选择【问卷研究】-【调节作用】。 放入对应分析项 设置调节类型及数据处理方法。除自变量和调节变量均为定类数据，需使用双因素方差分析，其他情况均可以使用调节作用进行分析。如果X或者Z为定量数据，通常需要进行中心化或者标准化处理。如果X或者Z为定类数据，则需要进行虚拟（哑）变量后才能分析。
如果自变量和调节变量均为分类数据，可以用双因素方差分析。如果自变量为分类数据，调节变量为定量数据，可以用分层回归。两种方法spssau均有提供，推荐使用。
两个调节变量检验方法。当自变量是类别变量，调节变量也是类别变量时，用两因素交互效应的方差分析，交互效应即调节效应。调节变量是连续变量时，自变量使用伪变量，将自变量和调节变量中心化，做Y=aX+bM+cXM+e的层次回归分析。
其中，当自变量X和调节变量均为定类数据时，使用【进阶方法】中的【双因素方差】进行分析。当交互项有显著性时，则说明具有调节效应。另外三种情况直接使用【问卷研究】-【调节作用】进行分析。两种方法的分析步骤基本一致，本文主要针对调节作用这一方法进行详细说明。
分析思路如下：首先，确保你的数据清晰，X作为自变量，Y是因变量，M是中介变量，均为连续变量，而W则是调节变量（多分类，例如4类）。在SPSS的process插件中，操作步骤如下：将X、Y、M、W（多分类）依次导入相应的输入框，对于调节路径不确定的情况，可以尝试使用模型59进行试探。
调节作用意味着X对Y的影响强度和方向会随M的变化而改变。分析时，通常采用分层回归，若X和M均为分类数据，则应用多因素方差分析。执行时，需注意数据处理，如计算平均值、虚拟变量处理、标准化或中心化等。R平方变化显著性判断依赖△F值，显著性表明R平方变化显著。
径向基函数插值法。它是多个数据插值方法的组合，其基函数是由单个变量的函数构成的。所有径向基函数插值法都是准确的插值器，它们都能尽量适应的数据；若要生成一个更圆滑的曲面，对所有这些方法都可以引入一 个圆滑系数。
常用。比率插补法只需要根据已知数据的比例关系来推算缺失值，不需要复杂的数学模型和算法，可以在分类变量中填补那些因缺失和其他原因导致的数据空缺，从而完善数据集，所以比率插补常用于分类变量插值处理。
回归插补不是常用于分类变量插值处理的方法。回归插补方法用于连续变量的插值处理，而不是分类变量的插值处理。回归插补方法是基于完整的数据集，建立回归方程，将已知属性值代入方程来估计未知属性值，以此来填补缺失值。
1、归一化也是一种常见的量纲处理方式，可以让所有的数据均压缩在【0，1】范围内，让数据之间的数理单位保持一致。可以使用SPSSAU进行归一化处理。
2、如果使用spssau可以很方便地完成处理，选择[数据处理][生成变量][归一化]。放入数据，点击开始处理。
3、可以采用归一化公式对数据进行处理，在数据的变量转换中进行操作。具体操作方法如下：打开SPSS软件，输入需要进行处理的数据。工具栏打开转换菜单，点击计算变量。在目标变量栏中输入一个新变量的符号x；在数字表达式栏中输入（max—x）/（max—min）。
