遮掩效應的統計分析框架及其應用

劉振亮 劉田田 沐守寬

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

關鍵詞 遮掩效應;中介效應;虛無假設;研究困境

分類號B849

DOI： 10.16842/j.cnki.issn2095-5588.2021.10.004

在心理學研究中，當自變量X與因變量Y或預測變量與結果變量之間無關時，研究者通常會放棄繼續探討變量間的關系，如此決策符合傳統的研究邏輯，但此時，研究者也在主觀上拒絕了X與Y存在額外關系的可能，更不會去繼續探索X與Y之間無關的潛在原因。Horst（1941）首次使用遮掩（Suppression）概念回答了變量間不存在顯著關系的問題。他認為，X與Y之間不存在顯著關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），這種現象被命名為遮掩效應（Suppression Effect）（Mackinnon， Krull， & Lockwood， 2000; MacKinnon & Lamp， 2021）。遮掩效應主要回答為什么感興趣的變量關系不顯著的問題（溫忠麟，劉紅云，2020; Shrout & Bolger， 2002）。自Horst（1941）提出遮掩概念以來，經過80年的發展與演變，許多學者已經重新對它進行了界定與完善（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上討論遮掩概念，很少關注遮掩概念如何幫助研究者擴展研究思路，解決研究困境——自變量與因變量無關的情況。

由于遮掩效應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注意到它的實踐價值并將其應用到實證研究中。在中國知網（期刊數據庫）中，以“中介”和“遮掩”為搜索詞在“篇關摘”中進行搜索，發現73篇中文文獻中報告了遮掩效應。同樣，在Scopus數據庫中，以“mediation”和“‘suppression effect or ‘suppressor or ‘suppressor variabl”為搜索詞在“篇關摘”中進行搜索，發現312篇外文文獻中報告了遮掩效應，且相關文獻量正在呈逐年上升趨勢?？梢姡絹碓蕉嗟难芯空唛_始接受虛無假設為真的情況，并探討這種不顯著背后的潛在原因。但遺憾的是，由于遮掩效應常常被視為中介效應的一種特例，其作用往往被弱化與忽視。因此，本文的主要目的是，系統地介紹遮掩效應的基本原理、分析邏輯以及在實際研究中的應用，為研究者們打破研究困境提供一個替代性思路。

1遮掩效應的基本原理

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

Y=cX+ε1（1）

S=aX+ε2（2）

Y=c′X+bS+ε3（3）

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

c=c′+ab（4）

其中，直接效應c′與間接效應ab的符號方向是相反的，二者之和的總效應c值接近于0，因此，在系數檢驗時，c不顯著。在遮掩效應中，X與Y的關系被認為是由相關部分和無關部分組成，遮掩變量的加入是在總效應中減去無關部分，突顯相關部分（McFatter， 1979），所以，結果的表象是直接效應增強，即|c|<|c′|。此時，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的效應值以至于總效應不顯著。

從以上基本原理可知，遮掩效應有三個明顯特點：（1）當不考慮遮掩變量時，自變量與因變量之間無相關關系或自變量對因變量的影響不顯著，這是遮掩效應成立的前提（溫忠麟，葉寶娟，2014; Mackinnon et al.， 2000）;（2）當加入遮掩變量后，自變量對因變量影響的間接效應顯著且與直接效應的方向相反（Mackinnon et al.， 2000）。由于兩種效應的方向相反，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中自變量對因變量影響的總效應不顯著的本質;（3）當加入遮掩變量后，自變量與因變量的關系程度會有所增加（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系由總效應向直接效應的轉變，因此，自變量與因變量的關系程度會表現出增強的現象。

2遮掩效應與中介效應的異同

遮掩效應與中介效應關系密切，有學者把遮掩效應視為廣義的中介效應（溫忠麟，劉紅云，2020），之所以如此，是因為二者之間有很多共通之處。它們均是間接效應的一種（溫忠麟，張雷，侯杰泰，劉紅云，2004; Mathieu & Taylor， 2006），共同探討第三個變量在自變量與因變量的關系間起到的連接作用，它們有著相同的數學表達式，即系數乘積項ab。更重要的是，檢驗中介效應的方法也同樣適用于遮掩效應，如逐步檢驗法和Bootstrap法等。

盡管兩種效應有很多相近之處，但它們之間有四點明顯的不同。

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

第二，前提不同。中介效應要求X對Y的總效應c是顯著的，而遮掩效應則正好相反，強調c是不顯著的。在這一點上，一些學者認為沒有必要糾結于c顯著與否的前提，因為無論c是否顯著，間接效應ab都可能是顯著的，如果直接效應與間接效應方向相反或兩個中介效應方向相反，都可能導致總效應不顯著（Preacher & Hayes， 2008; Shrout & Bolger， 2002; Zhao， Lynch Jr， & Chen， 2010）。

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

第四，直接效應與間接效應的方向不同。在中介效應中，直接效應與間接效應的方向相同，總效應大于直接效應，而在遮掩效應中，直接效應與間接效應的方向相反，總效應小于直接效應。表1總結了兩種效應的異同點。

從以上的異同點中不難發現，中介效應和遮掩效應適用于不同的研究情境。當自變量與因變量之間存在顯著關系時，第三變量起到中介作用，主要解釋了這種顯著關系的原因，如社會支持對社會幸福具有正向預測作用，此時，希望和孤獨感解釋了這種預測作用（姚若松，郭夢詩，葉浩生，2018）。而當自變量與因變量之間不存在顯著關系時，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”不能預測個體的求職行為，但當加入“職業成熟度”之后，“外控”可以通過“職業成熟度”間接影響求職行為（楊林會，張瑾，王滔，2019）。

3遮掩效應的示例分析

本文通過研究示例來進一步介紹遮掩效應的數據分析步驟以及結果解讀。示例來自Murayama和Elliot（2012）的研究1，它從個人層面探討了特質競爭（即與他人競爭的傾向性）（Elliot， Jury， & Murayama， 2018）與學業成績之間的關系以及成就目標在其中的遮掩效應。Murayama和Elliot（2012）發現，特質競爭不能預測學業成績，需要通過成就目標起間接作用。原文將成就目標區分為趨近目標與回避目標。為了分析邏輯清晰，此處通過逐步檢驗法和路徑分析法分別對研究數據進行演示分析。

3.1逐步檢驗法

在逐步檢驗法中，簡化了分析變量，只選取回避目標作為遮掩變量，通過SPSS進行分析演示。此時，特質競爭為預測變量，學業成績為結果變量，回避目標為遮掩變量。逐步檢驗法的具體分析步驟如下（見表2）：

首先，檢驗特質競爭對學業成績的總效應c。結果顯示，c=0.02，p=0.682，表明特質競爭對學業成績預測不顯著，即遮掩效應的前提成立。

其次，檢驗特質競爭對回避目標的回歸系數a。結果顯示，a=0.24，p<0.001，表明特質競爭正向預測回避目標。

再次，檢驗特質競爭與回避目標對學業成績的回歸系數c′和b。結果顯示，b=-0.13，p=0.037;c′=0.06，p=0.377，表明回避目標負向預測學業成績但特質競爭對學業成績預測不顯著。在總效應c不顯著的前提下，回歸系數a與b均顯著，且二者的乘積項ab與c′方向相反，說明遮掩效應成立。

最后，使用Bootstrap法檢驗遮掩效應系數ab的顯著性。在此方法中，如果95%的置信區間包括0，說明ab不顯著，反之，說明顯著。結果顯示，ab=-0.03，95%CI=[-0.068， -0.004]，表明遮掩效應系數ab顯著。以上結果表明，特質競爭與學業成績并不是沒有關系，而是需要通過回避目標建立起聯系，回避目標在其中起到了遮掩作用。

3.2路徑分析法

在路徑分析法中，選擇趨近目標和回避目標兩個遮掩變量，通過SPSS的Process（v3.3）插件（Hayes， 2018）演示較為復雜但常見的遮掩效應情況。Process插件的優勢在于可以一次性輸出遮掩效應的所有相關統計值，不需要額外計算，但其明顯的缺點是無法對潛變量的遮掩效應進行檢驗。如果讀者在實際使用中涉及潛變量的遮掩分析，可以在Mplus等結構方程模型軟件中實現（Valente， Rijnhart， Smyth， Muniz， & MacKinnon， 2020）。

本例以Process的模型4檢驗遮掩效應。模型4主要用于單一或多重平行中介效應的檢驗（最多允許10個中介變量）。在此分析示例中，輸入趨近和回避目標變量作為遮掩變量。圖1為標準化結果示意圖。特質競爭對學業成績的總效應不顯著（β=0.02， SE=0.95， p=0.701）。在加入趨近和回避目標后，特質競爭對學業成績的直接效應不顯著（β=-0.03， SE=1.04， p=0.65）;特質競爭分別正向預測趨近目標（β=0.43， SE=0.10， p<0.001）和回避目標（β=0.24， SE=0.11， p<0.001）;趨近目標與回避目標分別正向和負向預測學業成績（β=0.32， SE=0.80， p<0.001;β=-0.34， SE=0.77， p<0.001）。遮掩效應分析結果顯示，特質競爭趨近目標學業成績的間接（遮掩）效應顯著（β=0.14， SE=0.04， 95%CI=[0.06， 0.23]）;特質競爭回避目標學業成績的間接（遮掩）效應顯著（β=-0.08， SE=0.03， 95%CI=[-0.15， -0.04]）;總遮掩效應不顯著（β=0.05 總遮掩效應系數等于兩個平行遮掩效應的系數之和，即0.14+（-0.08）=0.06，這與此處給出的總效應系數0.05有出入。實際上，前兩個系數值是四舍五入后的結果，若保留四位小數的結果為0.1373和-0.0841，二者之和便是此處給出的結果0.0532。， SE=0.03， 95%CI=[-0.01， 0.12]）。在總效應不顯著的前提下，各遮掩效應間相互抵消，總遮掩效應系數與直接效應系數符號相反，說明趨近目標和回避目標共同遮掩了特質競爭與學業成績之間的關系。

4總結與討論

本文系統地介紹了遮掩效應，并將其與中介效應加以區分，明確了二者各自的用途，最后，通過具體事例說明其在實際研究中如何加以應用。本文的主要貢獻并非是理論深度上的探討，而是體現在實際應用價值上。本文的主要觀點是，當研究結果顯示自變量與因變量之間無關時，它并不意味著研究的結束，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關系。換言之，遮掩效應為打破研究僵局、解決研究困境提供了一個新的思路。

4.1虛無假設為真，遮掩效應成立的前提

研究者是否能夠拒絕或接受虛無假設受制于許多因素，如樣本（包括樣本量）、研究設計以及測量工具（或實驗任務）等。同一個研究主題，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論。假設研究者想要探討競爭是否能夠增加冒險行為，虛無假設是競爭不影響或減少冒險行為，備擇假設是競爭能夠增加冒險行為。一個研究發現，競爭能夠增加個體的冒險行為（Liu， Liu， & Mu， 2021），而另一個研究發現，競爭不會影響個體的冒險行為（Hangen， Elliot， & Jamieson， 2016）。前者拒絕了虛無假設，而后者接受了虛無假設，并在此基礎上進一步探討了其遮掩機制。但問題是，這些研究是否犯了Ⅰ型錯誤（即虛無假設為真，但拒絕了）或Ⅱ型錯誤（即虛無假設為假，但接受了）呢？從單一的研究中，我們很難來回答這些問題。一個可行的辦法是選擇恰當的樣本量并在相同或不同群體中重復驗證研究假設。另一個可行的方法是通過元分析進行系統的文獻梳理和科學統計來揭示變量間的真實關系，避免由于個別研究的誤差導致的錯誤結論。總之，在控制Ⅰ型錯誤或Ⅱ型錯誤之后，當虛無假設為真且被接受時，研究者探討遮掩效應才有意義。

4.2虛無假設為假，是否存在遮掩效應？

Conger（1974）重新界定了Horst（1941）提出的遮掩變量的概念，他認為，在回歸方程中，能夠使自變量對因變量的預測效用（即標準化回歸系數β）增強的新變量便是遮掩變量。擴展后的遮掩變量，不再受制于虛無假設為真的前提。一些研究者也在實際使用中報告了類似的現象（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顯著的結果，直接判斷某一變量起到遮掩作用呢？這是因為，Conger的遮掩概念主要關注原有變量的預測作用是否得到增強，并不關心原有變量間的關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， 將這種增強現象解釋為遮掩效應是沒有意義的（McFatter， 1979）， 因為此時遮掩變量的作用已經轉變成分解不顯著總效應的組成部分，探討其起到的間接效應。因此，在中介模型中分析遮掩效應不僅要滿足遮掩變量的增強現象，還要滿足總效應不顯著的前提。早期的研究者已經在中介分析過程中注意到了Conger界定的遮掩現象（Baron & Kenny， 1986; Judd & Kenny， 1981），但并未將其排除在中介分析之外。這是因為，當總效應c顯著時，即便某一變量增強了X對Y的預測作用，它揭示的機制依然是中介效應，而不是遮掩效應。而遮掩機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法將總效應c不顯著作為中介效應的排除標準?？傊?，在虛無假設為假的前提下，即便某一變量增強了原有變量的預測作用，其起到的作用依然是中介機制，而不是遮掩機制。

4.3中介變量與遮掩變量同時并存？

在討論中介效應和遮掩效應的關系時，一個重要的問題是，在同一個模型中，是否同時存在中介變量和遮掩變量呢？Mackinnon等（2000）認為，在復雜的中介模型（如X通過M1和M2兩個平行變量間接影響Y）中，可能同時存在中介變量和遮掩變量。從中介效應和遮掩效應中直接效應與間接效應的符號關系來看，這種觀點似乎是正確的。前者強調直接效應與間接效應的符號相同，而后者強調直接效應與間接效應的符號相反。如X對Y的直接效應系數符號為正，經過M1的間接效應符號為正，而經過M2間接效應符合為負，那么，M1為中介變量，M2為遮掩變量。但這種觀點忽略了兩種效應成立的前提，只有前提成立時，討論中介與遮掩概念才有意義。中介效應的前提是總效應c顯著，其回答的問題是為什么X影響Y，而遮掩效應的前提是總效應c不顯著，回答的問題是X為什么不影響Y。也就是說，如果想要在同一個模型中同時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，在任何一個模型中，不可能同時存在中介變量和遮掩變量。

4.4調節分析中是否存在遮掩變量

本文提出一個值得討論的問題，即在調節分析中是否存在遮掩變量。雖然以往學者沒有對調節效應的前提做出明確假設，但對其前提加以限定并區分是有必要的，正如中介效應與遮掩效應的區分一樣，當X與Y無關時，再去探討“X為什么影響Y”或“X對Y的作用機制是什么”的問題便不合適了（溫忠麟，葉寶娟，2014）。同樣，在調節分析中，當X與 Y存在顯著關系時，研究邏輯是影響這種顯著關系的因素是什么，而當二者無關時，研究問題的邏輯則應是導致這種不顯著關系的因素是什么。雖然這種觀點還有待于進一步討論，但從科研的實踐角度而言，它是可行的。當自變量與因變量無關時，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關系的一種潛在機制或影響因素。

4.5遮掩效應的應用與意義

本文結合實際數據對遮掩效應進行了系統介紹。本文舉例均以人格和個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。但在實際使用中，遮掩效應在心理學領域的適用范圍并非僅限于此，還可以適用于傳統行為實驗和認知神經科學等領域（Li et al.， 2018; Pirlott & MacKinnon， 2016; Yun， Wang， Fan， Yan， & Chen， 2021）。如在行為實驗中，研究者發現，實驗情境不能影響個體的任務表現，但可以通過影響情緒間接影響任務表現，此時，情緒在實驗情境與任務表現間起到遮掩作用。再如，在腦科學研究中，實驗操作并未引起研究者關注的大腦興趣區（如A腦區）的激活，但激活了與研究內容有關的B腦區，B腦區又與A腦區同時存在相關關系或因果關系，此時，B腦區的激活很可能遮掩了實驗操作與A腦區激活之間的關系。此外，遮掩效應的分析邏輯也同樣適用于干預類或訓練類的研究工作。總之，遮掩效應能夠被廣泛應用于心理學、行為學、社會學以及認知神經科學等眾多學科和領域。

自Horst（1941）提出遮掩概念以來已經在中介分析中得到了許多學者的廣泛關注，本文在此基礎上系統地介紹了遮掩效應的基本原理、分析邏輯及其應用，但由于虛無假設為真的前提導致其在實際應用上受到了很大阻礙。出現上述矛盾現象的主要原因是虛無假設為真的結果不利于文章發表，多數雜志也很少愿意接收此類文章，這種發表偏差導致的消極影響是，很少研究者愿意報告無顯著結果的工作（Simmons， Nelson， & Simonsohn， 2011）。虛無假設為真的現象一直是困擾多數研究者的重要問題。本文的主要目的是為解決此問題提供一個新的思路，即除了調整研究或放棄研究以外，研究者還可以探索這種不顯著關系背后的潛在機制。換句話說，虛無假設為真并非真的代表變量間不存在關系，它們之間或許只是需要通過遮掩變量建立聯系，遮掩變量在其中起到遮掩作用。總之，虛無假設被拒絕與否不應該成為研究者是否繼續研究的前提，顯著的變量關系應遵循顯著的研究邏輯，不顯著的變量關系也應有不顯著的探索視角，一味地迎合或推崇“顯著至上”，顯然不是科學的研究邏輯。而且，明確具體的研究目標和變量間的真實因果關系也有助于減少科學問題中的不確定性、數據分析中的錯誤以及對結果的過度解讀（Hernán， 2018）。因此，在科學嚴謹、實事求是的原則下，我們應該接受虛無假設為真的情況，并進一步探討可能導致這種現象的遮掩機制。

致謝：

感謝英國University of Reading心理學系的Kou Murayama教授提供數據作為本文的示例數據。

參考文獻

溫忠麟， 劉紅云 （2020）. 中介效應和調節效應： 方法及應用. 北京： 教育科學出版社.

溫忠麟， 葉寶娟 （2014）. 中介效應分析： 方法和模型發展. 心理科學進展， 22（5）， 731-745.

溫忠麟， 張雷， 侯杰泰， 劉紅云 （2004）. 中介效應檢驗程序及其應用. 心理學報， 36（5）， 614-620.

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

姚若松， 郭夢詩， 葉浩生 （2018）. 社會支持對老年人社會幸福感的影響機制： 希望與孤獨感的中介作用. 心理學報， 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