第一做描述性统计，包括M SD 和内部一致性信度a（用分析里的scale里的realibility analsys）

第二将所有变量做相关，包括统计学变量和假设的X，Y，M
第三做回归分析。（在回归中选线性回归linear）

要先将自变量和M中心化，即减去各自的平均数:

1、现将M（调节变量或者中介变量）、Y因变量，以及与自变量、因变量、M调节变量其中任何一个变量相关的人口学变量输入indpendent

2、再按next 将X自变量输入（中介变量到此为止）

3、要做调节变量分析，还要将X与M的乘机在next里输入作进一步回归。

分析结果中的Beta就是Y=cX+bM+e的系数，B下的constant是常数。检验主要看F是否显著。

   spss分析中可能的几个问题：

1、数据处理时，是否要将主变量数据中心化？

答：所有数据都需要中心化处理。

2、分析结果中，主效应比较显著，但调节效应却不显著，怎么回事？

答：有可能是二者产生了共线，也有可能是调节变量也起到自变量的作用了。建议删减调节变量数量，抓住主要因素，增加自变量数量。

3、研究调节效应时，必须将自变量分别与这些调节变量相乘得到交互项，这样会不会在交互项之间、交互项与自变量之间产生多重共线性问题？

答：如果变量较多，是有可能的，建议用逐步回归方法，找出主要影响因素，调整模型。

   以上是我的一点经验，请指正。