调节效应检验方法

style · 发表于 2016-9-8 16:55:56

调节效应检验方法
一、调节变量的定义
因变量Y和自变量X的关系受到第三个变量M的影响，那么M就是调节变量，调节变量的模型一般可以用下图表示。从图中可以看到，调节变量影响着自变量对因变量的关系，即调节这二者的关系，这种调节包含了两个方面：1、调节变量影响自变量和因变量之间关系的方向（即正或者负）；2、调节变量影响这自变量和因变量之间关系的强弱。

QQ截图20160908165235.png (13.04 KB, 下载次数: 0)
调节效应有时也叫做交互效应，主要是因为调节效应和交互效应否是检验自变量与调节变量的交互作用。
二、调节效应的分析方法
调节变量可以是定性的变量，如性别、种族等等，也可以是定量的，如年龄、某些研究变量等等。根据调节变量的不同，调节效应分析的方法也是不相同的。在调节效应中，允许自变量是类别变量（即定性变量），因此调节效应的分析方法根据自变量、调节变量的不同而有不同的分析方法。
1、调节变量是定性变量（离散变量）
1）自变量是类别变量
在这一类型的分析中，自变量和调节变量均为离散变量，因变量为连续变量，如自变量为不同班级（实验班和普通班）、调节变量为性别、因变量为学习成绩。
在此情况下，调节效应的分析需要使用方差分析（ANOVA），分析自变量与调节变量的交互效应是否显著。如果方差分析结果中的交互效应显著，则调节效应存在，如果交互效应不显著，则不存在调节效应。
2）自变量是连续变量
当自变量为连续变量时，可采用分组回归分析的方法检验M的调节效应。按照M的值进行分组，分别分析因变量（Y）对自变量（X）的回归分析，根据回归分析的中的系数是否具有显著差异判定调节效应是否显著。
2、调节变量为定量变量（连续变量）
当调节变量是连续变量，而自变量是类别变量时，首选需要将自变量重新编码为伪变量（按照某一方式对自变量进行重新编码，并将重新编码后的值认为是连续变量）；而当调节变量和自变量均为连续变量时，则不需要进行重新编码，直接进行下面的分析。
其次，将自变量和调节变量进行中心化。中心化也就是计算Z值（Z=（X-X平均）/SD），才SPSS中使用描述性分析可以得到中心化的结果。
第三，计算自变量（中心化）与调节变量（中心化）的乘积项，乘积项可利用计算变量得到。
第四，进行Y=aX+bM+cXM+e的层次回归分析。第一层，做Y对X和M的回归分析（即Y=aX+bM +e），得到第一个R2，第二层，做Y对X、M和XM的回归分析（Y=aX+bM+cXM+e），得到第二个R2。如果第二个R2显著高于第一个R2，则调节效应存在。或者检验XM的回归系数c，如果c显著则调节效应存在。
需要注意的是，当自变量和调节变量均为连续变量时，除了考虑交互效应XM外，还可以考虑高阶交互效应（如XM2，表示非线性调节效应；MX2表示曲线回归的调节）。
本文介绍了调节效应检验的方法和基本步骤，下一篇文章将针对上述四种情况下的调节效应分析进行实例。
注：本文主要参考了温忠麟等人2005年发表的《调节效应与中介效应的比较和应用》

如果您觉得本文不错，欢迎分享转发到朋友圈，谢绝任何形式的转载~
欢迎您邀请朋友关注微信号“统计211网( ID: tj211_com)”！

还可以扫一扫二维码关注我们哦~~

可见右侧二维码

二维码.png.thumb.jpg.thumb.jpg (26.78 KB, 下载次数: 0)

帐号		自动登录	找回密码
密码			立即注册