案例数据
PROCESS 不是某一个具体方法，而是 Andrew F. Hayes 提出的统一 SPSS / SAS / R 宏框架，覆盖 76 个常用模型（Model 1~76） —— 把简单调节、简单中介、链式中介、调节中介、有调节的中介等所有常见路径模型用一套 Bootstrap 流程串起来。本页是 PROCESS 的框架指南 + 模型选择手册，配套两份数据可演示绝大多数典型模型：mediator.xlsx（X/M/Y 三变量，用于 Model 4 简单中介）和 moderator.xlsx（X/W/Y 三变量，用于 Model 1 简单调节）。
| 框架名 | PROCESS macro v4.x（Hayes, 2022） |
|---|---|
| 模型总数 | 76 个（Model 1~76） |
| 核心特性 | 统一接口 + Bootstrap 置信区间 + 自动构造交互项 + 简单斜率 + 条件间接效应 |
| SPSSzero 入口 | 工作台 → 通用方法 → PROCESS 模型 → 输入 model number → 拖入对应变量 |
| 底层引擎 | pyprocessmacro（Python 端复刻 Hayes 原版宏的输出格式） |
完整案例
1. 背景
Andrew F. Hayes 在《Introduction to Mediation, Moderation, and Conditional Process Analysis》一书中提出了 PROCESS 宏，把中介（mediation）、调节（moderation）和条件过程（conditional process）这三类长期分散在各种回归技术中的方法统一为一个参数化的框架：用户只需要选定 Model 编号（决定路径图），再把变量映射到 X / Y / M / W / Z 角色上，宏会自动构造交互项、做中心化、跑 Bootstrap、输出条件间接效应和简单斜率。
SPSSzero 工作台的 "PROCESS 模型" 分析项就是对该框架的封装。本页不像其他帮助页那样聚焦单一案例，而是先讲清楚 PROCESS 的统一逻辑，再用一张速查表把最常用的 12 个模型一次性列清楚，最后给出一棵模型选择决策树，帮你快速找到符合假设的 model number。
2. 理论与公式
不论编号是 1 还是 76，所有 PROCESS 模型都基于同一套构件：路径系数（a、b、c、c'）、交互项（XW、MW 等）、Bootstrap 置信区间。它们的差异仅在于组合方式不同。
间接效应 = a × b；直接效应 = c'；总效应 = c。Bootstrap CI 不含 0 即显著。
X 对 Y 的简单斜率取决于 W 的取值，W 的高/低水平给出条件效应。
当 a 路径被 W 调节时（如 Model 7），间接效应随 W 水平变化，是"有调节的中介"的判别核心。
Hayes 提出的统一判别指标。Bootstrap CI 不含 0 即支持 moderated mediation。
三个关键事实：①PROCESS 全部基于 OLS 回归 + Bootstrap，不需要拟合 SEM；②连续型 X 和 W 会被自动中心化以降低交互共线性；③Bootstrap 默认 5000 次，CI 默认 95%。
3. 数据结构
不同 Model 对变量数量和角色的要求不同，常见的"变量槽位"如下：
| 角色符号 | 含义 | 出现于 |
|---|---|---|
| X | 自变量（因，独立变量） | 所有模型必填 |
| Y | 因变量（果，被解释变量） | 所有模型必填 |
| M / M1 / M2 … | 中介变量（传导通道） | Model 4~6、Model 7~92 凡含中介的 |
| W | 第一调节变量 | Model 1、Model 7、Model 8、Model 14、Model 21 … |
| Z / V | 第二调节变量 | Model 2、Model 3、Model 18、Model 21、Model 58 … |
| 控制变量 | 在所有方程中作为协变量 | 所有模型可选 |
SPSSzero 的"PROCESS 模型"面板会根据 model number 动态高亮所需槽位 —— 选 Model 4 时只显示 X / M / Y；选 Model 7 时增加 W 槽位；选 Model 21 时同时显示 W 和 Z 槽位。
4. 操作步骤
- 登录 SPSSzero，进入 工作台 → 上传
mediator.xlsx（或你自己的数据） - 左侧方法栏 → 通用方法 → 点击 PROCESS 模型
- 在 Model 编号 框输入想跑的模型号（参见下方"§5 模型族速查表"和"§6 模型选择决策树"）
- 把变量按角色拖入对应槽位（X / Y / M / W / Z / 控制变量）—— 不需要的槽位留空即可
- （可选）勾选 变量中心化 或 标准化；设置 Bootstrap 次数（默认 5000，建议不少于 5000）；选择 百分位 / 偏差校正 Bootstrap；选择调节水平 均值 ± 1SD 或 分位数
- 点击 开始分析，等待结果输出（含路径系数表 + Bootstrap CI + 简单斜率 + 条件间接效应表）
如果你的假设只涉及"简单调节"、"简单中介"或"调节中介"这三种最常见情况，工作台已经单独提供专门方法（"调节作用"、"中介作用"、"调节中介"），界面更友好。只有当你需要 Model 5、6、8、14、18、21、58 等非默认模型时，才必须走 PROCESS 模型这条通用入口。
5. 模型族速查表（核心）
下表覆盖科研论文中出现频率最高的 12 个模型，占实际 PROCESS 引用的 90%以上。请先在表中找到与你的假设结构相符的行，再在 SPSSzero 中填写对应的 model number。
| Model | 类型 | 变量需求 | 典型用途 / 假设语言 | 在 SPSSzero 中可走 |
|---|---|---|---|---|
| 1 | 简单调节 | X, Y, W | X→Y 的影响受 W 调节（"W 缓冲/增强 X 对 Y 的作用"） | 直接用 "调节作用" 方法 |
| 2 | 双调节器（加性） | X, Y, W, Z | X→Y 同时受 W 和 Z 两个独立调节器影响（不交叉） | PROCESS 模型 → 2 |
| 3 | 三向调节 | X, Y, W, Z | X×W×Z 三向交互（W 与 Z 之间也有交互） | PROCESS 模型 → 3 |
| 4 | 简单中介 | X, Y, M | X→M→Y 单中介机制（最经典的 Baron-Kenny 三步） | 直接用 "中介作用" 方法 |
| 5 | 多重平行中介 | X, Y, M1, M2, … | X 同时通过若干并列中介到 Y（中介之间无因果顺序） | PROCESS 模型 → 5 |
| 6 | 链式（序列）中介 | X, Y, M1, M2 | X→M1→M2→Y 中介有先后顺序（链条式机制） | PROCESS 模型 → 6 |
| 7 | 一阶 a 调节（前段被调节的中介） | X, Y, M, W | W 调节 X→M 路径（中介机制的"启动"被调节） | 直接用 "调节中介" 方法 |
| 8 | a 与 c' 同时被同一 W 调节 | X, Y, M, W | W 既调节 X→M（前段），也调节 X→Y 直接路径 | PROCESS 模型 → 8 |
| 14 | 二阶 b 调节（后段被调节的中介） | X, Y, M, W | W 调节 M→Y 路径（中介机制的"落地"被调节） | PROCESS 模型 → 14 |
| 15 | b 与 c' 同时被同一 W 调节 | X, Y, M, W | W 既调节 M→Y 后段，也调节 X→Y 直接路径 | PROCESS 模型 → 15 |
| 21 | 前后段双调节中介 | X, Y, M, W | 同一个 W 同时调节 a 路径与 b 路径（"全程被调节"的中介） | PROCESS 模型 → 21 |
| 58 | a 与 b 由不同调节器分别调节 | X, Y, M, W, Z | W 调节 a 路径，Z 调节 b 路径（前后两段各有"开关"） | PROCESS 模型 → 58 |
| 本表只列高频 12 个。Hayes 原版共 92 个编号但实际定义 76 个（部分编号保留未启用）；完整 1~76 的索引见下表 §5.b。 | ||||
| 编号区间 | 所属族 | 共同特征 | 代表模型 |
|---|---|---|---|
| Model 1~3 | 纯调节族（无 M） | 只有 X、Y 和 1~2 个调节器，不含中介 | 1（单调节）、2（双调节加性）、3（三向交互） |
| Model 4~6 | 纯中介族（无 W） | 只有中介路径，不含调节器 | 4（单中介）、5（平行中介）、6（链式中介） |
| Model 7~15 | 单调节中介族（1 个 W） | 1 个 W 调节中介模型中的某条或某几条路径 | 7（a 调节）、8（a 与 c'）、9（a 与 b 不同 W）、14（b 调节）、15（b 与 c'） |
| Model 16~28 | 复合单调节中介 | W 在更复杂位置调节中介路径 | 17（c' 调节）、18（M→Y 三向）、19、21（a + b 同 W）、22 … |
| Model 29~57 | 多重 / 链式中介 + 单调节 | 在 Model 5 / 6 的基础上加 1 个调节器 | 36（平行中介 + a 调节）、45（链式 + 后段调节）… |
| Model 58~76 | 双调节器族（W + Z） | 两个不同的调节器同时存在 | 58（W 调 a / Z 调 b）、59（W 调 a / Z 调 c'）、60、74、75、76 |
| 实际编号 1~76 中部分编号（如 10~13）在 Hayes v4 版本被合并或废弃，启用编号约 60~76 个。SPSSzero 透传 model number 给 pyprocessmacro，无效编号会报错提示。 | |||
6. 模型选择决策树（推荐）
在动手填 model number 之前，建议按下面这棵决策树先做选型 —— 大部分论文需要的其实只是 4 / 7 / 14 / 21 / 58 这几个：
| 问 1：你的假设里有"机制 / 通过…来影响…"的语言（中介）？ | 问 2：你的假设里有"…的影响取决于…"的语言（调节）？ | 推荐 Model | 备注 |
|---|---|---|---|
| ❌ 没有 | ✅ 有，且只有 1 个调节器 | Model 1 | 建议直接走 调节作用 方法 |
| ❌ 没有 | ✅ 有 2 个调节器（独立加性） | Model 2 | PROCESS 模型 → 2 |
| ❌ 没有 | ✅ 有 2 个调节器（含三向交互） | Model 3 | 解释力强但样本量要求高 |
| ✅ 有 1 个中介 | ❌ 没有 | Model 4 | 建议直接走 中介作用 方法 |
| ✅ 有 ≥2 个并列中介 | ❌ 没有 | Model 5 | 中介之间不互为因果 |
| ✅ 有链式中介 M1→M2 | ❌ 没有 | Model 6 | 最多支持 4 个序列中介 |
| ✅ 有 1 个中介 | ✅ 1 个 W 调节 X→M（前段） | Model 7 | 建议直接走 调节中介 方法 |
| ✅ 有 1 个中介 | ✅ 1 个 W 调节 M→Y（后段） | Model 14 | PROCESS 模型 → 14 |
| ✅ 有 1 个中介 | ✅ 1 个 W 同时调节 a 与 c' | Model 8 | "前段 + 直接路径"被调节 |
| ✅ 有 1 个中介 | ✅ 1 个 W 同时调节 a 与 b（全程） | Model 21 | 最完整的"全程被调节的中介" |
| ✅ 有 1 个中介 | ✅ 2 个不同调节器分别调 a 和 b | Model 58 | 双调节器机制 |
| 不在表里？打开 Hayes 教材附录 A 的模型图，或在 SPSSzero ChatBI 里发问"我的假设是 X 对 Y 通过 M，W 调节 b，Z 调节 c'，应选哪个 model？"。 | |||
7. 注意事项
- Bootstrap 次数：默认 5000 次，发表论文建议至少 5000；做敏感性分析时可设 10000。次数过低（<1000）置信区间不稳定。
- Bootstrap 类型：百分位法（percentile）是默认；偏差校正法（BC / bias-corrected）在小样本下功效更高，但偶有 Type I 错误膨胀。SPSSzero 两种均支持。
- 中心化：连续型的 X 和 W 若不中心化，交互项 XW 会与主效应高度共线（VIF>10）。SPSSzero 在"变量预处理"中提供"中心化"和"标准化"两个选项。
- 样本量：Model 1/4 在 N≥150 即可稳定；含 1 个调节器的中介模型（7/14/8/15）建议 N≥200；Model 21、58 等复杂模型建议 N≥300；Model 3 三向交互更建议 N≥500。
- 分类变量：X 或 W 为分类变量时需先做 dummy 编码（SPSSzero 工作台会自动识别 Likert 与字符型类别）。
- 调节水平：报告条件效应时默认用 均值 ± 1SD；若 W 严重偏态可改为 分位数（16/50/84）。
- 横截面警示：与中介分析一样，横截面问卷只能支持统计中介 / 统计调节，不能直接证明因果。讨论部分务必声明。
8. 剖析提醒
PROCESS 的强大之处在于"一套接口跑遍 76 种路径"，但代价是需要使用者先把假设结构想清楚。常见的两个误区：①把"我想跑所有可能的模型再挑显著的"当作合理用法 —— 这是 p-hacking，会失控；②把 model number 当魔法 —— 选错号会直接改变变量解读（如 Model 7 与 Model 14 都用 X/Y/M/W 但调节的路径完全不同）。建议先在纸上画出路径图，再去速查表里匹配 model number，避免事后调整。