利用processR软件包实现简单的中介效应模型
中介效应旨在探讨自变量（Independent Variable, X）通过中介变量（Mediator, M）对因变量（Dependent Variable, Y）的间接影响机制。它不仅关注直接效应（X→Y），还试图揭示潜在的心理或行为机制（X→M→Y）。中介效应解释了一个变量通过何种机制来影响另一个变量。中介效应通常通过路径分析或回归分析来检验，它帮助揭示了两个变量之间的关系的中间步骤或中介步骤。
中介效应模型
中介效应模型探讨的是一个变量（自变量，X）如何通过另一个变量（中介变量，M）影响结果变量（因变量，Y）。基本的中介模型可以分为以下路径：
- 直接效应：自变量 X 对因变量 Y 的直接影响（路径系数 c′）。
- 间接效应：自变量 X通过中介变量 M对因变量 Y的影响（路径系数 a×b）。
- a：X对 M 的影响系数。
- b：M 对 Y的影响系数。
- 总效应：自变量 X 对因变量 Y 的总影响（直接效应和间接效应之和，路径系数 c=c′+ab）。
统计分析方法
中介效应分析的主要方法是回归分析：
- 回归 M 对 X： M=β0+aX+ϵ1
- 回归 Y 对 X 和 M： Y=β0+c′X+bM+ϵ2
- 总效应方程： Y=β0+cX+ϵ3
间接效应的检验：
分析中介效应包括四个步骤：
检查自变量与因变量之间的关系，获得总效应量；
检验自变量对中介者的影响。自变量对中介者的显著影响是中介效应的先决条件；
检验中介变量和自变量对因变量的影响；
进行中介分析，估计中介效应值。
processR包应用
网络上有许多软件工具可以进行中介效应的分析，如Stata/SPSS和SAS 等统计软件中拥有一些中介模型程序(如 process)，然而这些程序往往年代较为久远且缺少维护 ，本文小编主要介绍R软件中processR包在中介效应模型中的应用。
在R语言中，processR软件包是用于实现中介效应分析的一个强大工具。其背后的原理基于回归分析和路径分析，并结合了Andrew Hayes的PROCESS宏模型。下文主要演示简单的中介效应，不考虑调节效应。
代码演示
首先安装processR包，此包目前尚未收录在CRAN，需要用devtools工具从github上安装。
if(!require(devtools)) install.packages("devtools")
devtools::install_github("cardiomoon/processR")
调用相关包‘processR和mediation’包（主要利用里面的jobs数据集来演示）
library(processR)
library(mediation)
建模理念
Y = cX + e1 （方程 1）
M = aX + e2 （方程 2）