调节中介作用同时考虑中介变量和调节作用，其核心是中介作用，基于中介作用基础上再进一步讨论调节作用。
比如X->M->Y这条中介路径存在，即说明具有中介作用。接着在进一步分析条件中介作用，即在另外一个调节变量Z取不同水平时（通常分为3个水平，低水平，平均水平，高水平），中介作用的幅度（也称条件间接效应）情况如何。
SPSSAU按照Process程序编制的模型编号进行，在做调节中介分析时：
第一步，需要找到自己对应的模型编号（下述理论部分有说明模型编号的意义）
第二步，是针对结果进行分析
1 案例背景
当前有一个研究（样本量为540），自变量有1个，中介变量共有2个，调节变量1个，因变量1个，希望研究自变量X对于因变量Y的影响时，并且在有2个中介变量前提下，Z是否有调节中介作用。
| 变量类型 | 名称 |
| 自变量 | X |
| 中介变量 | M1，M2 |
| 调节变量 | Z |
| 因变量 | Y |
检验的模型如下图如下：
本案例想分析X对于Y的影响时，2个中介变量是否会起中介作用，并且分析X对于2个M的影响时，是否会受到调节变量Z的干扰，即X对2个M的影响时，Z是否会起着调节作用。明显的，此模型应该为Model 7（下述理论部分对模型编号的意义）。
2 理论
本部分从两个角度说明调节中介作用，第一部分是调节中介作用的检验模型；第二部分是调节中介作用的操作及分析。
第一部分：调节中介作用检验模型
SPSSAU调节中介作用检验算法遵循Andrew F. Hayes学者开发的Process程序进行。
涉及调节中介作用的常用模型共有7个（SPSSAU默认提供），接下来针对该7个调节中介模型分别进行说明，包括模型结构和检验模型进行说明：
Model 5：图中W即为调节变量。调节变量仅针对X->Y这一条路进行调节（准确说Model 5并不是调节中介作用，只是模型中已经考虑了中介作用而已）。
Model 7：图中W即为调节变量。调节变量仅针对X->M这一条路进行调节。
Model 8：图中W即为调节变量。调节变量针对X->M和X->Y这2条路进行调节。
Model 14：图中V即为调节变量。调节变量仅针对M->Y这一路进行调节。
Model 15：图中V即为调节变量。调节变量针对X->Y和M->Y这2路进行调节。
Model 58：图中W即为调节变量。调节变量针对X->M和M->Y这2路进行调节。
Model 59：图中W即为调节变量。调节变量针对X->M，X->Y和M->Y这3路进行调节。
第二部分：调节中介作用剖析
调节中介作用进行分析时，首先分析中介作用，即分析Bootstrap 95%置信区间是否包括数字0，如果不包括数字0即说明具有中介作用，反之如果包括数字0则说明不具有中介作用。接着再分析调节中介作用（条件间接效应），分析调节变量在不同水平时，中介作用的情况如何。事实上二者的分析并没有绝对的前后关系，通常是综合进行说明。
除此之外，直接效应也应该进行分析，但由于关注重心在于中介作用和条件中介，而且分析中介作用并不要求一定有直接效应，因此直接效应分析通常不需要过多说明。
3 操作
进入SPSSAU，选择[问卷研究]--[调节中介作用]
本例子中的操作截图如下，切记选择正确的模型编号：
4 SPSSAU结果分析
第一个表格是“回归模型汇总表格”；该表格把模型结果全部列出，即检验中涉及的各类系数等；通常情况下仅需要描述调节中介作用分析时涉及的模型
调节中介效应模型共分为两类回归模型；
第一：第1类回归模型为因变量为Y时的回归模型构建；
第二：第2类回归模型为因变量为中介变量M的回归模型构建（如果多个中介变量则多个模型）；
从上表可知：调节中介效应分析共涉及3个模型,分别如下：
Y=0.696-0.062*X +0.396*M1 +0.469*M2
M1=1.652-0.106*X +0.422*Z +0.060*X*Z
M2=5.844-0.896*X-0.708*Z +0.270*X*Z
第二个表格是“直接效应（Direct Effect）结果”；该表格列出直接效应即X对于Y的影响情况；
从上表格可知：X对于Y的影响并没有呈现出显著性（p=0.163>0.05），但这并不会影响到接下来的调节中介作用分析，因为X是否对于Y有影响，并不是调节中介（也或者中介作用）的前提条件。
第三个表格是“条件间接效应（Conditional Indirect Effect）结果”；该表格展示中介作用和调节中介作用结果，此表格为核心表格。
条件间接效应为核心的结果：
第一：如果间接效应值的95%区间(BootCI)值包括数字0，则说明不具有中介效应；
第二：如果间接效应值的95%区间(BootCI)值不包括数字0，则说明具有中介效应；
第三：条件间接效应指调节变量Z在不同水平时的中介效应情况，即调节中介效应。
首先看X->M1->Y这条路径，在Z取平均水平（Z=4.236）时，Bootstrap 95%置信区间为0.029~0.098，不包括0，也即说明平均水平下，X对Y影响时M1有着中介作用。在Z取低水平（Z=3.160）时，Bootstrap 95%置信区间为0.003~0.081，不包括0，也即说明Z在低水平时，X对Y影响时M1有着中介作用。在Z取高水平（Z=4.862）时，Bootstrap 95%置信区间为0.04~0.128，不包括0，也即说明Z在高水平时，X对Y影响时M1有着中介作用。
综合可知，在Z取低水平，平均水平，或高水平时，M1均会起中介作用。三种水平时，均起着中介作用而且都是效应量均大于0，说明调节中介不存在，因为中介作用情况一致。
接着看X->M2->Y这条路径，在Z取平均水平（Z=4.236）时，Bootstrap 95%置信区间为0.062~0.172，不包括0，也即说明平均水平下，X对Y影响时M2有着中介作用。在Z取低水平（Z=3.160）时，Bootstrap 95%置信区间为-0.014~0.099，包括0，也即说明Z在低水平时，X对Y影响时M1不会有中介作用。在Z取高水平（Z=4.862）时，Bootstrap 95%置信区间为0.114~0.266，不包括0，也即说明Z在高水平时，X对Y影响时M2有着中介作用。
综合可知，在Z取低水平时M2不会起中介作用，Z取平均水平或高水平时，M2均会起中介作用。三种水平时M2是否有中介作用的情况并不一致，因此X->M2->Y时，条件中介作用存在。
5 常见问题
（1）自变量X对于因变量Y没有影响怎么办？
调节中介作用分析时，并不要求自变量X对因变量Y产生影响作为前提条件，因为有可能X对于Y没有影响，正好是由于调节作用的‘中和’所致，比如调节变量在高水平时X对于Y正向影响，但调节变量在低水平时X对于Y负向影响，刚好‘中和’。
（2）没有中介作用，是否可以进行调节中介分析？
没有中介作用也可以进行调节中介作用分析，调节中介作用分析时，并不要求一定存在中介作用，因为有可能中介路径被‘中和’导致没有中介作用，比如调节变量在高水平时有正向中介作用，但调节变量在低水平时有负向中介作用，刚好‘中和’。
（3）如果发现没有调节中介，是否可直接分析中介作用？
如果显示没有调节中介作用，可重新建立模型比如直接进行中介作用，此时需要使用SPSSAU[问卷研究]->[中介作用]这一方法即可。
（4）如果数据是显变量如何处理？
如果数据是显变量，此时可转换成潜变量再处理即可。使用[生成变量]->[平均值]功能。
「更多内容登录SPSSAU官网了解」