中介变量：考虑自变量X 对因变量Y的影响,如果X 通过影响变量M 来影响Y,则称M 为中介变量。例如,上司的归因研究:下属的表现———上司对下属表现的归因———上司对下属表现的反应,其中的“上司对下属表现的归因”为中介变量 。
例子：双11刚过，各位宅男宅女的花呗应该已经透支了。言归正传，买家通过淘宝购买商品，这时淘宝这一平台就相当于中介变量，买家相当于自变量，商品相当于因变量。
调节变量：如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量。就是说, Y与X 的关系受到第三个变量M 的影响。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱。
例子：原本夫妻关系和谐，因为第三者插足，使之原来的关系变差，那么第三者就相当于调节变量，改变两个变量之间关系的强度或方向。这个很好理解。
调节效应和交互效应在统计模型上无本质区别；但调节效应能够指定谁是自变量，谁是调节变量；而交互作用地位是等价的。
在交互作用分析中, 两个自变量的地位可以是对称的, 其中任何一个都可以解释为调节变量;也可以是不对称的, 只要其中有一个起到了调节变量的作用, 交互效应就存在。但在调节效应中, 哪个是自变量, 哪个是调节变量, 是很明确的, 在一个确定的模型中两者不能互换。
有中介的调节模型意味着自变量对因变量的效应受到调节变量的影响, 而调节效应(至少部分地)通过中介变量而起作用。有中介的调节效应显著意味着:
(1)做Y对X、U和UX的回归,UX的系数显著; (这一步说明U对Y与X关系的调节效应显著。)
(2)做W对X、U和UX的回归,UX的系数显著;
(3)做Y对X、U、UX和W的回归,W的系数显著。
如果在第(3)步中,UX的系数不显著,则U的调节效应完全通过中介变量W而起作用。从上面分析步骤可知,检验有中介的调节效应时,先要检验调节效应,然后检验中介效应。
参考资料来源：百度百科-中介变量
百度百科-调节变量
调节变量 的一个主要作用是为现有的理论划出限制条件和适用范围。研究调节变量时，我们正是通过研究一组关系在不同条件下的变化及其背后的原因，来丰富我们原有的理论的。
这里的“不同条件”就是理论的适用范围和假设。所以，调节变量能够帮助我们发展已有的理论，使理论对变量间关系的解释更为精细。
什么是调节变量？
简单来说，如果变量X与变量Y有关系，但是X与Y的关系受第三个变量Z的影响，那么变量Z就是调节变量。调节变量所起的作用称为调节作用。
我们以zhou等（2017）的研究为例。这个研究以中国企业为样本，探讨了新兴市场中企业的所有权类型通过研发投入水平进而对创新产生影响的过程，以及对这个关系产生影响的几个主要情景因素。
研究模型中有一部分探讨的是企业所有权类型对企业研发投入的影响以及制度发展水平对这个关系的调节作用。如下图所示，“制度发展水平”有一个箭头指向“企业所有权类型”影响“企业研发投入”的箭头（注：这个调节变量既不是指向“企业所有权类型”，也不是指向“企业研发投入”，而是指向两者的关系。）
这就是调节变量一般的图表表达方式。调节变量影响自变量和因变量之间的关系，既可以是对关系方向的影响，又可以是对关系强度的影响。在组织研究中，调节变量既可以是类别变量（如性别、种族、教育水平等），也可以是连续变量（如工资水平、智力等）
显然，调节变量的概念是建立在另外两个变量的关系之上的。如果没有两个变量的关系作为前提，也就不必讨论第三个变量的“调节作用”了。
调节效应的三种类型：
加强型(strengthening):指的是随着调节变量Z的值的增加，X—Y的正向或负向的关系被强化。
削弱型（weakening)：指的是随着调节变量Z的值的增加，X—Y的正向或负向的关系被弱化。
颠覆型（reversing)：指的是随着调节变量Z的值的增加，X—Y的关系从正向转为负向，或者从负向转化为正向。
研究中注意事项：
关于研究假设的文字表述。研究假设的提出应该尽量准确，我们不应该笼统的假设“Z在X与Y的关系中起到了调节作用”，而应该具体说明Z是如何调节X和Y的关系中。
例如：当变量Z高的时候，变量X会变量Y有正面的影响；当变量Z低的时候，变量X会变量Y有负面的影响。
到了这里，想必大家对调节变量的相关知识有了一定的认识了吧！
首先，调节作用和交互作用在统计上地检验方法相同，但两者在概念上是不同的。
1.交互作用
两个变量（X1和X2）共同作用时对Y的影响不等于两者分别影响Y的简单数学和。
2.调节作用
一个变量X1影响了另一个变量X2对Y的影响。
其次，在调节作用和交互作用的分析中，关于变量地位的不同。
1.交互作用
在交互作用的分析中，两个自变量的地位可以是对称的，可以把其中任何一个解释为调节变量；它们的地位也可以是不对称的，只要其中有一个起到了调节变量的作用，交互作用就存在。
2.调节作用
在调节作用中，哪个是自变量，哪个是调节变量是很明确的，是由理论基础决定的，在一个确定的模型中两者不能互换。
读到这里，相信大家已经能够很好的区分调节作用和交互作用了
用回归法检验调节作用
1.用虚拟变量代表类别变量
如果自变量或调节变量中有一个是类别变量，那么第一步首先就是将类别变量转换为虚拟变量(dummy variable)。所需的虚拟变量的数目等于类别变量的水平个数减1。
2.对连续变量进行中心化或者标准化
用回归的方法检验调节变量的一个重要步骤就是把自变量和调节变量中的连续变量进行整理。
3.构造乘积项
构造乘积变量时，只需要把经过编码或者中心化（或标准化）处理以后的自变量和调节变量相乘即可。
4.构造方程
构造乘积项之后，把自变量、因变量和乘积项都放到多元层级回归方程中就可以检验调节作用了。这时，乘积项的系数如果显著，就可以说明调节作用存在了。
5.调节作用的分析和解释
当检验中发现一个显著的调节作用存在时，下一个重要的步骤就是分析它的作用模式。
如果变量Y与变量X的关系是变量M 的函数,称M 为调节变量。就是说, Y与X 的关系受到第三个变量M 的影响。调节变量可以是定性的(如性别、种族、学校类型等) ,也可以是定量的(如年龄、受教育年限、刺激次数等) ,它影响因变量和自变量之间关系的方向(正或负)和强弱. 例如,学生的学习效果和指导方案的关系,往往受到学生个性的影响:一种指导方案对某类学生很有效,对另一类学生却没有效,从而学生个性是调节变量。又如,学生一般自我概念与某项自我概念(如外貌、体能等)的关系,受到学生对该项自我概念重视程度的影响:很重视外貌的人,长相不好会大大降低其一般自我概念;不重视外貌的人,长相不好对其一般自我概念影响不大,从而对该项自我概念的重视程度是调节变量
