1. 调节效应的含义

两个变量的关系的方向或者强弱收到第三个变量的影响。研究调节效应有两个作用，一是构建相应的理论模型，二是提供理论边界。调节变量的引入会给原本的理论模型带来情境因素，提高模型应用的价值。

2. 调节效应与交互效应

调节效应中的自变量和调节变量的含义不同，位置不可以互换。但是交互效应中两个变量的位置是等同的，可以互换。但是调节效应与交互效应的数学模型和检验方法都是一样的，均是看交互项的系数是否显著。

3. 调节效应检验的思路

关于调节效应检验的思路比较清晰，不像中介效应检验那样关于检验的思路和一些系数到底需不需要显著还有争议。调节效应的检验主要就是用层次回归分析法：

（1） Y为因变量，放入所有控制变量，形成M0。

（2）在M0的基础上，放入自变量和调节变量，形成M1,。如果说就检验调节效应来说，这里的自变量和调节变量的系数不显著的话也没关系。

（3) 在M1的基础上，放入交互项（自变量*调节变量），形成M2。看交互项的系数是否显著，如果显著则说明存在调节效应。

（ps. 从M1到M2还会有一个△R方，这表示M2相比较M1方差解释量的提高值，因此这也是一个判定调节效应存在的指标。如果交互项回归系数和△R方只有一个显著，那么说明调节作用是不稳定的）

简单调节效应的延伸：前边提到的是简单的调节效应，即只有1个调节变量且所有变量都在同一研究层次。复杂的调节效应会有：大于等于2个的调节变量存在，此时就会有存在多个交互项，而且还会存在三阶交互，但是原理与简单调节效应一样，都是看交互项系数的显著性。还会有高阶调节，就是说调节项是高层次变量，比如组织氛围会调节员工自制力与工作绩效的关系，这时候简单的层次回归分析就已经不行了，需要用HLM进行分析。