调节作用是研究X对Y的影响时，是否会受到调节变量Z的干扰；比如开车速度（X）会对车祸可能性（Y）产生影响，这种影响关系受到是否喝酒（Z）的干扰，即喝酒时的影响幅度，与不喝酒时的影响幅度 是否有着明显的不一样。结合自变量X和调节变量Z的数据类型，调节作用共有四种情况，分别如下：
自变量X和调节变量均为定类数据时，使用进阶方法的双因素方差完成分析。另外三种情况直接使用问卷研究->调节作用可完成分析，可通过选择参数设置‘调节作用类型’即可。
数学模型可拆分成3个，分别说明如下：
模型1：自变量为X，因变量为Y；其意义相对较小（有时候直接忽略此项）；
模型2：自变量为X和Z，因变量为Y；模型2仅在模型1的基础上加入调节变量Z；此模型的意义也较小（有时候也可直接忽略此项）；
模型3：自变量为X,Z和X*Z，因变量为Y；模型3在模型2的基础上加入交互项；此为核心模型，如果交互项（X*Z）呈现出显著性，则说明具有调节作用。
调节作用的检验有两种方法。第一种方法为：模型2到模型3的变化过程中，F 值变化是否呈现出显著性，如果显著则说明具有调节作用；第二种方法为：查看模型3中交互项的显著性情况，如果说呈现出显著性则说明具有调节作用，反之说明没有调节作用，SPSSAU建议使用第一种方法进行检验调节作用。
调节作用研究时，并不要求模型1中X对Y会产生显著影响。所以模型1基本无意义；当显示没有调节作用时，可以通过模型1查看X对于Y的影响情况。
调节作用的第一种检验方法即查看模型2到模型3时，F 值变化是否呈现出显著性；如果显著，则说明交互项有显著性；如果不显著，则说明交互项不具有显著性；这是检验的理论思想。但此种检验的问题在于，如果自变量或者调节变量为定类数据，即进行虚拟变量处理时，无法检测具体那个选项情况下呈现出调节作用。因此SPSSAU最终建议使用第二种检验方法即直接查看交互项的显著性，用于判断是否存在调节作用。
SPSSAU的操作如下：
从上表可知，调节作用分为三个模型，模型1中包括自变量(X)，以及控制变量1, 控制变量2, 控制变量3等3个控制变量；模型2在模型1的基础上加入调节变量(Z)，模型3在模型2的基础上加入交互项(自变量与调节变量的乘积项)。
针对模型1，其目的在于研究在不考虑调节变量(Z)的干扰时，自变量(X)对于因变量(Y)的影响情况。从上表格可知，自变量(X)并没有呈现出显著性(t =1.745, p =0.083>0.05)。意味着不考虑调节变量(Z)的影响时，X对于Y并不会产生显著影响关系，此种情况依旧进行接下来的调节效应研究即可。
调节效应可通过两种方式进行查看，第一种是查看模型2到模型3时，F 值变化的显著性；第二种是查看模型3中交互项的显著性，本次以第二种方式分析调节效应。
从上表格可知，X与Z的交互项呈现出显著性(t =2.225, p =0.027< 0.05)。意味着X对于Y影响时，调节变量(Z)在不同水平时，影响幅度具有显著性差异，交互项的回归系数值为0.108，即说明X对于Y的影响时，Z起着正向调节作用，具体可通过接下来的简单斜率图进行查看。
如果使用第一种检验办法，即查看模型2到模型3的变化显著性，从上表可知：模型2到模型3时F 值变化呈现出0.05水平的显著性(F =4.953,p =0.027 < 0.05）,也即说明具有调节作用产生。两种检验方法结论保持一致。