执行完程序，会出现输出文件。在输出文件中包括该中介模型的估计值，包括所有中介变量的总中介效应、每一个中介变量在控制其它中介路径时的中介效应、直接中介效应和间接中介效应。如果置信区间不包括0，那么中介作用显著，支持中介效应的假设; 如果包括0，则不显著，不支持中介效应的假设。

特定路径的中介效应(specific mediationeffect)，如a1b1、a2b2和a1a3b2；总的中介效应(total mediation effect)，即a1b1+a2b2 +a1a3b2；对比中介效应，如a1a3b2-a2b2、a1b1-a2b2和a1a3b2-a1b1。

变量2 变量1 变量3 变量4

结果输出

3调节效应的分析

调节效应分析和交互效应分析大同小异。这里分两大类进行讨论。一类是所涉及的变量(因变量、自变量和调节变量)都是可以直接观测的显变量，另一类是所涉及的变量中至少有一个是潜变量。

3.1显变量的调节效应分析方法

调节效应分析方法根据自变量和调节变量的测量级别而定。变量可分为两类，一类是类别变量(categoricalvariable)，包括定类和定序变量，另一类是连续变量(continuous variable)，包括定距和定比变量。

第一，当自变量和调节变量都是连续变量时，用带有乘积项的回归模型，做层次回归分析：第一步做Y对X和M的回归，得测定系数R21；第二步做Y对X、M和XM的回归得R22 （此处是分三步按层次移入变量，不是一次将自变量和调节变量移入，这是很多人容易范的错误），若R22 显著高于R21，则调节效应显著；或者，做XM 的偏回归系数检验，若显著，则调节效应显著。

第二，当自变量和调节变量都是类别变量时做方差分析。

第三，当调节变量是类别变量、自变量是连续变量时，做分组回归分析，或将调节变量转化为虚拟变量做层次回归分析。分类的调节变量转换为虚拟变量进行层次回归分析后，调节效应是看方程的决定系数R显著性整体效果，这和不同分类水平的自变量下调节变量的调节效应识别有区别。

第四，当自变量是类别变量、调节变量是连续变量时，不能做分组回归，而是将自变量重新编码成为虚拟变量(dummy variable)，用带有乘积项的回归模型，做层次回归分析。

需要说明的是，除非已知X和M不相关(即相关系数为零)，否则调节效应模型不能看标准化解。这是因为，即使X和M的均值都是零，XM 的均值一般说来也不是零。

2

简单调节效应概念图 简单调节效应模型图

3.1.1当自变量和调节变量都是连续变量时，做层次回归分析 （1）分层回归法(目前仍是主流) 操作步骤：

第一步，所有变量做中心化处理，并生成X和M的交互项，即变量1×变量2的交互项； 第二步，做Y对X和M的回归，得测定系数R21,即变量3对变量1和变量2的回归； 第三步，做Y对X、M和XM的回归得R22，若R22显著高于R21，则调节效应显著；或者，做XM的偏回归系数检验，若显著，则调节效应显著，即做变量3对变量1、变量2和变量1×变量2的交互项的回归。

操作演示：

第一步，中心化操作，首先求得三个显变量的均值，其次在spss转化→计算中使用变量1-均值、变量2-均值、变量3-均值，获得新的三列中心化处理后的变量；通过转化→计算产生交互项。

中心化操作