PROCESS 是 Hayes 開發的 SPSS 巨集，是目前中介與調節效果最常用的工具。它的好處是把繁瑣的步驟包成一個介面，並且直接輸出 Bootstrap 信賴區間。
一、安裝
- 到 processmacro.org 下載對應版本的檔案（SPSS 版本）
- SPSS 選「擴充功能 → 安裝自訂對話框」，選擇下載的
.spd或.spe檔 - 安裝完成後，「分析 → 迴歸 → PROCESS」會出現在選單中
二、設定 Model 4（簡單中介）
- Model number：選 4
- X：自變項
- M：中介變項
- Y：依變項
- Bootstrap samples：設 5000
- Confidence level：95
- 勾選「Effect size」與「Total effect model」
三、看懂輸出
重點只有兩個區塊：
1. 路徑係數
輸出會分成「X → M」、「M → Y」、「X → Y（直接效果）」。每一條都有係數、標準誤、t 值與 p 值。
2. 間接效果（Indirect effect）
看 BootLLCI 與 BootULCI 這兩個數字，也就是 Bootstrap 信賴區間的下限與上限。
判斷規則：信賴區間不包含 0，中介效果成立；包含 0，則不成立。這裡不看 p 值。
四、完全中介還是部分中介
如果加入中介變項後，X → Y 的直接效果變得不顯著，傳統上稱「完全中介」；若仍顯著但係數變小，稱「部分中介」。
不過近年的方法學文獻建議少用這組詞，改成直接報告「直接效果」與「間接效果」的數值與區間，讓讀者自己判斷。這樣寫也更不容易被質疑。
五、論文可以這樣寫
以 Bootstrap（5,000 次重抽樣）檢驗中介效果。結果顯示，服務品質透過顧客滿意度對顧客忠誠度的間接效果為 .16，95% CI [.09, .24]，信賴區間不包含 0，中介效果成立。控制中介變項後，直接效果為 .21（p = .004），顯示部分效果透過滿意度傳遞。
常見錯誤
- Bootstrap 次數設 500（太少，建議 5,000）
- 用 p 值判斷間接效果（應該看信賴區間）
- 忘了報告樣本數與重抽樣次數
- 把「完全中介」寫成結論，卻沒有理論支持