中介与调节的区别
中介效应（mediation）回答「X 通过什么影响 Y」，即是否存在一个中介变量 M 传递了 X 对 Y 的作用；调节效应（moderation）回答「X 对 Y 的影响是否因人、因情境而异」，即某个调节变量 W 改变了两者关系的方向或强弱。
两者常一起提出理论假设，但对应的模型与解读方式不同：中介关注路径传递，调节关注交互作用。 还有「有调节的中介」——间接效应本身随调节变量而变化。
中介效应：间接效应与 Bootstrap
简单中介模型包含两条路径：X→M 的系数 a，以及在控制 X 后 M→Y 的系数 b。间接效应为 a×b，直接效应记为 c′，总效应 c ≈ c′ + a×b。
Bootstrap 法对样本做大量有放回重抽样（如 5000 次），每次计算 a×b， 据此得到间接效应的经验分布与置信区间。它不要求间接效应服从正态分布，通常比 Sobel 检验更受推荐。 当自助法置信区间不包含 0 时，一般认为间接效应存在。
间接效应例子
模型：工作压力（X）→ 情绪耗竭（M）→ 离职意向（Y）。
得 a=0.46（p < 0.001），b=0.39（p < 0.001）。Bootstrap 5000 次的间接效应 a×b=0.18， 95% 置信区间为 [0.06, 0.32]。
区间不包含 0，说明中介作用成立；若总效应 c=0.30，则间接效应占总效应的比例约为 0.18 ÷ 0.30 = 60%。
中介报告模板
「间接效应 a×b = 0.18，Bootstrap 5000 次，95% 置信区间 [0.06, 0.32]，区间不含 0； 直接效应 c′ = 0.12（p = 0.08）。间接效应占总效应约 60%。」
调节效应：交互项与简单斜率
检验调节的方法是在模型中加入交互项 X×W。交互项显著说明 W 调节了 X 对 Y 的效应。 当调节变量为连续变量时，通常先做中心化（减去均值），以降低主效应与交互项之间的共线性，使系数更易解释。
交互项显著后，应做简单斜率分析：在 W 的「均值 − 1 个标准差」「均值」「均值 + 1 个标准差」处， 分别计算 X 对 Y 的斜率，观察效应方向与强弱如何随 W 变化。
简单斜率例子
以组织支持感（W）调节工作压力（X）对离职意向（Y）的影响。
交互项 b = −0.20（p = 0.004），说明调节存在。简单斜率： 低支持（均值 − 1SD）时，X 的斜率为 0.42（p < 0.001）； 高支持（均值 + 1SD）时，斜率为 0.12（p = 0.21）。
解读：支持感较低时，工作压力对离职意向的正向影响更强；支持感较高时该影响减弱。
结果报告模板
中介
a = 0.46（p < 0.001），b = 0.39（p < 0.001）；间接效应 a×b = 0.18，Bootstrap 95% CI [0.06, 0.32]；直接效应 c′ = 0.12（p = 0.08）。
调节
交互项 b = −0.20（p = 0.004）；简单斜率：W 均值 − 1SD 时为 0.42（p < 0.001），均值 + 1SD 时为 0.12（p = 0.21）。
有调节的中介
若假设「间接效应随 W 而变化」，可用有调节的中介模型（如常见的 Model 7 / Model 14 设定）， 报告在不同 W 水平下的条件间接效应及其 Bootstrap 置信区间。
常见误区
常见误区
凭「X→M 显著、M→Y 显著」就断言中介成立？关键仍是间接效应 a×b 的检验，应给出其 Bootstrap 置信区间。
用横截面数据断言因果中介路径？横截面数据难以确立时序，中介的因果解释依赖理论设计与时序证据。
只检验交互项、不做简单斜率？仅凭交互项显著无法说明「具体如何调节」，需给出不同 W 水平下的斜率。
连续调节变量未中心化？会加重共线性，使主效应系数变得难以解释。
小结
- 中介回答「通过什么」，调节回答「是否因人而异」，两者模型与解读不同。
- 中介检验的核心是间接效应 a×b，通常用 Bootstrap 置信区间是否包含 0 来判断。
- 调节检验先看交互项显著性，再做简单斜率分析说明具体调节模式。
- 报告时同时给出效应量、置信区间与总效应比例，并说明样本与设计对因果推断的限制。