在理论模型上，调节效应与交互效应是没有任何区别的，都是引入变量的乘积项，它们的唯一区别是理论假设上谁主谁次，而调节效应图的绘制同样也与这点密切相关。

      现在不管用户使用的是潜变量的调节效应，还是显变量的调节效应，其最终都可以借助化潜为显的思想，绘制调节效应图，以视直观。

文件信息data：建立模型：因变量=交互项1+交互项2+交互项1*交互项2

注：v3的标签是交互项1，系二分类，v2的标签是交互项2，系四分类；v4的标签是因变量，系连续变量。

SPSS的操作：

操作：一般线性模型→单变量，分别将自变量与因变量放入相应的位置，点击绘制，在将相应的变量放入相应的位置。

SPSS输出：检验结果不显著，配合输出图形综合视之

SAS的操作： ods  graphics  on;       proc  glm  data=data  plot=meanplot(cl); class v3 v2 ; model v4=v3 v2  v3*v2/ss3; run;quit; ods  graphics  off;

       SAS与SPSS的结果一致。

       这个图可以很直观的观察到两个离散变量间的交互状况，几乎没有交互（其斜率基本相同），主要是交叉的地方很微弱。另外，如果是连续变量的话，往往也会将连续变量离散化后（像上图一样），在绘制这个图，以便更直观的显示交互关系或调节关系。