研究背景
组织心理学研究，样本为 120 名企业员工。X = 工作要求，M = 职业倦怠，Y = 工作绩效，W = 团队支持（连续变量，均值 0.05、标准差 1.02、取值范围 −2.29 至 3.15）。已有研究支持「工作要求 → 倦怠 → 绩效」的中介路径，但研究者进一步想知道：这条路径的强度是否随团队支持水平变化。这属于「被调节的中介」（moderated mediation），对应 PROCESS 宏的 Model 7（调节发生在前半段 a 路径）与 Model 14（调节发生在后半段 b 路径）。
研究问题
间接效应是否被团队支持调节？如果存在，调节发生在中介路径的前半段（Model 7）还是后半段（Model 14）？
数据说明
120 行 × 4 列，列顺序必须是 X（自变量）、M（中介变量）、Y（因变量）、W（调节变量）——页面按列序读取，不看列名。W 为连续变量，工具会自动做均值中心化后构造交互项，并取 W 的 −1 SD、均值、+1 SD 三个水平计算条件间接效应。
分析步骤
步骤 1：先分清「被调节的中介」与「有中介的调节」
被调节的中介（moderated mediation）问的是「间接效应 a×b 的大小是否随 W 变化」；有中介的调节（mediated moderation）问的是「X×W 交互效应是否通过 M 传递」。两者模型设定不同，本工具实现的是前者，对应 PROCESS Model 7 / 14。
步骤 2：选 Model 7 跑一次（调节前半段）
Model 7 的设定为：中介方程 M = const + a₁X + a₂W + a₃XW，结果方程 Y = const + c′X + bM。间接效应 = (a₁ + a₃W) × b，因此随 W 变化。选择 Model 7 还是 Model 14 应由理论先验决定，而不是看哪个结果显著。
提示：工具会自动对 W 做均值中心化再构造 XW，避免交互项与主效应高度共线导致标准误膨胀。
步骤 3：看交互项 a₃ 与两个方程的拟合
a₃ 是「调节是否存在」的第一道判断：本例 a₃ = 0.506（SE 0.063, p < .001）显著，说明工作要求对倦怠的效应确实随团队支持变化。中介方程 R² = 0.679（F = 81.94, df = 116），结果方程 R² = 0.809，b = 0.944，c′ = 0.410，总效应 1.143（SE 0.101）。
步骤 4：看条件间接效应与「被调节的中介指数」
条件间接效应在 W 的三个水平上分别为：低（−1 SD, W = −0.972）0.349、平均（W = 0.049）0.838、高（+1 SD, W = 1.071）1.326，三者的 95% Bootstrap 置信区间均不含 0，且随 W 单调递增。被调节的中介指数 = 0.478（SE 0.079, 95% CI [0.337, 0.644], p < .001），CI 不含 0——这才是判断「存在被调节的中介」的决定性指标。
步骤 5：换 Model 14 做对照，比较总效应
Model 14 的设定为：中介方程 M = const + aX，结果方程 Y = const + c′X + b₁M + b₂W + b₃MW。同一批数据下交互项 b₃ = −0.056（p = .271）未达显著，指数 = −0.043（95% CI [−0.117, 0.027]，含 0，p = .215），条件间接效应 0.863 / 0.819 / 0.774 虽全部显著但变化幅度很小，工具给出两条警告。值得注意的是两个模型的总效应完全相同（均为 1.1425）。
提示：把两个模型都跑一遍是有教学价值的探索，但正式报告中必须说明这是探索性分析，并交代最终模型选择的理论依据。
结果解读
结论
Model 7（调节前半段）的结果支持「存在被调节的中介」。中介方程 M ~ const + X + W + XW 的 R² = 0.679（F = 81.94, df = 116），交互项 a₃ = 0.506（SE 0.063, p < .001）达到统计学显著；结果方程 Y ~ const + X + M 的 R² = 0.809，b = 0.944，c′ = 0.410，总效应 = 1.143（SE 0.101）。条件间接效应随团队支持单调递增：W = −1 SD（−0.972）时 0.349，W = 均值（0.049）时 0.838，W = +1 SD（1.071）时 1.326，三个水平的 95% Bootstrap CI 均不含 0。被调节的中介指数 = 0.478（SE 0.079, 95% CI [0.337, 0.644], p < .001），CI 不含 0，说明团队支持确实调节了这条中介路径的强度：团队支持越高，工作要求通过倦怠对绩效产生的间接效应越强。作为对照，Model 14（调节后半段）中结果方程的交互项 b₃ = −0.056（p = .271）未达到统计学显著，指数 = −0.043（95% CI [−0.117, 0.027]，包含 0，p = .215），未观察到被调节的中介的证据。两个模型的总效应完全一致（1.1425）。
为什么这样解读？
这个对照案例有两点最值得记住。第一，调节变量改变的是间接效应的「分配」，而不是总效应：Model 7 与 Model 14 的总效应在小数点后 6 位都相同（1.1425），因为总效应 = 直接效应 + 间接效应，调节只是把同一份间接效应在 W 的不同水平上重新分配。所以「加了调节变量后总效应变了」这种说法在设定正确的情况下不会发生，如果发生，说明模型设定或数据出了问题。第二，判断「有没有被调节的中介」的唯一标准是指数的 Bootstrap CI 是否含 0，而不是看条件间接效应是否显著：Model 14 的三个条件间接效应（0.863 / 0.819 / 0.774）CI 下界全部大于 0，也就是说在每个 W 水平上中介都成立，但指数 CI [−0.117, 0.027] 含 0，结论仍然是「没有证据支持被调节的中介」。只报条件间接效应会导致严重的过度解读。此外，本例 W 是连续变量（binary = false），因此工具用 ±1 SD 而非 0/1 分组取水平；报告时应写清 W 的具体取值（−0.972 / 0.049 / 1.071）而不是笼统地写「低 / 中 / 高」。最后，交互项的显著性依赖中心化：本工具自动对 W 做均值中心化，若手工在 Excel 中构造 X×W 而不中心化，a₁ 与 a₂ 的解释会失去意义，且共线性会大幅膨胀标准误。
如何在论文中报告
采用被调节的中介模型（PROCESS Model 7）检验团队支持（W）对「工作要求（X）→ 职业倦怠（M）→ 工作绩效（Y）」中介路径的调节作用，n = 120，W 经均值中心化（M = 0.05, SD = 1.02）。中介方程 M ~ X + W + XW 的 R² = 0.679, F(3, 116) = 81.94, p < .001，交互项 a₃ = 0.506, SE = 0.063, p < .001；结果方程 Y ~ X + M 的 R² = 0.809，b = 0.944，c′ = 0.410，总效应 c = 1.143, SE = 0.101。条件间接效应（Bootstrap 5000 次，95% 偏差校正 CI）：W = −1 SD（−0.97）时 0.349；W = 均值（0.05）时 0.838；W = +1 SD（1.07）时 1.326，三个水平的 CI 均不含 0。被调节的中介指数 = 0.478, SE = 0.079, 95% CI [0.337, 0.644]，不含 0，表明团队支持显著调节了该中介路径，团队支持水平越高，间接效应越强。作为对照的 Model 14 中，结果方程交互项 b₃ = −0.056, p = .271，指数 95% CI [−0.117, 0.027] 含 0，未观察到后半段被调节的证据。
常见错误
看到条件间接效应显著就宣称存在被调节的中介
条件间接效应在每个 W 水平上都可能显著，但只要指数（index of moderated mediation）的 Bootstrap CI 含 0，就不能说中介强度被调节。本案例的 Model 14 正是这种情形：三个条件效应全部显著，指数却不显著。
把 Model 7 与 Model 14 的结果混在同一个模型里报告
两者是不同的模型设定（交互项放在中介方程还是结果方程），系数含义不同，不能相加或混用。应依据理论先验选定一个主模型，另一个作为对照或敏感性分析，并明确标注。
构造交互项前不对 W 做中心化
未中心化的 X×W 与 X、W 高度共线，会使主效应系数的标准误大幅膨胀、解释也失去意义（主效应变成 W = 0 处的效应，而 W = 0 可能不在数据范围内）。本工具自动中心化，手工计算时务必先减去均值。
用 Sobel 检验或正态近似来判断间接效应
间接效应 a×b 的抽样分布是偏态的，正态近似会低估不确定性。应使用 Bootstrap 置信区间（本工具默认 5000 次），并按 CI 是否含 0 下结论。
把连续的 W 二分成「高 / 低」两组做分组回归
二分法会损失信息、降低检验力，且切分点的选择带有任意性（中位数、均值、±1 SD 会给出不同结论）。连续调节变量应保留原尺度，用 ±1 SD 三个水平呈现条件效应。