想知道培训为何影响收入，不能只看“培训—收入”这一步，还要检查它是否先改变技能，再传导到收入。这就是中介分析。难点在于，研究者常面对大量候选中介，其中一些作用为正，另一些为负。若把间接效应简单相加，真实通路可能像正负账目一样互相抵消，最后看起来接近于零。
Xiufan Yu 和 Ken Kelley 提出的增强检验，关注高维线性及广义中介模型中是否存在“活跃中介”——真正参与传导的中间变量。高维意味着候选变量很多，甚至可接近或超过样本量；此时噪声和多重比较都会增加漏检风险。据 Cornell Statistics Seminar 介绍，作者的方法面向同向、大小不一以及方向相反的中介效应模式，目标是在控制误报率的同时提高检验功效，也就是更少漏掉真实机制。论文于 2026 年 10 月 7 日在线发表于 Journal of the American Statistical Association；现有材料未披露具体算法与实验数字，因此提升幅度仍无法判断。