DOI:10.12677/fin.2024.144134,PDF,HTML,XML,被引量下载: 391浏览: 442
作者:黄 勤：广西大学中国–东盟经济学院，广西 南宁
关键词:政府补助；资本结构；中介效应；研发投入；新能源企业；Government Subsidy；Capital Structure；Intermediary Effect；R&D Investment；New Energy Enterprises

文章引用：黄勤. 政府补助对新能源行业资本结构的影响——基于研发投入的中介效应[J]. 金融, 2024, 14(4): 1306-1315. https://doi.org/10.12677/fin.2024.144134

1. 引言

能源的可持续发展是每个国家都不可回避的问题，但随着科技的日益进步与产业的持续发展，能源资源日趋紧张，对此世界各国针对本国的资源和国情，抓紧制定适合本国发展的能源战略，在寻得本国资源得到充分利用的同时，能够通过其他地区或者方式获得能源，以解决本国日趋紧张的能源问题。因此在能源与资源日益紧张的背景下，我国必须大力发展新能源。

我国政府出台的财政补贴政策更多地偏向可持续发展的产业。新能源行业因覆盖面比较广、可持续发展等特点，得到政府大力扶持。就新能源企业能够获得融资的方式而言，政府补助不仅能够增加企业的可用现金流，而且融资成本极低。此外，政府补助还能够促进资源合理分配，在政府补助政策的要求下引导资源流向，引导产业升级。但并不是每一个新能源企业都能够享受政策优惠补贴，受制于新能源企业经营范围、财产状况、产权性质等因素，新能源企业得到政府补助与否，补贴金额的多少，补贴项目的范围都会发生相应变化。

依据产业组织资本结构理论，企业资本结构会受技术创新的影响，企业的技术创新除了与研发人员的能力有关之外，还与企业的项目资金支持紧密相关，在资金支持项目中，政府补助对新能源行业的上市公司的影响尤为明显。由此可见，政府补助不仅可能直接影响企业资本结构，也可能借研发投入间接对新能源企业资本结构产生影响，研发投入可能是政府补助影响新能源企业资本结构的中介变量。

2. 研究假设

2.1. 政府补助对新能源行业资本结构的影响

政府对企业进行补助一定程度上解决企业的资金需求，刺激企业创新，还可以减少企业负债，降低企业的经营风险，优化产业结构。对资本结构的影响因素的研究的文献中，资本结构受政府补助、营业周期、供应商集中度等若干因素的影响，倪馨(2018)认为政府补助对资本结构影响显著，呈现正相关关系[1]，也有学者看法不同，他们认为政府补助与资本结构负相关[2][3]。参考秦子蕊[2]和杨惠贤[4]等人的文献，本文提出以下假设：

假设1：政府补助与新能源企业的资本结构负相关，随着政府补助的金额提高，资本结构将趋于下降。

2.2. 政府补助对新能源行业研发投入的影响

许多实证表明，政府资金补贴可以有效缓解企业外部融资压力和财务约束，使其在进行研发创新的时候具有更加充足的资金[4][5]。政府补助对企业研发的作用在于：一方面可以降低企业的研发成本，从而研发回报与社会最高收益水平的差距得以缩小[6]；另一方面使新能源企业能够受益于补贴带来的工程知识和技术的外溢，提高创新能力[7][8]。综上，本文提出以下假设：

假设2：政府补助对新能源企业的研发投入之间正相关，政府对企业进行补助的金额越高，企业可用于研发投入的资金就越多，研发投入相应提高。

2.3. 研发投入对政府补助影响资本结构的中介效应

首先，随着政府补助的提高，政府资金补贴可以有效缓解企业外部融资压力和财务约束，增加企业创新研发时的可用现金流，使其进行研发创新的时候资金更加充足[9]。其次，创新企业为了减少财务约束和压力，避免财务拮据，保持财务宽松，便会减少负债融资，通过种种途径获得研发所需资金，降低负债融资的比重，政府对新能源行业进行补助也会影响企业对负债的需求。最后，根据产业组织资本结构理论：技术创新会对资本结构产生影响。具体原因可能在于研发投入会对企业的创新能力和核心竞争力产生制约，因此企业投入适当资金进行产品研发，有助于增强企业的竞争力，对企业的偿债能力具有正向作用，能够促使企业进行资本结构的优化。基于以上分析，本文认为政府补助、研发投入和资本结构三者具有紧密联系，针对研发投入对政府补助影响新能源企业资本结构的中介效应[10]，提出如下假设：

假设3：研发投入是政府补助影响新能源企业资本结构的中介变量。政府补助可以通过研发投入进而对新能源企业的资本结构产生影响。

3. 研究设计

3.1. 模型建立

Figure 1.Mediating effect diagram

图1.中介效应图

参照温忠麟等(2014)中介效应模型[11](见图1)，本研究建立三个面板数据计量模型进行中介效应检验，并且将依据系数显著性和Sobel检验查看是否存在中介效应。具体的面板回归计量模型如下：

模型一：

$\text{Lev}={\alpha }_0+{\alpha }_1{\text{SUB}}_{i,t}+{\alpha }_2{\text{RNDT}}_{i,t}+{\alpha }_3{\text{STRU}}_{i,t}+{\alpha }_4{\text{VOAC}}_{i,t}+{\alpha }_5{\text{SIZE}}_{i,t}+{\alpha }_6{\text{GROW}}_{i,t}+{\alpha }_7{\text{ROA}}_{i,t}$

模型二：

$\text{R}\&\text{D}={\beta }_0+{\beta }_1{\text{SUB}}_{i,t}+{\beta }_2{\text{RNDT}}_{i,t}+{\beta }_3{\text{STRU}}_{i,t}+{\beta }_4{\text{VOAC}}_{i,t}+{\beta }_5{\text{SIZE}}_{i,t}+{\beta }_6{\text{GROW}}_{i,t}+{\beta }_7{\text{ROA}}_{i,t}$

模型三：

$\text{Lev}={\gamma }_0+\alpha `{\text{SUB}}_{i,t}+{\gamma }_1\text{R}\&D_{i,t}+{\gamma }_2{\text{RNDT}}_{i,t}+{\gamma }_3{\text{STRU}}_{i,t}+{\gamma }_4{\text{VOAC}}_{i,t}+{\gamma }_5{\text{SIZE}}_{i,t}+{\gamma }_6{\text{GROW}}_{i,t}+{\gamma }_7{\text{ROA}}_{i,t}$

结合温忠麟等(2014)中介效应检验程序[11]以及以上三个模型，进一步具体解释中介效应的检验。

第一：若模型一中政府补助对资本结构的影响系数 ${\alpha }_1$显著，则继续中介效应检验；若模型一中政府补助对资本结构的影响系数 ${\alpha }_1$不显著，不继续中介效应检验。

第二：对于模型二和模型三，若模型二中政府补助对研发投入的影响系数 ${\beta }_1$显著且模型三中系数 ${\gamma }_2$显著，则观察模型三中系数 ${\gamma }_1$，若 ${\gamma }_1$显著，则政府补助通过研发投入对资本结构进行作用为部分中介效应，即政府补助中有一部分直接影响资本结构，另一部分通过研发投入影响资本结构；若 ${\gamma }_1$不显著，则该中介效应为完全中介效应，即政府补助直接影响资本结构。若 ${\beta }_1$与 ${\gamma }_2$中至少一个系数不显著，进行Sobel检验，若Sobel检验显著，则该效应为部分中介效应，若Sobel检验不显著，则该效应为完全中介效应。

3.2. 样本选取

本文样本选取2010~2019年的新能源上市公司非平衡面板数据，为保证统计分析的合理性，本文对样本做了以下处理：第一，剔除ST、ST*的样本数据，这些样本公司一般经营较差，出现连续亏损，研究价值较小；第二，剔除含有异常值，例如政府补助项目为0、资产负债率为负值等数据异常的样本；第三，剔除极端值，对样本数据进行(1%, 99%)的缩尾处理。本文从东方财富网的新能源板块筛选新能源企业，将股票代码导入CSMAR数据库获取所需要的数据。经过Stata软件的处理，本文最终样本数据为117家新能源上市企业2010至2019年的十年期非平衡面板数据。

3.3. 变量选取

本文选取资本结构作为被解释变量；政府补助为解释变量；研发投入为中介变量；非债务税盾、股权结构、资产担保物价值、公司规模、成长能力、盈利能力这六方面因素作为控制变量。所有变量的具体定义见表1。

Table 1.Specific definitions of variables

表1.变量具体定义

变量类型	项目	符号	变量	计算方法
被解释变量	资本结构	Lev	资产负债率	总负债/总资产
解释变量	政府补助	SUB	政府补助的对数	Ln政府补助
中介变量	研发投入	R&D	研发投入/营业收入	研发投入/营业收入
控制变量	非债务税盾	NDTS	折旧/总资产	折旧/总资产
	股权结构	STRU	流通股比率	流通股/总股本
	资产担保物价值	VOAC	有形资产占比	(固定资产 + 存货)/总资产
	公司规模	SIZE	期末资产的自然对数	Ln总资产
	成长能力	GROW	托宾Q值	市值/资产总计
	盈利能力	ROA	总资产收益率	净利润/总资产平均余额

4. 实证分析

4.1. 描述性分析

表2显示，研究样本包含917组数据，被解释变量资本结构(Lev)的均值为0.492，最小值为0.0795，最大值为0.901，最小值和最大值差异较大。解释变量政府补助(SUB)金额对数的均值为16.93，最小值为12.95，最大值为20.61。中介变量研发投入(R&D)，均值为3.599%，最小值为0。在六个控制变量中，非债务税盾(NDTS)的均值为0.0228，最小值为0，最大值为0.112；股权结构(STRU)的均值为0.763，最小值为0.100，最大值为1；资产担保物价值(VOAC)的均值为0.403，最小值为0.0743，最大值为0.864；公司规模(SIZE)均值为22.64，最小值为19.52，最大值为26.50；成长能力(GROW)以托宾Q衡量，该变量均值为1.915，最小值为0.764，最大值为10.94；盈利能力(ROA)均值为0.0298，最小是−0.493，最大值为0.242。

Table 2.Descriptive statistics

表2.描述性统计

VARIABLES	(1)	(2)	(3)	(4)	(5)
	N	mean	sd	min	max
Lev	917	0.4920	0.1770	0.0795	0.9010
SUB	917	16.9300	1.3890	12.9500	20.6100
R&D	917	3.5990	2.6960	0.0000	20.7200
NDTS	917	0.0228	0.0142	0.0000	0.1120
STRU	917	0.7630	0.2510	0.1000	1.0000
VOAC	917	0.4030	0.1480	0.0743	0.8640
SIZE	917	22.6400	1.2020	19.5200	26.5000
GROW	917	1.9150	1.1690	0.7640	10.9400
ROA	917	0.0298	0.0520	-0.4930	0.2420

4.2. 相关性分析

Table 3.Correlation analysis

表3.相关性分析

	Lev	SUB	R&D	NDTS	STRU	VOAC	SIZE	GROW	ROA
Lev	1
SUB	0.241***	1
R&D	−0.352***	−0.0100	1
NDTS	0.095***	0.155***	−0.232***	1
STRU	0.231***	0.145***	−0.0260	0.143***	1
VOAC	0.337***	0.137***	−0.275***	0.507***	0.116***	1
SIZE	0.499***	0.404***	−0.352***	0.092***	0.209***	0.212***	1
GROW	−0.301***	−0.251***	0.325***	−0.145***	−0.196***	−0.206***	−0.489***	1
ROA	−0.316***	0.017	0.050	−0.118***	−0.152***	−0.150***	−0.010	0.203***	1

^***P < 0.01,^**P < 0.05,^*P < 0.1.

表3显示解释变量和控制变量之间的相关系数低于0.5，表示这三个模型不存在显著的共线性。同时模型一、模型二和模型三的被解释变量与解释变量、控制变量之间的相关的显著性很高，通过了1%的显著性水平检验，说明模型变量选取可行。

4.3. 回归检验结果及分析

4.3.1. 政府补助对资本结构的固定效应分析

1)豪斯曼检验结果

Table 4.Hausmann test

表4.豪斯曼检验

	模型一	模型二	模型三
Chi-square test value	48.4400	162.8000	51.9100
P-value	0.0000	0.0000	0.0000

表4显示豪斯曼的P值均为0，表明强烈拒绝原假设，因此本文认为与随机效应模型相比，模型一、模型二和模型三使用固定效应模型更合适。

2)政府补助对资本结构的固定效应分析

Table 5.Results of fixed effects of government subsidies on capital structure

表5.政府补助对资本结构的固定效应结果

Lev	Coef.	P-value	Sig
SUB	0.001	0.952
NDTS	−1.564	0.037	**
STRU	0.093	0.000	***
VOAC	0.397	0.000	***
SIZE	0.051	0.000	***
GROW	0.002	0.731
ROA	−0.407	0.000	***
Constant	−0.864	0.003	***

^***P < 0.01,^**P < 0.05,^*P < 0.1.

根据温忠麟等(2014)中介效应检验程序[11]，在表5中，政府补助(SUB)系数未通过显著性水平检验，政府补助对资本结构的影响系数不显著，此时应停止中介效应检验。

参考苏屹、林雨侬(2020)的研究[9]，本文将政府补助的滞后效应纳入考虑：通常政府补助存在效果时滞，这种时滞至少1年之久，政府补助(SUB)对新能源企业的资产负债率(Lev)产生影响，往往需要较长时间才能反映出来。故本文认为由于滞后效应的存在，当期政府补助对新能源企业当期的资产负债率影响不显著，因此将政府补助(SUB)进行逐期滞后。

4.3.2. 研发投入对政府补助的固定效应分析

Table 6.Results of fixed effects of R&D input on government subsidies

表6.研发投入对政府补助的固定效应结果

R&D	Coef.	P-value	Sig
SUB	0.146	0.069	*
NDTS	−0.476	0.059	*
STRU	−0.122	0.753
VOAC	−0.125	0.919
SIZE	0.008	0.066	*
GROW	−0.033	0.656
ROA	−2.154	0.033	**
Constant	1.241	0.778

^***P < 0.01,^**P < 0.05,^*P < 0.1.

表6显示，政府补助对研发投入的影响在10%的水平上显著为正(0.146)，表明当期政府补助的提高，能够带来当期研发投入的上升。同时，在接下来的中介效应检验中，保持政府补助与研发投入的滞后期数一致。

4.3.3. 政府补助对资本结构的滞后效应分析

Table 7.Analysis of the lag effect of government subsidies on capital structure

表7.政府补助对资本结构的滞后效应分析

VARIABLES	(1)	(2)	(3)	(4)
	Lev	Lev	Lev	Lev
L.SUB	−0.00457
	(0.00527)
L2.SUB		−0.00441
		(0.00550)
L3.SUB			−0.0119*
			(0.00682)
L4.SUB				−0.00187
				(0.00607)
NDTS	−1.965**	−2.089**	−1.316**	−2.210**
	(0.867)	(0.905)	(0.662)	(0.999)
STRU	0.0814***	0.0680**	0.0731*	0.0905*
	(0.0309)	(0.0310)	(0.0435)	(0.0482)
VOAC	0.371***	0.348***	0.371***	0.363***
	(0.0857)	(0.0924)	(0.0970)	(0.116)
SIZE	0.0698***	0.0764***	0.0803***	0.0913***
	(0.0145)	(0.0154)	(0.0192)	(0.0269)
GROW	0.00905	0.0103	0.00636	0.00819
	(0.00562)	(0.00655)	(0.00771)	(0.00933)
ROA	−0.416***	−0.333***	−0.383***	−0.419***
	(0.0965)	(0.0817)	(0.0830)	(0.0827)
Constant	−1.187***	−1.326***	−1.315***	−1.734***
	(0.331)	(0.352)	(0.418)	(0.609)
Observations	732	610	505	402
R-squared	0.288	0.262	0.248	0.274
Number of Stkcd	133	125	117	114

^***P < 0.01,^**P < 0.05,^*P < 0.1.

将政府补助逐期滞后，由表7中结果可知：将政府补助(SUB)滞后1、2、4期时，政府补助对新能源企业的资本结构(Lev)的影响不显著；滞后3期时，政府补助(L3.SUB)对新能源企业的资本结构(Lev)影响显著(−0.0119)，通过10%的显著性水平检验，因此滞后3期的政府补助(L3.SUB)能够对新能源企业资本结构(Lev)产生显著影响，该影响系数显著为负，初步验证假设1：政府补助与资本结构负相关，随着政府补助的金额提高，资本结构将趋于下降，也即资产负债率趋于下降。

4.3.4. 滞后三期的政府补助对资本结构的固定效应和中介效应分析

对模型一和模型三进行修正，以滞后三期的政府补助(L3.SUB)替代模型和模型三中的政府补助(SUB)，修正后的模型，如下所示

模型1：

$\text{Lev}={\alpha }_0+{\alpha }_1\text{L}3.{\text{SUB}}_{i,t}+{\alpha }_2{\text{RNDT}}_{i,t}+{\alpha }_3{\text{STRU}}_{i,t}+{\alpha }_4{\text{VOAC}}_{i,t}+{\alpha }_5{\text{SIZE}}_{i,t}+{\alpha }_6{\text{GROW}}_{i,t}+{\alpha }_7{\text{ROA}}_{i,t}$

模型2：

$\text{R}\&\text{D}={\beta }_0+{\beta }_1{\text{SUB}}_{i,t}+{\beta }_2{\text{RNDT}}_{i,t}+{\beta }_3{\text{STRU}}_{i,t}+{\beta }_4{\text{VOAC}}_{i,t}+{\beta }_5{\text{SIZE}}_{i,t}+{\beta }_6{\text{GROW}}_{i,t}+{\beta }_7{\text{ROA}}_{i,t}$

模型3：

$\text{Lev}={\gamma }_0+\alpha \text{`}3.{\text{SUB}}_{i,t}+{\gamma }_1\text{L}3.\text{R}\&D_{i,t}+{\gamma }_2{\text{RNDT}}_{i,t}+{\gamma }_3{\text{STRU}}_{i,t}+{\gamma }_4{\text{VOAC}}_{i,t}+{\gamma }_5{\text{SIZE}}_{i,t}+{\gamma }_6{\text{GROW}}_{i,t}+{\gamma }_7{\text{ROA}}_{i,t}$

1)豪斯曼检验结果

Table 8.Hausmann test

表8.豪斯曼检验

	模型1	模型2	模型3
Chi-square test value	18.1380	15.5000	27.9700
P-value	0.0110	0.0167	0.0005

对修正后的模型进行豪斯曼检验，表8显示修正后的模型均对豪斯曼检验原假设表示拒绝，因此这三个模型选取固定效应模型更为合适。

2)修正模型回归结果

Table 9.Modified model regression results

表9.修正模型回归结果

VARIABLES	模型1	模型2	模型3
	Lev	R&D	Lev
SUB		0.1460*
		(0.0795)
L3.SUB	−0.0119*		−0.0121*
	(0.0069)		(0.0069)
L3.R&D			0.0030
			(0.0029)
NDTS	−1.3160**	−0.4760*	−1.2660*
	(0.6620)	(9.3170)	(0.6470)
STRU	0.0731*	−0.1220	0.0719*
	(0.0435)	(0.3870)	(0.0432)
VOAC	0.3710***	−0.1250	0.3710***
	(0.0970)	(1.2220)	(0.0959)
SIZE	0.0803***	0.00773*	0.0797***
	(0.0192)	(0.1810)	(0.0190)
GROW	0.0061	−0.0329	0.0069
	(0.0077)	(0.0738)	(0.0078)
ROA	−0.3830***	−2.1540**	−0.3870***
	(0.0830)	(2.2180)	(0.0843)
Constant	−1.3150***	1.2410	−1.311***
	(0.4180)	(4.3900)	(0.4130)
Observations	505	917	505
R-squared	0.2480	0.0130	0.2510
Number of Stkcd	117	137	117

^***P < 0.01,^**P < 0.05,^*P < 0.1.

表9显示三个修正后模型的固定效应回归结果，回归结果分析如下：

根据模型1，后三期的政府补助与资产负债率的系数 ${\alpha }_1$在10%的显著性水平上为负(−0.0119)。假设1得以验证：滞后3期的政府补助(L3.SUB)与新能源企业的资产负债率(Lev)呈现负相关关系， ${\alpha }_1$的显著提示进行中介效应下一步检验。

根据模型2，政府补助和研发投入的系数 ${\beta }_1$在5%的水平上显著为正(0.146)。假设2得以验证：政府对企业进行补助的金额越高，研发投入(R&D)随之提高。 ${\beta }_1$的显著提示进行中介效应下一步检验。

根据模型3，滞后三期的政府补助(L3.SUB)与资产负债率的系数 ${\gamma }_1$在10%的显著性水平上为负(−0.0121)。引入中介变量后，该负值再一次验证假设1，且滞后3期的研发投入与资产负债率的系 ${\gamma }_2$数不显著(0.003)，系数 ${\gamma }_2$不显著提示下一步进行Sobel检验。

表10为Sobel检验结果展示，Sobel检验的P值(0.0197)明显小于0.05，Sobel检验显著，表明中介变量研发投入(R&D)起到了部分中介作用，即政府补助对公司资产负债率的部分影响通过研发投入来实现的。政府补助对资本结构影响的总效应α为−0.0119，直接效应等于−0.0121，间接效应等于0.146*0.00319，满足中介效应计算公式α=α` +β*γ，验证假设3，研发投入是政府补助影响新能源企业资本结构的中介变量。

Table 10.Test of mediating effect

表10.中介效应检验

	Coef	StdErr	P>|Z|
Sobel	−0.0015	0.0006	0.0197
Goodman-1	−0.0015	0.0006	0.0215
Goodman-2	−0.0015	0.0006	0.0179

5. 结论及建议

本文运用我国新能源企业2010年~2019年的十年期非平衡面板数据，研究新能源行业政府补助对资本结构的影响，引入研发投入作中介变量，进一步探究政府补助对资本结构影响的传导路径。实证结果表明：第一，政府补助会对新能源企业的资本结构产生影响，二者为负相关关系，政府补助的金额越多，越能够显著降低新能源企业的资产负债率，但该影响存在滞后效应。第二，在新能源企业中，当期的政府补助对当期的研发投入能够产生显著正向影响，政府补助的金额越高，研发投入越多。第三，前第3年的政府补助除了能够直接对当期新能源企业的资本结构产生影响之外，还以与政府补助同期的研发投入作为中介，对新能源企业的资本结构产生影响，中介路径为“政府补助–研发投入–资产负债率”。

因此，本文建议：一、政府应坚持支持新能源行业发展的政策，加快相关流程审批，积极推动各项资源的整合。二、企业应积极优化研发资金传导路径，正确利用政府补助，鼓励研发人员进行核心研发活动，提升新能源企业研发活动回报率，获得高质量发展。三、新能源企业的资本结构不仅受到政府补助的影响，非债务税盾、企业股权结构等均会对新能源企业的资本结构产生影响，因此需要将众多因素纳入考虑从而优化资本结构，在合理范围内调节企业的资产负债率。

参考文献

[1]	倪馨. 我国非金融上市公司资本结构影响因素分析[D]: [硕士学位论文]. 厦门: 厦门大学, 2018.
[2]	秦子蕊. 新能源公司资本结构影响因素及其优化研究[D]: [硕士学位论文]. 西安: 西安石油大学, 2020.
[3]	许爽. 政府补助、高管超额薪酬与企业研发投入——一个有调节的中介效应模型检验[J]. 梧州学院学报, 2020, 30(5): 22-32.
[4]	杨惠贤, 贾琪. 政府补贴、资本结构与新能源企业价值——基于动态面板模型的研究[J]. 西安石油大学学报(社会科学版), 2021, 30(1): 16-24.
[5]	王凡硕, 蔡德发. 政府补助与税收对制造业研发投入的影响分析——基于对东北上市公司的门限模型分析[J]. 经济研究导刊, 2021(7): 64-66.
[6]	王晓燕, 师亚楠, 史秀敏. 政府补助、融资结构与中小企业研发投入——基于动态面板系统GMM与门槛效应分析[J]. 金融理论与实践, 2021(3): 32-39.
[7]	陈亚平, 田辉. 政府研发补助对企业创新效率的影响——基于SFA-CDM模型的研究[J]. 技术经济与管理研究, 2020(9): 27-33.
[8]	Wu, W. and Zhao, K. (2021) Government R & D Subsidies and Enterprise R & D Activities: Theory and Evidence.Economic Research-Ekonomska Istraživanja, 35, 391-408. https://doi.org/10.1080/1331677x.2021.1893204
[9]	苏屹, 林雨侬. 政府补贴对新能源企业R&D投入影响研究[J]. 科学管理研究, 2021, 39(1): 102-110.
[10]	张博. 基于技术创新的终极控制权结构对资本结构的影响研究[D]: [博士学位论文]. 北京: 中央财经大学, 2019.
[11]	温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014, 22(5): 731-745.