如果因变量是分类或等级变量，自变量是连续变量，应当用Logistic 回归取代通常的线性回归(Pregibon, 1981)，回归系数的尺度转换为Logit 量尺。对于因变量Y是分类或者等级变量、中介变量(M)和自变量(X)是连续变量的中介效应模型，M对X的回归系数(连续变量的量尺)与Y对M的回归系数(Logit 量尺)和Y对X的回归系数(Logit 量尺)均不在相同的尺度上，因此不能简单采用处理连续变量中介效应的方式，直接将回归系数a 和b 相乘得到中介效应大小。因而，这样的模型需要通过标准化转换实现回归系数的等量尺化，这这类研究十分稀少，这里不做讨论。
2.5.2多重中介效应的检验 （1）基本类型
对于情景比较复杂的研究，经常需要多个中介变量才能清晰地解释自变量对因变量的作用，这就涉及多重中介(multiplemediation)模型。根据多个中介变量之间是否存在相互影响，多重中介模型可以分为单步多重中介模型和多步多重中介模型(Hayes, 2009)。
单步多重中介模型，也称为并行多重中介模型，是指中介变量之间不存在相互影响；多步多重中介模型，也称为链式多重中介模型，是指中介变量之间存在影响关系，中介变量表现出顺序性特征，形成中介链；另外更为复杂的模型还包括多自变量、多因变量和多中介变量的复合式多重中介(柳士顺, 凌文辁, 2009)。
多重中介效应分析可以从3 个角度进行：一是总的中介效应(total mediation effect)，即估计和检验所有间接效应的总和；二是特定路径的中介效应(specific mediation effect)，即估计和检验某个感兴趣的特定路径的间接效应；三是对比中介效应，即估计和检验某两个路径的间接效应的差异。
并行多重中介模型 (链式)多重中介模型
（2）多重中介分析方法
第一，多重中介分析的方法可包括spss的因果逐步回归法，一般是对每条路径单独做回归，基本程序与上文介绍相同，但该方法局限太多；
第二，多重中介模型因为涉及的变量较多、路径比较复杂，即使只涉及显变量，一般也要使用结构方程模型进行分析，基本程序与上文介绍相同。
第三，Preacher和Hayes(2008)提出使用Bootstrap进行多个并行的中介效应分析检验多重中介效应，认为使用Bootstrap方法分析多重并列中介效应。一般可以使用PROCESS插件和MEDIATE插件。该方法可获得更多信息，一是可以检验所有并列中介变量发挥中介效应的总效应；二是可以观测在排除其它中介路径后，某一单个中介路径的效应大小；三是可以比较不同中介路径的中介效应大小，并检验是否有显著差异。从现有研究来看，多重中介效应分析主要包括结构方程模型方法和非参数百分位Bootstrap方法。
（3）并行多重中介效应的Bootstrap操作
并行多重中介效应检验可以使用上文提到的MEDIATE插件，该插件提供了并行多重中介分析的语言，只需要将Hayes等编辑的语言复制到语法栏中，进行修改即可，具体可参见上述简单中介效应分析和自变量为类别变量的中介分析，以下是基本语法。
MEDIATE Y=symptoms/X=emotion
thought/M=reaction/C=ageeduc/total=1/omnibus=1/ciconf=90/cimethod=2/samples=10000.
以下介绍校正的非参数百分位Bootstrap法具体操作：
下载Bootstrap插件安装在Spss中(http://www.comm.ohio-state.edu/ahayes/) 步骤一、运行SPSS，打开数据文件；
步骤二、在SPSS 程序的菜单栏中找到“分析”栏目下的“回归”，在“回归”下面找到已经安装的PROCESS插件；
步骤三、运行PROCESS程序，出现对话框；
<