数据分析shujufenxi.com

回归/心理

调节效应分析怎么做、结果怎么写：交互项、ΔR²与简单斜率全流程

作者 / 审校：shujufenxi 编辑部·最后审校 2026-06-10

你遇到的问题

你的假设是「W 调节了 X 对 Y 的影响」，软件里也跑出了一堆回归系数，但交互项到底怎么构造、显著了之后还要做什么、论文里该报哪些数字，你完全没有把握，导师一句「补个简单斜率分析」更是让你无从下手。

适用场景

当你想检验某个变量 W 是否会改变 X 与 Y 之间关系的强度或方向时，用调节效应分析（层级回归中加入交互项）；它要求 Y 为连续变量，X 与 W 可为连续或分类变量，且需满足线性回归的基本假设（残差正态、方差齐性、无严重多重共线性），连续自变量建议先做均值中心化以降低共线性并便于解释。

正确做法

第一步，将连续的 X 和 W 做均值中心化，再用中心化后的变量相乘生成交互项 X×W；第二步，做层级回归：第一层放入控制变量与 X、W 的主效应，第二层加入交互项，重点报告第二层的 ΔR² 及其 F 检验，以及交互项的 B、SE、t、p；第三步，若交互项显著，做简单斜率分析，分别检验 W 在均值加减一个标准差（±1SD）时 X 对 Y 的斜率是否显著，并绘制以高低 W 为两条线的交互作用图。论文中应同时呈现回归系数表和交互作用图，图注说明高低分组取 ±1SD。

报告示例：以工作压力为自变量、社会支持为调节变量、情绪耗竭为因变量的层级回归显示，交互项显著（B = −0.18，SE = 0.06，t = −3.00，p = .003），加入交互项后模型解释力显著提升（ΔR² = .02，ΔF(1, 396) = 9.00，p = .003）。简单斜率分析表明，低社会支持（−1SD）时工作压力显著正向预测情绪耗竭（b = 0.46，t = 5.75，p < .001），高社会支持（+1SD）时该效应不显著（b = 0.10，t = 1.11，p = .268），说明社会支持缓冲了工作压力的不利影响。

常见错误

错误一：不做中心化直接用原始变量相乘，导致交互项与主效应高度共线，主效应系数被扭曲且难以解释（分类变量编码为 0/1 时无需中心化，但连续变量建议中心化）。错误二：交互项显著就直接下结论，不做简单斜率分析也不作图，读者无法知道调节是「增强」还是「缓冲」、效应在哪个水平上显著，这是审稿人最常要求返修的点。

需要更进一步？

如果你已经跑出了 SPSS、PROCESS 或 R 的输出，但不确定 ΔR²、简单斜率这些数字怎么组织成论文语言，可以把结果直接粘贴进统计结果解读器，一分钟生成规范的中文或英文表述；如果你的模型涉及有调节的中介、三阶交互等更复杂的设计，建议预约辅导，逐步理清分析路径。

操作步骤

SPSS

  1. 转换→计算变量，生成中心化变量：Xc＝X−均值、Wc＝W−均值
  2. 分析→回归→PROCESS by Andrew Hayes
  3. 因变量 Y 选入 Y variable，自变量 X 选入 X variable，调节变量 W 选入 Moderator variable W
  4. Model number 选择 1
  5. Options 勾选 Mean center for construction of products 与生成交互作图代码
  6. 运行，读取交互项系数、ΔR² 与各 W 水平的条件效应（简单斜率）

R

df <- read.csv('data.csv')
# 中心化自变量与调节变量
df$Xc <- scale(df$X, center = TRUE, scale = FALSE)
df$Wc <- scale(df$W, center = TRUE, scale = FALSE)
model <- lm(Y ~ Xc * Wc, data = df)          # 含交互项的回归
summary(model)
interactions::sim_slopes(model, pred = Xc, modx = Wc)   # 简单斜率

完整示例（模拟数据）

检验组织支持感（W）是否调节工作压力（X）对离职意向（Y）的影响（标注：模拟数据样例）。

以中心化后的自变量 X 与调节变量 W 及其乘积项预测因变量 Y（模拟数据样例，N＝200）。回归结果显示，交互项显著，b＝0.24，SE＝0.076，t＝3.15，p＝.002；纳入交互项后模型解释力显著提升，ΔR²＝.043，F(1,196)＝9.92，p＝.002。简单斜率分析表明，当调节变量取高分（＋1 SD）时，X 对 Y 的正向预测显著，b＝0.45，p＜.001；当调节变量取低分（−1 SD）时，该效应不显著，b＝0.12，p＝.08，说明 W 增强了 X 对 Y 的作用。

统计量数值
交互项系数 b（SE）0.24（0.076）
交互项检验t＝3.15，p＝.002
ΔR².043，F(1,196)＝9.92，p＝.002
简单斜率（高 W，＋1 SD）b＝0.45，p＜.001
简单斜率（低 W，−1 SD）b＝0.12，p＝.08

常见疑问

调节效应和中介效应有什么区别？
中介回答「为什么/通过什么机制」X 影响 Y（X→M→Y）；调节回答「在什么条件下」X 对 Y 的影响会变强或变弱，即交互作用。
做交互项前为什么要中心化？
对自变量和调节变量中心化（或标准化）可减少交互项与主效应的多重共线性，并使主效应系数更易解释；但中心化不改变交互项本身的显著性。
简单斜率分析是做什么的？
当交互项显著时，简单斜率分析在调节变量的不同取值（通常取均值 ±1 个标准差）上分别检验 X 对 Y 的效应，以描绘调节的具体形态。
调节效应不显著还要报告交互图吗？
交互项不显著时通常不再解释和绘制简单斜率图，应报告交互项系数及其不显著的结果，避免过度解读。

参考来源

用统计结果解读器生成结果段落预约辅导

工具输出请自行核对后使用。内容参考见 方法论标准。

相关文章

← 返回知识库