找到答案了，跟大家分享下。
分类自变量转换为伪变量的方法：假设自变量X有n种分类，则可以转换为n-1个伪变量，例如自变量为年收入水平，假设按人均年收入水平分为8千以下、8000~2万、2万~5万、5万~10万、10万以上四种类型，则可以转换为3个伪变量如下：
               x1     x2     x3
10万以上        1      0      0
5万到10万      0      1      0
2万到5万       0      0      1
8千以下         0      0      0
上述转换在spss中可以建立3个伪变量x1、x2、x3,变量数据中心化后标准回归方程表示为：
y=b1x1+b2x2+b3x3+cm+e                      3)
y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e    4)
x1=1表示10万以上；x2=1表示5万到10万；x3=1表示2万到5万；8千以下=0。此时8千以下的回归方程表示为：y=cm +e(在x1、x2、x3上的伪变量值为0)；之所以单独列出这个方程，是为了方便大家根据回归方程画交互作用图,即求出c值就可以根据方程画出8千以下变量的调节效应图。

分类自变量（x）+连续调节变量（m）
   这种类型调节效应分析需要对分类自变量进行伪变量转换，将自变量和调节变量中心化（计算变量离均差）然后做层次回归分析。分类自变量转换为伪变量的方法：假设自变量X有n种分类，则可以转换为n-1个伪变量，例如自变量为年收入水平，假设按人均年收入水平分为8千以下、8000~2万、2万~5万、5万~10万、10万以上四种类型，则可以转换为3个伪变量如下：
               x1     x2     x3
10万以上        1      0      0
5万到10万      0      1      0
2万到5万       0      0      1
8千以下         0      0      0
上述转换在spss中可以建立3个伪变量x1、x2、x3,变量数据中心化后标准回归方程表示为：
y=b1x1+b2x2+b3x3+cm+e                      3)
y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e    4)
x1=1表示10万以上；x2=1表示5万到10万；x3=1表示2万到5万；8千以下=0。此时8千以下的回归方程表示为：y=cm +e(在x1、x2、x3上的伪变量值为0)；之所以单独列出这个方程，是为了方便大家根据回归方程画交互作用图,即求出c值就可以根据方程画出8千以下变量的调节效应图。
检验方法为分析R2显著性或调节系数C’显著性。
注：在这4种分类自变量的调节效应分析中，采用R12和R22显著性检验时，是对4种类型自变量在调节变量作用下的调节效应的整体检验，总体显著的效果可能会掩盖某种类型自变量与调节变量的交互作用不显著的情况，此时，我们就要逐一审查各个交互项的偏相关系数。对方程4）而言，如果检查调节变量的偏相关系数，则有可能会出现一些调节变量偏相关系数不显著的情况，例如，c1显著、c2和c3不显著或c1和c2显著，c3不显著的情况等，此时可根据交互项的偏相关系数来发现到底是那种类型的自变量与调节变量的交互作用不显著。

学习一下

非常感谢！

赞一个，有同样困惑