2.2.2不对称置信区间法
针对现有中介效应分析中的不足，Zhao(2010)建议使用Preacher和Hayes在2004发展的Bootstrap方法检验中介效应。不对称置信区间法由于放弃了中介效应的抽样分布为正态分布的前提，对中介效应的抽样分布不加限制，因此得到不对称置信区间。Bootstrap 法能适用于中、小样本和各种中介效应模型，且目前常用的各种统计软件都能进行Bootstrap 法运算。该方法主要包括非参数百分位Bootstrap置信区间法和偏差校对非参数百分位Bootstrap置信区间法。Bootstrap 法是一种从样本中重复取样的方法, 前提条件是样本能够代表总体(当然这也是通常取样进行统计推论的要求)。Bootstrap 法有多种取样方案, 其中一种简单的方案是从给定的样本中有放回地重复取样以产生出许多样本, 即将原始样本当作Bootstrap总体,从这个Bootstrap总体中重复取样以得到类似于原始样本的Bootstrap样本。(例如, 将一个容量为500的样本当作Bootstrap总体, 从中有放回地重复取样,可以得到一个Bootstrap样本(容量还是500)。
Zhao等(2010)中介效应分析程序
(1)基于Process插件的操作 PROCESS插件做中介和调节的优点：
近几年来，Hayes开发的基于SPSS和SAS的中介和调节效应分析程序插件Process得到了越来越多的人的应用，主要的优势有这么几点：
第一，中介效应分析一步到位。在Process之前，中介效应分析要分步进行，分为三步（实际上两步就可以）。第一步检验总效应，即自变量X对因变量Y的总效应。但这一步已经被证明是没有必要的甚至是错误的，总效应存在与否不是中介效应的必要条件，因此，先前支持中介效应三步法的一些学者后来做了修正，不再把检验总效应作为前提条件，也就是三步法实际上变成了两步法。此外，结构方程模型的思路再次证明，第一步检验总效应的做法完全没有必要。Hayes显然早已发现了这一点，因此，Process插件做的就是两步而不是三步。Process直接将这两步整合起来，得到一个总的结果，不需要分两步设置和分析，这就
大大简化了步骤，结果呈现更更全面。值得一提的是，Process虽然两步整合在一起，但其结果也是分步呈现，因而非常方便我们在论文中整理成规范的表格结果。
第二，Process的操作应用。Process主要应用于SPSS、SAS等传统数据统计分析软件，在SPSS中除了可以可视化操作外，还可以通过Syntax语法等方式操作，扩展功能更为强大。 第三，Process的模型构建。Process提供了76个模型，分析过程中需要选择对应的模型，设置相应的自变量、因变量、中介或调节变量即可。
第四，调节效应分析前的数据处理自动化。在Process出来之前，调节效应的分析要经过两个重要环节——变量中心化和构建交互项，虽然这两步的操作不难，但有时候容易忽视或者计算出错。Process提供了均值中心化之后的交互项设置，可以自动完成，因此更为准确高效。
第五，中介效应的Bootstrap和Sobel检验可以自动处理。在Process开发之前，中介效应的Bootstrap需要特别设置，Sobel检验需要手工计算（或者用专门的小程序），Process则可以直接自动化完成，并直接得到中介效应值Sobel检验值Z和显著性水平（基于理论正态分布）。
第六，可以处理带有控制变量的中介、调节效应模型。在中介效应和调节效应分析中，尤其是调节效应分析，经常需要对控制变量进行控制，Process对此也有专门的设置（协变量中处理即可）。
第七，处理多变量中介、调节效应更方便，例如多重中介效应、有中介的调节效应、有调节的中介效应等。例如，以往的SPSS分析不能提供多重中介模型的各个具体路径、各个中介变量单独的中介效应检验，如中介效应值及其置信区间和显著性水平等，而Process则可以提供这