下载文档原格式
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。
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。
教育心理学教案（教育专业、心理专业本科教学用）华中师大心理学院2007.2修订：第一章教育心理学导论第二章学习的概述第三章学习理论第五章学习的迁移第六章知识的分类与陈述性知识的学习第七章程序性知识的学习第八章问题解决及其教学第九章动作技能及其形成第十章品德的形成第十一章个别差异与因材施教课程名称：教育心理学课程代码：81410009任课教师：刘华山课程性质：专业必修课先修课程：普通心理学，儿童发展心理学使用教材：皮连生主编:《教育心理学》,上海教育出版社,2004年8月第3版版教学参考资料：1.陈琦、刘儒德主编：《教育心理学》,高等教育出版社2005年版。
2.冯忠良、伍新春、姚梅林、王健敏著《教育心理学》，人民教育出版社2000年版。
3.【美】罗伯特.斯莱文著、姚梅林译：《教育心理学：理论与实践》，人民邮电出版社，2004年7月中译版。
4.【美】R.J.斯腾伯格著、张厚粲译：《教育心理学》，中国轻工业出版社，2003年9月中译版。
5.吴庆麟等编著：《认知教学心理学》，上海科技出版社，2000年8月版。
本课程教学的目的：理解教育心理学的基本概念、原理和基本理论（学习理论、动机理论、学习的迁移理论等），了解本学科领域新近研究成果与发展趋势，能够运用人的心理与行为改变的规律，以及本学科特有的思维方式和研究方法，观察、分析学校教育教学中现实问题，并对提高教育教学质量提供可行的建议。
教学内容:第一章教育心理学导论（2课时讲授，教材第1章练习）【知识点提示】：教育心理学研究对象；关于教育心理学性质与对象的多种论述；教育心理学的内容与教材体系；教育心理学诞生历史上的重大事件；教育心理学取向的回顾与展望。
【重点、难点提示】重点为教育心理学学科研究对象的独立性。
难点为教育心理学发展取向的历史演进及其启示。
一、教育心理学对象（一）教育心理学的研究对象教育心理学研究学校教育情境中学与教的心理规律，主要研究学生学习的心理规律。
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。
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。
中介效应和调节效应方法及应用中介效应与调节效应是社会科学研究中的两个重要概念。
它们分别用于检验一个因素对另一个因素的影响机制和影响效应的调节作用。
本文将对这两个概念进行详细阐述，并介绍它们在社会科学研究中的应用。
一、中介效应中介效应指的是一个变量在影响因变量与自变量之间的关系中起到了中介作用，即这个变量是自变量和因变量之间关系的传导媒介。
这种中介作用可以通过回归分析、路径分析和结构方程模型等方法进行检验。
其中路径分析和结构方程模型是应用最广泛的方法。
路径分析通过预测变量之间的直接和间接关系来检验中介效应，而结构方程模型则更加复杂，可以同时考虑多个中介变量之间的关系。
中介效应在社会科学研究中的应用非常广泛。
例如，在心理学和教育学研究中，可以使用中介效应来检验教育干预措施对学生成绩的影响机制。
具体来说，可以通过检验学习动机、学习策略等变量在教育干预措施与学生成绩之间的关系中的中介作用来了解这些变量在教育干预措施中的作用。
二、调节效应调节效应又称为交互作用效应，指的是一个变量对自变量和因变量之间的关系产生影响的程度。
如果一个变量对这种关系产生的影响是显著的，那么就认为这个变量具有调节效应。
调节效应可以通过回归分析、方差分析和多元分析等方法进行检验。
调节效应在社会科学研究中的应用也非常广泛。
例如，在管理学研究中，可以使用调节效应来检验领导风格和员工满意度之间的关系。
具体来说，可以通过检验员工工作经验、工作任务等变量对领导风格和员工满意度之间关系的调节作用来了解员工的工作情况对这种关系的影响。
三、中介效应与调节效应的区别中介效应和调节效应虽然都是用于检验自变量和因变量之间的关系，但是它们的研究对象和研究方法是不同的。
中介效应主要研究的是一个变量对自变量和因变量之间关系的传导作用，而调节效应则主要研究的是一个变量对自变量和因变量之间关系的影响程度。
此外，中介效应和调节效应在研究方法上也存在一些差异，中介效应主要使用路径分析和结构方程模型等方法，而调节效应则主要使用回归分析、方差分析和多元分析等方法。
中介效应与调节效应对比和分析中介效应和调节效应都是心理学中的重要概念，用于解释两个或多个变量之间的关系。
虽然它们都涉及到自变量和因变量之间的关联，但两种效应有着不同的作用和解释方式。
中介效应是指研究中介变量在自变量和因变量之间的传递作用。
当自变量对因变量的影响可以通过中介变量的连锁反应而发挥作用时，就会出现中介效应。
中介变量在中介效应中的作用是介于自变量和因变量之间的一种传递机制，通过调节自变量对中介变量的影响，进而影响因变量。
中介效应的本质是一种因果链条，它解释了自变量和因变量之间的关系以及这种关系是如何通过中介变量进行传递的。
调节效应则是指当其中一变量（调节变量）对自变量和因变量之间的关系有影响时，调节变量对于关系的影响程度。
调节效应也被称为交互效应，它涉及到自变量、调节变量和因变量之间的三方关系。
调节变量可以放大、减弱或改变自变量对因变量的影响。
调节效应的存在说明了自变量和因变量之间的关系取决于调节变量的特定条件或情境。
中介效应和调节效应的区别可以从以下几个方面进行分析：1.作用机制：中介效应强调中介变量在自变量和因变量之间传递作用的机制，即因果链条的存在。
而调节效应则关注调节变量对自变量和因变量之间关系的影响程度。
2.解释方式：中介效应解释了自变量通过中介变量对因变量产生影响，强调的是中介变量在关系中的作用。
而调节效应解释了调节变量对自变量和因变量关系的影响程度，强调的是调节变量在关系中的作用。
3.目的和研究设计：中介效应的研究主要关注自变量对中介变量和因变量之间关系的影响，可以用来解释变量之间的因果关系。
而调节效应的研究主要关注一些调节变量对自变量和因变量之间关系的影响程度，可以用来探索变量之间的交互效应。
4.统计分析：在统计分析上，中介效应通常通过中介模型来检验中介变量对自变量和因变量之间的影响。
调节效应则通常通过交互项分析来检验调节变量对自变量和因变量之间的影响。
总的来说，中介效应和调节效应都是探索变量之间关系的重要工具，但侧重点和解释角度不同。
目录一、明确概念 (1)二、研究步骤 (2)（1）中介效应 (3)第1步：确认数据，确保正确分析。
(3)第2步：中介作用检验 (3)（2）调节效应 (7)第1步：识别X和M的数据类别，选择合适的研究方法。
(7)第2步：调节作用检验 (8)第3步：SPSAU进行分析 (9)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？闲话少叙下面就来为各位讲解一下。
一、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。
二、研究步骤（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。
中介变量自变量分类定量(M)(X)分类定量分层回归分析---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）。
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X）对因变量（例如Y）的影响取决于另一个自变量当一个自变量（例如1X）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（例如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：1e 1e cX Y +=e 2 2e aX M +=e 3 3'e bM X c Y ++=有关系式：ab c c +'=图1中介效应中变量间关系的方程与路径图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。
（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2 中介效应检验程序图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T2 求职行为(β)预测变量Step 1 Step 2 Step 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 UXY 18.87W 1.13 0.45X -9.78 -2.20 94.25 U 0.63 0.09 -0.22 0.56 UW 0.48 0.04 -0.36 0.04 0.37 UX5.52-0.55 5.58 0.53 -0.92 55.25 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。
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。
