1.计算三个回归方程
1）自变量-因变量
2）自变量-中介变量
3）自变量-中介变量-因变量
举例：本研究以人格特质作为自变量，政治和社会地位评价作为因变量，对当前政治信息的兴趣作为中介变量来检验中介效应。
2. 数据分析
在分析结果之前，我们先了解一下回归输出中每个符号的含义：
（1）回归检验，首先看方差分析表，即F检验。 该表代表了您回归的所有自变量的回归系数的总体检验。 如果签名
(2) B为beta，表示回归系数。 标准化回归系数表示自变量（即预测变量）与因变量之间的相关性。 为什么要标准化，因为标准化时可以统一各个自变量和因变量的单位，这样结果更准确，减少单位不同带来的误差。 T值是对回归系数进行t检验的结果。 绝对值越大，sig越小，sig代表t检验的显着性。 在统计学中，sig
(3)最后看模型汇总表。 R 平方称为决定系数。 自变量能够解释的变异量与因变量总变异量的比值，代表回归方程对因变量的解释程度。 报告的时候，报告调整后的R平方，这个值是对自变量增加的修正，会不断增强预测力（因为即使不使用自变量，只要多几个，R就可以了）平方会变大，调整后的R平方是多个自变量的比较惩罚），R可以忽略，在标准化的情况下，R也是自变量和因变量之间的相关性。
第一个回归分析自变量对因变量的总体影响。
从以上结果可以看出，自变量对因变量有显着的正向预测作用（β=0.131，p
第二个回归是自变量对中介变量的影响
从结果②可以看出，自变量可以显着正向预测中介变量（β=0.152，p
第三个回归是自变量和中介变量对因变量的影响
结果表明，加入中介变量后，自变量对因变量的正向预测作用仍然显着（β=0.123，p
因此，综上所述，中介变量对政治信息的兴趣在自变量人格特征与因变量政治社会地位评价之间起中介作用。 中介角色模型图如下：
3、绘图注意事项
1）可以在ppt中画图，这样图片会更加美观并且可编辑~
2）一般都会标注标准化系数，需要在图中注明
3）一般来说，重要的用实线，不重要的用虚线
该插件在SPSS中的安装说明已经在《调整中介》一期分享了（有兴趣的朋友可以关注此账号浏览~），这里不再赘述~安装完成后，会出现以下情况你打开SPSS界面。
然后将自变量、中介变量、因变量放到相应位置，选择模型4，操作如下图所示：
输出分析：
1.首先是模型介绍
①使用
②因变量Y、自变量X、中介变量M分别对应什么？
③样本量是多少？
2、以中间变量为预测变量、自变量为预测变量的回归方程：
模型总结（model），看R、F、df、p值； model（模型），coeff 为 B，se 为标准误差，p、LLCI 和 ULCI 为置信区间（包含零的置信区间为显着）标准化系数（ ）为 β。
图中结果表明，自变量Q19对中间变量Q9有显着的预测作用（β=0.152，p
3、以因变量为预测变量，以自变量和中介变量为预测变量的回归方程：模型概要解释同2
图中结果表明，加入中间变量后，自变量Q19对因变量Q8有显着的正向预测作用（β=0.123，p
4、整体效果
以因变量为预测变量、自变量和中介变量为预测变量的回归方程，模型总结（模型），同2
图中结果表明，自变量Q19对因变量Q8有显着的正向预测作用（β=0.131，p
5. 接下来是自变量对因变量的整体、直接和间接影响
① 自变量对因变量的总体影响=自变量为预测变量，因变量为预测变量回归方程的系数；
②自变量对因变量的直接影响=自变量和中间变量为预测变量，因变量为预测变量回归方程的系数；
③自变量对因变量的间接影响=总体影响-直接影响；
部分标准化：Y 的效应大小/标准差
完全标准化：所有变量标准化
结果表明，自变量Q19对因变量Q8的直接影响为0.0135，占总影响的94.41%； 自变量通过中介变量Q9对因变量Q8的间接影响为0.0008，占总影响的5.59%。 由于加入中介变量后，自变量Q19对因变量Q8的直接影响的置信区间仍然不包含零，因此中间变量Q9在自变量Q19和因变量Q8之间起部分中介作用。
6.最后是模型和误差的介绍
— 置信区间和抽样情况
结果：参照Hayes（2004）提出的方法进行中介效应检验（模型4）。 样本量为5000，在95%置信区间内，其余同上。
多个中介的示意图大致如下：
输出结果解释：解释与上面简单中介一致。
1.首先是模型介绍
2、以中间变量1（例中：Q9）为预测变量、自变量（Q19）为预测变量的回归方程：与简单中间结果2相同
图中结果表明，自变量Q19对中间变量1（Q9）有显着的预测作用（β=0.152，p
3、以中间变量2()为预测变量、自变量(Q19)为预测变量的回归方程：
结果表明，自变量Q19对中介变量2（·）没有显着的预测作用（β=0.009，p>0.05）。
4、以因变量为预测变量、自变量和2个中间变量(Q9,)为预测变量的回归方程：
结果表明，加入两个中介变量后，自变量Q19对因变量Q8具有显着的正向预测作用（β=0.123，p0.05）。
5、整体效果
以因变量为预测变量、自变量为预测变量的回归方程：
结果表明，自变量Q19对因变量Q8有显着的预测作用（总效应β值为0.131，p
6. 接下来是自变量对因变量的整体、直接和间接影响
① 自变量对因变量的总体影响=自变量为预测变量，因变量为预测变量回归方程的系数；
②自变量对因变量的直接影响=自变量和中间变量为预测变量，因变量为预测变量回归方程的系数；
③自变量对因变量的间接影响=总体影响-直接影响；
部分标准化：Y 的效应大小/标准差
完全标准化：所有变量标准化
结果表明，自变量Q19对因变量Q8的直接影响为0.0135，占总影响的94.41%； 自变量通过中间变量1（Q9）对因变量Q8的间接影响为0.0009，占总影响的5.59%。 中间变量2()对因变量Q8的间接影响为0.0000，置信区间包括0，即中间变量2的中介效应不显着。
另外，由于加入中介变量后，自变量Q19对因变量Q8直接影响的置信区间仍不包含零，因此中间变量Q9在自变量Q19与因变量Q8之间起到部分中介作用。 Q8.
7.最后介绍模型和误差-置信区间和抽样情况：与简单中间结果6相同。
链中介模型图如下：
具体操作如下：
输出结果解释：解释与上面简单中介一致。
1.首先是模型介绍
2、以中间变量1（例中：Q9）为预测变量，自变量（Q19）为预测变量的回归方程：
结果表明，自变量Q19对中介变量1（Q9）有显着的预测作用（β=0.152，p
3、以中间变量2()为预测变量，自变量(Q19)和中间变量1(Q9)为预测变量的回归方程：
结果表明，自变量Q19对中介变量2()没有显着的预测作用（β=-0.002，p>0.05）； 中介变量 (Q9) 对中介变量 2() 有显着的正向预测作用 (β=0.074 ,p
4、以因变量（Q8）为预测变量，自变量（Q19），中介变量1（Q9）和中介变量2（）为预测变量的回归方程：
结果表明，自变量Q19对因变量Q8具有显着的正向预测作用（β=0.0123，p0.05）。
5、总体效果：以因变量Q8为预测变量，自变量Q19和中间变量1、2为预测变量的总体效果：
结果表明，自变量Q19对因变量Q8有显着的预测作用（总效应β值为0.131，p
6. 接下来是自变量对因变量的整体、直接和间接影响
结果表明，自变量Q19对因变量Q8的直接影响为0.0135，占总影响的94.41%； 自变量通过中间变量1（Q9）对因变量Q8的间接影响为0.0009，占总影响的5.59%。 中介变量2()对因变量Q8的间接影响为0.0000，置信区间包括0，即中介变量2在自变量和因变量之间的中介作用不显着； 中介变量1和中介变量2的链式中介效应为0.000，95%置信区间包括0，即中介变量1和中介变量2在自变量和因变量之间的链式中介效应不存在重要的。
另外，由于加入中介变量后，自变量Q19对因变量Q8直接影响的置信区间仍不包含零，因此中间变量Q9在自变量Q19与因变量Q8之间起到部分中介作用。 Q8.
7.最后介绍模型和误差-置信区间和采样情况
参考：
[1]温忠林，叶宝娟. （2014）。 中介效应分析：方法和模型开发。 心理科学进展，022（005），731-745。
[2]，KJ，& Hayes，AF。 （2004）。 Spss 和 sas 的 . , & ,36(4)，第 717-731 页。
