统计百科 · 2026-06-24

中介与调节的区别 — 概念/模型/何时用哪个/检验方法/报告差异完全对比

统计百科：中介效应与调节效应的完整对比指南——从概念本质（机制vs边界条件）、路径模型、统计实现（Bootstrap间接效应vs交互项层次回归）、何时用哪个、检验方法差异，到论文中中介和调节的报告格式区别，消灭这两个概念最常见的混淆。

"这两个概念有什么区别，用哪个？"——这是管理学、教育学、心理学、社会学论文写作中最高频的困惑之一。中介和调节都涉及三个变量，都在研究"第三个变量对 X→Y 关系的影响"，但它们在概念本质、研究问题、统计模型、检验方法和报告格式上是完全不同的体系。本文不重复讲各自的操作教程，而是专注于"它们有什么区别、选哪个"这一核心问题。

先明确：这两个词哪里最常被混淆

在论文开题、理论框架建立阶段，最常见的混淆模式有三种：

混淆一：把调节变量写成了中介变量

"自我效能感中介了工作压力对绩效的影响。"

如果研究问题是"高/低自我效能感的人，压力对绩效的影响强度不同"——这应该是调节（自我效能感改变了关系的强度），不是中介（自我效能感是传导机制）。

混淆二：把中介变量写成了调节变量

"情绪耗竭调节了工作压力对绩效的影响。"

如果理论逻辑是"压力→耗竭→绩效（压力先导致耗竭，再通过耗竭影响绩效）"，这是因果传导链条，应该用中介。

混淆三：看到"影响 X→Y 关系"就不知道选哪个

当一篇论文里有三个变量 X、M、Y，M 到底是中介还是调节，取决于研究问题和理论假设，不是数据结构决定的。

一、概念本质：两个根本不同的研究问题

中介效应（Mediation）回答"通过什么机制"

中介的核心问题：X 是如何、通过什么中间过程，影响 Y 的？

第三变量 M 是 X→Y 因果链条中的中间环节（Mediator）
M 被 X 影响，并进而影响 Y
X → M → Y（有方向性，有时间先后）

举例：

工作压力（X）→ 情绪耗竭（M）→ 工作绩效（Y）：压力先导致耗竭，耗竭再降低绩效
领导风格（X）→ 员工自主感（M）→ 创造力（Y）：风格通过影响自主感传导到创造力
干预训练（X）→ 认知策略改变（M）→ 学业成绩（Y）：干预的效果部分通过改变策略实现

中介的理论特征：

必然暗含时间先后：X 影响 M，M 再影响 Y
中介揭示了 X→Y 的机制（Mechanism）或路径（Process）
核心检验：间接效应 a×b 是否显著（Bootstrap 95% CI 不含 0）

调节效应（Moderation）回答"在什么条件下"

调节的核心问题：X 对 Y 的影响，会随着 M 的不同水平而改变强度或方向吗？

第三变量 M 是改变 X→Y 关系强度或方向的边界条件（Boundary Condition）/ 调节因素（Moderator）
M 不在 X→Y 的因果链中，而是在"旁边"改变这条链的强度
X × M → Y（交互作用，M 不是中间变量，而是条件变量）

举例：

考试焦虑（X）→ 学业成绩（Y），自我效能感（M）调节这个关系（高效能感时焦虑影响小，低效能感时影响大）
领导指令性（X）→ 员工满意度（Y），员工自主需求（M）调节（高自主需求者受指令性领导负面影响更大）
训练强度（X）→ 运动表现（Y），恢复时间（M）调节（充分恢复时高强度效果好，未充分恢复时可能适得其反）

调节的理论特征：

不要求时间先后（M 与 X 同时影响 Y）
调节揭示了 X→Y 效应的边界条件（For Whom）或情境差异（Under What Conditions）
核心检验：交互项 X×M 的系数是否显著（层次回归 ΔR² 和 b₃ 系数）

二、路径模型对比：图形表达的根本不同

中介模型路径图

        路径 a                  路径 b
X ——————————————> M ——————————————> Y
|                                   ^
|                                   |
+——————————路径 c'（直接效应）———————+

间接效应 = a × b
总效应 c = c'（直接）+ a×b（间接）

模型含义：X 对 Y 的影响分为两条路径——直接影响（c'）和经由 M 的间接影响（a×b）。中介分析的目标是分解总效应。

调节模型路径图

         X ——————————————————————> Y
         |                         ^
         |                         |
         +——— b₁（X主效应）         |
                                   |
W ——————————————————————— b₂（W主效应）
         |                         |
         X×W ————— b₃（交互效应）——>

或用更直观的图：

        X ———(影响强度由W决定)———> Y
                    ^
                    |
                    W（调节变量）

模型含义：W 改变了 X→Y 效应的强度或方向。调节分析的目标是描述差异——不同 W 水平下 X 对 Y 的效应有多大不同。

三、选哪个？五步判断法

步骤一：确认研究问题的类型

研究问题类型	用什么
"X 通过什么中间过程影响 Y？"	中介（揭示机制）
"X 的影响机制是什么？"	中介
"哪类人群中 X 对 Y 的影响更大/更小？"	调节
"在什么情境/条件下 X 对 Y 的影响不同？"	调节
"M 是 X→Y 的桥梁/媒介吗？"	中介
"M 会减弱/增强/改变 X 对 Y 的效应吗？"	调节

步骤二：判断 M 和 X 的时间关系

中介：M 必须在理论上被 X 影响，然后再影响 Y（时间顺序：X → M → Y）
调节：M 不被 X 影响（或无需假设这种因果关系），M 只是区分不同情境的"分类依据"

步骤三：判断 M 的理论角色

中介变量（M）：M 是传导通道，X 通过 M 发挥作用。去掉 M，X 对 Y 的效应应该减弱或消失
调节变量（W）：W 是边界条件，X 在不同 W 水平下效应不同。去掉 W，X 对 Y 的主效应依然存在，只是不知道"在谁身上效果更好"

步骤四：判断 M 的测量特征

中介变量：通常是可以被 X 改变的心理/行为状态（情绪、认知、态度、行为频率等），可以测量在 X 发生之后
调节变量：通常是相对稳定的特征（人格特质、性别、年龄、情境特征），或作为分组变量使用

步骤五：一句话检验

如果你的理论假设是"X 先影响 M，M 再影响 Y"——中介。如果你的理论假设是"X 对 Y 的效应，在 M 高的人群和 M 低的人群中不一样"——调节。

四、统计实现对比：方法体系完全不同

中介效应的统计实现

方法：路径分析（Path Analysis）+ Bootstrap 间接效应检验

完整流程：

步骤 1：路径 a 检验
  X → M 的回归：M = a₀ + a₁X + e₁
  路径 a = a₁（X 对 M 的效应）

步骤 2：路径 b 和 c' 联立检验
  Y = c₀ + c'X + bM + e₂
  路径 b = M 对 Y 的系数（控制 X 后）
  路径 c' = X 对 Y 的直接效应（控制 M 后）

步骤 3：间接效应计算与检验
  间接效应 = a × b
  Bootstrap 5000 次 → 95% BCa CI
  CI 不含 0 → 间接效应显著 → 中介存在

步骤 4：判断完全/部分中介
  c' 不显著 + a×b 显著 → 完全中介
  c' 显著 + a×b 显著 → 部分中介

核心检验结果：间接效应 a×b 的 Bootstrap 95% CI

调节效应的统计实现

方法：层次多元回归（Hierarchical Multiple Regression）+ 交互项

完整流程：

步骤 1：中心化
  X_c = X - mean(X)；W_c = W - mean(W)（降低共线性）

步骤 2：建交互项
  XW_c = X_c × W_c

步骤 3：层次回归
  Model 1：Y = b₀ + b₁X_c + b₂W_c + 控制变量 + e（主效应）
  Model 2：Y = b₀ + b₁X_c + b₂W_c + b₃(X_c×W_c) + 控制变量 + e（加交互项）

步骤 4：判断调节效应
  交互项系数 b₃ 显著（p < .05） → 调节效应成立
  报告 ΔR²（Model 2 - Model 1）和 F 变化量

步骤 5：简单斜率分析（调节方向和强度）
  在 W = +1SD 和 W = -1SD 处计算 X 对 Y 的斜率
  分别报告斜率及显著性
  可选：Johnson-Neyman 区间（W 取何值时 X→Y 效应从显著到不显著）

核心检验结果：交互项系数 b₃ 是否显著 + ΔR²

五、检验方法对比速查

维度	中介效应	调节效应
统计方法	路径分析 + Bootstrap	层次回归 + 交互项
核心指标	间接效应 a×b	交互项系数 b₃、ΔR²
显著性判断	Bootstrap 95% CI 不含 0	b₃ p < .05，CI 不含 0
中心化要求	通常不要求	强烈建议（连续型调节变量）
后续分析	计算中介比例（a×b / c）	简单斜率分析（高/低 1SD）
精细分析	多重中介、序列中介	Johnson-Neyman 区间
软件/工具	PROCESS 宏 Model 4（或 ChatSRS）	PROCESS 宏 Model 1（或 ChatSRS）

六、报告格式对比：论文结果节的差异

中介效应的 APA 报告

报告重点：三条路径系数 + Bootstrap 间接效应 CI

示例（完全中介）：

Bootstrap 分析（5000 次，BCa 95% CI）显示，[M] 在 [X] 与 [Y] 之间起完全中介作用。
路径 a（X → M）：B = X.XX，beta = .XX，t(df) = X.XX，p = .XXX，X 显著正向预测 M。
路径 b（M → Y，控制 X 后）：B = X.XX，beta = .XX，t(df) = X.XX，p = .XXX，M 显著预测 Y。
间接效应（a×b）= X.XXX，95% BCa CI [X.XXX, X.XXX]（不含 0，显著）。
直接效应（c'）= X.XXX，95% BCa CI [X.XXX, X.XXX]（含 0，不显著）。
[M] 共解释总效应的 XX.X%（中介比例）。

关键报告要素：间接效应点估计 + Bootstrap SE + 95% BCa CI + 是否含 0

调节效应的 APA 报告

报告重点：交互项系数 + ΔR² + 简单斜率

示例：

层次回归结果（见表 X）显示，第一步纳入[控制变量]和主效应后，R² = .XXX，
F([df₁, df₂]) = XX.XX，p < .001。第二步加入交互项 [X×W] 后，
交互项显著，B = X.XX，beta = .XX，t([df]) = X.XX，p = .XXX，
ΔR² = .XXX，ΔF(1, [df]) = XX.XX，p = .XXX，支持 [W] 对 [X→Y] 关系的调节作用。

简单斜率分析（见图 X）显示：
低 [W] 水平（-1SD）：B = X.XX，SE = X.XX，t([df]) = X.XX，p = .XXX，
    95% CI [X.XX, X.XX]，X 对 Y 的负向效应显著
高 [W] 水平（+1SD）：B = X.XX，SE = X.XX，t([df]) = X.XX，p = .XXX，
    95% CI [X.XX, X.XX]，X 对 Y 的效应减弱/消失
上述结果表明，[W] 对 [X→Y] 关系起缓冲/增强调节作用。

关键报告要素：交互项系数 + ΔR² + F 变化量 + 两组简单斜率（含 B、SE、t、p、95% CI）

七、两者同时存在：有调节的中介

有时一个研究框架里同时包含中介和调节——常见的结构有两种：

1. 有调节的中介（Moderated Mediation）

中介效应的大小（间接效应 a×b）本身被另一个变量 W 所调节：

X → M → Y（中介路径存在）
W 调节 X→M（路径 a）的强度，或调节 M→Y（路径 b）的强度

例如：工作压力（X）→ 情绪耗竭（M）→ 绩效（Y），但这条中介路径对高工作负荷（W）的员工更强（W 调节路径 a）。

检验：PROCESS 宏 Model 7（路径 a 被调节）或 Model 14（路径 b 被调节），或 ChatSRS 一句话完成。

2. 有中介的调节（Mediated Moderation）

调节效应通过某个机制（中介变量）实现：

X×W → M → Y

注意：这两种高阶结构不要与单纯的中介或调节混淆。导师/审稿人若只要求"中介"或"调节"，不要越界建立这类复杂模型。

八、在 chatsrs.com 一句话完成中介或调节分析

做中介分析，打开 chatsrs.com，上传数据后输入：

"检验 [M] 在 [X] 与 [Y] 之间的中介效应，控制变量为 [协变量]，Bootstrap 5000 次，报告 BCa 95% CI，输出间接效应、直接效应、总效应汇总表，以及完整的 APA 7th 格式报告段落。"

做调节分析，输入：

"检验 [W] 对 [X] 与 [Y] 关系的调节效应，自动中心化后建交互项，层次回归报告 ΔR² 和交互项系数，做简单斜率分析（高/低 1SD），输出 Johnson-Neyman 区间，以及 APA 7th 格式报告段落。"

常见 FAQ

Q1: 确定不了用中介还是调节，有没有简便判断方法？

用这两个问题来诊断：

"M 被 X 影响了吗？"——如果是，M 可能是中介；如果不是，M 可能是调节
"研究问题是'为什么'还是'对谁/在什么条件下'？"——"为什么"对应中介（机制），"对谁/何时"对应调节（边界条件）

还有个快速检验：能否写出"X 通过 M 的作用来影响 Y"这个句子，且理论上合理？合理则中介；如果更容易写出"在 M 高/低的群体中，X 对 Y 的影响不同"，则调节。

Q2: 中介和调节都需要理论支撑吗？随便选一个行吗？

必须有理论支撑，不能随意选择。选择中介还是调节直接决定了论文的理论框架和研究假设。如果理论逻辑不支持，统计上跑出来的结果即使显著，审稿人也会质疑。例如：用 Logistic 回归把性别设为中介变量是没有意义的，因为性别不可能被 X（工作压力）所影响。

Q3: 中介分析一定要先做单因素（Baron and Kenny 四步法）吗？

不需要。Baron and Kenny（1986）的四步法曾经是标准，要求 c 路径先显著，才能继续中介检验。但现代方法学已普遍不推荐这一前提：主效应 c 不显著，间接效应仍然可能显著（这被称为"抑制中介"）。现代标准是直接做 Bootstrap 间接效应检验，不需要先看 c 是否显著。ChatSRS 遵循现代方法，默认采用 Bootstrap 法，不强制 Baron & Kenny 四步流程。

Q4: 中介变量必须是连续变量吗？

不必须。中介变量可以是连续型或类别型：

连续型中介：最常见，标准 Bootstrap 路径分析直接适用
二分类中介：可以用，但路径 a（X → M）需改用 Logistic 回归，解读稍复杂
类别型调节变量：完全可以，二分类调节变量（如性别 0/1）直接建乘积项，不需要中心化；多分类需先做哑变量再建乘积项

Q5: 调节效应 ΔR² = .02 算不算"有意义"？

效应量标准（Cohen, 1988）：ΔR² 小效应 = .01，中等效应 = .09，大效应 = .25。ΔR² = .02 在统计上属于"弱调节"，仅略超小效应标准。但在应用研究中，调节效应的效应量通常本就较小（.01-.04 都很常见），不能因为 ΔR² 小就否定调节效应的意义。关键是交互项 b₃ 显著，且简单斜率分析能描述出有理论意义的差异模式。

一张表总结：中介 vs 调节核心对比

维度	中介（Mediation）	调节（Moderation）
核心问题	X 通过什么机制影响 Y？	X 对 Y 的影响在什么条件下更强/弱？
第三变量角色	传导链条中间环节	边界条件/情境因素
时间关系	X→M→Y（有先后）	X×W→Y（同时）
理论标签	"机制"、"桥梁"、"过程"	"边界条件"、"缓冲因子"、"情境"
统计模型	路径分析（三步回归）	层次回归（加交互项）
关键指标	间接效应 a×b	交互项系数 b₃
显著性判断	Bootstrap CI 不含 0	b₃ p < .05，ΔR²
后续分析	中介比例（a×b/c）	简单斜率、J-N 区间
论文报告焦点	间接效应 CI	ΔR²、简单斜率图