华中师范大学心理学教授刘华山调节作用和中介效应
调节效应与中介效应的比较和应用
调节效应与中介效应的比较和应用调节效应与中介效应的比较和应用调节效应和中介效应是心理学研究中常用的统计工具，用来探究变量之间的关系及其影响机制。
在心理学研究中，两种效应是相互关联的，但却有着不同的目的和应用。
本文将对调节效应与中介效应进行比较，并探讨它们在实际研究中的应用。
一、调节效应调节效应指的是一个变量对另外两个变量之间关系的影响程度。
换句话说，调节效应指的是一种条件下，一个变量对其他两个变量之间关系的影响程度是否存在差异。
调节效应通常以交互作用的形式进行分析。
例如，研究者想要探究学生的学业成绩是否受到性别和家庭背景教育程度的影响。
通过进行调节效应分析，研究者可以发现不同性别和家庭背景教育程度的学生在学业成绩上是否存在差异。
这样的分析有助于理解不同变量之间的关系，并帮助制定有针对性的措施来提高学生的学业成绩。
调节效应的应用也很广泛。
比如，在临床心理学中，研究者想要探究某种治疗方法是否对不同年龄段的患者是否有不同的效果。
通过进行调节效应分析，研究者可以确定哪种治疗方法更适合不同年龄段的患者，以提高治疗效果。
二、中介效应中介效应指的是一个变量对于两个其他变量之间关系的解释作用。
换句话说，中介效应指的是一个变量通过影响另外两个变量之间的关系来起到解释作用。
中介效应通常通过路径分析进行分析。
例如，研究者想要探究工作压力对员工工作满意度的影响机制。
通过进行中介效应分析，研究者可以确定工作满意度是否受到工作压力的影响，并发现工作满意度和工作压力之间是否存在中介变量，如工作支持等。
这样的分析有助于理解变量之间的关系，并揭示出潜在的影响机制。
中介效应的应用也很广泛。
比如，在营销研究中，研究者想要探究某种广告对消费者购买意愿的影响机制。
通过进行中介效应分析，研究者可以确定广告是否通过某种中介变量，如品牌认知或情感激发等，来影响消费者的购买意愿，以设计更有效的广告策略。
三、比较和应用调节效应和中介效应在研究中都有其独特的价值和应用。
因果推断经验研究中的中介效应与调节效应
因果推断经验研究中的中介效应与调节效应一、本文概述本文旨在深入探讨因果推断经验研究中的中介效应与调节效应。
我们将首先定义并解释这两种效应的基本概念，然后概述它们在实证研究中的应用和重要性。
中介效应主要关注的是一个或多个变量如何在自变量和因变量之间起到“桥梁”作用，揭示出它们之间的内在关系机制。
而调节效应则侧重于探讨某些变量如何影响自变量和因变量之间的关系的强度和方向。
我们将通过具体的案例分析和实证研究，阐述这两种效应在社会科学、心理学、经济学等领域的广泛应用，并展示它们在理解和解释复杂因果关系中的重要作用。
本文还将讨论中介效应与调节效应在因果推断中的挑战和限制，以及未来研究的可能方向。
通过本文的阐述，我们期望能够帮助读者更好地理解和应用中介效应与调节效应，从而提高因果推断的准确性和可靠性。
二、中介效应的概念及其在因果推断中的应用中介效应，也被称为间接效应或传递效应，是因果推断中的一个核心概念。
它描述了一个变量（即中介变量）如何在一个或多个自变量和一个因变量之间传递影响。
换句话说，中介效应揭示了自变量对因变量的影响不是直接的，而是通过中介变量间接地产生。
这种关系在社会科学、心理学、经济学等多个领域的研究中都有着广泛的应用。
中介效应可以帮助我们更深入地理解变量之间的复杂关系。
通过识别和分析中介变量，我们可以揭示出自变量和因变量之间的内在机制，从而更准确地解释和预测现象。
这对于理论发展和实际应用都具有重要意义。
中介效应也是因果推断中一个重要的工具，可以帮助我们更好地控制潜在的混杂因素。
在复杂的社会和科学现象中，往往存在多个相互关联的因素，这些因素可能同时影响自变量和因变量。
通过引入中介变量，我们可以更准确地估计自变量对因变量的直接影响，从而控制其他混杂因素的干扰。
在经验研究中，中介效应的分析通常通过结构方程模型（SEM）或回归分析等统计方法来实现。
这些方法可以帮助我们估计中介变量的作用大小和方向，以及自变量和因变量之间的直接和间接效应。
中介效应与调节效应对比和分析
中介效应与调节效应对比和分析中介效应和调节效应是心理学中的两个重要概念，都涉及到因果关系以及相关变量之间的关联性。
本文将从定义、例子和分析等方面对中介效应和调节效应进行对比和分析。
中介效应是指一个变量（中介变量）在解释一个因变量与自变量之间关系的过程中起到中介作用的情况。
也就是说，自变量通过中介变量对因变量产生影响。
例如，假设我们研究自尊对学业成绩的影响，发现中介变量是学习动力。
自尊会通过学习动力来影响学业成绩。
在这个例子中，自尊是自变量，学业成绩是因变量，学习动力是中介变量。
调节效应则是指一个变量在解释因变量与自变量之间关系的过程中对这个关系的影响程度。
也就是说，该变量调节了因变量与自变量之间的关系。
例如，我们研究幸福感与工作满意度之间的关系，发现社会支持是一个调节变量。
即社会支持会调节幸福感和工作满意度之间的关系。
在这个例子中，幸福感和工作满意度是因变量，社会支持是自变量，调节变量。
从定义上来看，中介效应强调的是自变量通过中介变量对因变量产生影响，而调节效应强调的是调节变量对自变量与因变量之间关系的影响程度。
因此，中介效应和调节效应从性质上来看是不同的。
在研究方法上，对中介效应的检验一般采用回归分析中的路径分析或中介效应检验的特殊程序（如Bootstrap程序）来进行。
而对调节效应的检验一般采用回归分析中的交互作用分析来进行。
这两种分析方法在统计学上也有所差异，因此在实际研究中需要灵活应用。
在研究中的意义上，中介效应和调节效应都可以帮助我们更好地理解变量之间的关系，并解释因果关系。
中介效应帮助我们了解自变量通过哪些中介变量对因变量产生影响，从而为干预措施提供依据。
而调节效应则帮助我们了解在其中一因果关系中，其他变量如何调节这一关系。
例如，社会支持如何调节工作满意度和幸福感之间的关系，可以帮助我们更好地了解如何提高员工幸福感。
总的来说，中介效应和调节效应在实际研究中都有其重要意义。
中介效应帮助我们了解变量之间的中介关系，调节效应则帮助我们了解变量之间的调节关系。
调节效应与中介效应的比较和应用
对模型 (1)中调节效应的分析主要是估计和检 验 c。如果 c显著 (即 H0 ∶c = 0的假设被拒绝 ) ,说 明 M 的调节效应显著 。熟悉交互效应 ( interaction effect)的读者可以从模型 ( 1)看出 , c其实代表了 X
与 M 的交互效应 ,所以这里的调节效应就是交互效 应 。这样 ,调节效应与交互效应从统计分析的角度 看可以说是一样的 。 然而 ,调节效应和交互效应这两个概念不完全 一样 。在交互效应分析中 ,两个自变量的地位可以 是对称的 ,其中任何一个都可以解释为调节变量 ;也 可以是不对称的 ,只要其中有一个起到了调节变量 的作用 ,交互效应就存在 。这一点从有关讨论交互 效应的专著中可以看出 (例如 ,显变量之间的交互 效应参见文献 [ 8 ] ,潜变量之间的交互效应参见文 献 [ 9 ] ) 。但在调节效应中 ,哪个是自变量 ,哪个是 调节变量 ,是很明确的 ,在一个确定的模型中两者不 能互换 。例如 ,要研究数学能力的性别差异 ,将年级 作为调节变量 ,这个问题关注的是性别差异 ,以及性 别差异是否会随年级而变化 。如果从小学一年级到 高中三年级都获得了各年级学生有代表性的样本 , 每个年级各用一份测试题 ,所得的数据就可以进行 上述分析 。但同样的数据却不能用于做年级为自变 量 、数学能力为因变量 、性别为调节变量的分析 ,因 为各年级的测试题目不同 ,得分没有可比性 ,因而按 调节效应的分析方法 (见表 1) ,分别不同性别做数 学能力对年级的回归没有意义 。要做数学能力对年 级的回归 ,应当用同一份试题测试所有年级的学生 。
Y = aX + bM + cXM + e
的层次回归分析 :
1. 做
Y对
X 和 M 的回归 ,得测定系数
关于心理健康教育课程的评价标准的思考
关于心理健康教育课程的评价标准的思考华中师范大学刘华山心理辅导是学校实施心理健康教育的重要途径。
而个别辅导、团体辅导、开设心理健康教育课程是学校心理辅导工作的３种基本形式（）。
其中开设心理健康教育课程可以保证心理辅导在整个学校教育工作中占有一个稳固的阵地，而且能使全班学生大面积受益，加之已有台湾地区学校几十年来开设心理辅导课程的经验可以借鉴，因而成了我国目前有条件的学校开展心理健康教育时乐于采用的常见形式。
应该看到，心理健康教育课程是一门性质比较特殊的课程。
与一般学科课程相比，它是一门更加民主化、个性化、人性化和生活化的课程，也是一门更具专业性、实践性和综合性的课程。
就其功能来说，它并不特别重视系统知识的传授，而是强调学生自身的活动与体验的获得。
为了提高心理健康教育课程的实效，任课教师必须有一个重新学习的过程。
学习的途径是多种多样的，主要有：加强有关心理辅导的理论学习，提高自身的理论素养；借鉴国内外开设类似课程的先行经验，包括德育工作中的一些成功做法；通过学术交流和教学观摩，潜心体会他人的有效经验；自己在课程设计及实施的教育实践中勇于创新，不断反思，不断积累。
到底什么样的心理健康教育课程能够对改善学生的心理与行为产生实效呢？根据心理辅导工作的要求，结合近年来我国部分地区学校开设心理健康教育课程的实际，在这里，我们试图提出若干标准，以作为观摩、评价心理健康教育课程时讨论的基础，这对于完善心理健康教育课程，提高心理辅导工作的专业水平，也许是有益的。
1.目标取向：内外兼顾心理健康教育在目标取向上，既要关注学生行为是否符合团体与社会的要求，又要注意学生个人合理需要的满足，做到社会目标（对外）与个人目标（对内）兼顾。
这与单纯注意按照社会要求来规范学生个人行为的思想道德教育是有所不同的。
为什么要关注学生合理需要的满足？因为个人基本需要的满足是保证当事人心理健康的重要条件。
相反，各种外攻性问题（如打架、骂人、撒谎、欺侮、毁坏公物）与内攻性问题（自贬、自卑、自残、孤僻、冷漠、生理抱怨等）的产生，都是由于学生的归属需要、尊重需要没有得到合理满足而引起的。
调节效应的四种解释
调节效应的四种解释调节效应是指在某种条件下，一种因素对另一种因素的影响程度会随着第三种因素的变化而发生变化。
在研究中，调节效应是非常重要的，因为它可以帮助我们更好地理解变量之间的关系。
在本文中，我们将探讨四种解释调节效应的方法。
1. 交互作用交互作用是指两个或多个因素之间的相互作用。
在这种情况下，一个因素的影响程度取决于另一个因素的水平。
例如，假设我们正在研究两种药物对高血压的治疗效果。
我们发现，一种药物在年轻人中更有效，而另一种药物在老年人中更有效。
这就是交互作用的例子。
2. 中介效应中介效应是指一个因素通过影响另一个因素来影响结果变量。
例如，假设我们正在研究压力对心理健康的影响。
我们发现，压力会导致睡眠质量下降，而睡眠质量下降会导致心理健康问题。
因此，睡眠质量是压力和心理健康之间的中介变量。
3. 调节变量调节变量是指一个因素可以影响另一个因素对结果变量的影响。
例如，假设我们正在研究饮食对健康的影响。
我们发现，饮食对健康的影响程度取决于个体的体重。
因此，体重是饮食和健康之间的调节变量。
4. 模型比较模型比较是指比较不同模型之间的差异，以确定哪个模型最好地解释数据。
例如，假设我们正在研究社交媒体使用对心理健康的影响。
我们可以比较不同模型，例如，一个模型考虑社交媒体使用和睡眠质量对心理健康的影响，而另一个模型只考虑社交媒体使用对心理健康的影响。
通过比较这些模型，我们可以确定哪个模型最好地解释数据。
调节效应是研究中非常重要的概念。
通过了解交互作用、中介效应、调节变量和模型比较等方法，我们可以更好地理解变量之间的关系，并更好地解释数据。
学校心理健康教育的理论与实践华中师大刘华山
2.外攻性问题与内攻性问题
外攻性问题：把攻击的矛头指向 外部的行为与违规犯过行为。如打架、 骂人、破坏公物、顶撞老师、欺负弱 小。 内攻性问题：把攻击的矛头指向 自己，如自卑、自贬、自残、孤僻、 冷漠。
3.社会目标与个人目标
学生最重要的需要有三：
一是归属的需要，即学生渴望受到关爱、 受到器重、能与同伴友好合作，获得信任感与 归属感；
道德困境练习 实例：你正在一条要沉的船上，有7 个人要上一个救生筏。但救生筏内只能 装5个人。这7个人中有你、一个12岁的 小无赖、一个69岁的退休教师、一个35 岁的棒球名星、一个 22岁的机械师、一 个52岁的传教士和一个39岁的怀了孕的 家庭主妇，你认为让哪些人上救生筏？
某高校一年自杀7人。
某高校一周自杀4人。 某省市在从2003年初到3月15日 自杀10起。
〇A型行为方式是冠心病的重要致病因素
50 年 代 ， 美 国 的 心 脏 病 专 家 弗 里 德 曼 （M.Friedman）和罗森曼（R.Rosonmman）按行为 模式把人划分为 A型和B型性格。确认A型行为模式是 冠心病的四大致病因素（高血压、吸烟、血中胆固醇 含量升高、A型行为方式）之一。A型行为模式的特征 是：成就取向，有时间紧迫感，容易被激怒，有竞争 心、进取心，而无耐心。而Ｂ型性格的人则没有这些 特点。他们能平静地工作，能够松弛下来，较有耐心， 不易被激怒。一项涉及3000名男性、持续8.5年的追踪 研究表明：A型性格的人的冠心病的发病率是B型性格 的人的2倍。
为保证学生有机会在活动中获得体验，在 心理健康教育课程中，可设置一些行动作业。
2.注意活动方式的多样性
中介效应和调节效应方法及应用
中介效应和调节效应方法及应用引言中介效应和调节效应是社会科学研究中常用的方法和概念。
本文将详细介绍中介效应和调节效应的定义、方法和应用，以及它们在各个学科领域中的重要性和实际意义。
中介效应中介效应是指一个自变量对因变量的影响，是通过一个中介变量或中介过程进行的。
中介变量在自变量和因变量之间传递和解释影响关系，起到了将自变量的影响传递给因变量的作用。
中介效应允许我们理解为什么和如何自变量能够影响因变量。
中介效应的方法1.Sobel检验：通过计算间接效应的标准误差，判断中介效应的显著性。
Sobel检验是最常用的统计方法之一，它可以通过对相关系数进行标准化来计算间接效应的标准差。
2.Bootstrap法：通过随机取样方法，构建多个样本，从中计算中介效应的置信区间。
Bootstrap法是一种非参数统计方法，不依赖于数据分布假设，具有较好的适用性和稳健性。
中介效应的应用1.心理学研究中的中介效应：在心理学中，中介效应被广泛应用于揭示变量之间的关系。
例如，研究发现，细胞的信号传递被认为是心理疾病发生和发展的中介因素。
2.经济学研究中的中介效应：在经济学中，中介效应广泛应用于研究经济变量之间的关系。
例如，研究发现，教育水平是收入差距的中介因素，教育水平的提高可以通过增加人们的技能和知识来提高收入水平。
调节效应调节效应是指一个自变量对自变量-因变量关系的影响程度。
调节变量可以增加、减少或改变自变量对因变量之间的关系。
调节效应有助于我们理解在不同条件下自变量对因变量的作用方式。
调节效应的方法1.分层回归分析：将调节变量作为交互项引入回归模型，通过分析交互项的系数来判断调节效应的显著性。
分层回归分析是调节效应研究中最常用的方法之一。
2.方差分析：通过将调节变量引入方差分析模型，并比较不同组之间的差异来判断调节效应的存在和程度。
调节效应的应用1.医学研究中的调节效应：在医学研究中，调节效应广泛应用于探讨治疗效果的差异。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
调节变量与交互作用分析华中师大心理学院刘华山整理一、调节变量（一）调节变量的含义如果变量Y与变量X的关系是变量M的函数，则称变量M是变量Y与变量X的调节变量。
变量M在变量Y与变量X的关系中的这种作用称为调节效应。
（二）交互作用当一个自变量（例如X）对因变量（例如Y）的影响取决于另一个自变量1（例如X）处于何种水平上时，就说两个自变量在对因变量的影响上存在着交2互作用。
（三）调节效应与交互作用效应在交互作用分析中，影响因变量的两个变量都称为自变量，这两个自变量在对因变量的影响上地位是等同的。
而在进行调节效应分析时，在一个确定的模型中，与因变量有关的两个变量，一个被指定为自变量，它与因变量的关系是基本的因果关系；另一个被视为可能的调节变量，它对因果关系实行调节。
在交互作用的分析中，两个自变量可能对因变量的主效应都不显著，此时我们仍然可以分析两个自变量的交互作用，交互作用仍然可能是显著的。
而在调节效应的分析中，从逻辑上说，一般是自变量对因变量的主效应是显著的，再来分析调节变量的调节效应。
【？】（四）调节效应与交互效应的统计分析方法1.交互效应分析交互效应一般采用多因素方差分析，或带有交互作用的多元回归分析。
当所有自变量都是分类变量时，交互作用分析采用方差分析，也可以采用多元回归分析。
当自变量中存在有连续变量时，交互作用分析采用多元回归分析或协方差分析。
问题是可否做连续变量与分类变量的交互作用呢？2.调节效应分析调节效应分析的统计方法也因自变量与调节变量的数据类型不同而不同。
当自变量和调节变量都是类别变量时，采用多因素方差分析。
当自变量与调节变量交互作用显著时，说明存在调节效应；【有无调节效应与有无主效应没有关系】当调节变量是连续变量时，无论自变量是何种类型变量，均采用层级回归。
先将自变量与调节变量对因变量的影响，然后将交互项“自变量×调节变量”纳入回归方程。
如果交互项回归系数显著，则存在调节作用。
当调节变量是类别变量，而自变量是连续变量时，作分组回归分析。
Cohen 介绍过两回归系数的差异检验的方法。
如果回归系数的差异显著，则调节作用显著。
（Cohen J. and Cohen P . Applied multiple regression/ correlation analysis for the behavior sciences (2nd ed.) . Hillsdale, NJ: Erlbaum, 1983）。
一说调节效应检验:当自变量与调节变量都是连续变量时，用带有乘积项的回归模型作层次回归分析:（1）作Y 对X 和M 的回归，得测定系数21R （2）作Y 对X ，M 和XM 的回归，得测定系数22R ,若22R 显著地高于21R ，则调节效应显著。
或者作XM 的偏回归系数的检验，若显著，则调节效应显著。
【温忠麟，侯杰泰，张雷（2005）调节效应与中介效应的比较与应用，心理学报，37（2），268-274】二、中介变量（Mediator ）（一）中介变量的含义如果自变量X通过变量M影响因变量Y，则M为中介变量。
中介效应涉及多层因果关系。
中介效应可从下图看出：1e1ecXY+=e 22eaXM+=e 33'ebMXcY++=有关系式：abcc+'=中介变量可以是显变量，也可以是潜变量。
（二）中介效应和间接效应从上图中可看出直接效应、间接效应、总效应。
中介效应是一种间接效应。
但中介效应与间接效应不是等同的概念。
总的来说，间接效应比中介效应概念要广一些。
（三）中介效应和调节效应中介变量和调节变量不被看作一般的自变量，但同自变量一样，一般来说，中介变量、调节变量与因变量都有关系，或说对因变量都有影响。
中介效应与调节效应显然不相同。
中介效应一定涉及多重因果关系，调节效应许多时候可能只涉及一层因果关系。
只有当自变量与因变量间的相关系数（路径系数）显著时，才做中介效应分析。
调节效应在通径图上表现为乘积项的存在；中介作用在通径图上表现为前后连接的通径。
图1中介效应中变量间关系的方程与路径图（四）中介效应的检验中介效应的检验程序（参照图1）： 1.自变量显著地影响因变量。
具体做法是：检验回归系数c ，如果显著，继续下面的第2步。
否则停止分析。
2.做Baron 和 Kenny 部分中介检验，即依次检验系数a ，b ，如果都显著，意味着X 对Y 的影响至少有一部分是通过中介变量M 实现的。
故中介效应存在的充分条件是，a,b,c 都显著。
如果中介效应显著，则为了进一步判断是部分中介效应，还是完全中介效应，继续做第3步；如果a ，b 中至少一个不显著，转到第4步。
3.判断完全中介效应或部分中介效应。
即检验系数c'，如果不显著，说明是完全中介过程，即X 对Y 的影响都是通过中介变量M 实现的；如果显著，说明只是部分中介过程，即X 对Y 的影响只有一部分是通过中介变量M 实现的，检验结束。
4.做Sobel 检验，如果显著，意味着M 的中介效应显著，否则中介效应不显著，检验结束。
(Sobel 检验是联合检验的一种，它不是依次检验a 是否显著、b 是否显著；而是联合检验ab 是否显著，即检验的零假设是a=0且b=0,即是ab=0)。
关键是要求出ab 的标准误，计算ab 的标准误的公式至少有5种。
其中的一种是2222ˆˆab ab s b s a S +=⎪⎩⎪⎨⎧=+=ab a b ab S b a Z s b s a S Sobel ˆˆˆˆ2222检验公式也就是2a22b 2s b ˆs a ˆb ˆaˆZ += 其中，b ˆ,aˆ分别是a 、b 的估计值。
a 、b 分别是相应回归方程中的未标准化系数，b a S S 和是其对应的标准误，可从回归表中直接得出。
即使X,Y,M 都是正态分布，由于涉及到乘积的分布，计算得到的z 分数仍然与正态分布出入较大。
由此MacKinnon 等人使用该统计量但使用不同的临界值进行检验。
在他们的临界值表中,显著性水平0.05对应的临界值是0.97，而不是通常的1.96。
（五）中介效应的实际操作程序：层级回归用层级回归分析中介作用例：图3 TPB 变量对求职行为的预测路径图 表1 求职行为对TPB 变量的层级回归显著至少有一个不显著都显著检验系数c依次检验系数a 、b 检验系数c'做Sobel 检验 部分中介效应显著显著完全中介效应显著不显著 中介效 应显著中介效应不显著显著 不显著 图2 中介效应检验程序T2 求职行为(β)预测变量Step 1 Step 2Step 3 控制变量性别a.09†.07†.06†年龄.02.01.04专业b-.03-.04-.09**勤工俭学c.02.01-.02经济状况-.04.02.04 TPB变量T1求职态度.06†.01T1 主体规范.41**.28**T1 行为控制感.19**.08*中介变量T1 求职意向.57**R2.01.27**.55** Adjusted R2.01.26**.54**三、有中介的调节变量（一）有中介的调节变量的含义例：一项研究的目的是考察学生行为（X）对同伴关系（Y）的影响。
以往的研究发现，教师的管教方式（U）是调节变量；老师对学生的喜欢程度（W）是中介变量。
由此可以假设，调节变量U的调节效应X×U也可能通过喜欢程度W的中介作用影响因变量，而成为图5的模型。
在此模型中管教方式U就是有中介的调节变量。
图5 有中介的调节变量（二）有中介的调节效应的检验检验步骤（1）做Y对X, U, XU的回归，XU的系数显著；（2）做W对X, U, XU的回归，XU的系数显著；（3）做Y对X, U, XU，W的回归，W的系数显著。
如果在（3）中XU的系数变得不显著，就说明W在调节变量对因变量Y 的影响中起完全中介作用。
由上可知，为了检验有中介的调节效应，应先检验调节效应的存在。
然后检验其中介效应。
四、有调节的中介变量（一）有调节的中介变量的含义如果已知管教方式U是调节变量，喜欢程度W是中介变量后，也可以提出另一种模型，如图6。
图6 有调节的中介变量（二）有调节的中介效应的检验有调节的中介效应包括以下步骤：1.做Y对X，U的回归，X的系数显著；2.做W对X，U的回归，X的系数显著；3.做Y对X，U，W的回归，W的系数显著。
4.作Y对X，U，W，UW的回归，UW的系数显著。
由此可知，检验有调节的中介效应时，先要检验中介效应，再检验调节效应。
五、混合模型（包含有中介的调节变量和有调节的中介变量）这里的混合模型（Mixed model）是既包含有中介的调节，也包含有调节的中介的模型。
如图7。
图7 混合模型六、混合模型的效应检验：儿童行为对同伴关系的影响例：儿童行为对同伴关系的影响。
考虑到要分析调节效应，需对四个观察变量X，Y，U，W作中心化处理，变为离差分数。
故此四个变量的均值为0。
但交互项（乘积项）的均值不为0。
数据分析需要提供X，Y，U，W，UX，UW的协方差矩阵和均值向量。
表2 中心化变量的协方差和均值变量Y W X U UW UXY18.87W 1.130.45X-9.78-2.2094.25U0.630.09-0.220.56UW0.480.04-0.360.040.37UX 5.52-0.55 5.580.53-0.9255.25均值0.000.000.000.000.10-0.23使用LISREL8.3广义最小二乘估计方法，各路径上的回归系数的原始估计值见下图。
所有回归系数都是显著的。
图7 混合模型参数估计结果混合模型中的中介效应分析（解释）表3 中介效应分析混合模型中的调节效应分析（解释）为了解释混合模型中的调节效应，写出W 和Y 对各自预测变量的回归方程如下：()()2308.1144.0520.0055.0199/2098.01009.0161.0022.0002.0UWUX U X W Y UXU X W +++-+-=-+-= 将（1）带入（2）并整理得到()()3012.0095.0103.0211.0871.0102.022XU U U U Y -+-+++-=（3）说明，混合模型中的调节不是通常的线性调节，而是二次调节，即Y 对X 的回归系数是调节变量U 的二次函数。
当U=1.297（相当于高出均值1.73个标准差）时，X 的系数等于零，即X 对Y 的负效应消失。
理论上U=3.958高于1.297后，X 对Y 是正效应，随U 增加而增加。
U 达到最大值，随后下降，U=6.260（应为6.620）后重回负效应。
但是，98%的U 值都小于1.497（相当于高出2个标准差），检验可以发现，U 在1.297和1.497之间时，X 对Y 的（正）效应不显著。