不适合。
经济学论文中用『中介』和『调节』这两个效应是很少的。
倒不是因为经济学对心理学有什么意见,而是经济学和心理学数据产生的机制不一样。为了方便阅读,这个答案脚注里面的文章没其他的意思,就是用来举例说明旁边的句子的。
心理学的数据,以及偏向于心理学的战略管理、市场营销的数据,往往来自于实验室实验或者田野实验,[1]大部分实验都是希望测度出被试的一些「下意识」的反应,而非策略性反应,也就是心理学研究的问题往往并不牵扯到人的成本-收益分析。如果实验设计的好的话,数据的产生本身就比较『干净』,按心理学的标准来说,是排除或者控制掉了绝大多数的干扰变量的。这个时候OLS简单回归其实就能得到因果关系,有时候甚至于不需要回归,一个ANOVA就够了,不太需要其他的处理手段。
这个时候,中介和调节这两个效应相当于对变量之间因果关系结构的细化,可以理解变量之间具体的机制是如何运转和传导的。但是要注意的是中介和调节这俩效应从方法来说是纯机械的——也就是它给出的结果就是相关性,本身并不具备因果推断,排除其他干扰变量的功能。在一些心理学论文里面,我们能够把这个相关性直接当作因果推断,是因为数据本身的产生过程已经排除掉了内生性。
当然,方法开发出来,总是会被大规模使用,很多时候心理学和市场营销、组织行为的交叉,其实已经非常经济学了,但是也还是各种中介和调节。这里面的诀窍是,这些数据往往是问卷来的,而问卷这个方式虽然有的时候被诟病为『不真实』,因为人可以口是心非,但是问卷比真实世界数据好在对于谁做问卷这个安排有一个随机性,有的问卷,尤其是里面还给定场景让被试来选择的,从某种意义上可以看做是穷人的田野实验[2]—— 当田野实验不好设计,或者没有经费的时候,通过这种在问卷里面强行描述场景来问,也能把数据搜集出来,当然有效度会下降就是了。
但是经济学的数据大都是观察数据,观察数据就面临着内生性困扰--- 你做问卷的时候可以随机化被试,比如说捐款,你可以问卷调查出有人捐有人不捐,但是真实世界你往往只能观察到谁捐了。可以说整个计量经济学有一大半都是在研究如何对付数据中的内生性,这其实也是2021年经济学诺奖得主们的主要贡献。即便是经济学家们设计的田野实验,往往也有时候会通过提前考虑到了内生性而预先设计好了工具变量。因为通过这种方式,可以获得Treatment-on-Treated Effect[3]。
在这种内生性持续存在的情况下,直接进行中介和调节变量的回归,没有太多的在因果关系上的说服力。而如果没有因果推断,那这篇文章除非主要创新点在模型,否则基本上就发不出来了。
经济学中也会表达中介和调节变量类似的机制。但是称呼不一样。
A通过B对C起作用。但是一般不称之为中介变量,而是会在主回归之后,作为渠道测试(Channel Test)而存在。之所以不称之为中介是因为,A往往有很多个渠道影响C,每个渠道或许显著或许不显著,但是规模都较小,很难做到像心理学那样出现巨大的显著性差异,能得出A和B有显著关联,而B对C可以用工具变量等方式通过因果推断,就差不多了。
至于调节变量,其表现形式和双重/多重差分是一样的。
其实含义也一样,调节变量本身的变化影响了自变量和因变量之间联系的强度——外生的震荡影响了自变量和因变量之间的联系强度。
只是在多重差分里面,会明确的要求那个调节变量——一般是某个无法预料的震荡,本身是外生的,还要求平行测试,也就是在震荡前后,对照组和处理组是平行的。而这些点在调节变量使用的过程中不太强调,因为在心理学实验室里面,这是不言而喻的事情。