（2）基于MEDIATE插件的操作
Hayes等也建议使用MEDIATE插件，该插件提供了简单和并行多重中介分析的语言，只需要将Hayes等编辑的语言复制到语法栏中，进行修改即可。该方法同样适用于自变量为类别变量的中介分析，包括多个自变量、多个因变量和多个中介变量的多重中介分析，具体操作只需要对语法进行修改就可以。以下是基本语法：
MEDIATE Y=symptoms/X=emotion
thought/M=reaction/C=ageeduc/total=1/omnibus=1/ciconf=90/cimethod=2/samples=10000.
软件操作流程：
第一，下载解压缩，然后将后缀名sav改为sps； 第二，在spss中打开语法文件；
第三，选中全部命令点击按钮运行，output里面可以看到如下提示，表明mediate加载成功，注意该操作仅在spss英文版本中可运行。
第四，关闭mediate，并新建新的语法编辑框
第五，输入语法，并根据具体研究输入变量名，程序自动执行(整个操作过程要求spss数据打开)。
MEDIATE使用需要说明之处：
第一，中介变量和因变量必须是连续变量，自变量可以是分类变量； 第二，接受不超过15个并行中介变量的分析；
第三，使用分类变量进行分析时，自变量的水平或类别不应超过9个； 第四，模型中如果出现变量缺失则无法运行；
第五，所有变量格式都应是数值型，字符串型变量将导致程序运行出错； 第六，所有的回归系数都是基于最小二乘法计算的非标准化回归系数。
MEDIATE运行加载
MEDIATE语法输入
结果输出
2.2.3马尔科夫链蒙特卡罗法(MCMC)法
马尔科夫链蒙特卡罗(MCMC)方法是在贝叶斯理论框架下，将马尔科夫链过程引入到蒙特卡罗模拟中，实现抽样分布随模拟的进行而改变的动态模拟。MCMC方法的计算常用WinBUGS、Mplus、SAS和R软件完成。MCMC方法的基本思想可概括为如下三步： 第一，构造马尔科夫链，使其收敛到平稳分布。
第二，利用马尔科夫链进行吉布斯(Gibbs)抽样，即利用多个一元全条件(full conditionals)分布(除一个变量外, 其他所有变量都赋予固定值的分布)进行迭代抽样, 获得n-t(约10000)个后验样本，得到的后验样本又被称为马尔科夫链的实现值。
第三，由后验样本计算 10000个中介效应估计值a?b?，将 10000个中介效应估计值的
均值作为中介效应的点估计值，将10000个中介效应估计值a?b?按数值大小排序，，用第2.5百分位数和第97.5百分位数来得到95%的中介效应可靠区间估计。
方杰和张敏强(2012)的研究认为，有先验信息的MCMC方法的ab点估计最准确且统计功效最高，中介效应区间估计也最准确，但付出了低估第Ⅰ类错误率的代价；偏差校正的非参数百分位Bootstrap方法的统计功效其次，但付出了高估第Ⅰ类错误率的代价(不需要先验信息)。因此，当有先验信息时，推荐使用有先验信息的MCMC方法，当先验信息不可得时，推荐使用偏差校正的非参数百分位Bootstrap方法。
2.3温忠麟等提出的因果逐步回归的改良法
对于系数乘积的检验，温忠麟等人(2004)早就意识到，如果检验结果都显著，依次检验结果强于Sobel检验结果，所以在他们提出的检验流程中，先进行依次检验，不显著才需要做Sobel检验。现在，Sobel法由Bootstrap法取代，根据前面的讨论，对中介效应的检验流程进行相应的修改(见图2)，步骤如下：
第一步，检验方程(1)的系数c，如果显著，按中介效应立论，否则按遮掩效应立论。但无论是否显著，都进行后续检验。
第二步，依次检验方程(2)的系数a和方程(3)的系数b，如果两个都显著，则间接效应显著，转到第四步；如果至少有一个不显著，进行第三步。
第三步，用Bootstrap法直接检验H0:ab=0。如果显著，则间接效应显著，进行第四步;否则间接效应不显著，停止分析。
第四步，检验方程(3)的系数c′，如果不显著，即直接效应不显著，说明只有中介效应。如果显著，即直接效应显著，进行第五步。
第五步，比较ab和c′的符号，如果同号，属于部分中介效应，报告中介效应占总效应的比例ab/c。如果异号，属于遮掩效应，报告间接效应与直接效应的比例的绝对值|ab/c|。
温忠麟等人对这个操作流程作出了几点说明：
(1)当间接效应显著时，如果第一步检验后按遮掩效应立论，最后结果按遮掩效应解释。如果第一步检验后按中介效应立论，要根据ab和c′的符号进行解释，如果符号相反，按遮掩效应解释。就是说，开始按中介效应立论，不排除最后要按遮掩效应解释，但这样的情况少见。
(2)关于中介效应的效应量，起码应当报告ab/c或者|ab/c′|，并酌情报告其他效应量。 (3)这个流程主要是从参数检验的角度考虑的。从参数估计角度看，一般认为，单单给出点估计是不够的，应当给出区间估计。系数乘积ab的置信区间计算应当用Bootstrap法代替Sobel法。这样，为了做区间估计，Bootstrap法成为一个必须的方法，而且依次检验也可以通过Bootstrap法进行，即用Bootstrap法求出系数a和b的置信区间进行检验。尽管如