下图为演示数据，其中X为自变量，M1和M2为中介变量，W为调节变量，Y为因变量。1. 打开Process。方法为：分析>回归>PROCESS v3.5 by Andrew F. Hayes。2. 上图所示的模型在Process的Templates中对应Model 83，因此在Model number处选择“83”。
3. 勾选“Bootstrap inference for model coefficients”，使用Bootstrap法对中介效应进行检验，会输出回归模型参数的Bootstrap结果（名称为：BOOTSTRAP RESULTS FOR REGRESSION MODEL PARAMETERS），包含每条路径的Bootstrap均值、Bootstrap标准误、Bootstrap 95%置信区间的下限和上限等结果，如不需要，可不勾选。
4. 将变量添加到相应的位置。
5. 点击“Options”，在新出现的对话框中勾选：
Generate code for visualizing interactions 生成可视化交互代码，用于看/做简单斜率图
Pairwise contrasts of indirect effects 间接效应的两两比较，用于判断调节中介效应是否成立
-1SD, Mean, +1SD 简单斜率分析的方法之一——选点法，看调节变量W分别取“低于平均值一个标准差（M-1SD）”、“平均值（M）”、“高于平均值一个标准差（M+1SD）”三个点时，预测变量对结果变量的效应
Johnson-Neyman output 简单斜率分析的方法之一——Johnson-Neyman法
6. 勾选完毕后，点击“继续”，返回主界面，点击“确定”。
3. 勾选“Bootstrap inference for model coefficients”，使用Bootstrap法对中介效应进行检验，会输出回归模型参数的Bootstrap结果（名称为：BOOTSTRAP RESULTS FOR REGRESSION MODEL PARAMETERS），包含每条路径的Bootstrap均值、Bootstrap标准误、Bootstrap 95%置信区间的下限和上限等结果，如不需要，可不勾选。
4. 将变量添加到相应的位置。
5. 点击“Options”，在新出现的对话框中勾选：
Generate code for visualizing interactions 生成可视化交互代码，用于看/做简单斜率图
Pairwise contrasts of indirect effects 间接效应的两两比较，用于判断调节中介效应是否成立
-1SD, Mean, +1SD 简单斜率分析的方法之一——选点法，看调节变量W分别取“低于平均值一个标准差（M-1SD）”、“平均值（M）”、“高于平均值一个标准差（M+1SD）”三个点时，预测变量对结果变量的效应
Johnson-Neyman output 简单斜率分析的方法之一——Johnson-Neyman法
6. 勾选完毕后，点击“继续”，返回主界面，点击“确定”。
