不仅仅是心理学，社会科学中有定量分析的学科，除了经济学之外，有不少都很喜欢做中介和调节。因为这对于理解『自变量是如何解释因变量』非常的有用。

首先，在数据的意义上，什么叫做叫做A变量「解释」了B变量呢？这个一般来说是通过变化来度量的——当B变量的变化能够被A变量的变化能够按照某种映射关系对应起来的时候，我们可以说A变量在一定程度上「解释」了B变量。这样就非常容易理解所谓的「中介」和「调节」。如果说变量C「调节」了A和B的关系，其实就是说A的变化对B的变化的影响程度，和C的数值有关。

举个具体的例子，说学习时间和学习成绩之间的关系。如果数据支持这样一个结果：智商越高，学习成绩对学习时间越敏感，那么这个时候我们就可以说，智商正向的「调节」了学习时间和学习成绩的关系。这里自变量直接影响因变量，而调节变量只是改变了影响的强度。如果说变量C「中介」了A和B的关系，最极端的情况，也就是完全中介下，加入了C之后，A的波动会变得无关紧要，因变量B根本不在乎A。这说明因变量B之前随着自变量A波动，只是因为A影响了C，C影响了B。仅仅因为没有控制C，所以在回归中才出现了貌似A直接影响B的情况。一旦把真正起作用的C控制住了，A就变得无关紧要了。还用成绩作为例子：

我们假定这么一个场景：老师预先给了100道题，说随机抽10道考，那么显然如果能把这100道题都做出来，那么成绩就可以拿满分。所以这个时候做题的数量，从概率上决定了成绩的高低，而学习时间仅仅决定了做题的数量。在没有加入做题的数量之前，学习时间会非常显著，但是加入了做题数量之后，时间其实就变得无关紧要了：无论一个人学习10小时还是20小时，真正起作用的并不是时间，而是他/她做了多少道题。体现在「学习时间」这个变量的显著性被几乎彻底的「抽空」了，这时候就是完全中介。但是如果学习的场景没有这么严格，考试的范围也不固定，那么是把学习时间都用来做题，还是说分出一段时间来看概念呢？这时候加入「做题数目」这个自变量，可能确实也会抽空相当一部分的「学习时间」，但是如果有额外的「学习时间」用来读书加深理解，可能对学习成绩也有正面的影响，加入「做题数目」之前，「学习时间」三颗星显著（p