为什么交互不显著，图上两条线仍不平行？

点估计 β₃ = −0.0715 确实使两条简单斜率不完全相同，但 t = −1.52、p = 0.128，尚不能拒绝「斜率为常数」。图是描述，检验才是结论。本案例应写「未检出调节效应」。

和 SPSS 对不上怎么办？

SPSS 需自行计算中心化变量与乘积项，再放入线性回归。若未中心化，主效应系数会变，但交互项 p 值在包含乘积项的同一模型里应接近。本页已中心化：兴趣 0.2834、支持 0.2041、交互 −0.0715（p = 0.128）。参照水平、缺失删除不一致也会造成差别。

要不要因为 p=0.128 接近 0.10 就说「边缘显著」？

按本页 α=0.05 的口径，调节不成立。若期刊允许 α=0.10，应预先声明，而不是看完 p 值再改标准。无论何种 α，都应报告系数、标准误与确切 p 值。

调节和中介可以同时做吗？

可以，但那是另一套模型（有调节的中介），不能把同一变量既当 M 又当 W 而不改假设。先写清「传递」还是「条件」，再选方法。

调节效应分析

这篇能回答什么

调节效应分析回答的是「X 对 Y 的关联在什么条件下更强或更弱」。调节变量 W 不充当 X 与 Y 之间的传递机制，而是改变 X→Y 的斜率。StatsX 对连续的 X 与 W 先减均值（中心化），再构造交互项 X×W，拟合 Y 对 X、W 与交互项的 OLS。判定调节是否成立，看交互项系数是否显著，而不是只看主效应。

适合：X、W、Y 均为定量，假设为条件效应（何时更强），例如支持、压力、年级均分等连续或李克特均分。每次 1 个 X、1 个 W、1 个 Y。

什么时候不该用

若假设是「X 通过 M 影响 Y」，应使用中介效应分析。既要间接路径又要条件化，用有调节的中介。需要在调节变量连续取值上找显著性区域时，用Johnson-Neyman 分析。只要主效应、不要交互，用线性回归即可。

如何选择方法

把问题说成一句话：是「经过谁」还是「在什么水平上」。经过谁 → 中介；在什么水平上 → 调节。调节成立之后，若还要报告 W 取哪些值时简单斜率显著，再看 Johnson-Neyman。

调节效应分析：X、W、Y 各 1 个定量列；中心化 + 交互项 + 高低水平简单斜率图。
中介效应分析：估计 a×b 间接路径，不构造 X×W。
Johnson-Neyman：在 W 的连续取值上标出简单斜率显著的区间。
有调节的中介：间接效应本身随 W 变化。

中介效应分析

用于探究自变量如何通过中介变量最终影响因变量的内在传导机制。

Johnson-Neyman 分析

精准探测调节变量在何种绝对数值区间内，自变量对因变量的主效应是显著的。

有调节的中介模型

分析中介效应的传递过程是否受到特定调节变量的干扰（如 Hayes Model 7）。

线性回归（最小二乘法）

用于确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法；定类自变量自动虚拟变量编码，亦支持按分组变量进行分组建模对比。

输入、输出与限制

输入

自变量、调节变量、因变量均为定量，且各恰好 1 列。三者联合删除缺失后再估计。

自变量 (X)：最少 1 个，最多 1 个（定量）。
调节变量 (W)：最少 1 个，最多 1 个（定量）。
因变量 (Y)：最少 1 个，最多 1 个（定量）。

输出

结果表给出中心化后的 X、W 与交互项 X×W 的系数、标准误、t 与 p。表注给出模型 R²、整体 F 检验 p 值，并注明已中心化。同时输出 W 取均值±1 个标准差时的简单斜率图与文字洞察。

产品限制

有效样本过少会拒绝运行。
不支持一次放入多个调节或多个自变量交互；需要 X×W 以外的项应改用分层回归自行分块。
简单斜率图画的是 W 高、低各一档（±1 SD），不是显著性区域；区域推断用 Johnson-Neyman。
交互项不显著时，不要根据图中两条线「看起来不平行」宣称调节成立。

案例

研究问题。 数学学习兴趣与学科难度感知的关联，是否随家庭学习支持的高低而改变？

教学示例来自学生问卷表，工作表为「有效样本数据」，样本量以成表删除后为准（本案例表注模型建立在问卷有效样本上，N = 500）。X = 数学学习兴趣，W = 家庭学习支持，Y = 学科难度感知。下载后可在工作台按同样角色复现本页系数。

下载教学示例表（学生问卷）

在 StatsX 中操作

步骤 1 · 上传表格

打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用学生问卷 xlsx，确认工作表为「有效样本数据」。单文件不超过 20 MB。
步骤 2 · 查看画像与质量

确认三列为定量评分。调节分析会自动中心化 X 与 W，无需在表里先减均值。
步骤 3 · 选择「调节效应分析」

在算法目录搜索「调节」，点选调节效应分析。不要与中介效应、有调节的中介混淆。
步骤 4 · 指定变量并运行

自变量放数学学习兴趣，调节变量放家庭学习支持，因变量放学科难度感知。点击运行分析。
步骤 5 · 阅读结果

先看交互项 p 值，再看主效应与 R²。交互不显著时，简单斜率图只作描述，不能写成「调节成立」。

确认自变量、调节变量与因变量均为定量。

如何阅读输出

下表由同一份教学示例在 StatsX 中运行调节效应分析得到。表注：模型 R² = 0.1662，整体 F 检验 p < 0.001，计算前已对主变量中心化。整体模型可检出，但调节是否成立只看交互项。

调节效应分析结果 (因变量: 学科难度感知)

项	回归系数(Coef)	标准误	t值	P值
数学学习兴趣	0.2834	0.0421	6.7383	<0.001
家庭学习支持	0.2041	0.0425	4.8082	<0.001
数学学习兴趣 × 家庭学习支持	-0.0715	0.0469	-1.5249	0.128

左右滑动可查看完整表格

模型 R² = 0.1662 | 模型 F 检验 P值 = <0.001 (为消除共线性，计算前已对主变量进行中心化处理)

调节效应简单斜率图 — 高低家庭支持下的简单斜率图；交互不显著时两条线差异不能解释为调节成立。

【调节效应】检验家庭学习支持是否调节数学学习兴趣→学科难度感知，连续变量已中心化。【交互项】数学学习兴趣 × 家庭学习支持统计不显著(p=0.128, α=0.05)，结论：调节效应不成立。

交互项数学学习兴趣 × 家庭学习支持系数为 −0.0715（SE = 0.0469，t = −1.5249，p = 0.128），在 α=0.05 下不显著，结论为调节效应不成立。兴趣主效应 0.2834 与家庭支持主效应 0.2041 均 p < 0.001，表示在中心化后的平均支持水平上，二者与难度感知仍有正向关联，但这是主效应，不是「支持改变了兴趣的斜率」。写结果时应明确报告交互项 p = 0.128，避免用图代替检验。

理论与公式

对连续自变量与调节变量做中心化：X_c = X − X̄，W_c = W − W̄，再拟合

X 对 Y 的简单斜率随 W_c 线性变化。W 取均值±1 个标准差时：

中心化不改变交互项的 t 与 p，但使 β₁、β₂ 表示「另一变量处于均值」时的效应，并减轻 X、W 与乘积项的共线性。调节是否成立由 H₀: β₃ = 0 的 t 检验决定。

注意事项

交互不显著时，主效应显著不能改写成「存在调节」。
简单斜率图在 ±1 SD 处取值，对偏态 W 不一定代表「高/低支持」的实际分组。
横断面数据上的调节同样不是因果：支持可能与兴趣、难度感知共享未观测因素。
不要在表外手工再中心化一次，否则等于对已中心化变量再次变换。
需要报告「W 从多少开始斜率显著」时，应运行 Johnson-Neyman，而不是只读本页交互项 p 值。

常见问题

参考文献

温忠麟, 刘红云, 侯杰泰. 调节效应和中介效应分析[M]. 教育科学出版社.
Aiken, L. S., & West, S. G. Multiple Regression: Testing and Interpreting Interactions. Sage.
Hayes, A. F. Introduction to Mediation, Moderation, and Conditional Process Analysis. Guilford.