变量之间的影响关系和多重影响因素的共同作用类型

摘" 要" 探讨研究变量之间的关系是心理学和其他社科领域实证研究的主要工作。基于问卷调查的实证文章多数涉及变量之间的“影响关系”， 但这个概念未有明确界定， 经常被人理解为相关关系或者因果关系， 无论哪种情况都会带来问题， 尤其在中介效应研究中更为突出。本文将影响关系定义为有方向性的相关关系， 从外延和内涵上揭示了相关、影响和因果三者之间的关系; 提供了多种途径为影响关系建模找到理据; 讨论了一个结果变量的多重影响因素的共同作用类型。本文将为问卷研究中的变量之间关系研究提供理论支撑。

关键词" 影响关系， 相关关系， 因果关系， 影响因素， 中介变量， 调节变量

分类号" B841

中介效应模型可以分析自变量对因变量影响的过程和作用机制， 相比单纯分析自变量对因变量影响的同类研究， 中介分析不仅方法上有进步， 而且往往能得到更多更深入的结果（温忠麟， 叶宝娟， 2014）。但中介效应研究也时常被人诟病。主要原因在于， 这类研究中最重要的概念“影响关系”没有明确界定。有人理解为相关关系， 也有人理解为因果关系。

让人意想不到的是， 对于很多读者熟悉的“影响关系”这个概念， 百度百科、维基百科都找不到相应的词条。扩大搜索范围， 在百度、谷歌上也没有找到变量之间影响关系的定义。向目前最新版本的ChatGPT-4进行查询： “什么是影响关系？” （What is affect relationship， impact relationship， or influence relationship？）得到的回答中， 最接近的结果是： “这个术语强调一个实体的行动对另一个实体产生的效应或结果。这意味着一个更显著的、有时更是可测量的变化。例如， 环境政策可能对污染水平产生直接影响， 表明了一个清晰的因果关系场景。” （网络版附录可查到全部答复。） 如果查“影响” （affect， impact， or influence）， 解释更多， 但也没有一个解释能界定变量之间影响关系中的那种影响。

本文首先讨论这种状况在中介效应研究中导致的后果， 说明严格界定影响关系的必要性。然后从因果关系的准则出发， 在因果与相关之间给影响关系明确的定位。接着讨论如何提出影响关系（方向性）的理据。最后， 详细分析一个结果变量的多重影响因素的共同作用类型。

1" 明确界定“影响关系”的必要性

任何一个学科建构， 都需要概念定义体系、命题判断体系和推理论证体系。任何一个常用的概念， 都要有明确的定义， 否则会导致各有各的理解， 甚至引起无谓的争论。影响关系这个概念目前就属于这种情况， 经常使用却没有明确的定义。

研究中介效应的论文都会涉及至少三个影响关系（Baron amp; Kenny， 1986; 温忠麟， 叶宝娟， 2014）。但至今没有见到对影响关系这个概念的明确界定， 导致人们对影响关系可能有不同的理解。这种状况在中介效应研究中至少带来三个后果： 一是将影响关系等同于因果关系; 二是将影响关系等同于相关关系; 三是回避使用影响关系的概念。

第一个后果很严重， 因为心理学界通常认为， 基于问卷调查的研究不能研究变量之间的因果关系（莫雷 等， 2007）， 将影响关系等同于因果关系就会认为基于问卷得到的影响关系都有问题。所以区分影响关系和因果关系很有必要， 两者区分之后， 就不能再以问卷研究中的变量不是因果关系为由去质疑影响关系， 影响关系本来就不等同于因果关系。

第二个后果也很严重， 研究者会主动或被动（如按审稿人要求）将影响关系降格为相关关系。典型用词包括关联（association， 如Wang et al.，" 2022）， 关系（relationship， 如Xie et al.， 2023）， 联系（linkage， 如Liekefett et al.， 2023）， 可预测（predictable， 如Ruisch et al.， 2021）。但仔细想想， 这种做法其实是让中介效应分析失去了逻辑基础。既然研究的变量之间都是相关而没有方向性， 那么没有一个变量是中介变量; 也可以说， 任何变量都可以看成是中介变量， 中介效应分析就失去了意义。本段引用的4篇文献， 都提出了假设去明确变量之间的方向性， 其中3篇还是纵向研究， 尚且将影响降格为相关， 在横断研究中这种降格的倾向性更强。

第三个后果是， 有关影响研究的文章欲言又止， 绕着弯子表述“影响”。有实证研究发现， 来自祖先多样性较高地区的人们更愿意公开表达情感， 而来自祖先多样性较低地区的人们更倾向于抑制情感表达（Niedenthal et al.， 2023）。看得出来研究结果是“祖先多样性会影响情感表达”， 但作者除了理论部分外， 一直避免使用“影响”一词。

总之， 回避“影响”体现不出变量之间的方向性， 无论将影响关系当作相关关系还是因果关系， 中介效应分析都有逻辑问题。解决的办法是明确定义影响关系， 将其视为相关关系和因果关系之间的一种关系， 看似简单的这项工作， 可以为中介效应分析奠定基石。

2" 两个变量之间的影响关系

心理学实证研究的实质是探讨研究变量之间的关系（莫雷 等， 2007）。目前的心理学研究方法是将变量之间的关系分为相关和因果（没有影响关系的位置）， 并且认为问卷调查研究的两个变量， 只要其中一个是存在变量， 就只能是相关关系， 因为实验引发的变量之间才可能存在因果关系（例如， 莫雷 等， 2007; 舒华， 张亚旭， 2008）。但在社科研究领域， 在相关关系这个类别中， 存在大量的带有方向性并且不可逆的关系， 例如， 母亲身高影响女儿身高、环境影响情绪、儿童年龄影响运动能力、儿童期创伤影响青春期适应等等。如果能从外延和内涵上将这类影响关系从相关关系中区分出来， 可以解决心理学实证研究中许多令人困惑的现象和问题。

2.1" 从社科研究中因果关系的三个准则谈起

提到影响关系， 很多人会想到因果关系， 甚至就将其视为因果关系。为了定义影响关系， 从因果关系谈起。社科中比较经典的推论因果关系的三个准则（Cook et al.， 1979）如下：

（1）因和果共同变化（共变）;

（2）因在果之前发生（方向性）;

（3）排除因果联系外的其他解释（排他解释）。

就是说， 两个变量的关系， 要满足上面三个准则， 才是因果关系。要完全实现因果关系的三个准则， 只有实验才有可能做到。实验中对变量的操纵， 保证了准则（2）。通过统计检验后拒绝无差假设， 推论出因变量与实验因素共变， 即准则（1）成立（但有可能犯第一类错误）。而Fisher （1935）提出的实验设计三个原则： 随机化、局部控制和重复， 都是为了努力实现准则（3）。随机化和重复， 既是考察集体性规律的需要， 也是减少误差的需要（温忠麟， 2017）。实验中的变量控制越严密， 就会越符合准则（3）。

2.2" 影响关系的界定

变量之间的相关关系要求比较低， 只需要满足因果关系的准则（1）， 即两个变量共变。但说到影响， 通常的理解是一个事件对另一个事件的作用， 是有方向性的。具体到变量之间的影响， 除了方向性， 还应当共变以反映两个变量之间的关联。许多统计模型（如中介效应、调节效应、交叉滞后效应等模型）中的变量之间关系， 通常都会满足这两点， 一是通过提出假设或根据时间先后确定变量之间的箭头（方向性）， 二是变量之间的路径效应有统计显著性（共变）。本文将这种满足上述因果关系准则（1）和（2）的变量关系定义为影响 （influence）关系， 即两个变量是有方向性的共变。影响关系中在前的变量称为影响因素（influence factor）。这样， 从满足因果关系的准则的多少， 就可以界定三种变量关系。相关关系满足准则（1）， 影响关系满足准则（1）和（2）， 因果关系满足全部三个准则。因果关系一定是影响关系， 而影响关系一定是相关关系。从外延看， 三种关系之间是包含关系， 相关包含了影响， 影响包含了因果。三者的内涵则刚好相反， 相关关系的内涵最少， 因果关系的内涵最多（图1）。

除了简单的相关分析外， 研究变量之间关系的统计模型通常都会涉及影响关系甚至因果关系。因果关系是影响关系的充分条件（但不必要）， 而影响关系是因果关系的必要条件（但不充分）。实验研究中是通过精心设计的实验去操纵自变量、控制无关变量、引发并测量因变量以尽可能排除因果联系外的其他解释。而在问卷调查中， 即使方向性问题解决了（见第3节）， 排他解释方面也难与实验媲美， 因而通常只能得到影响关系。

2.3" 影响关系的例子

如果研究的是没有方向性的、对称的相关关系， 通常用相关分析（连续变量）或列联表分析（类别变量）。但人们更感兴趣的是比相关关系内涵更多、也更接近因果关系的影响关系， 因而影响关系是基于问卷调查的实证研究涉及最多的变量关系。例如， 教师教学水平影响学生成绩、多动症影响学业成绩、父母教养方式影响亲子关系、工作负荷影响工作满意度、工作满意度影响离职倾向等等。

有了明确的影响关系， 很多现象就容易说清楚。实际上， 不少期刊上的文章并不回避“影响”一词。例如， Affuso等人（2023）研究教师支持、家长监督等因素对学生学业表现的影响时， 多次直接使用influence和impact， 包括在路径图的图注中; Mega等人（2014）研究情绪对学习成绩的影响， 验证了下面假设： 积极情绪对自我调节学习和动机有积极影响， 消极情绪对自我调节学习和动机有消极影响， 而自我调节学习和动机影响学习成绩。涉及中介效应分析的中文论文中使用“影响”一词的很常见， 不难找到在标题、摘要和正文都使用了“影响”一词的文献（例如， 程翠萍， 黄希庭， 2021; 胡其波 等， 2023; 叶宝娟， 方小婷， 2017）。这些例子中对“影响”的理解符合本文的定义。

2.4" 影响因素的特例： 风险因素与保护性因素

在流行病学、临床心理、风险控制等研究领域， 经常会提到风险因素（risk factor）的概念， 研究风险因素对结果（风险事故）的影响， 或者某个变量的风险因素有哪些。风险是有可能发生的危险， 是在一个特定的环境下能够发生损失的可能性。例如， Jacobs等人（2022）的研究发现， 五个传统心血管因素（体重指数、总胆固醇水平、甘油三酯水平、收缩压和青少年吸烟）的单独或组合水平是成人心血管事件的重要风险因素。又如， 尤静等人（2022）发现， 困境感、累赘感知、强迫思考、死亡无畏、自杀行为暴露史是自杀意念的风险因素。

风险因素与结果之间的关系， 也不一定满足因果关系的严苛条件， 只是有方向的相关关系。按Kraemer等人（2001）的说法， 风险因素是在结果之前发生的相关变量， 因而风险因素都是影响因素。反过来， 影响因素是否都是风险因素呢？从学理上说， 定义风险因素等同于影响因素是可行的， 因为任何意义正面的变量都可以反向转换成一个风险变量， 就像量表可以设置反向题一样。例如， 青少年适应换成适应不良， 亲子关系换成亲子冲突。从这个意义上说， 所有影响因素都是风险因素。但是， 将风险因素等同于影响因素有时候不好解释。通常是将可能导致坏结果的因素作为风险因素。在流行病学中， 风险因素是与疾病或感染风险增加相关的变量， 将一般结果变量的影响因素称为风险因素， 没有必要性， 还会给人耸人听闻的感觉。例如， 学业成绩影响学业自我概念， 但一般不会将学业成绩作为学业自我概念的风险因素。因此， 将负面结果的影响因素称为风险因素比较符合习惯。

与风险因素相对的是保护性因素（protective factor）， 虽然其定义在不同的领域可能不同， 但可以简单理解为可以降低负面结果发生的影响因素。就是说， 风险因素和保护性因素都是负面结果的影响因素， 负面结果随着风险因素水平的提高而增加， 随着保护性因素水平的提高而降低。但如果两种因素共同作用， 可以分出不同的类型， 详见第4节。

3" 提出影响关系假设的理据

影响关系建模关键在于为方向性找到理据。影响关系中的方向如何才算有理据呢？根据前人研究， 可以总结出以下途径为确定变量的先后顺序找到理据。

首先， 可以按变量出现的时间顺序确定方向（Davis， 1985; 王天夫， 2006）。例如， 与社科研究中的被试主体变量相比， 性别、年龄总是先出现的。类似的是概念出现的先后， 例如， 因为先有圆半径的概念后有圆面积的概念， 可以说圆半径影响圆面积。但这里说的变量出现的先后顺序不等同于测量的先后顺序。此外， 不少与生俱来的变量， 如身高、智力之间并没有方向性， 在成年之前它们都受到年龄的影响。

第二， 颠倒两个变量的顺序， 看哪一个更容易解释（温忠麟， 2017）。例如， 年龄代表的是时间， 时间一直在延伸， 没有什么可以影响时间; 同样， 心理学研究中变量都不能影响性别， 因而是性别、年龄影响其他变量， 而不是相反。又如， 收入影响幸福感， 而不是相反。

第三， 客体变量影响主体变量（莫雷 等， 2007）。例如， 环境影响情绪， 但人的情绪影响不了环境。又如， 领导幽默风格影响团队内部学习。

第四， 根据变量的属性而定。一般来说， 本质属性影响状态属性， 长期属性影响临时属性， 稳定属性影响不稳定属性（温忠麟， 叶宝娟， 2014）。例如， 学生的智力和学业成绩， 前者更加本质和稳定， 因而智力影响成绩。心理学研究中， 依稳定性高低可以将变量类别排序： 特质（如智力）、类特质（大五人格）、类状态（心理资本）、状态（如积极情绪） （柯江林 等， 2009）。这种稳定性排序为区分变量顺序提供了一定的理据。

第五， 理论或实证文献的支持。这是读者熟知的提出假设的常见方法。但实证文献上的不一定都有理据， 引用文献时还要思考其合理性。

第六， 根据生活经验和常识总结出来。这一点对提出创新性的影响关系也很重要。例如， 学业成绩影响学业自我概念， 工作回报影响工作满意度等， 这些影响关系即使没有理论和文献支持， 也是可以从生活经验中总结出来的。

第七， 根据类比推理推导出来。这是比较有效的提出创新性的影响关系的方法。假设已经知道了X影响Y， 而X′和Y′分别是X和Y的同类变量（有许多同类属性）， 则可以推出X影响Y′、X′影响Y、甚至X′影响Y′。例如， 从“压力性生活事件影响主观幸福感”可以推出“压力性生活事件影响焦虑”和“压力性生活事件影响恐惧”， 因为主观幸福感、焦虑和恐惧都属于情绪类变量。

第八， 根据交叉滞后分析的原理， 分出优势影响因素。通过两次追踪测量建立交叉滞后模型。如果变量A影响变量B， 用下标表示两次测量的结果， 那么A1与B2的相关， 应该明显大于B1与A2的相关。同时， 因为影响因素相对稳定， A1与A2的相关也会大于B1与B2的相关（温忠麟， 2017）。换句话说， 有上述表现的变量A就是优势影响因素， 而B作为结果变量。

上述八条途径， 前面两条从正反方面考虑两个变量的顺序; 第三、四条都是根据两个变量本身的特点区分先后顺序; 第五、六条借助于证据， 文献属于间接证据， 生活经验属于直接证据; 最后两条通过推理分析得到。

4" 多重影响因素的共同作用

很多时候， 一个结果变量的影响因素不止一个。温忠麟（2017）在讨论因果分析的变量控制时， 假设已经明确要研究原因X对结果Y的影响， 然后根据第三个变量Z的位置分别做出讨论。当Z是X的前置变量时， 可能产生虚假效应; 当Z与X并列时， 可能出现未分解效应; 当Z位于X与Y之间时， 可能带来中介效应。文中关注的焦点是何时需要控制第三变量的问题。

Kraemer等人（2001）在讨论风险因素的共同作用时， 将其中的风险因素分为独立（independent）、重叠（overlapping）和代理（proxy）风险因素， 以及中介变量（mediator）和调节变量（moderator）。为了说明其代理风险因素的含义， 同时考虑风险因素X及其前置变量（或者并列变量） Z对结果Y的效应， 如果此时X对Y的效应不再显著（即Z是Y的优势风险因素）， 则称X是Z的代理风险因素。下面讨论多个影响因素的共同作用， 主要是两个影响因素的情形。

假设已知变量X和Z是变量Y的影响因素（即X对Y的影响显著， Z对Y的影响也显著）。借鉴前人研究， 根据X与Z是否相关、是否有先后顺序进行分类。

4.1" 两个影响因素不相关

当Y的两个影响因素X和Z不相关时， 不论X和Z是否有先后顺序， X和Z都是Y的独立影响因素（图2a）， 影响效应各自解释。例如， 女性和非裔美国人体重超标的人比较多， 因而性别（X）和族裔（Z）是肥胖（Y）的风险因素（即影响因素）， 而性别与族裔不相关（Kraemer el al.， 2001）。

如果X与Z没有先后顺序， 其中一个影响因素可以是调节变量（James amp; Brett， 1984; 温忠麟 等， 2005）例如， Z为调节变量， 即X对Y的影响关系受到Z的影响（图2b）。如果X在Z之前， X可以是调节变量， 即Z对Y的影响关系受到X的影响（图2c）。例如， 性别和青春期阶段影响学生自我控制， 性别与青春期阶段不相关， 性别在前、青春期阶段在后， 性别调节青春期阶段对自我控制的影响。

如果X是风险因素， Z是保护性因素， 图2a相应的模型也称为补偿模型， 图2b相应的模型也称为保护模型或交互模型（金灿灿 等， 2011）。这就从更大的视野看到补偿模型和保护模型的所属类型。

4.2" 两个影响因素相关但没有先后顺序

当Y的两个影响因素X和Z相关但没有先后顺序时， 有三种可能的情况。第一种情况如图3a所示， 两个影响因素相关， 同时考虑两个因素的影响时， 两个因素都显著。参考Kraemer等人（2001）对共同风险因素的分类， 可以称X和Z是重叠影响因素。这里所谓的重叠只是部分重叠。当两个影响因素相关较高时， 可以考虑整合成一个外延更大的影响因素。例如， 家庭社会地位（X）和经济地位（Z）都是学生学业成绩（Y）的影响因素， 而X和Z相关， 因而是两个重叠影响因素， 在教育评价中将其整合为家庭社会经济地位， 作为学生学业成绩的一个影响因素。更一般地， 可以在多个相关高的影响因素中通过因子分析提取公因子作为整合的影响因素。在Kraemer等人（2001）的例子中， 抑郁症两个测量指标——汉密尔顿量表得分（A）和Beck量表得分（B）， 作为自杀未遂（O）的两个重叠风险因素。

第二种情况如图3b所示， 两个影响因素X和Z相关但没有先后顺序， 同时考虑它们对Y的影响时， 只有X的影响显著， 而Z的影响不显著（即X是主导影响因素）。这说明， Z对Y的影响完全是由于它们都与X相关引起的， 全部属于未分解效应（侯杰泰 等， 2004; 温忠麟， 2017）。参考Kraemer等人（2001）对共同风险因素的分类， 可以称Z是X对Y的代理影响因素。例如， 父母心理控制和行为控制都是亲子冲突的影响因素， 这两个相关的因素同时考虑时， 行为控制的影响不再显著（何妍， 2020）， 即心理控制是主导因素， 因而行为控制是心理控制的代理影响因素。

第三种情况如图3c所示， 两个相关但没有先后顺序的影响因素中可以考虑调节作用。例如， 父母教养压力（X）和配偶协同教养行为（Z）相关， 都是教养投入（Y）的影响因素。有研究表明， 配偶协同教养行为调节另一方父母教养压力与教养投入的关系（刘思含 等， 2023）。

4.3" 两个影响因素相关且有先后顺序

当Y的两个影响因素X和Z相关且有先后顺序时， 有三种可能的情况。第一种情况如图4a所示，"X和Z相关且X在Z之前， 即X影响Z， 而Z影响Y， 因而Z是X影响Y的中介变量。同时考虑X和Z的对Y的影响时， 效应都显著， 即直接效应还显著， Z起到了部分中介作用（Baron amp; Kenny， 1986）。例如， 亲子沟通在家庭功能与心理控制之间起到部分中介作用（何妍， 2020）。

第二种情况如图4b所示， X和Z相关且X在Z之前， 即X影响Z， 而Z影响Y， 因而Z是X影响Y的中介变量。同时考虑X和Z的对Y的影响时， X对Y的直接效应不显著（即Z是主导影响因素）， Z起到了完全中介作用（Baron amp; Kenny， 1986）。例如， 愤怒反刍在青少年受欺负与主动性攻击之间起到完全中介作用（吕沐华 等， 2023）。

第三种情况如图4c所示， 与上面第二种情况不同的是， 同时考虑X和Z的对Y的影响时， Z对Y的效应不显著（即X是主导影响因素）， 只有直接效应显著， 这说明， Z对Y的影响完全是由它们的共同影响因素X引起的， 属于虚假效应（侯杰泰 等， 2004; 温忠麟， 2017）。参考Kraemer等人（2001）对共同风险因素的分类， 可以称Z是X对Y的代理影响因素。例如， 小学生的年龄与年级都影响智力， 而且是年龄影响年级（反过来不成立）。同时考虑年级与年龄的对智力的影响， 年级的效应不再显著（温忠麟， 2017）， 因而年级是年龄的代理影响因素。

4.4" 小结

本节讨论了Y的两个影响因素X和Z共同作用的9种可能情况。除了独立影响和重叠影响外， 其余7种情况， 中介变量和代理影响因素各有2种情况， 调节变量有3种情况。因为独立影响和重叠影响的研究结果比较平庸， 代理影响比较罕见， 所以涉及多重影响因素的研究大多数都会包含中介变量或者调节变量， 这就可以从理论上解释为什么包含中介或者调节的实证文章那么多（温忠麟 等， 2024）。

中介变量的两种情况（部分中介和完全中介）容易区分， 就是看直接效应是否显著， 有关是否要区分部分中介和完全中介的讨论， 可参考温忠麟和叶宝娟（2014）的文章。调节变量的3种情况， 主要源自两个影响因素没有先后顺序的情况， 无论它们之间是否相关， 都可能成为调节变量。在某些罕见的情况下， 图4a和图4b中的X也可能是Z与Y关系的调节变量。但在一个模型中， 一个变量一般不能同时是另外两个变量关系的中介变量和调节变量。

代理影响因素的两种情况， 区别在于两个影响因素有无先后顺序， 没有先后顺序的情况， 与未分解效应对应; 有先后顺序的情况， 与虚假效应对应。没有先后顺序的情况， 代理影响因素旁边往往有一个更加强大的占主导地位的影响因素， 此时代理影响因素的作用可以忽略。有先后顺序的情况， 代理影响因素往往是一个外延更大的影响因素的一个分量（Kraemer et al.， 2001）。例如， 言语、推理是智力的分量， 是智力的代理， 都会影响学业成绩。

当X影响Z时， Z是中介变量还是代理影响因素， 就看Z为主导因素还是X为主导因素， 如果是前者则Z是（完全）中介变量（图4b）， 如果是后者则Z是代理影响因素（图4c）。

当影响因素不止两个时， 可以逐一分析增加的影响因素与模型中已有的影响因素的关系， 建立适当的模型。这时， 可能出现链式中介、并行中介、有调节的中介、多重调节等。

5" 讨论

温忠麟（2017）试图通过因果概念的扩张来包含影响关系： “社科中的因果， 通常是一果多因， 而且是或然性的， 普遍的做法是把原因X说成是影响结果Y的因素”。但也就这么一句话轻轻带过， 并没有定义影响关系。扩张前后如果使用同一个概念， 容易引起混乱。为了与原有概念区分， 也为了研究者有共识， 给扩张后的概念起一个名字很有必要。例如， 自然数概念扩张包含负数后， 称为整数。影响关系可以理解为因果关系的扩张（即广义的因果关系）， 给一个明确的界定很有必要。

虽然文献上早已有影响关系和影响因素的概念， 但无论是研究方法论著还是常见的网上百科词条， 都未有发现对这两个概念的严格定义。由于缺乏对影响关系的定义， 使得影响关系的含义模糊不清。有人将其等同于相关关系， 有人将其等同于因果关系， 无论哪种情况， 都会带来问题， 尤其是在中介效应研究中问题更加突出。有了影响关系的严格界定， 许多问题就会迎刃而解。本文首次将影响关系定义为有方向的相关关系， 并指出风险因素和保护性因素是影响因素的两种特例。

影响关系的确立， 一是方向性， 二是相关性。本文提供了分辨两个变量先后顺序的若干理据， 是建立影响关系模型的基础; 统计分析可以检验变量之间的相关性。影响关系的统计分析包括常见的差异检验、相关分析、回归分析和路径分析， 根据变量类型和影响因素多少而定。

回归分析中的自变量和因变量， 也有方向性， 这个方向性是统计意义上的。两个相关的变量， 就可以将其中一个作为自变量， 另一个作为因变量， 建立回归模型。但这种方向性不一定是影响关系中的方向性。影响关系中的方向性需要有理据， 并且会以这个方向性进行回归分析等建模。就是说， 影响关系的方向性必能成为回归模型的方向性; 但反过来， 一个回归模型的方向性， 未必能成为影响关系的方向性。例如， 可以用学生掌握的英语单词量预测其TOEFL考试成绩， 也可以反过来用TOEFL考试成绩去预测单词量， 并且两个回归模型的解释率R平方一模一样。但只能说单词量影响TOEFL考试成绩， 不能反过来说TOEFL考试成绩影响单词量。

Kraemer等人（2001）强调， 代理风险因素是风险因素。同理， 代理影响因素也是影响因素。如果知道它是哪个影响因素的代理， 就不需要它了， 否则找到代理影响因素也是有意义的。一方面， 可以通过代理影响因素继续探索其代理的影响因素; 另一方面， 代理影响因素也可以对结果变量做出预测， 干预代理影响因素也可能影响结果变量。

因为因果关系一定是影响关系， 所以用影响的术语解释因果关系没有问题。例如， A是B的原因， 或者A的出现导致B出现， 可以说A影响B。但不能将影响等同于因果， 如果有人说A影响B， 就不能将其理解为A与B一定有因果关系。与“A影响B”类似的表述“A制约B”、“A决定B”， 都不能等同于A是B的原因。例如， 圆半径决定圆周长， 但圆周长与圆半径之间不是因果关系。

不同的影响关系接近因果关系的程度可能不同。有的影响关系比较接近因果关系， 例如抑郁影响自杀倾向; 有的影响关系比较接近相关关系， 例如， 固定矩形的宽度， 长度影响面积。另一方面， 对同一个影响关系， 不同的研究结果接近因果关系的程度可能不同。如果提出的建模理据比较充分、变量控制得当， 得到的影响关系就会比较接近因果关系， 否则会比较接近相关关系。一项影响关系研究， 越是接近因果关系， 可以提供越多的信息（内涵越丰富）， 越可能受到重视。

作为研究者， 应当尽可能选择相关性较高的影响关系进行研究， 并为方向性提供尽可能充分的理据。在研究设计、研究方法和统计分析等环节， 尽可能控制无关变量， 辨别代理影响因素并消除虚假效应， 以得到比较接近因果的影响关系。

作为审稿人， 可以根据影响关系的相关性程度（与效应量有关）、变量先后顺序的理据、控制虚假效应的严密程度评价影响关系接近因果关系的程度， 作为判断一项研究优劣的一项指标。这样， 更接近因果关系的研究， 将更有机会发表在较好的期刊。

参" 考" 文" 献

Affuso， G.， Zannone， A.， Esposito， C.， Pannone， M.， Miranda， M. C.， De Angelis， G.， ... Bacchini， D. （2023）. The effects of teacher support， parental monitoring， motivation and self-efficacy on academic performance over time. European Journal of Psychology of Education， 38（1）， 1−23.

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

Cheng， C.， amp; Huang， X. （2021）. The influence of individually- oriented courage on middle school students’ academic achievement： The mediating roles of problem-solving and help-seeking coping styles. Psychological Development and Education， 37（1）， 60−67.

[程翠萍， 黄希庭. （2021）. 个人取向勇气对中学生学业成就的影响： 问题解决和求助应对方式的中介作用. 心理发展与教育， 37（1）， 60−67.]

Cook， T. D.， Campbell， D. T.， amp; Day， A. （1979）. Quasi- experimentation： Design amp; analysis issues for field settings （Vol. 351）. Boston： Houghton Mifflin.

Davis， J. （1985）. The logic of causal order. Newbury Park， CA： Sage Publications.

Fisher， R. A. （1935）. The design of experiments. Edinburgh： Oliver and Boyd.

Hau， K. T.， Wen， Z.， amp; Cheng， Z. （2004）. Structural equation model and its applications. Beijing： Educational Science Publishing House.

[侯杰泰， 温忠麟， 成子娟. （2004）. 结构方程模型及其应用. 北京： 教育科学出版社.]

He， Y. （2020）. The influence of parental control on adolescents’ adaptation and intervention （Unpublished doctorial dissertation）. Beijing Normal University.

[何妍. （2020）. 父母控制对青少年适应的影响及干预研究 （博士学位论文）. 北京师范大学.]

Hu， Q.， Huang， L.， amp; Li， J. （2023）. How tradition and new life coexist： A study on the relationship between tourists’ authenticity experience and loyalty. Human Geography， 38（5）， 180−190.

[胡其波， 黄丽满， 李军. （2023）. 传统与新生何以融合并存——基于代际差异的旅游者真实性体验与忠诚度的影响关系研究. 人文地理， 38（5）， 180−190.]

Jacobs Jr， D. R.， Woo， J. G.， Sinaiko， A. R.， Daniels， S. R.， Ikonen， J.， Juonala， M.， ... Dwyer， T. （2022）. Childhood cardiovascular risk factors and adult cardiovascular events. New England Journal of Medicine， 386（20）， 1877−1888.

James， L. R.， amp; Brett， J. M. （1984）. Mediators， moderators and tests for mediation. Journal of Applied Psychology， 69（2）， 307−321.

Jin， C.， Zou， H.， amp; Li， X. （2011）. Protective and risk factors and their cumulative effect of adolescents’ social adjustment. Journal of Beijing Normal University （Social Sciences）， （1）， 12−20.

[金灿灿， 邹泓， 李晓巍. （2011）. 青少年的社会适应： 保护性和危险性因素及其累积效应. 北京师范大学学报（社会科学版）， （1）， 12−20.]

Ke， J.， Sun， M.， amp; Li， Y. （2009）. Psychological capital： Chinese indigenous scale’s development and its validity comparison with the western scale. Acta Psychologica Sinica， 41（9）， 875−888.

[柯江林， 孙健敏， 李永瑞. （2009）. 心理资本： 本土量表的开发及中西比较. 心理学报， 41（9）， 875−888.]

Kraemer， H. C.， Stice， E.， Kazdin， A.， Offord， D.， amp; Kupfer， D. （2001）. How do risk factors work together？ Mediators， moderators， and independent， overlapping， and proxy risk factors. American Journal of Psychiatry， 158（6）， 848−856.

Liekefett， L.， Christ， O.， amp; Becker， J. C. （2023）. Can conspiracy beliefs be beneficial？ Longitudinal linkages between conspiracy beliefs， anxiety， uncertainty aversion， and existential threat. Personality and Social Psychology Bulletin， 49（2）， 167−179.

Liu， S.， Wu， X.， Wang， X.， amp; Ying， J. （2023）. The association between parenting stress and parental involvement： Do partner’s coparenting behaviors matter？ Journal of Psychological Science， 46（4）， 857−864.

[刘思含， 伍新春， 王歆逸， 应洁峰. （2023）. 父母教养压力对教养投入的影响： 配偶协同教养行为的调节效应. 心理科学， 46（4）， 857−864.]

Lyu， M.， Xiong， Y.， Yang， L.， Chen， J.， Wang， Q.， amp; Ren， P. （2023）. Effects of victimization on proactive and reactive aggression among early adolescents： The mediating roles of anger rumination and sadness rumination. Studies of Psychology and Behavior， 21（6）， 799−806.

[吕沐华， 熊昱可， 杨柳， 陈嘉慧， 王泉泉， 任萍. （2023）. 受欺负对青少年主动性攻击及反应性攻击的影响： 愤怒反刍和悲伤反刍的中介作用. 心理与行为研究， 21（6）， 799−806.]

Mega， C.， Ronconi， L.， amp; De Beni， R. （2014）. What makes a good student？ How emotions， self-regulated learning， and motivation contribute to academic achievement. Journal of educational psychology， 106（1）， 121−131.

Mo， L.， Wen， Z.， amp; Chen， C. （2007）. Psychological research methods. Guang zhou： Guangdong Higher Education Press.

[莫雷， 温忠麟， 陈彩琦. （2007）. 心理学研究方法. 广州： 广东高等教育出版社.]

Niedenthal， P. M.， Hampton， R. S.， amp; Marji， M. （2023）. Ancestral diversity： A socioecological account of emotion culture. Current Directions in Psychological Science， 32（2）， 167−175.

Ruisch， B. C.， Anderson， R. A.， Inbar， Y.， amp; Pizarro， D. A. （2021）. A matter of taste： Gustatory sensitivity predicts political ideology. Journal of Personality and Social Psychology， 121（2）， 394−409.

Shu， H.， amp; Zhang， Y. （2008）. Research methods in psychology： Experimental design and data analysis. Beijing： People’s Education Press.

[舒华， 张亚旭. （2008）. 心理学研究方法： 实验设计和数据分析. 北京： 人民教育出版社.]

Wang， H.， Wang， M.， Wen， Z.， Wang， Y.， amp; Fang， J. （2022）. Which comes first？ Modeling the longitudinal association between mindfulness and neuroticism. Personality and Individual Differences， 184， 111226.

Wang， T. （2006）. Causal analysis in social research. Sociological Studies， （4）， 132−156.

[王天夫. （2006）. 社会研究中的因果分析. 社会学研究， （4）， 132−156.]

Wen， Z. （2017）. Causal inference and analysis in empirical studies. Journal of Psychological Science， 40（1）， 200−208.

[温忠麟. （2017）. 实证研究中的因果推理与分析. 心理科学， 40（1）， 200−208.]

Wen， Z.， Hau， K. T.， amp; Chang， L. （2005）. A comparison of moderator and mediator and their applications. Acta Psychologica Sinica， 37（2）， 268−274.

[温忠麟， 侯杰泰， 张雷. （2005）. 调节效应与中介效应的比较和应用. 心理学报， 37（2）， 268−274.]

Wen， Z.， Liu， F.， Zheng， Y.， Liao， X.， amp; Huang， Y. （2024）. Why are there so many empirical articles on moderating or mediating effects？ Chinese Journal of Applied Psychology， 30（4）， 291−297.

[温忠麟， 刘方， 郑渊丹， 廖心怡， 黄亦南. （2024）. 为何调节效应或中介效应的实证文章那么多？ 应用心理学， 30（4）， 291−297.]

Wen， Z.， amp; Ye， B. （2014）. Analyses of Mediating Effects： The Development of Methods and Models. Advances in Psychological Science， 22（5）， 731−745.

[温忠麟， 叶宝娟. （2014）. 中介效应分析： 方法和模型发展. 心理科学进展， 22（5）， 731−745.]

Xie， J.， Wen， Z.， Shen， J.， Tan， Y.， Liu， X.， Yang， Y.， amp; Zheng， X. （2023）. Longitudinal relationship between prosocial behavior and meaning in life of junior high school students： A three-wave cross-lagged study. Journal of Adolescence， 95（5）， 1017−1032.

Ye， B.， amp; Fang， X. （2017）. The effects of cultural intelligence on minority preparatory undergraduates’ subjective well- being： The chain mediating effect of bicultural identity integration and acculturative stress. Journal of Psychological Science， 40（4）， 892−897.

[叶宝娟， 方小婷. （2017）. 文化智力对少数民族预科生主观幸福感的影响： 双文化认同整合和文化适应压力的链式中介作用. 心理科学， 40（4）， 892−897.]

You， J.， Liu， H.， Liu， X.， Zhai， D.， amp;Yang， L. （2022）. Influencing factors of suicidal ideation and suicide attempt among college students—Based on the integrated motivational-volitional model of suicidal behavior. Chinese Journal of Clinical Psychology， 30（4）， 944−948.

[尤静， 刘海玲， 刘新春， 翟得康， 杨丽. （2022）. 大学生自杀意念和自杀尝试影响因素分析——基于自杀行为的整合动机意志模型. 中国临床心理学杂志， 30（4）， 944−948.]

The influence relationship among variables and types of

multiple influence factors working together

WEN Zhonglin， WANG Yifan， MA Peng， MENG Jin

（Center for Studies of Psychological Application/School of Psychology， South China Normal University， Guangzhou 510631， China）

Abstract

The investigation of relationships among variables is the main focus of empirical research in psychology and other social science disciplines. Many empirical studies based on questionnaire surveys involve the influence relationship between variables. However， the lack of a universally accepted definition for this concept has led to ambiguity， and it is often conflated with causal or correlational relationships， which may cause problems， especially for studies on mediating effects.

This article defines the influence relationship as a directional correlation， elucidating relations between correlation， influence， and causation in terms of denotation and connotation. Risk factors and protective factors are both influence factors of a negative outcome， and the impact increases with the level of a risk factor and decreases with that of a protective factor.

We summarize several ways to find evidence for modeling the influence relationship： （1） establishing directionality based on the temporal sequencing of variable occurrences; （2） testing the explanatory power by reversing the order of variables; （3） following the rule that object variables tend to influence subject variables; （4） considering attributes of variables （e.g.， essential vs. state attributes， long-term vs. temporary attributes; stable vs. unstable attributes） to predict their influence; （5） gaining evidence from theoretical or empirical literature; （6） obtaining support from life experience and common sense; （7） reasoning through analogies; （8） applying principles of cross-lag analysis to identifying dominant factors.

Furthermore， we categorize multiple influence factors working together. These include independent effects， overlapping effects， two types of proxy effects， two types of mediating variables， and three types of moderating variables. These distinctions clarify how different influence factors work together to shape outcomes.

Some influence relationships exhibit characteristics akin to causal relationships， while others resemble correlation patterns. The degree to which different studies capture influence relationships close to causation may differ， affecting the quality of the research. Closer proximity to causal relationships enhances the informational value and significance of findings.

Keywords" influence relationship， correlation relationship， causal relationship， influence factor， mediator， moderator

附录：

向目前最新版本的ChatGPT-4进行查询：“什么是影响关系？” （What is affect relationship， impact relationship， or influence relationship？）得到的回答（英文）

输入：

What is affect relationship， impact relationship， or influence relationship？

结果：

The terms \"affect relationship，\" \"impact relationship，\" and \"influence relationship\" refer to different types of interactions or connections between entities where one entity has an effect on another. These terms， though related， can have slightly different connotations in various contexts：

1. **Affect Relationship**： This term is less common but could be used to describe how one entity emotionally influences another. In psychology， \"affect\" refers to the experience of feeling or emotion. Therefore， an \"affect relationship\" could pertain to how the emotional state of one person or group influences the emotional state of another.

2. **Impact Relationship**： This term emphasizes the effect or outcome of one entity’s actions on another. It implies a more significant， sometimes more measurable change. For example， environmental policies may have a direct impact on pollution levels， denoting a clear cause and effect scenario.

3. **Influence Relationship**： This refers to the power or ability of one entity to affect the decisions， behavior， or development of another. This term is broader and can encompass both subtle and direct effects. For example， a leader might influence their team’s morale and productivity without explicitly dictating their actions.

Each of these terms can be applied in different fields such as psychology， sociology， business， and politics， depending on the nature of the interaction and the degree of effect one entity has on another. These relationships are fundamental to understanding dynamics within systems， groups， and individual interactions.