Regressie-coefficienten ($\beta$'s en gestandaardiseerde $\beta$'s; niet-gestandaardiseerde $\beta$'s worden in SPSS om de een of andere reden ook wel $B$'s genoemd) zijn schattingen van de toename in de afhankelijke variabele bij een toename van 1 van de betreffende voorspeller. Het verschil tussen 'ruwe' $\beta$'s en gestandaardiseerde $\beta$'s is dat ruwe $\beta$'s in de oorspronkelijke schaal van de variabelen zijn, terwijl gestandaardiseerde $\beta$'s de $\beta$'s zijn die je had gekregen als je al je variabelen had gestandaardiseerd voordat je je regressie-analyse had gedaan. Daarom zijn die twee in jouw geval gelijk; je hebt (heel correct) je variabelen gestandaardiseerd, wat inderdaad goed is om te doen als je een interactie onderzoekt.
De regressie-coefficient van leeftijd is -.14, wat betekent dat een toename in leeftijd van 1 (waarschijnlijk 1 jaar) samenhangt met een toename in je afhankelijke variabele van -.14, oftewel een afname met .14. Als je als je variabelen had gestandaardiseerd, was de afname .35 geweest, wat betekent dat een toename in leeftijd met 1 standaarddeviatie samenhangt met een afname van ongeveer een derde standaarddeviatie in je afhankelijke variabele.
Een regressie-coefficient die groter is dan 1 betekent dus niet meer of minder dan dat de afhankelijke variabele meer dan 1 stijgt bij een toename van je voorspeller van 1. Een coefficient die lager is dan -1 betekent simpelweg dat de afhankelijke variabele met minder dan 1 daalt bij toename van de betreffende voorspeller met 1.
De hoogte van deze coefficienten zegt dus niets over of effecten direct of indirect zijn. Voor mediatie-analyse moet je bootstrapping gebruiken, of structural equation modelling, of een serie analyses (waaronder mogelijk regressie-analyses). Er is een bron over mediatie-analyse in de M&T community op Studienet.
Houd er verder rekening mee dat je in principe voor mediatie-analyse drie meetmomenten nodig hebt. Dit wordt heel goed uitgelegd (met plaatjes! :-)) in het artikel van Robert Roe, zie http://www.ehps.net/ehp/issues/2012/v14iss1_March2012/14_1_Roe.pdf.
Jouw analyses impliceren dat je afhankelijke variabele (mental health?) lager is naarmate mensen hoger scoren op conscientiousness, en lager als ze drie food groups consumeren (versus 1, 2, 4 of 5, kennelijk?). Dit patroon is echter anders als mensen drie food groups consumeren: dan is er juist een positief verband tussen conscientiousness en mental health. Zoals je aan de breedte van de betrouwbaarheidsintervallen ziet, zijn de schattingen van de regressie-coefficienten erg instabiel; die van 'consuming three food groups' had even goed -25 of -4 kunnen zijn. Hey, dat kan niet. De puntschatting van de regressie-coefficient hoort binnen het betrouwbaarheidsinterval te liggen. Ik denk dat je dit misschien nog even moet bespreken met je begeleider.
[EDIT 2016-09-13: zie ook http://oupsy.nl/help/2461/interactie-hypothesis-onafhankelijke-variabelen-correleren]