一句话定义：中介效应（mediation effect） 回答"X 为什么会影响 Y"，调节效应（moderation effect） 回答"X 对 Y 的影响在什么条件下更强或更弱"。两者都涉及第三个变量，但第三个变量的角色完全不同，因此最容易被混为一谈。
中介效应：找中间传递环节
中介效应指 X 通过中间变量 M 影响 Y。这个 M 叫中介变量（mediator），它位于因果链中间，本身是被 X 影响的结果，又是影响 Y 的原因。
例：加班时长增加（X）→ 睡眠时间减少（M）→ 工作产出下降（Y）。如果"加班"直接导致"产出下降"，那是直接效应；经由睡眠这条路径的部分，就是间接效应（indirect effect）。把 M 放进模型后，X 对 Y 的直接影响往往会变小；变小多少，就说明了这条传递环节有多重要。
生活化比方：中介像快递路线中必须经过的中转站。你问"为什么这个包裹到得慢"，答案是"因为它先被送到了错误的中转站"。它解释的是传输机制。
调节效应：找条件与边界
调节效应指第三个变量 M 改变了 X 对 Y 影响的强度甚至方向。这个 M 叫调节变量（moderator）。它通常不在因果链上，不被 X 影响，只决定 X 到 Y 的起点和斜率。
例：咖啡因摄入（X）提升专注度（Y），但对长期大量喝咖啡的人效果弱，对不常喝的人效果强——"耐受度"就是调节变量。它不是咖啡因造成的结果，它是让效果变强或变弱的背景条件。统计上通常写成交互项 X×M。
关键区别
| 维度 | 中介效应 | 调节效应 |
|---|---|---|
| 回答的问题 | 为什么？内部机制是什么 | 什么时候有效、对谁更明显 |
| 变量位置 | 在因果链中间 | 在因果链之外的条件 |
| 是否受 X 影响 | 通常是 | 通常不是 |
| 常见统计表达 | 间接效应（路径系数相乘） | 交互项 |
| 图形直觉 | X → M → Y | X → Y 的强度随 M 变化 |
还要与混淆变量（confounder） 区分：混淆变量同时影响 X 和 Y，会制造假相关，是需要在分析中排除的干扰；中介变量是一条真实通路，是要分析的对象；调节变量不制造也不传导影响，只改变强度。
对实际工作的意义
做产品与增长时，A/B 实验显示"新引导流程让留存涨了 2%"，接下来两个问题价值完全不同。中介分析：涨是因为点击率提升，还是因为首次体验变快？这决定下一步优化哪一环。调节分析：对新人有效还是对老用户更有效？这决定要不要分层投放。
做模型和工具也一样：prompt 改版后效果提升，是因为检索到的上下文更准，还是因为指令更清楚（中介）；而这个改版在小模型上提升明显、在大模型上几乎无感（调节），决定了方案该推给谁。
一句记法：中介解释"路是怎么走的"，调节解释"路对谁好走、什么路况下好走"。两者可以同时成立，即"有调节的中介"。另外需要提醒：这些分析都依赖因果假设，观察数据上的回归只能提供线索，要下因果结论仍需实验设计或因果推断方法，具体工具与实现以官方文档为准。