从定义上，我觉得一个变量不能同时充当中介和调节者。让我们尝试研究这两种影响：

Mediaiton
中介是一个假设的因果链，其中一个变量影响第二个变量，而第二个变量又影响第三个变量。中间变量是中介。它调节预测变量和结果之间的关系。以图形方式，可以用以下方式描述中介：测试中介$M$$X$$Y$

$$X \longrightarrow M \longrightarrow Y$$

1. 用检查是否受$Y$$X$$\hat y = \beta_0 + \beta_1x$
2. 用查看是否受$M$$X$$\hat m = \beta_0 + \beta_1x$
3. 用查看是否受$Y$$M$$\hat y = \beta_0 + \beta_1m$
   

如果这些关系中的一个或多个无关紧要，研究人员通常会得出结论，调解是不可能或不可能的。假设上述步骤产生显着的结果，

4. 进行多元回归以查看和对的影响，其中$X$$M$$Y$$\hat y = \beta_0 + \beta_1x + \beta_1m$
   

如果不再显着，则该发现支持完全中介。如果 X 显着，即XM显着预测，则该发现表明部分中介。测试适度 让我们假设学生的GPA（结果变量）不仅受学习时间（自变量）的影响，还受性别（调节变量）的影响。为了检验性别的调节作用，在回归方程中加入学习时间与性别的交互项。$X$$M$$X$$M$$Y$

$$GPA = \beta_0 + \beta_1x_{studytime} + \beta_2x_{gender} + \beta_3x_{studytime}x_{gender}$$ 如果显着，则存在适度。$\beta_3$

这是一篇文章，给出了一个调节中介的例子。

https://www.sciencedirect.com/science/article/abs/pii/S0005789417301144

这解释了调解人后来如何成为调解人，但是我推测在大多数情况下（特别是在生物心理学中）调解测试仅检测统计调解，在这种情况下，除非所有其他潜在调解人，否则无法真正观察到“完全调解”在分析中受到控制（以及其他必要条件，例如随机分配到实验条件和纵向设计）；也就是说，部分解释自变量和因变量之间关联的机制也可能缓和第二个中介的某些路径（a2 或 b2）。

例如，贫困和健康状况不佳之间的关系可能（部分）通过物质使用来调节，部分通过社会支持网络的规模来调节；然而，贫困对药物滥用（a1 路径）的影响也可能会受到社会支持的影响（即，如果贫困人口没有高质量的社交网络，他们可能更有可能从事药物滥用）。

有关调解分析的更多当前方法，请参阅 Andrew Hayes。