在中介效应、调节效应的分析过程中，主要有两种思路，一种是显变量，另一种是潜变量结构方程模型。对应的软件也分为两类，一类是基于显变量路径分析模型的SPSS、SAS等软件，一类是基于潜变量模型的、lisrel、Amos、Mplus等结构方程模型软件。由于SPSS操作更为简单，因此，如何用SPSS进行中介效应、调节效应模型的分析成为很多学者的兴趣，主要就是用Process插件或者bootstrap来做中介分析。
相关推荐：《bootstrap入门教程》
用Apache Spark进行大数据处理
下载
本文档主要讲述的是用Apache Spark进行大数据处理——第一部分：入门介绍；Apache Spark是一个围绕速度、易用性和复杂分析构建的大数据处理框架。最初在2009年由加州大学伯克利分校的AMPLab开发，并于2010年成为Apache的开源项目之一。 在这个Apache Spark文章系列的第一部分中，我们将了解到什么是Spark，它与典型的MapReduce解决方案的比较以及它如何为大数据处理提供了一套完整的工具。希望本文档会给有需要的朋友带来帮助；感
SPSS就是用依次回归法检验中介效应。
先检验X——Y的回归，分析总效应；
然后检验X——M（中介变量）的回归，检验a参数（即X的回归系数）；
最后检验X,M——Y的回归，检验b参数（M的回归系数）和c'参数（X的回归系数）。
若a和b均显著，则中介效应存在。
用bootstrap的话就是在回归分析里面选择bootstrap选项即可，你可以自己设置抽样次数，通常抽样至少要1000次，这时候你分析a和b参数的显著性就不看原来的显著性检验结果（sig）了，而是看bootstrap的置信区间，如果置信区间没有覆盖0，就是显著的。
bootstrap抽样功能需要比较新的spss版本才可以。
