此，还是应当先做依次检验，因为如果显著的话，结果强于直接检验系数乘积。
(4)如果直接效应显著，不排除存在其他中介变量的可能，Zhao等人(2010)建议在讨论部分说明这种可能性。
温忠麟等(2014)因果逐步回归法(改良)
2.4基于结构方程模型的简单中介效应检验
中介效应因为涉及两个路径系数的乘积，受到的影响可能更大。Ledgerwood和Shrout(2011)的模拟研究发现，如果使用指标的均值作为显变量，中介效应的估计值低估实际中介效应的比例与合成信度(叶宝娟，温忠麟，2011)的乘积有关。例如，如果信度都是0.9，则中介效应的估计值是实际中介效应的80%(≈0.9×0.9)左右。但使用潜变量的弱点是中介效应估计的标准误较大，降低了检验力。就是说，使用潜变量的检验力通常低于使用显变量的检验力。为此，Ledgerwood和Shrout建议，如果测验信度不够高，使用两步分析策略：第一步用显变量建模检验中介效应，第二步用潜变量建模估计中介效应。不过，如果用潜变量检验中介效应已经显著，就没有必要报告显变量分析结果了。
结构方程模型的主要目的是建构和验证模型的拟合水平，如果模型拟合水平较好，一方面结构方程模型可以根据现有理论建构各变量之间的关系，另一方面可以验证理论构想的合理性和正确性。对于简单的中介效应一般不建议使用结构方程模型，因为结构方程模型也是默认数据为正态分布，其程序的运行与sobel检验法类似，所以也会提高一类错误的概率，但对于较为复杂的模型，一般可以使用结构方程模型来做。基于研究的需要，我们拟以AMOS为例，介绍在结构方程中验证理论构想的中介效应。
Amos的设置及操作步骤：
第一，安装Amos软件，会在Spss分析中出现； 第二，打开Amos软件，根据理论构想画出中介效应图； 第三，添加误差项、并命名；
第四，选择数据文件添加变量，选择List variables in date set直接拖动显变量即可； 第五，选择所要输出的数据，点击Output，一般选择修正指数、标准化估计、总效应、直接效应和间接效应，
第六，点击Calculateestimate，运行程序求解； 第七，点击Viewtext查看结果。
需要注意的是：
第一，Amos对数据要求严格，数据不能含有缺失值； 第二，预测变量不需要添加误差项、因变量必须添加误差项； 第三，潜变量的命名不能与Spss中变量名称一致。
建立假设模型
数据输出类型
方程模型拟合图
主要的结果输出： CMIN Model Default model Saturated model Independence model
NPAR 23 55 10 CMIN 317.760 .000 3523.337 DF 32 0 45 .000 P .000 78.296 CMIN/DF 9.930
RMR, GFI Model Default model Saturated model Independence model
Baseline Comparisons Model Default model Saturated model Independence model RMSEA Model Default model Independence model RMSEA .110 .323 LO 90 .099 .314 HI 90 .121 .332 PCLOSE .000 .000 NFI Delta1 .910 1.000 .000 RFI rho1 .873 .000 IFI Delta2 .918 1.000 .000 TLI rho2 .884 .000 CFI .918 1.000 .000 RMR .025 .000 .187 GFI .923 1.000 .394 AGFI .868 .260 PGFI .537 .323
模型指标拟合不理想可以根据修正指数提示进行修正：
修正指数关系图
修正后的指数有所变化： CMIN Model Default model Saturated model Independence model
NPAR 29 55 10 CMIN 202.148 .000 3523.337 DF 26 0 45 .000 P .000 78.296 CMIN/DF 7.775