一、调节效应和中介效应的区别？
一、中介效应
假设自变量是X，因变量是Y，中介变量是M，调节变量是W，那么中介效应就是如果X影响Y，并且X是通过一个中间变量M对Y产生影响的，那么M就是中介变量，它所起的效应就是中介效应。
中介效应可以分为完全中介效应和部分中介效应。
完全中介效应是指自变量X只能通过中介变量M影响因变量Y，如果没有中介变量M的话，自变量X就不会影响因变量Y。
部分中介效应是指自变量X可以通过中介变量M影响因变量Y，但也可以不通过中介变量M影响因变量Y，直接影响因变量Y。
举例：林国耀等人的《大学生社会支持与主观幸福感的关系：生命意义感的中介作用》，这篇文献中，自变量是大学生社会支持，因变量是主观幸福感，中介变量则是生命意义感，生命意义感在社会支持和主观幸福感之间起到了部分中介作用。生命意义感在朋友支持、家庭支持和主观幸福感之间起部分中介作用，即朋友支持、家庭支持可以通过生命意义感正向影响大学生的主观幸福感。
另外，中介变量还可以平行中介和链式中介。
平行中介是指几个中介变量如M1，M2，M3都在自变量X对因变量Y的影响中起着同等的中介作用；
链式中介则是指自变量X先通过中介变量M1再影响M2再影响M3最终影响因变量Y。
二、调节效应
调节效应是指如果变量X与变量Y有关系，但是X与Y的关系受第三个变量W的影响，那么变量W就是调节变量，调节变量所起的效应就是调节效应。根据调节变量的不同水平会对X与Y的关系产生不同的影响，可以把调节效应分为正向调节和负向调节。当调节变量W对变量X与变量Y间的影响关系具有显著的强化或促进作用时，称为正向调节，反之则为负向调节。
举例：刘莎等人在《大学生感知压力与手机依赖：孤独感的中介作用与性别的调节作用》这篇文献中，自变量X为大学生感知压力，因变量Y为手机依赖，中介变量为孤独感，调节变量为性别，结论是孤独感在感知压力和手机依赖的关联中起中介作用，性别在该中介路径的后半段起调节作用。
三、中介效应与调节效应的区别
总的来说，中介效应的本质是一种简接效应，研究的目的是看自变量X如何影响因变量Y；而调节效应是看自变量何时影响因变量Y或者何时影响较大，是一种情境变量所产生的效应。
四、有中介的调节
有中介的调节是指自变量X通过中介变量M影响因变量Y，并且调节效应（至少部分地）通过中介变量（M）起作用。
五、有调节的中介
有调节的中
二、中间变量与中介变量、调节变量有什么关系吗?
中间变量与中介变量、调节变量有区别：
1、研究目的不同：中介变量主要考察自变量如何影响因变量，是一种机制和原因研究。调节变量主要考察自变量何时（或者在什么条件下）影响因变量，是一种边界条件研究。
2、适用情况不同：当自变量与因变量的关系较强且比较稳定的时候，适合做中介变量分析。当自变量与因变量的关系时强时弱、不稳定的时候，适合做调节变量分析。
3、前提条件不同：中介变量与自变量、因变量的相关关系必须显著，调节变量和自变量、因变量的相关可以显著也可以不显著，不显著更好。
条件
当中介变量引入回归方程后，自变量与因变量的相关或回归系数显著降低。如果自变量与因变量的关系下降至零，是完全中介。
如果自变量与因变量的相关降低但不等于零，是部分中介，在这种情况下就可以证明预测变量对结果变量的影响是通过中介变量来进行的。
三、模型拟合路径显著不显著和中介检验有和关系
有关系。
为了检验中介作用，用结构方程模式拟合一个模型，使其直接路径和间接路径被同时拟合，目的是在排除了或统计上控制了其他影响效应的同时来估计这两个效应。
四、中介效应、调节效应是什么？
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。
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。
中介作用的分析较为复杂，共分为以下三个步骤：
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。
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）。
用户可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
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）。
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：
1、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）
2、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）
3、对X或者Z进行标准化处理，也可以进行中心化处理均可
4、Y并不需要进行标准化或者中心化处理（处理也可以）
5、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
6、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
7、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。
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