调节中介效应模型共分为两类回归模型；

第一：第1类回归模型为因变量为Y时的回归模型构建；

第二：第2类回归模型为因变量为中介变量M的回归模型构建（如果多个中介变量则多个模型）； 从上表可知：调节中介效应分析共涉及3个模型,分别如下：

Y=0.696-0.062*X +0.396*M1 +0.469*M2

M1=1.652-0.106*X +0.422*Z +0.060*X*Z

M2=5.844-0.896*X-0.708*Z +0.270*X*Z

事实上表格仅呈现出结果，正是利用上表格中的数字，才能用于接下来的直接效应，调节中介作用研究等，比如上表格中的-0.062正是直接效应；以及调节中介作用中的效应量effect值也是基于上表格中的数字得到，但其需要进行一些数学计算，可参考书籍“高级心理统计（刘红云）”。

从上表格可知：X对于Y的影响并没有呈现出显著性（p=0.163>0.05），但这并不会影响到接下来的调节中介作用分析，因为X是否对于Y有影响，并不是调节中介（也或者中介作用）的前提条件。

第一：如果间接效应值的95%区间(BootCI)值包括数字0，则说明不具有中介效应；

第二：如果间接效应值的95%区间(BootCI)值不包括数字0，则说明具有中介效应；

第三：条件间接效应指调节变量Z在不同水平时的中介效应情况，即调节中介效应。

首先看X->M1->Y这条路径，在Z取平均水平（Z=4.236）时，Bootstrap 95%置信区间为0.029~0.098，不包括0，也即说明平均水平下，X对Y影响时M1有着中介作用。在Z取低水平（Z=3.160）时，Bootstrap 95%置信区间为0.003~0.081，不包括0，也即说明Z在低水平时，X对Y影响时M1有着中介作用。在Z取高水平（Z=4.862）时，Bootstrap 95%置信区间为0.04~0.128，不包括0，也即说明Z在高水平时，X对Y影响时M1有着中介作用。综合可知，在Z取低水平，平均水平，或高水平时，M1均会起中介作用。三种水平时，均起着中介作用而且都是效应量均大于0，说明调节中介不存在，因为中介作用情况一致。

接着看X->M2->Y这条路径，在Z取平均水平（Z=4.236）时，Bootstrap 95%置信区间为0.062~0.172，不包括0，也即说明平均水平下，X对Y影响时M2有着中介作用。在Z取低水平（Z=3.160）时，Bootstrap 95%置信区间为-0.014~0.099，包括0，也即说明Z在低水平时，X对Y影响时M2不会有中介作用。在Z取高水平（Z=4.862）时，Bootstrap 95%置信区间为0.114~0.266，不包括0，也即说明Z在高水平时，X对Y影响时M2有着中介作用。综合可知，在Z取低水平时M2不会起中介作用，Z取平均水平或高水平时，M2均会起中介作用。三种水平时M2是否有中介作用的情况并不一致，因此X->M2->Y时，条件中介作用存在。

调节中介作用的检验方法？

调节中介作用的检验方式有很多，最为常用是条件中介效应表格检验法，即调节变量Z取不同水平时，X->M->Y的中介效应情况是否有着差异性。除此之外，SPSSAU还提供调节中介Index of MM法，可直接使用，相对来说，‘条件中介效应表格检验法‘法更直观易懂，但调节中介Index of MM法直接查看系数显著性即可，相对更加简单便捷。

调节变量Z的低水平、平均水平和高水平是什么意思？

调节变量低水平，平均水平或高水平是指，调节变量取平均值减1个标准差，取平均值，取平均值加1个标准差这3种不同值情况。