目前SPSSAU已支持中介作用、调节作用、带调节的中介作用的自动智能化分析。
SPSSAU问卷研究界面
调节作用已添加自动输出简单斜率分析、简单斜率图、模型图等。
中介作用可选择平行中介或链式中介检验，支持逐步检验法、Bootstrap抽样法，并自动输出中介作用检验结论、及效应量结果。
SPSSAU_调节作用分析
SPSSAU_中介作用分析
----------- 原文内容 -------------
在当前学术研究中，会经常遇到中介作用和调节作用，但很多小伙伴还搞不清楚什么是中介效应、什么是调节效应？以及如何区分两者？
那么闲话少叙下面就来为大家一一讲解。
1明确概念
中介效应或者调节效应并非分析方法，而是一种关系的描述，研究人员需要结合不同的数据分析方法对两种关系进行分析。
中介效应
中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响最终工作绩效（Y），此时创新氛围就成为了这一因果链当中的中介变量。
调节作用
调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。
2研究步骤
2.1中介效应
中介作用的分析较为复杂，共分为以下三个步骤：
第1步：确认数据，确保正确分析。
中介作用在进行具体研究时需要对应使用研究方法（分层回归）去实现；中介作用分析时，Y一定是定量数据。X也是定量数据，中介变量M也是定量数据。
资料来源：SPSSAU帮助手册-中介作用
第2步：中介作用检验
检验中介效应是否存在，其实就是检验X到M，M到Y的路径是否同时具有有显著性意义。
资料来源：SPSSAU帮助手册-中介作用
中介作用共分为3个模型。针对上图，需要说明如下：
模型1：自变量X和因变量（Y）的回归分析
模型2：自变量X，中介变量(M)和因变量（Y）的回归分析
模型3：自变量X和中介变量（M）的回归分析
模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量(M)，因而模型1到模型2这两个模型应该使用分层回归分析（第一层放入X，第二层放入M）。
在理解了中介分析的原理之后，接着按照中介作用分析的步骤进行，如下图：
资料来源：SPSSAU帮助手册-中介作用
第1步是数据标准化处理（对X,M,Y需要分别进行标准化处理，有时也使用中心化处理）（SPSSAU用户使用“生成变量”功能）
第2步和第3步是进行分层回归完成（分层1放入X，分层2放入M）
第4步单独进行模型3，即X对M的影响（使用回归分析或分层回归均可，分层回归只有分层1时事实上就是回归分析）
最后第5步进行中介作用检验。
检验图如下：
资料来源：SPSSAU帮助手册-中介作用
a代表X对M的回归系数；
b代表M对Y的回归系数；
c代表X对Y的回归系数（模型1中）；
c’代表X对Y的回归系数（模型3中）。
第3步：SPSAU进行分析
用户可以直接按照上图流程在SPSSAU中进行分析，生成结果。具体分析步骤可参考链接页面：SPSS在线_SPSSAU_中介作用
图片来源：SPSSAU官网网站
2.2调节效应
第1步：识别X和M的数据类别，选择合适的研究方法。
调节作用在进行具体研究时需要对应使用研究方法去实现；调节作用分析时，Y一定是定量数据。通常情况下X均为定量数据（比如开车速度），调节变量Z可以为分类数据（比如是否喝酒），也可以是定量数据（比如喝酒多少）。
资料来源：SPSSAU帮助手册-调节作用
第2步：调节作用检验
资料来源：SPSSAU帮助手册-调节作用
调节作用通常是使用分层回归进行研究，如果X和Z均为分类数据，则使用多因素方差分析（通常是双因素方差分析）进行研究。针对上图，需要说明如下：
如果X或者Z也或者Y由多项表示，通常需要先计算对应项的平均值生成得到新列（SPSSAU生成变量功能）
如果X或者Z是分类数据，并且使用分层回归，则需要对X进行虚拟变量处理（哑变量处理）
对X或者Z进行标准化处理，也可以进行中心化处理均可
Y并不需要进行标准化或者中心化处理（处理也可以）
交互项是指两项相乘的意思，记住交互项不能再次进行标准化或中心化
R平方变化显著的判断，是看△F 值是否呈现出显著性，如果显著则说明R平方变化显著
R平方变化显著，正常情况下交互项也会出现显著。如果说R平方变化显著，但交互项并不显著，建议以没有调节作用作为最终结论；如果交互项显著，R平方变化显著，建议以有调节作用作为最终结论。
第3步：SPSAU进行分析
用户判断好数据类型后，直接按照上图流程，在SPSSAU中进行数据处理及分析即可。具体分析流程可参考链接页面：SPSS在线_SPSSAU_调节作用
图片来源：SPSSAU官方网站
相关学习资料：
为大家提供上述分析方法的相关学习资料，包括中介作用、调节作用以及分析过程所需的生成变量和分层回归：
SPSS在线_SPSSAU_生成变量
SPSS在线_SPSSAU_中介作用
SPSS在线_SPSSAU_调节作用
SPSS在线_SPSSAU_分层回归分析
第二次
在当前学术研究中，会经常遇到中介作用和调节作用，但很多小伙伴还搞不清楚什么是中介效应、什么是调节效应？以及如何区分两者？
那么闲话少叙下面就来为大家一一讲解。
1明确概念
中介效应或者调节效应并非分析方法，而是一种关系的描述，研究人员需要结合不同的数据分析方法对两种关系进行分析。
中介效应
中介作用是研究X对Y的影响时，是否会先通过中介变量M，再去影响Y；即是否有X->M->Y这样的关系，如果存在此种关系，则说明具有中介效应。比如工作满意度（X）会影响到创新氛围（M）,再影响最终工作绩效（Y），此时创新氛围就成为了这一因果链当中的中介变量。

调节作用
调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。

2研究步骤
2.1中介效应
中介作用的分析较为复杂，共分为以下三个步骤：
第1步：确认数据，确保正确分析。
中介作用在进行具体研究时需要对应使用研究方法（分层回归）去实现；中介作用分析时，Y一定是定量数据。X也是定量数据，中介变量M也是定量数据。

第2步：中介作用检验
检验中介效应是否存在，其实就是检验X到M，M到Y的路径是否同时具有有显著性意义。

中介作用共分为3个模型。针对上图，需要说明如下：
模型1：自变量X和因变量（Y）的回归分析
模型2：自变量X，中介变量(M)和因变量（Y）的回归分析
模型3：自变量X和中介变量（M）的回归分析
模型1和模型2的区别在于，模型2在模型1的基础上加入了中介变量(M)，因而模型1到模型2这两个模型应该使用分层回归分析（第一层放入X，第二层放入M）。
在理解了中介分析的原理之后，接着按照中介作用分析的步骤进行，如下图：

第1步是数据标准化处理（对X,M,Y需要分别进行标准化处理，有时也使用中心化处理）（SPSSAU用户使用“生成变量”功能）
第2步和第3步是进行分层回归完成（分层1放入X，分层2放入M）
第4步单独进行模型3，即X对M的影响（使用回归分析或分层回归均可，分层回归只有分层1时事实上就是回归分析）
最后第5步进行中介作用检验。
检验图如下：

a代表X对M的回归系数；
b代表M对Y的回归系数；
c代表X对Y的回归系数（模型1中）；
c’代表X对Y的回归系数（模型3中）。
第3步：SPSAU进行分析
用户可以直接按照上图流程在SPSSAU中进行分析，生成结果。具体分析步骤可参考链接页面：SPSS在线_SPSSAU_中介作用

2.2调节效应
第1步：识别X和M的数据类别，选择合适的研究方法。
调节作用在进行具体研究时需要对应使用研究方法去实现；调节作用分析时，Y一定是定量数据。通常情况下X均为定量数据（比如开车速度），调节变量Z可以为分类数据（比如是否喝酒），也可以是定量数据（比如喝酒多少）。

第2步：调节作用检验

调节作用通常是使用分层回归进行研究，如果X和Z均为分类数据，则使用多因素方差分析（通常是双因素方差分析）进行研究。针对上图，需要说明如下：
如果X或者Z也或者Y由多项表示，通常需要先计算对应项的平均值生成得到新列（SPSSAU生成变量功能）
如果X或者Z是分类数据，并且使用分层回归，则需要对X进行虚拟变量处理（哑变量处理）
对X或者Z进行标准化处理，也可以进行中心化处理均可
Y并不需要进行标准化或者中心化处理（处理也可以）
交互项是指两项相乘的意思，记住交互项不能再次进行标准化或中心化
R平方变化显著的判断，是看△F 值是否呈现出显著性，如果显著则说明R平方变化显著
R平方变化显著，正常情况下交互项也会出现显著。如果说R平方变化显著，但交互项并不显著，建议以没有调节作用作为最终结论；如果交互项显著，R平方变化显著，建议以有调节作用作为最终结论。
第3步：SPSAU进行分析
用户判断好数据类型后，直接按照上图流程，在SPSSAU中进行数据处理及分析即可。
温馨提示：答案为网友推荐，仅供参考