PROCESS macro for SPSS 可以用非常簡單方式進中介模式。本文將介紹三種類型的變項，還有如何操作最4.0版本的PROCESS macro for SPSS。文末也會附上所有所有Process模型圖例，提供給讀者方便分析~
本文將先簡單介紹三種類型的變項
之後範例中，X代表自變項，Y代表依變項，M代表中介變項
自變量（Independent Variable）是指在研究中可以被操縱和改變的變量，並用於預測或解釋另一個變量（依變量）的值。可以通過統計分析和實驗設計等方法來評估自變量對依變量的影響。
依變量（Dependent Variable）是指在研究中需要被解釋或被預測的變量，並受到自變量的影響。依變量通常是研究中的主要關注點，可以是各種各樣的，如心理健康、學習成績、消費行為等。
中介變量（Mediating Variable）是指影響自變量與依變量之間關係的變項。自變項主要透過中介變項來影響依變項。也就是說中介變項是自變項和依變項之間的橋樑。舉例來說，學習方式對學習成績的影響，其中學習方式是自變量(X)，學習成績是依變量(Y)，而學習時間是中介變量(M)，學習方式主要透過學習時間影響成績，如果今天學生都不花時間學習，那擁有很好的學習方式也對成績沒有幫助。
中介作用
中介變項影響方式是自變項透過中介影響依變項。在這個模型4中，我們假設 X 和 Y 之間存在關係。這種關係可能是相關的、因果關係或其他關係。僅從統計模型無法了解關係的性質。對 X 和 Y 之間關係的理解來自對研究者專業判斷和理論基礎。在一個簡單的中介模型中，第三個變量，稱為中介變項( M)，包含在 X 和 Y 之間的模型中。
從 X 到 M 的路徑稱為a，也就是X到M的直接效應；從 M 到 Y 的路徑稱為b，也就是M 到 Y 的直接效應；從 X 到 Y 的路徑稱為c。 X 通過 M 對 Y 的間接影響是通過將a和b相乘獲得的。
總效應=直接效應+間接效應。
總效應=( a * b ) + c。
對於間接效應的檢驗，Bootstrap抽樣法是 PROCESS 的默認方法。檢驗方法：Bootstrap抽樣法檢驗是指回歸係數a和回歸係數b的乘積項（a*b）的95%置信區間是否包括數字0；如果95%置信區間不包括數字0，則說明具有中介作用；如果說95%置信區間包括數字0，即說明沒有中介作用。Bootstrapping 相對於小樣本中特別有用，因為在小樣本中 ab 的抽樣分佈的非正態性可能最嚴重。
- 從原始樣本中隨機抽取n個樣本，每個樣本都有各自的X/Y/M值。
- 計算隨機抽取樣本中的間接影響 （a*b）。
- 重複上面的（1）和（2）總共k次，其中k是一個很大的數字，每次都保存間接影響 ab 的值。通常，k 至少為幾千是優選的。超過 10,000 通常是沒有必要的，但原則上是越多越好。我在本書的所有示例中都使用了 5,000。
- 將 k 個間接影響（a*b）從低到高排序。
- 如果需要 ci = 95% 的置信區間，則區間的下限和上限定義為間接影響（a*b）在k 值分佈中的第 2.5 個和第 97.5 個百分位數(見下圖)。
