谢谢！
请问这是什么研究领域的，本人学的是医学统计学，对这种分析方法很不熟悉。

大概没什么很大的限制吧，有心理学方面的文章，也有财务会计方面的文章...你可以看几篇这方面的论文就有所理解了。有一篇是姓温的老师发表在心理学报上的，还有一些都不错，如果需要我可以发给你。

好的，如果方便的话请发到这个邮箱mengqinqing@163.com，谢谢！

请问楼主，你是不是想问分组回归后怎么看调节效应是否显著？我也遇到了相同的问题，如果得到了答案请不吝赐教。

同问啊，怎么看出分组后两个R方显著不同啊？

同问，我也想知道如何解读调节分子得出来的结果？我还想问，难道只对R方更改对应的概率P值有要求么？对R方本身的更改量有没有什么要求呢？我做论文，得出了第二个模型的R方更改只有0.07，但是对应的sig是显著的，如何解读呢？

同问啊，怎么看出分组后两个R方显著不同啊？

调节变量：如果变量Y与变量X的关系时变量M的函数，那么M是调节变量。它影响因变量和自变量之间关系的方向和强弱。Y=f(X,M)+e
举个例子：X是指导方案，Y是学习效果，那么M学生个性就是调节变量。X指导方案本身对Y学习效果的影响是不确定的，只有结合M学生个性才能对Y学习效果产生确定的影响，并且不同水平的M学生个性所产生的影响也不同。
另外，根据自变量和调节变量的几种不同类型组合，分析调节效应的方法和操作也有区别。
1.分类自变量（x）+分类调节变量(m)
      如果自变量和调节变量都是分类变量的话，实际上就是多元方差分析中的交互作用显著性分析，如x有两种水平，m有三种水平，则可以做2×3交互作用方差分析，
2.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.
3.连续自变量（x）+分类调节变量（m）   
      这种类型的调节效应需要采用分组回归分析，所谓分组回归分析既是根据调节变量的分类水平，建立分组回归方程进行分析，回归方程为y=a+bx+e。当然也可以采用将调节变量转换为伪变量以后进行层次回归分析，层次回归具体步骤同上。需要注意的是，分类的调节变量转换为伪变量进行层次回归分析后，调节效应是看方程的决定系数R2 显著性整体效果，这和不同分类水平的自变量下调节变量的调节效应识别有区别。
4.连续自变量（X）+连续调节变量（M）   
      这种类型相对来说操作比较简单，只需要把所有变量中心化之后就可以进行层次回归分析，标准化回归方程为：1） Y=bx+cm+e；2）Y=b1x+cm+c1mx+e。对上述方程的检验同层次回归分析。