調節中介作用同時考慮中介變量和調節作用，其核心是中介作用，基於中介作用基礎上再進一步討論調節作用。
比如X->M->Y這條中介路徑存在，即說明具有中介作用。接着在進一步分析條件中介作用，即在另外一個調節變量Z取不同水平時（通常分為3個水平，低水平，平均水平，高水平），中介作用的幅度（也稱條件間接效應）情況如何。
SPSSAU按照Process程序編制的模型編號進行，在做調節中介分析時：
第一步，需要找到自己對應的模型編號（下述理論部分有說明模型編號的意義）
第二步，是針對結果進行分析
1 案例背景
當前有一個研究（樣本量為540），自變量有1個，中介變量共有2個，調節變量1個，因變量1個，希望研究自變量X對於因變量Y的影響時，並且在有2個中介變量前提下，Z是否有調節中介作用。
| 變量類型 | 名稱 |
| 自變量 | X |
| 中介變量 | M1，M2 |
| 調節變量 | Z |
| 因變量 | Y |
檢驗的模型如下圖如下：
本案例想分析X對於Y的影響時，2個中介變量是否會起中介作用，並且分析X對於2個M的影響時，是否會受到調節變量Z的干擾，即X對2個M的影響時，Z是否會起着調節作用。明顯的，此模型應該為Model 7（下述理論部分對模型編號的意義）。
2 理論
本部分從兩個角度說明調節中介作用，第一部分是調節中介作用的檢驗模型；第二部分是調節中介作用的操作及分析。
第一部分：調節中介作用檢驗模型
SPSSAU調節中介作用檢驗算法遵循Andrew F. Hayes學者開發的Process程序進行。
涉及調節中介作用的常用模型共有7個（SPSSAU默認提供），接下來針對該7個調節中介模型分別進行說明，包括模型結構和檢驗模型進行說明：
Model 5：圖中W即為調節變量。調節變量僅針對X->Y這一條路進行調節（准確說Model 5並不是調節中介作用，只是模型中已經考慮了中介作用而已）。
Model 7：圖中W即為調節變量。調節變量僅針對X->M這一條路進行調節。
Model 8：圖中W即為調節變量。調節變量針對X->M和X->Y這2條路進行調節。
Model 14：圖中V即為調節變量。調節變量僅針對M->Y這一路進行調節。
Model 15：圖中V即為調節變量。調節變量針對X->Y和M->Y這2路進行調節。
Model 58：圖中W即為調節變量。調節變量針對X->M和M->Y這2路進行調節。
Model 59：圖中W即為調節變量。調節變量針對X->M，X->Y和M->Y這3路進行調節。
第二部分：調節中介作用剖析
調節中介作用進行分析時，首先分析中介作用，即分析Bootstrap 95%置信區間是否包括數字0，如果不包括數字0即說明具有中介作用，反之如果包括數字0則說明不具有中介作用。接着再分析調節中介作用（條件間接效應），分析調節變量在不同水平時，中介作用的情況如何。事實上二者的分析並沒有絕對的前后關系，通常是綜合進行說明。
除此之外，直接效應也應該進行分析，但由於關注重心在於中介作用和條件中介，而且分析中介作用並不要求一定有直接效應，因此直接效應分析通常不需要過多說明。
3 操作
進入SPSSAU，選擇[問卷研究]--[調節中介作用]
本例子中的操作截圖如下，切記選擇正確的模型編號：
4 SPSSAU結果分析
第一個表格是“回歸模型匯總表格”；該表格把模型結果全部列出，即檢驗中涉及的各類系數等；通常情況下僅需要描述調節中介作用分析時涉及的模型
調節中介效應模型共分為兩類回歸模型；
第一：第1類回歸模型為因變量為Y時的回歸模型構建；
第二：第2類回歸模型為因變量為中介變量M的回歸模型構建（如果多個中介變量則多個模型）；
從上表可知：調節中介效應分析共涉及3個模型,分別如下：
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
第二個表格是“直接效應（Direct Effect）結果”；該表格列出直接效應即X對於Y的影響情況；
從上表格可知：X對於Y的影響並沒有呈現出顯著性（p=0.163>0.05），但這並不會影響到接下來的調節中介作用分析，因為X是否對於Y有影響，並不是調節中介（也或者中介作用）的前提條件。
第三個表格是“條件間接效應（Conditional Indirect Effect）結果”；該表格展示中介作用和調節中介作用結果，此表格為核心表格。
條件間接效應為核心的結果：
第一：如果間接效應值的95%區間(BootCI)值包括數字0，則說明不具有中介效應；
第二：如果間接效應值的95%區間(BootCI)值不包括數字0，則說明具有中介效應；
第三：條件間接效應指調節變量Z在不同水平時的中介效應情況，即調節中介效應。
首先看X->M1->Y這條路徑，在Z取平均水平（Z=4.236）時，Bootstrap 95%置信區間為0.029~0.098，不包括0，也即說明平均水平下，X對Y影響時M1有着中介作用。在Z取低水平（Z=3.160）時，Bootstrap 95%置信區間為0.003~0.081，不包括0，也即說明Z在低水平時，X對Y影響時M1有着中介作用。在Z取高水平（Z=4.862）時，Bootstrap 95%置信區間為0.04~0.128，不包括0，也即說明Z在高水平時，X對Y影響時M1有着中介作用。
綜合可知，在Z取低水平，平均水平，或高水平時，M1均會起中介作用。三種水平時，均起着中介作用而且都是效應量均大於0，說明調節中介不存在，因為中介作用情況一致。
接着看X->M2->Y這條路徑，在Z取平均水平（Z=4.236）時，Bootstrap 95%置信區間為0.062~0.172，不包括0，也即說明平均水平下，X對Y影響時M2有着中介作用。在Z取低水平（Z=3.160）時，Bootstrap 95%置信區間為-0.014~0.099，包括0，也即說明Z在低水平時，X對Y影響時M1不會有中介作用。在Z取高水平（Z=4.862）時，Bootstrap 95%置信區間為0.114~0.266，不包括0，也即說明Z在高水平時，X對Y影響時M2有着中介作用。
綜合可知，在Z取低水平時M2不會起中介作用，Z取平均水平或高水平時，M2均會起中介作用。三種水平時M2是否有中介作用的情況並不一致，因此X->M2->Y時，條件中介作用存在。
5 常見問題
（1）自變量X對於因變量Y沒有影響怎么辦？
調節中介作用分析時，並不要求自變量X對因變量Y產生影響作為前提條件，因為有可能X對於Y沒有影響，正好是由於調節作用的‘中和’所致，比如調節變量在高水平時X對於Y正向影響，但調節變量在低水平時X對於Y負向影響，剛好‘中和’。
（2）沒有中介作用，是否可以進行調節中介分析？
沒有中介作用也可以進行調節中介作用分析，調節中介作用分析時，並不要求一定存在中介作用，因為有可能中介路徑被‘中和’導致沒有中介作用，比如調節變量在高水平時有正向中介作用，但調節變量在低水平時有負向中介作用，剛好‘中和’。
（3）如果發現沒有調節中介，是否可直接分析中介作用？
如果顯示沒有調節中介作用，可重新建立模型比如直接進行中介作用，此時需要使用SPSSAU[問卷研究]->[中介作用]這一方法即可。
（4）如果數據是顯變量如何處理？
如果數據是顯變量，此時可轉換成潛變量再處理即可。使用[生成變量]->[平均值]功能。
「更多內容登錄SPSSAU官網了解」