十点
一、定义1、中介变量(mediator)是自变量对因变量发生影响的中介，是自变量对因变量产生影响的实质性的、内在的原因 。如果变量Y与变量X的关系是变量M的函数，称M为调节变量。2、调节变量是指考虑自变量X 对因变量Y的影响，如果X通过影响变量M来影响Y，则称M为中介变量。调节变量可以是定性的(如性别、种族、学校类型等) ，也可以是定量的(如年龄、受教育年限、刺激次数等) ，它影响因变量和自变量之间关系的方向(正或负)和强弱。二、区别1、研究目的不同调节变量研究的目的是X何时影响Y或何时影响比较大。中介变量研究的目的是X如何影响Y。2、M的功能不同调节变量M的功能影响Y和X之间关系的方向（正和负）和强弱。中介变量M代表一种机制，X通过它影响Y。3、检验策略不同调节变量做层次回归分析，检验偏回归系数C的显著性，或者检验测定系数的变化。中介变量做依次检验，必要时做Sobel检验。三、例子1、中介变量例如：学生的学习效果和指导方案的关系，往往受到学生个性的影响，一种指导方案对某类学生很有效，对另一类学生却没有效，从而学生个性是调节变量。又如学生一般自我概念与某项自我概念(如外貌、体能等)的关系，受到学生对该项自我概念重视程度的影响：很重视外貌的人，长相不好会大大降低其一般自我概念；不重视外貌的人，长相不好对其一般自我概念影响不大，从而对该项自我概念的重视程度是调节变量。2、调节变量例如：上司的归因研究：下属的表现———上司对下属表现的归因———上司对下属表现的反应，其中的“上司对下属表现的归因”为中介变量 。如果一个变量与自变量或因变量相关不大，它不可能成为中介变量，但有可能成为调节变量。理想的调节变量是与自变量和因变量的相关都不大。有的变量，如性别、年龄等，由于不受自变量的影响，自然不能成为中介变量，但许多时候都可以考虑为调节变量。对于给定的自变量和因变量，有的变量做调节变量和中介变量都是合适的，从理论上都可以做出合理的解释。扩展资料调节变量的特征一般来说，调节变量是定性（如，性别，种族，阶层）或定量（如，回报大小）变量，影响自变量（IV）或预测变量（PV）与因变量（DV）或效标变量（CV）之间关系的方向和/或强度。在相关分析中，调节变量是影响其它两个变量之间的零次相关（the zero-order correlation）的第三方变量。在更熟悉的方差分析中，自变量与通过操控设定为某种条件的因子之间的交互作用代表一个基本的调节效应。调节变量总是作为自变量，而中介从结果到原因的角色变化取决于分析的重点。参考资料来源：百度百科—调节变量参考资料来源：百度百科—中介变量 
是否具有责任心，是否经过专业学，是否具有专业资质证书，是首要的判断标准。心理咨询是一项非常有意义的事，可以帮助自己也可以帮助别人像心理课程中的重要一个章节就是“发展心理学”，讲述的就是从婴幼儿时期到青少年，再到中年和老年等各个阶段中的心理特征和引导办法。可以根据自己的情况选择面授课程或者网络课程。亲若觉得回复有用，请采纳哟
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。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。中介作用中介作用是研究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1中介作用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SPSS在线版SPSSAU帮助手册-中介作用图片来源：SPSSAU官网网站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。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SPSS在线版SPSSAU帮助手册-调节作用
