在你的问题中，T对Y的总效应和通过M作为中介变量的影响都是负数。这表明当T增加时，Y倾向于减少，并且这种影响部分是直接的（即，a'），另一部分是间接的，通过影响另一个变量M来实现（即bc）。下面是对这些结果的具体解释：

- **总效应为负**：这意味着当你控制其他变量不变时，T每增加一个单位，Y就会相应地减少。这可能表明T与Y之间存在某种抑制或逆向关系。

- **中介效应回归系数为负**：在你的模型中，M对Y的影响（c）以及T通过影响M进而影响Y的路径（bc）也是负面的。这意味着T不仅直接减少了Y，还间接地通过降低M来进一步减少Y。

当我们说“效应越强”时，这通常是指绝对值上的大小。因此，在负数情境下：

- **中介效应占总效应比重越大**，表明T对Y的影响越多是通过改变M来实现的，而不是直接作用于Y。这种情况下，你可以说中介变量M在解释T和Y之间的关系中扮演了更重要的角色。

但是，重要的是要注意“强”或“弱”的概念需要具体上下文。在一个特定研究领域内，一个效应可能被认为是强大的（比如绝对值很大），而在另一个研究背景下则可能是微不足道的。因此，比较两个模型中介变量的强度时，你需要查看它们各自的系数大小和在各自情境下的解释力。

为了回答你的问题，“哪个模型中介更强”，你首先需要确定每个模型中介效应回归系数的大小（|bc|）。然后，如果一个模型中的|bc|比另一个大，并且这个差异具有统计学意义，则可以认为该模型的中介效应更强。但是，请记住，这种比较应该在控制了其他变量和研究设计特性的情况下进行，以确保公平对比。

最后，要解释这些发现的意义，你需要结合具体的研究背景、理论预期以及实际观察到的数据模式来综合分析。这可能涉及到深入探讨T、M和Y之间的因果关系路径，并讨论为什么这些特定的效应（直接与间接）会表现为负值。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用