 a_k b_k 是一条独立中介路径的间接效应。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| M_k | 第 k 个中介 | 某一条并列机制。 |
| a_k | X→M_k | 核心变量对该机制的影响。 |
| b_k | M_k→Y | 该机制与结果的关系。 |
| Indirect_k | 第 k 条间接效应 | a_k 与 b_k 的乘积。 |
| K | 中介数量 | 并列机制的总数。 |
专业使用口径
专业并行中介要避免把一堆相似变量堆成机制矩阵。
| 口径 | 专业写法 |
|---|---|
| 机制区分 | 每个 M_k 应代表不同理论通道。 |
| 相关性 | 中介之间高度相关时，单条路径解释要谨慎。 |
| 间接效应 | 报告每条路径的大小和置信区间。 |
| 总效应分解 | 说明直接效应和各间接效应的关系。 |
一步一步做：从问题到结果的五步
| 步骤 | 这一页具体做什么 | 做到什么程度才算读懂 |
|---|---|---|
| 1. 列出机制地图 | 把每条并列通道写清楚。 | 不要先从变量出发。 |
| 2. 选择代理变量 | 每条通道对应一个可解释指标。 | 代理变量要少而准。 |
| 3. 估计 X→M_k | 看 X 是否推动各中介。 | 不是每条机制都必须成立。 |
| 4. 估计 M_k→Y | 在同一框架下比较路径。 | 注意中介间相关。 |
| 5. 汇总间接效应 | 比较 a_kb_k 的方向和大小。 | 不要只按星号排序。 |
结果怎么读：先读口径，再读数字
| 读表顺序 | 本页怎么读 | 不要这样读 |
|---|---|---|
| 先看机制列表 | 每条路径是否有独立含义。 | 重复变量会制造假复杂。 |
| 再看 X→M | 哪些机制被 X 改变。 | 第一段不成立则路径弱。 |
| 然后看间接效应 | 哪条路径贡献更大。 | 大小比显著性更有解释价值。 |
| 最后看直接效应 | 未解释路径是否仍存在。 | 并行机制常只是部分解释。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 把所有可得变量都放成中介 | 错。机制要精选。 |
| 并列机制却写成先后关系 | 错。并行不强调顺序。 |
| 中介高度相关还逐条强解释 | 风险高。路径分辨率有限。 |
| 只看显著路径 | 不严谨。也要解释不显著路径和理论预期。 |
变量要求和案例口径
| 字段 | 口径 |
|---|---|
| 数据 | CSMAR 风格 A 股企业创新面板 |
| 原始样本 | 196 家上市公司，2015-2020 年，约 1200 个公司-年观测；各方法有效样本以本页输出表 N 为准 |
| 因变量 | patent_count；回归页通常使用 ln(1 + patent_count) |
| 核心解释变量 | dfi_index，数字普惠金融指数；部分案例输出展示的是标准化后的 dfi_index |
| 控制变量 | roa、lev、size、growth、cashflow、tobinq、top1、dual、board、indep、soe、age |
| 输出文件 | mediation_parallel_results.csv |
| 角色要求 | 因变量、核心解释变量 |
| 依赖包 | 无额外 Stata 社区包要求 |
实际代码
下面是本页案例里的最小 Stata 代码。它的作用是帮助你看清变量怎么进入模型、结果文件怎么生成，而不是要求你在网页里手动运行。
* case code has not been generated yet实际输出表
这张表是本方法页配套案例的输出结果，用来把前面的公式、变量口径和代码对应到实际数字。
该方法的案例输出表还没有生成。
案例图
这是一张由同一份案例数据生成的页面内诊断图。
论文里怎么写
本文在共用企业面板样本上报告并行多重中介效应，核心输出见 mediation_parallel_results.csv。结果解释时同时关注样本口径、变量构造、系数方向、标准误和适用前提，避免只凭单个 p 值完成方法选择。
检查清单
- 并行中介要求多条机制在理论上可以同时存在，不能把同义变量硬拆成多条机制。
- 分别报告每条间接效应及其置信区间，不能只报告总间接效应。
- 机制之间高度相关时，要解释它们的概念差异和多重共线性风险。