链式中介效应是什么？
链式中介回答的是 X 是否按顺序经过多个中间变量影响 Y。它关心的是机制路径的先后顺序，例如政策先改善融资，再提高投资，最后影响绩效。
先用一句话理解
把链式中介想成接力赛。X 不是同时把球传给所有人，而是先传给 M1，M1 再传给 M2，最后才到 Y。只要中间一棒接不上，整条链就站不稳。
什么时候用
| 判断项 | 教科书式判断 |
|---|---|
| 适合用在 | 理论上存在清楚的时间或逻辑顺序：X→M1→M2→Y。 |
| 先不要用在 | 多个机制只是并列发生，无法说明先后关系。 |
| 最关键的前提 | M1、M2 的顺序必须来自理论或时间信息。 |
| 读表顺序 | 先看每一段路径，再看链式间接效应和置信区间。 |
| 论文表述边界 | 链式中介是强机制主张，证据要求高于普通机制分析。 |
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 |
|---|---|---|
| 普通中介 | 一个中间变量连接 X 和 Y。 | 路径较短。 |
| 并行中介 | 多个中介并列传导。 | 没有顺序要求。 |
| 链式中介 | 多个中介按顺序传导。 | 强调 M1→M2 的逻辑。 |
核心直觉和模型公式
链式间接效应
两段中介链可以概括为：
\[M_{1i}=a_1X_i+u_i\]
\[M_{2i}=d_{21}M_{1i}+a_2X_i+v_i\]
\[Y_i=b_1M_{1i}+b_2M_{2i}+c'X_i+\varepsilon_i\]
其中一条链式间接效应是 a1 × d21 × b2。
公式里的符号怎么读
| 符号 | 含义 | 在本页怎么理解 |
|---|---|---|
| M1 | 第一中介 | X 之后最先变化的机制变量。 |
| M2 | 第二中介 | 受 M1 影响并继续传导到 Y。 |
| a1 | X→M1 | 第一段路径。 |
| d21 | M1→M2 | 中介之间的顺序路径。 |
| b2 | M2→Y | 最后传导到结果的路径。 |
专业使用口径
专业链式中介要特别小心时间顺序和反向因果。
| 口径 | 专业写法 |
|---|---|
| 顺序证据 | M1 应先于 M2，或理论上明确先后。 |
| 每段路径 | 任何一段不稳都会削弱整条链。 |
| 间接效应 | 报告链式乘积和置信区间。 |
| 替代路径 | 承认 X 可能还有直接效应或其他并行路径。 |
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. 画出路径图 | 明确 X、M1、M2、Y 的顺序。 | 顺序是链式中介的核心。 |
| 2. 检查时间逻辑 | M1 是否早于 M2。 | 同一期变量很难支持强链条。 |
| 3. 估计每段路径 | X→M1、M1→M2、M2→Y。 | 每段都要方向合理。 |
| 4. 计算间接效应 | 用乘积路径或 bootstrap 置信区间。 | 不要只看单段 p 值。 |
| 5. 写清边界 | 说明链式证据的假设。 | 机制链通常不能完全排除替代解释。 |
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 |
|---|---|---|
| 先看路径图 | 顺序是否合理。 | 没有顺序就不是链式中介。 |
| 再看每段系数 | 每段是否符合理论方向。 | 一段断裂会影响整条链。 |
| 然后看间接效应 | 乘积路径是否排除零。 | 这是总的链式证据。 |
| 最后看直接效应 | X 是否仍直接影响 Y。 | 完全中介不是必须条件。 |
初学者最容易错在哪里
| 误读 | 为什么错 |
|---|---|
| 把多个中介随便排成链 | 错。顺序要有理论或时间证据。 |
| 只看最后一段显著 | 不够。链式中介看整条路径。 |
| 忽略中介之间反向因果 | 风险高。M2 也可能影响 M1。 |
| 把链式中介写成因果铁证 | 过强。它仍依赖可忽略混杂等假设。 |
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_chain_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链式中介效应，核心输出见 mediation_chain_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
- 先说明 M1 到 M2 的先后顺序来自理论，而不是因为模型可以这么写。
- 分别报告 X→M1、M1→M2、M2→Y 和链式间接效应，不要只给总效应。
- 链式中介很容易过度解释；任何一段路径不稳都要降低结论强度。