34篇因果推断经验研究-中介效应论文方法/应用+8大命令资源推荐
1、9篇中介效应检验方法论文推荐
2、《中国工业经济》/《数量经济技术经济研究》论文应用--25篇
推荐23篇2017-2023年《中国工业经济》上进行中介效应检验论文目录 (qq.com)
主流中介效应检验方法汇总——基于25篇2017-2023年《中国工业经济》上论文 (qq.com)
主要论文命令分析
论文1、绿色金融助推企业绿色技术创新的演化博弈动态分析和实证研究，中国工业经济，2023年第06期
该论文使用Bootstrap法进行相关检验。
代码为：
论文2、企业金融资产的配置动机：基于产权性质与异质性股东参股的分析，中国工业经济，2023年第02期
该论文使用Sobel检验方法进行分析
sgmediation wtobinqc_pr if sco==1 & HGX==1,mv(wfinasslong) iv(wxprivatecgpr ) cv(wsizea wlev wcapint wintint wcf cgpro same wtover wgdpgr marketa1 year_2-year_12 indb_2-indb_48)
论文3、知识产权保护与企业创新信息困境，中国工业经济，2022年第06期
论文4、生态位宽度、观众感知与市场绩效——来自中国电影市场的证据，中国工业经济，2021年第11期
中介效应**
sgmediation satisfaction_d , mv( concensus ) iv( ln_niche) cv( director star Dangqi country faxing banshi xuji duringtime days yr* )
bootstroop检验中介效应****
set seed 13
bootstrap r(ind_eff) r(dir_eff), reps(500) : ///
sgmediation satisfaction_d, mv( concensus ) iv( ln_niche) cv( director star Dangqi country faxing banshi xuji duringtime days yr*)
estat bootstrap, percentile bc //计算置信区间
论文5：企业数字化、专用知识与组织授权，中国工业经济，2020年第09期
论文6：援助结构、领导力与产业扶贫绩效，中国工业经济，2021年第06期
论文7：共同机构所有权与企业盈余管理，中国工业经济，2021年第06期
论文8：研发背景高管权力与公司创新，中国工业经济，2021年第04期
论文9：同行MD&A语调对企业创新投资的溢出效应，中国工业经济，2021年第03期
论文10、高质量进口能带来成本节约效应吗，中国工业经济，2020年第10期
论文11、企业数字化、专用知识与组织授权，中国工业经济，2020年第09期
2、命令及方法推荐
Stata：中介效应之sgmediation操作 (qq.com)
《中国工业经济》+《管理世界》_四段式中介效应论文推荐 (qq.com)
Stata：8大中介效应检验命令大比拼_逐步系数检验+两步法+sobel检验+khb+medsem等 (qq.com)
1、逐步检验回归系数方法 2、两步法 3、sobel检验sgmediation命令 4、基于bootstrap的sobel检验 5、结构方程中介效应检验，medsem命令 6、khb方法 7、sgmediation2命令 8、med4way中介效应检验方法
3、语法格式以及命令汇总
3.1 sobel检验sgmediation命令-Sobel-Goodman mediation tests
语法格式为：
sgmediation depvar [if exp] [in range] , mv:(mediatorvar) iv(indvar) [ cv(covarlist) quietly ]
选项含义为：
depvar表示因变量 mv:(mediatorvar) 表示用于指定中介变量 iv(indvar) 表示用于指定自变量 cv(covarlist)表示用于指定控制变量
3.2 基于bootstrap的sobel检验
bootstrap r(ind_eff) r(dir_eff), reps(1000): sgmediation science, mv(read) iv(math)
estat bootstrap, percentile bc
3.3、结构方程中介效应检验，medsem命令
首先下载安装该命令：
ssc install medsem，replace
命令medsem是专门用于sem命令之后计算中介效应的。
语法格式为:
medsem - Mediation analysis using structural equation modelling
medsem, indep(varname) med(varname) dep(varname) [mcreps(number) stand zlc rit rid]
选项含义为:
indep(varname)代表解释变量(X); med(varname)代表中介变量(M); dep(varname)代表被解释变量(Y)； mereps(number)指定蒙特卡罗复制的数量，默认是样本的数量大小； stand指定输出标准化的系数。当省略这一项时，默认输出非标准化系数； zlc用于指定(Zhao et al..，2010)的中介效应估计方法，当省略这一选项时，默认是(Iacobucci et al. (2007))改进的BK方法。 选项rit用于指定输出中介效应与总效应之比，即rit, ratio of the indirect effect to the total effect rid，即 rid用于指定输出中介效应与直接效应之比。
3.4 khb方法
khb该方法是为二进制、logit和probit模型开发的，但该命令还包括其他非线性概率模型(有序和多项)和线性回归。
线性模型所描述的策略不能用于非线性概率模型，如logit和probit，因为这些模型的估计系数在不同模型之间是不可比较的。原因是这些模型的一个特性引起了模型的重新缩放:系数和误差方差没有单独识别。
khb方法解决了这个问题。它允许对GLM框架的许多模型(包括logit、probit、logit、oprobit和mlogit)的嵌套模型的效果进行比较。
khb方法主要用于logit和probit模型的各种变体。但是，它也可以用于线性回归，在这种情况下，它返回与标准技术相同的结果。因此，KHB只是一种使用单个命令进行分解的方便方法。
语法格式为：
khb model-type depvar key-vars || z-vars [if] [in] [weight] [ , options ]
模型类型可以是regression、logit、logit、probit、oprobit、cloglog、{help logit}、scobit、rologit、clogit、xtlogit、xtprobit和mlogit中的任何一种。其他模型也可能产生输出，但目前这种输出被认为是“实验性的”。
depvar是因变量的名称， key-vars是包含要分解的变量名称的变量列表， z-vars是包含感兴趣的控制变量名称的变量列表。 Factor variables允许使用因子变量。z变量的因子变量只允许在Stata 12或更高版本中使用。如果指定了option -xstandard-，则不允许key-vars使用因子变量。如果在指定的模型类型中允许，则允许使用aweights, fweights, iweights, and pweights Concomitant(varlist)指定控制变量不是中介变量，允许因子变量。 Disentangle请求一个表，该表显示每个控制变量提供的完整模型（总效应）和简化模型（直接效应）之间的差异有多大。 Summary请求所有自变量的分解情况。 默认情况下，khb报告完整模型和简化模型的效果、它们的差异以及它们的标准误。通过Summary选项，khb还提供了一个表，显示混淆比率（confounding ratios）、由于混杂而减少的百分比和缩放因子（rescale factor）。
3.5 sgmediation2命令
下载安装
To install in Stata:
net install sgmediation2, from("https://tdmize.github.io/data/sgmediation2")
Once installed, to read the help file (also available here):
help sgmediation2
案例应用代码汇总
use "https://tdmize.github.io/data/data/cda_ah4"
* 删除缺失值
drop if missing(health, edyrs, income, race, woman, age)
sgmediation2 health, iv(edyrs) mv(income)
*加入控制变量
sgmediation2 health, iv(edyrs) mv(income) cv(i.race i.woman age)
*允许使用加权和多重插补的数据
Add survey weights already set with svyset
sgmediation2 health, iv(edyrs) mv(income) cv(i.race i.woman age) prefix(svy:)
*获取聚类方差估计Obtain cluster robust variance estimates for clustering on occcat
sgmediation2 health, iv(edyrs) mv(income) cv(i.race i.woman age) vce(cluster occcat)
*Use bootstrapping to obtain standard errors and confidence intervals
bootstrap r(ind_eff) r(dir_eff) r(tot_eff), reps(1000): sgmediation2 health, iv(edyrs) mv(income) cv(i.race i.woman age)
*Obtain bias-corrected and percentile confidence intervals based on the bootstrapped samples
\\用百分位数表示和偏差修正的置信区间
estat bootstrap, bc percentile
3.6 、med4way中介效应检验方法
安装和数据下载命令如下：
. net install med4way, from("https://raw.githubusercontent.com/anddis/med4way/master/") replace
. help med4way
*-下载范例数据
net get med4way, from("https://raw.githubusercontent.com/anddis/med4way/master/")
语法结构如下：
med4way depavr varlist [if] [in], a0(real) a1(real) m(real) yreg(string) mreg(string)
depvar表示被解释变量；
varlist：依次为暴露因素、中介变量 、多个混杂因素（可有可无，视情况而定）
