遮掩效應(yīng)的統(tǒng)計(jì)分析框架及其應(yīng)用

劉振亮 劉田田 沐守寬

摘要 遮掩效應(yīng)是指在虛無假設(shè)為真的前提下，第三變量（遮掩變量）對(duì)自變量與因變量關(guān)系的遮掩（或抑制）作用。在心理學(xué)研究中，自變量與因變量之間無相關(guān)關(guān)系或自變量對(duì)因變量的影響不顯著的現(xiàn)象常常是困擾研究者們的一個(gè)主要問題。此文系統(tǒng)地介紹了遮掩效應(yīng)的基本原理、與中介效應(yīng)的異同、分析邏輯以及研究示例。最后，文章圍繞遮掩效應(yīng)的相關(guān)問題展開討論并分析了其在心理學(xué)研究中的應(yīng)用與意義，為未來研究中可能存在的混淆厘清思路和指明方向。

關(guān)鍵詞 遮掩效應(yīng);中介效應(yīng);虛無假設(shè);研究困境

分類號(hào)B849

DOI： 10.16842/j.cnki.issn2095-5588.2021.10.004

在心理學(xué)研究中，當(dāng)自變量X與因變量Y或預(yù)測變量與結(jié)果變量之間無關(guān)時(shí)，研究者通常會(huì)放棄繼續(xù)探討變量間的關(guān)系，如此決策符合傳統(tǒng)的研究邏輯，但此時(shí)，研究者也在主觀上拒絕了X與Y存在額外關(guān)系的可能，更不會(huì)去繼續(xù)探索X與Y之間無關(guān)的潛在原因。Horst（1941）首次使用遮掩（Suppression）概念回答了變量間不存在顯著關(guān)系的問題。他認(rèn)為，X與Y之間不存在顯著關(guān)系很可能是受到第三變量的遮掩或影響，其中，第三變量被稱為遮掩變量（Suppression Variable），這種現(xiàn)象被命名為遮掩效應(yīng)（Suppression Effect）（Mackinnon， Krull， & Lockwood， 2000; MacKinnon & Lamp， 2021）。遮掩效應(yīng)主要回答為什么感興趣的變量關(guān)系不顯著的問題（溫忠麟，劉紅云，2020; Shrout & Bolger， 2002）。自Horst（1941）提出遮掩概念以來，經(jīng)過80年的發(fā)展與演變，許多學(xué)者已經(jīng)重新對(duì)它進(jìn)行了界定與完善（Conger， 1974; MacKinnon， 2008; Mackinnon et al.， 2000; MacKinnon & Lamp， 2021; McFatter， 1979; Muniz & MacKinnon， 2021; Murgui & Jiménez， 2013; Tzelgov & Henik， 1991），但他們主要在理論上和方法學(xué)上討論遮掩概念，很少關(guān)注遮掩概念如何幫助研究者擴(kuò)展研究思路，解決研究困境——自變量與因變量無關(guān)的情況。

由于遮掩效應(yīng)能夠提供解決研究困境的新思路，因此，越來越多的研究者們已經(jīng)注意到它的實(shí)踐價(jià)值并將其應(yīng)用到實(shí)證研究中。在中國知網(wǎng)（期刊數(shù)據(jù)庫）中，以“中介”和“遮掩”為搜索詞在“篇關(guān)摘”中進(jìn)行搜索，發(fā)現(xiàn)73篇中文文獻(xiàn)中報(bào)告了遮掩效應(yīng)。同樣，在Scopus數(shù)據(jù)庫中，以“mediation”和“‘suppression effect or ‘suppressor or ‘suppressor variabl”為搜索詞在“篇關(guān)摘”中進(jìn)行搜索，發(fā)現(xiàn)312篇外文文獻(xiàn)中報(bào)告了遮掩效應(yīng)，且相關(guān)文獻(xiàn)量正在呈逐年上升趨勢(shì)?？梢?，越來越多的研究者開始接受虛無假設(shè)為真的情況，并探討這種不顯著背后的潛在原因。但遺憾的是，由于遮掩效應(yīng)常常被視為中介效應(yīng)的一種特例，其作用往往被弱化與忽視。因此，本文的主要目的是，系統(tǒng)地介紹遮掩效應(yīng)的基本原理、分析邏輯以及在實(shí)際研究中的應(yīng)用，為研究者們打破研究困境提供一個(gè)替代性思路。

1遮掩效應(yīng)的基本原理

在心理學(xué)研究中，普遍使用的中介分析方法是由Baron和Kenny（1986）提出的逐步檢驗(yàn)法（Causal Steps Approach），以線性回歸方程為基礎(chǔ)檢驗(yàn)自變量X、因變量Y以及中介變量M之間的關(guān)系。檢驗(yàn)遮掩效應(yīng)的方法和原理與中介效應(yīng)的逐步檢驗(yàn)法的基本原理類似。因此，本文以XSY三變量模型為基礎(chǔ)，在忽略截距項(xiàng)和中心化等問題的前提下，借用逐步檢驗(yàn)法的三個(gè)回歸方程，對(duì)自變量X、因變量Y以及遮掩變量S三者之間的關(guān)系展開推演。本文假設(shè)所有涉及變量均為連續(xù)變量，涉及分類變量的相關(guān)模型和處理方法請(qǐng)參見相關(guān)文獻(xiàn)，此處不再另行論述。檢驗(yàn)遮掩效應(yīng)涉及的三個(gè)回歸方程如下：

Y=cX+ε1（1）

S=aX+ε2（2）

Y=c′X+bS+ε3（3）

在方程（1）中，c是X對(duì)Y的總效應(yīng)回歸系數(shù);在方程（2）中，a是X對(duì)S的直接效應(yīng)回歸系數(shù);在方程（3）中，c′和b分別是X和S對(duì)Y的直接效應(yīng)回歸系數(shù);ε1-ε3是各個(gè)方程的殘差。在此方法中，如果c不顯著，但a和b顯著，說明遮掩效應(yīng)成立，即變量S在自變量X和因變量Y間起遮掩效應(yīng)。此時(shí)，遮掩效應(yīng)等于間接效應(yīng)，用系數(shù)乘積ab表示。在檢驗(yàn)遮掩效應(yīng)的過程中，涉及的各主要系數(shù)存在如下關(guān)系：

c=c′+ab（4）

其中，直接效應(yīng)c′與間接效應(yīng)ab的符號(hào)方向是相反的，二者之和的總效應(yīng)c值接近于0，因此，在系數(shù)檢驗(yàn)時(shí)，c不顯著。在遮掩效應(yīng)中，X與Y的關(guān)系被認(rèn)為是由相關(guān)部分和無關(guān)部分組成，遮掩變量的加入是在總效應(yīng)中減去無關(guān)部分，突顯相關(guān)部分（McFatter， 1979），所以，結(jié)果的表象是直接效應(yīng)增強(qiáng)，即|c|<|c′|。此時(shí)，在不考慮其他變量的前提下，c不顯著有兩種可能：一是c′顯著，它與顯著的間接效應(yīng)值大小接近、方向相反，以至于二者之和相互抵消;二是c′不顯著，但它減少了顯著的間接效應(yīng)的效應(yīng)值以至于總效應(yīng)不顯著。

從以上基本原理可知，遮掩效應(yīng)有三個(gè)明顯特點(diǎn)：（1）當(dāng)不考慮遮掩變量時(shí)，自變量與因變量之間無相關(guān)關(guān)系或自變量對(duì)因變量的影響不顯著，這是遮掩效應(yīng)成立的前提（溫忠麟，葉寶娟，2014; Mackinnon et al.， 2000）;（2）當(dāng)加入遮掩變量后，自變量對(duì)因變量影響的間接效應(yīng)顯著且與直接效應(yīng)的方向相反（Mackinnon et al.， 2000）。由于兩種效應(yīng)的方向相反，因此，二者作用彼此之間相互抵消，這解釋了為什么在遮掩效應(yīng)中自變量對(duì)因變量影響的總效應(yīng)不顯著的本質(zhì);（3）當(dāng)加入遮掩變量后，自變量與因變量的關(guān)系程度會(huì)有所增加（Conger， 1974; MacKinnon & Lamp， 2021）。這種變化源于加入遮掩變量后，自變量與因變量的關(guān)系由總效應(yīng)向直接效應(yīng)的轉(zhuǎn)變，因此，自變量與因變量的關(guān)系程度會(huì)表現(xiàn)出增強(qiáng)的現(xiàn)象。

2遮掩效應(yīng)與中介效應(yīng)的異同

遮掩效應(yīng)與中介效應(yīng)關(guān)系密切，有學(xué)者把遮掩效應(yīng)視為廣義的中介效應(yīng)（溫忠麟，劉紅云，2020），之所以如此，是因?yàn)槎咧g有很多共通之處。它們均是間接效應(yīng)的一種（溫忠麟，張雷，侯杰泰，劉紅云，2004; Mathieu & Taylor， 2006），共同探討第三個(gè)變量在自變量與因變量的關(guān)系間起到的連接作用，它們有著相同的數(shù)學(xué)表達(dá)式，即系數(shù)乘積項(xiàng)ab。更重要的是，檢驗(yàn)中介效應(yīng)的方法也同樣適用于遮掩效應(yīng)，如逐步檢驗(yàn)法和Bootstrap法等。

盡管兩種效應(yīng)有很多相近之處，但它們之間有四點(diǎn)明顯的不同。

第一，研究問題不同。中介效應(yīng)解決的問題是，什么因素或變量解釋了自變量與因變量之間的顯著關(guān)系，而遮掩效應(yīng)則恰恰相反，回答的問題是為什么自變量與因變量之間的關(guān)系不顯著（溫忠麟，葉寶娟，2014; Shrout & Bolger， 2002）。

第二，前提不同。中介效應(yīng)要求X對(duì)Y的總效應(yīng)c是顯著的，而遮掩效應(yīng)則正好相反，強(qiáng)調(diào)c是不顯著的。在這一點(diǎn)上，一些學(xué)者認(rèn)為沒有必要糾結(jié)于c顯著與否的前提，因?yàn)闊o論c是否顯著，間接效應(yīng)ab都可能是顯著的，如果直接效應(yīng)與間接效應(yīng)方向相反或兩個(gè)中介效應(yīng)方向相反，都可能導(dǎo)致總效應(yīng)不顯著（Preacher & Hayes， 2008; Shrout & Bolger， 2002; Zhao， Lynch Jr， & Chen， 2010）。

第三，結(jié)果表現(xiàn)不同。在中介變量的影響下，自變量與因變量之間的原有關(guān)系強(qiáng)度有所減弱，而在遮掩變量影響下，自變量與因變量的關(guān)系強(qiáng)度有所增強(qiáng)（Conger， 1974; Mackinnon et al.， 2000）。

第四，直接效應(yīng)與間接效應(yīng)的方向不同。在中介效應(yīng)中，直接效應(yīng)與間接效應(yīng)的方向相同，總效應(yīng)大于直接效應(yīng)，而在遮掩效應(yīng)中，直接效應(yīng)與間接效應(yīng)的方向相反，總效應(yīng)小于直接效應(yīng)。表1總結(jié)了兩種效應(yīng)的異同點(diǎn)。

從以上的異同點(diǎn)中不難發(fā)現(xiàn)，中介效應(yīng)和遮掩效應(yīng)適用于不同的研究情境。當(dāng)自變量與因變量之間存在顯著關(guān)系時(shí)，第三變量起到中介作用，主要解釋了這種顯著關(guān)系的原因，如社會(huì)支持對(duì)社會(huì)幸福具有正向預(yù)測作用，此時(shí)，希望和孤獨(dú)感解釋了這種預(yù)測作用（姚若松，郭夢(mèng)詩，葉浩生，2018）。而當(dāng)自變量與因變量之間不存在顯著關(guān)系時(shí)，第三變量則起到遮掩作用，主要回答為什么自變量不影響因變量或自變量只能通過遮掩變量間接影響因變量的問題，如心理控制源中的“外控”不能預(yù)測個(gè)體的求職行為，但當(dāng)加入“職業(yè)成熟度”之后，“外控”可以通過“職業(yè)成熟度”間接影響求職行為（楊林會(huì)，張瑾，王滔，2019）。

3遮掩效應(yīng)的示例分析

本文通過研究示例來進(jìn)一步介紹遮掩效應(yīng)的數(shù)據(jù)分析步驟以及結(jié)果解讀。示例來自Murayama和Elliot（2012）的研究1，它從個(gè)人層面探討了特質(zhì)競爭（即與他人競爭的傾向性）（Elliot， Jury， & Murayama， 2018）與學(xué)業(yè)成績之間的關(guān)系以及成就目標(biāo)在其中的遮掩效應(yīng)。Murayama和Elliot（2012）發(fā)現(xiàn)，特質(zhì)競爭不能預(yù)測學(xué)業(yè)成績，需要通過成就目標(biāo)起間接作用。原文將成就目標(biāo)區(qū)分為趨近目標(biāo)與回避目標(biāo)。為了分析邏輯清晰，此處通過逐步檢驗(yàn)法和路徑分析法分別對(duì)研究數(shù)據(jù)進(jìn)行演示分析。

3.1逐步檢驗(yàn)法

在逐步檢驗(yàn)法中，簡化了分析變量，只選取回避目標(biāo)作為遮掩變量，通過SPSS進(jìn)行分析演示。此時(shí)，特質(zhì)競爭為預(yù)測變量，學(xué)業(yè)成績?yōu)榻Y(jié)果變量，回避目標(biāo)為遮掩變量。逐步檢驗(yàn)法的具體分析步驟如下（見表2）：

首先，檢驗(yàn)特質(zhì)競爭對(duì)學(xué)業(yè)成績的總效應(yīng)c。結(jié)果顯示，c=0.02，p=0.682，表明特質(zhì)競爭對(duì)學(xué)業(yè)成績預(yù)測不顯著，即遮掩效應(yīng)的前提成立。

其次，檢驗(yàn)特質(zhì)競爭對(duì)回避目標(biāo)的回歸系數(shù)a。結(jié)果顯示，a=0.24，p<0.001，表明特質(zhì)競爭正向預(yù)測回避目標(biāo)。

再次，檢驗(yàn)特質(zhì)競爭與回避目標(biāo)對(duì)學(xué)業(yè)成績的回歸系數(shù)c′和b。結(jié)果顯示，b=-0.13，p=0.037;c′=0.06，p=0.377，表明回避目標(biāo)負(fù)向預(yù)測學(xué)業(yè)成績但特質(zhì)競爭對(duì)學(xué)業(yè)成績預(yù)測不顯著。在總效應(yīng)c不顯著的前提下，回歸系數(shù)a與b均顯著，且二者的乘積項(xiàng)ab與c′方向相反，說明遮掩效應(yīng)成立。

最后，使用Bootstrap法檢驗(yàn)遮掩效應(yīng)系數(shù)ab的顯著性。在此方法中，如果95%的置信區(qū)間包括0，說明ab不顯著，反之，說明顯著。結(jié)果顯示，ab=-0.03，95%CI=[-0.068， -0.004]，表明遮掩效應(yīng)系數(shù)ab顯著。以上結(jié)果表明，特質(zhì)競爭與學(xué)業(yè)成績并不是沒有關(guān)系，而是需要通過回避目標(biāo)建立起聯(lián)系，回避目標(biāo)在其中起到了遮掩作用。

3.2路徑分析法

在路徑分析法中，選擇趨近目標(biāo)和回避目標(biāo)兩個(gè)遮掩變量，通過SPSS的Process（v3.3）插件（Hayes， 2018）演示較為復(fù)雜但常見的遮掩效應(yīng)情況。Process插件的優(yōu)勢(shì)在于可以一次性輸出遮掩效應(yīng)的所有相關(guān)統(tǒng)計(jì)值，不需要額外計(jì)算，但其明顯的缺點(diǎn)是無法對(duì)潛變量的遮掩效應(yīng)進(jìn)行檢驗(yàn)。如果讀者在實(shí)際使用中涉及潛變量的遮掩分析，可以在Mplus等結(jié)構(gòu)方程模型軟件中實(shí)現(xiàn)（Valente， Rijnhart， Smyth， Muniz， & MacKinnon， 2020）。

本例以Process的模型4檢驗(yàn)遮掩效應(yīng)。模型4主要用于單一或多重平行中介效應(yīng)的檢驗(yàn)（最多允許10個(gè)中介變量）。在此分析示例中，輸入趨近和回避目標(biāo)變量作為遮掩變量。圖1為標(biāo)準(zhǔn)化結(jié)果示意圖。特質(zhì)競爭對(duì)學(xué)業(yè)成績的總效應(yīng)不顯著（β=0.02， SE=0.95， p=0.701）。在加入趨近和回避目標(biāo)后，特質(zhì)競爭對(duì)學(xué)業(yè)成績的直接效應(yīng)不顯著（β=-0.03， SE=1.04， p=0.65）;特質(zhì)競爭分別正向預(yù)測趨近目標(biāo)（β=0.43， SE=0.10， p<0.001）和回避目標(biāo)（β=0.24， SE=0.11， p<0.001）;趨近目標(biāo)與回避目標(biāo)分別正向和負(fù)向預(yù)測學(xué)業(yè)成績（β=0.32， SE=0.80， p<0.001;β=-0.34， SE=0.77， p<0.001）。遮掩效應(yīng)分析結(jié)果顯示，特質(zhì)競爭趨近目標(biāo)學(xué)業(yè)成績的間接（遮掩）效應(yīng)顯著（β=0.14， SE=0.04， 95%CI=[0.06， 0.23]）;特質(zhì)競爭回避目標(biāo)學(xué)業(yè)成績的間接（遮掩）效應(yīng)顯著（β=-0.08， SE=0.03， 95%CI=[-0.15， -0.04]）;總遮掩效應(yīng)不顯著（β=0.05 總遮掩效應(yīng)系數(shù)等于兩個(gè)平行遮掩效應(yīng)的系數(shù)之和，即0.14+（-0.08）=0.06，這與此處給出的總效應(yīng)系數(shù)0.05有出入。實(shí)際上，前兩個(gè)系數(shù)值是四舍五入后的結(jié)果，若保留四位小數(shù)的結(jié)果為0.1373和-0.0841，二者之和便是此處給出的結(jié)果0.0532。， SE=0.03， 95%CI=[-0.01， 0.12]）。在總效應(yīng)不顯著的前提下，各遮掩效應(yīng)間相互抵消，總遮掩效應(yīng)系數(shù)與直接效應(yīng)系數(shù)符號(hào)相反，說明趨近目標(biāo)和回避目標(biāo)共同遮掩了特質(zhì)競爭與學(xué)業(yè)成績之間的關(guān)系。

4總結(jié)與討論

本文系統(tǒng)地介紹了遮掩效應(yīng)，并將其與中介效應(yīng)加以區(qū)分，明確了二者各自的用途，最后，通過具體事例說明其在實(shí)際研究中如何加以應(yīng)用。本文的主要貢獻(xiàn)并非是理論深度上的探討，而是體現(xiàn)在實(shí)際應(yīng)用價(jià)值上。本文的主要觀點(diǎn)是，當(dāng)研究結(jié)果顯示自變量與因變量之間無關(guān)時(shí)，它并不意味著研究的結(jié)束，它或許意味著，研究中可能存在遮掩變量能夠解釋自變量與因變量之間的無關(guān)關(guān)系。換言之，遮掩效應(yīng)為打破研究僵局、解決研究困境提供了一個(gè)新的思路。

4.1虛無假設(shè)為真，遮掩效應(yīng)成立的前提

研究者是否能夠拒絕或接受虛無假設(shè)受制于許多因素，如樣本（包括樣本量）、研究設(shè)計(jì)以及測量工具（或?qū)嶒?yàn)任務(wù)）等。同一個(gè)研究主題，不同的研究者在這些因素的影響下，很可能得出不同或相反的結(jié)論。假設(shè)研究者想要探討競爭是否能夠增加冒險(xiǎn)行為，虛無假設(shè)是競爭不影響或減少冒險(xiǎn)行為，備擇假設(shè)是競爭能夠增加冒險(xiǎn)行為。一個(gè)研究發(fā)現(xiàn)，競爭能夠增加個(gè)體的冒險(xiǎn)行為（Liu， Liu， & Mu， 2021），而另一個(gè)研究發(fā)現(xiàn)，競爭不會(huì)影響個(gè)體的冒險(xiǎn)行為（Hangen， Elliot， & Jamieson， 2016）。前者拒絕了虛無假設(shè)，而后者接受了虛無假設(shè)，并在此基礎(chǔ)上進(jìn)一步探討了其遮掩機(jī)制。但問題是，這些研究是否犯了Ⅰ型錯(cuò)誤（即虛無假設(shè)為真，但拒絕了）或Ⅱ型錯(cuò)誤（即虛無假設(shè)為假，但接受了）呢？從單一的研究中，我們很難來回答這些問題。一個(gè)可行的辦法是選擇恰當(dāng)?shù)臉颖玖坎⒃谙嗤虿煌后w中重復(fù)驗(yàn)證研究假設(shè)。另一個(gè)可行的方法是通過元分析進(jìn)行系統(tǒng)的文獻(xiàn)梳理和科學(xué)統(tǒng)計(jì)來揭示變量間的真實(shí)關(guān)系，避免由于個(gè)別研究的誤差導(dǎo)致的錯(cuò)誤結(jié)論?？傊?，在控制Ⅰ型錯(cuò)誤或Ⅱ型錯(cuò)誤之后，當(dāng)虛無假設(shè)為真且被接受時(shí)，研究者探討遮掩效應(yīng)才有意義。

4.2虛無假設(shè)為假，是否存在遮掩效應(yīng)？

Conger（1974）重新界定了Horst（1941）提出的遮掩變量的概念，他認(rèn)為，在回歸方程中，能夠使自變量對(duì)因變量的預(yù)測效用（即標(biāo)準(zhǔn)化回歸系數(shù)β）增強(qiáng)的新變量便是遮掩變量。擴(kuò)展后的遮掩變量，不再受制于虛無假設(shè)為真的前提。一些研究者也在實(shí)際使用中報(bào)告了類似的現(xiàn)象（Gignac， 2018; Shao， Xie， & Zhu， 2020; Tzelgov & Henik， 1991; Yun， Li， Yan， Zhang， & Chen， 2019）。那么，為什么基于Conger的定義，研究者可以忽略總效應(yīng)顯著的結(jié)果，直接判斷某一變量起到遮掩作用呢？這是因?yàn)?，Conger的遮掩概念主要關(guān)注原有變量的預(yù)測作用是否得到增強(qiáng)，并不關(guān)心原有變量間的關(guān)系是否顯著以及遮掩變量是否起到“中介作用”。但在中介模型中， 將這種增強(qiáng)現(xiàn)象解釋為遮掩效應(yīng)是沒有意義的（McFatter， 1979）， 因?yàn)榇藭r(shí)遮掩變量的作用已經(jīng)轉(zhuǎn)變成分解不顯著總效應(yīng)的組成部分，探討其起到的間接效應(yīng)。因此，在中介模型中分析遮掩效應(yīng)不僅要滿足遮掩變量的增強(qiáng)現(xiàn)象，還要滿足總效應(yīng)不顯著的前提。早期的研究者已經(jīng)在中介分析過程中注意到了Conger界定的遮掩現(xiàn)象（Baron & Kenny， 1986; Judd & Kenny， 1981），但并未將其排除在中介分析之外。這是因?yàn)?，?dāng)總效應(yīng)c顯著時(shí)，即便某一變量增強(qiáng)了X對(duì)Y的預(yù)測作用，它揭示的機(jī)制依然是中介效應(yīng)，而不是遮掩效應(yīng)。而遮掩機(jī)制主要回答的問題是X為什么不影響Y。這也解釋了為什么逐步檢驗(yàn)法將總效應(yīng)c不顯著作為中介效應(yīng)的排除標(biāo)準(zhǔn)?？傊?，在虛無假設(shè)為假的前提下，即便某一變量增強(qiáng)了原有變量的預(yù)測作用，其起到的作用依然是中介機(jī)制，而不是遮掩機(jī)制。

4.3中介變量與遮掩變量同時(shí)并存？

在討論中介效應(yīng)和遮掩效應(yīng)的關(guān)系時(shí)，一個(gè)重要的問題是，在同一個(gè)模型中，是否同時(shí)存在中介變量和遮掩變量呢？Mackinnon等（2000）認(rèn)為，在復(fù)雜的中介模型（如X通過M1和M2兩個(gè)平行變量間接影響Y）中，可能同時(shí)存在中介變量和遮掩變量。從中介效應(yīng)和遮掩效應(yīng)中直接效應(yīng)與間接效應(yīng)的符號(hào)關(guān)系來看，這種觀點(diǎn)似乎是正確的。前者強(qiáng)調(diào)直接效應(yīng)與間接效應(yīng)的符號(hào)相同，而后者強(qiáng)調(diào)直接效應(yīng)與間接效應(yīng)的符號(hào)相反。如X對(duì)Y的直接效應(yīng)系數(shù)符號(hào)為正，經(jīng)過M1的間接效應(yīng)符號(hào)為正，而經(jīng)過M2間接效應(yīng)符合為負(fù)，那么，M1為中介變量，M2為遮掩變量。但這種觀點(diǎn)忽略了兩種效應(yīng)成立的前提，只有前提成立時(shí)，討論中介與遮掩概念才有意義。中介效應(yīng)的前提是總效應(yīng)c顯著，其回答的問題是為什么X影響Y，而遮掩效應(yīng)的前提是總效應(yīng)c不顯著，回答的問題是X為什么不影響Y。也就是說，如果想要在同一個(gè)模型中同時(shí)存在中介變量和遮掩變量，需要滿足的前提是c既是顯著的，又是不顯著的。顯然，這種情況是不可能存在的。因此，在任何一個(gè)模型中，不可能同時(shí)存在中介變量和遮掩變量。

4.4調(diào)節(jié)分析中是否存在遮掩變量

本文提出一個(gè)值得討論的問題，即在調(diào)節(jié)分析中是否存在遮掩變量。雖然以往學(xué)者沒有對(duì)調(diào)節(jié)效應(yīng)的前提做出明確假設(shè)，但對(duì)其前提加以限定并區(qū)分是有必要的，正如中介效應(yīng)與遮掩效應(yīng)的區(qū)分一樣，當(dāng)X與Y無關(guān)時(shí)，再去探討“X為什么影響Y”或“X對(duì)Y的作用機(jī)制是什么”的問題便不合適了（溫忠麟，葉寶娟，2014）。同樣，在調(diào)節(jié)分析中，當(dāng)X與 Y存在顯著關(guān)系時(shí)，研究邏輯是影響這種顯著關(guān)系的因素是什么，而當(dāng)二者無關(guān)時(shí)，研究問題的邏輯則應(yīng)是導(dǎo)致這種不顯著關(guān)系的因素是什么。雖然這種觀點(diǎn)還有待于進(jìn)一步討論，但從科研的實(shí)踐角度而言，它是可行的。當(dāng)自變量與因變量無關(guān)時(shí)，它為科研工作者提供了另一種可能，遮掩變量或許是解釋這種無關(guān)關(guān)系的一種潛在機(jī)制或影響因素。

4.5遮掩效應(yīng)的應(yīng)用與意義

本文結(jié)合實(shí)際數(shù)據(jù)對(duì)遮掩效應(yīng)進(jìn)行了系統(tǒng)介紹。本文舉例均以人格和個(gè)體差異方面的研究為例，主要目的是便于基本原理和分析邏輯的闡述。但在實(shí)際使用中，遮掩效應(yīng)在心理學(xué)領(lǐng)域的適用范圍并非僅限于此，還可以適用于傳統(tǒng)行為實(shí)驗(yàn)和認(rèn)知神經(jīng)科學(xué)等領(lǐng)域（Li et al.， 2018; Pirlott & MacKinnon， 2016; Yun， Wang， Fan， Yan， & Chen， 2021）。如在行為實(shí)驗(yàn)中，研究者發(fā)現(xiàn)，實(shí)驗(yàn)情境不能影響個(gè)體的任務(wù)表現(xiàn)，但可以通過影響情緒間接影響任務(wù)表現(xiàn)，此時(shí)，情緒在實(shí)驗(yàn)情境與任務(wù)表現(xiàn)間起到遮掩作用。再如，在腦科學(xué)研究中，實(shí)驗(yàn)操作并未引起研究者關(guān)注的大腦興趣區(qū)（如A腦區(qū)）的激活，但激活了與研究內(nèi)容有關(guān)的B腦區(qū)，B腦區(qū)又與A腦區(qū)同時(shí)存在相關(guān)關(guān)系或因果關(guān)系，此時(shí)，B腦區(qū)的激活很可能遮掩了實(shí)驗(yàn)操作與A腦區(qū)激活之間的關(guān)系。此外，遮掩效應(yīng)的分析邏輯也同樣適用于干預(yù)類或訓(xùn)練類的研究工作。總之，遮掩效應(yīng)能夠被廣泛應(yīng)用于心理學(xué)、行為學(xué)、社會(huì)學(xué)以及認(rèn)知神經(jīng)科學(xué)等眾多學(xué)科和領(lǐng)域。

自Horst（1941）提出遮掩概念以來已經(jīng)在中介分析中得到了許多學(xué)者的廣泛關(guān)注，本文在此基礎(chǔ)上系統(tǒng)地介紹了遮掩效應(yīng)的基本原理、分析邏輯及其應(yīng)用，但由于虛無假設(shè)為真的前提導(dǎo)致其在實(shí)際應(yīng)用上受到了很大阻礙。出現(xiàn)上述矛盾現(xiàn)象的主要原因是虛無假設(shè)為真的結(jié)果不利于文章發(fā)表，多數(shù)雜志也很少愿意接收此類文章，這種發(fā)表偏差導(dǎo)致的消極影響是，很少研究者愿意報(bào)告無顯著結(jié)果的工作（Simmons， Nelson， & Simonsohn， 2011）。虛無假設(shè)為真的現(xiàn)象一直是困擾多數(shù)研究者的重要問題。本文的主要目的是為解決此問題提供一個(gè)新的思路，即除了調(diào)整研究或放棄研究以外，研究者還可以探索這種不顯著關(guān)系背后的潛在機(jī)制。換句話說，虛無假設(shè)為真并非真的代表變量間不存在關(guān)系，它們之間或許只是需要通過遮掩變量建立聯(lián)系，遮掩變量在其中起到遮掩作用?？傊?，虛無假設(shè)被拒絕與否不應(yīng)該成為研究者是否繼續(xù)研究的前提，顯著的變量關(guān)系應(yīng)遵循顯著的研究邏輯，不顯著的變量關(guān)系也應(yīng)有不顯著的探索視角，一味地迎合或推崇“顯著至上”，顯然不是科學(xué)的研究邏輯。而且，明確具體的研究目標(biāo)和變量間的真實(shí)因果關(guān)系也有助于減少科學(xué)問題中的不確定性、數(shù)據(jù)分析中的錯(cuò)誤以及對(duì)結(jié)果的過度解讀（Hernán， 2018）。因此，在科學(xué)嚴(yán)謹(jǐn)、實(shí)事求是的原則下，我們應(yīng)該接受虛無假設(shè)為真的情況，并進(jìn)一步探討可能導(dǎo)致這種現(xiàn)象的遮掩機(jī)制。

致謝：

感謝英國University of Reading心理學(xué)系的Kou Murayama教授提供數(shù)據(jù)作為本文的示例數(shù)據(jù)。

參考文獻(xiàn)

溫忠麟， 劉紅云 （2020）. 中介效應(yīng)和調(diào)節(jié)效應(yīng)： 方法及應(yīng)用. 北京： 教育科學(xué)出版社.

溫忠麟， 葉寶娟 （2014）. 中介效應(yīng)分析： 方法和模型發(fā)展. 心理科學(xué)進(jìn)展， 22（5）， 731-745.

溫忠麟， 張雷， 侯杰泰， 劉紅云 （2004）. 中介效應(yīng)檢驗(yàn)程序及其應(yīng)用. 心理學(xué)報(bào)， 36（5）， 614-620.

楊林會(huì)， 張瑾， 王滔 （2019）. 聾人大學(xué)生心理控制源對(duì)求職行為的影響： 職業(yè)成熟度的中介作用. 心理科學(xué)， 42（5）， 1209-1216.

姚若松， 郭夢(mèng)詩， 葉浩生 （2018）. 社會(huì)支持對(duì)老年人社會(huì)幸福感的影響機(jī)制： 希望與孤獨(dú)感的中介作用. 心理學(xué)報(bào)， 50（10）， 1151-1158.

Baron， R. M.， & Kenny， D. A. （1986）. The moderator-mediator variable distinction in social psychological research： Conceptual， strategic， and statistical considerations. Journal of Personality & Social Psychology， 51（6）， 1173-1182.

Conger， A. J. （1974）. A revised definition for suppressor variables： A guide to their identification and interpretation. Journal of Educational & Psychological Measurement， 34（1）， 35-46.

Elliot， A. J.， Jury， M.， & Murayama， K. （2018）. Trait and perceived environmental competitiveness in achievement situations. Journal of Personality， 86（3）， 353-367.

Gignac， G.， E. （2018）. Socially desirable responding suppresses the association between self-assessed intelligence and task-based intelligence. Intelligence， 69， 50-58.

Hangen， E. J.， Elliot， A. J.， & Jamieson， J. P. （2016）. The opposing processes model of competition： Elucidating the effects of competition on risk-taking. Motivation Science， 2（3）， 157-170.

Hayes， A. F. （2018）. Introduction to mediation， moderation， and conditional process analysis： A regression-based approach （2nd edition）. New York， NY， US： Guilford Press.

Hernán， M. A. （2018）. The Cword： Scientific euphemisms do not improve causal inference from observational data. American Journal of Public Health， 108， 616-619.

Horst， P. （1941）. The role of the predictor variables which are independent of the criterion. Social Science Research Council， 48， 431-436.

Judd， C. M.， & Kenny， D. A. （1981）. Process analysis： Estimating mediation in treatment evaluations. Evaluation Review， 5（5）， 602-619.

Li， S. M.， He， W. B.， Chen， J.， Cai， Q. Q.， Huang， F. F.， Zhang， K.， … Huang， H. （2018）. Combined blockade of renin-angiotensin-aldosterone system reduced all-cause but not cardiovascularmortality in dialysis patients： A mediation analysis and systematic review. Atherosclerosis， 269， 35-41.

Liu， Z. L.， Liu， T. T.， & Mu， S. K. （2021）. Gender differences in the effects of competition and cooperation on risk-taking under ambiguity. Psych Journal， 10（3）， 374-383.

MacKinnon， D. P. （2008）. Introduction to statistical mediation analysis. New York： Lawrence Erlbaum.

Mackinnon， D. P.， Krull， J. L.， & Lockwood， C. M. （2000）. Equivalence of the mediation， confounding and suppression effect. Prevention Science， 1（4）， 173-181.

MacKinnon， D. P.， & Lamp， S. J. （2021）. Aunification of mediator， confounder， and collider effects. Prevention Science， https：//doi. org/10. 1007/s11121-021-01268-x.

Mathieu， J. E.， & Taylor， S. R. （2006）. Clarifying conditions and decision points for mediational type inferences in organizational behavior. Journal of Organizational Behavior， 27（8）， 1031-1056.

McFatter， R. M. （1979）. The use of structural equation models in interpreting regression equations including suppressor and enhancer Variables. Applied Psychological Measurement， 3（1）， 123-135.

Muniz， F. B.， & MacKinnon， D. P. （2021）. Four tests for statistical suppression. Manuscript Submitted for Publication.

Murayama， K.， & Elliot， A. J. （2012）. The competition-performance relation： A meta-analytic review and test of the opposing processes model of competition and performance. Psychological Bulletin， 138（6）， 1035-1070.

Murgui， S.， & Jiménez， T. I. （2013）. Suppression and mediation effect in psychosocial intervention： Differences， similarities and examples. Psychosocial Intervention， 22（1）， 55-59.

Pirlott， A.， & MacKinnon， D. P. （2016）. Design approaches to experimental mediation. Journal of Experimental Social Psychology， 66， 29-38.

Preacher， K. J.， & Hayes， A. F. （2008）. Asymptotic and resampling strategies for assessing and comparing indirect effects in multiple mediator models. Behavior Research Methods， 40（3）， 879-891.

Shao， W.， Xie， J.， & Zhu， Y. . （2020）. Mediation by human mobility of the association between temperature and covid-19 transmission rate. Environmental Research， 194， 110608.

Shrout， P. E.， & Bolger， N. （2002）. Mediation in experimental and nonexperimental studies： New procedures and recommendations. Psychological Methods， 7（4）， 422-445.

Simmons， J.， P.， Nelson， L.， D.， & Simonsohn， U. （2011）. False-positive psychology： Undisclosed flexibility in data collection and analysis allows presenting anything as significant. Psychological Science， 22（11）， 1359-1366.

Tzelgov， J.， & Henik， A. （1991）. Suppression situations in psychological research： Definitions， implications， and applications. Psychological Bulletin， 109（3）， 524-526.

Valente， M. J.， Rijnhart， J. J. M， Smyth， H.， Muniz， F. B.， & MacKinnon， D. P. （2020）. Causal mediation programs in R， Mplus， SAS， SPSS， and STATA. Structural Equation Modeling， 27（6）， 975-984.

Yun， M.， Li， S.， Yan， Y.， Zhang， T.， & Chen， W. （2019）. Suppression effect of body weight on the association between cigarette smoking and telomere length： The Bogalusa Heart Study. Aging， 11（21）， 9893-9900.

Yun， M.， Wang， X.， Fan， L.， Yan， Y.， & Chen， W. . （2021）. Age-related suppression effect of current body weight on the association between birth weight and blood pressure： The Bogalusa heart study. Pediatric Obesity， 16（3）， e12716.

Zhao， X.， Lynch Jr， J. G.， & Chen， Q. （2010）. Reconsidering Baron and Kenny： Myths and truths about mediation analysis. Journal of Consumer Research， 37（2）， 197-206.

Statistical Analysis Framework of Suppression Effect and Its ApplicationLIU Zhenliang1; LIU Tiantian2; MU Shoukuan1

（1 School of Educational Science， Minnan Normal University， Zhangzhou 363000， China）

（2 School of Educational Science， Anhui Normal University， Wuhu 241000， China）Abstract

The suppression effect refers to the fact that the third variable suppresses the relation between an independent variable （X） and a dependent variable （Y） when? the null hypothesis is true. In psychological studies， researchers often encounter the common dilemma of research where there is no relationship between X and Y. The suppression effect provides an alternative route to deal with this issue and? mainly answers why there is no significant relationship between the variables. This paper systematically introduces the rationale， difference from the mediation effect， analysis logic， and sample of the suppression effect. Finally， we summarize and discuss some related issues of the suppression effect as well as its application and significance， which helps researchers to solve the possible problem in future research.

Key words：? suppression effect; mediation effect; null hypothesis; research dilemmas