中介变量是一个重要的统计概念,对于中介效应的研究近年来大量出现在心理学、医学、教育研究学等各个领域中。当前中介效应的研究已经发展到多重中介效应和多层中介效应,而目前已有的多重和多层中介效应分析的模拟研究都仅限于传统法、乘积分布法、Bootstrap方法的比较,很少涉及MCMC方法。本文从探讨中介效应的检验方法入手,在对基于结构方程模型的多重中介效应研究中,探索MCMC方法的应用,并且分别在并行和链式多重中介模型中与非参数Bootstrap方法通过模拟研究进行中介效应估计效果的比较。结果显示在并行多重中介模型中,只有当对比中介效应的真值较大且样本容量较大时,无先验信息的MCMC方法才比非参数Bootstrap方法的估计效果更好,其他情况下非参数Bootstrap方法的表现都优于无先验信息的MCMC方法;在链式多重中介模型中,小样本情况下,非参数Bootstrap方法比无先验信息的MCMC方法在中介效应估计效果上表现更优,但在大样本情况下,无先验信息的MCMC方法比非参数Bootstrap方法表现更好。同时,无论是在并行还是链式多重中介模型中,在任何样本容量和中介效应参数值下,有先验信息的MCMC方法都比无先验信息的MCMC方法和Bootstrap方法表现更优。在对基于结构方程模型的2-1-1多层中介效应分析中,本文也通过模拟研究对MCMC方法和基于极大似然估计的EM算法进行比较分析。结果显示当层2组别数J较小时,EM算法比无先验信息的MCMC方法能得到更准确的估计结果,而当层2组别数J较大时,无先验信息的MCMC方法比EM算法表现更优。同时,无论样本容量如何变化,有先验信息的MCMC方法都比无先验信息的MCMC方法和EM算法估计效果更好。因此,本文论证了利用有先验信息的MCMC方法进行中介效应的估计是相比于其他中介效应检验方法而言更优的选择。