调节效应分析_的.pdfVIP

调节效应重要理论及操作务务实 一、?调节效应回归方程： 调节效应是交互效应的一种，是有因果指向的交互效应，而单纯 的交互效应可以互为因果关系；调节变量一般不受自变量和因变量影 响，但是可以影响自变量和因变量；调节变量一般不能作为中介变量， 在特殊情况下，调节变量也可以作为中介变量，例如认知归因方式既 可以作为挫折性应激（X）和应对方式（Y）的调节变量也可以作为中 介变量。?常见的调节变量有性别别、?年龄、?收入水平、?文化程度、?社会 地位等。?在统计回归分分析中，检验变量的调节效应意味着检验调节变 量和自变量的交互效应是否显著。?以最简单的回归方程为例，调节效 应检验回归方程包括 2 个如下： y=a+bx+cm+e 1） y=a+bx+cm+c’mx+e 2） 在上述方程中，m 为调节变量，mx 为调节效应，调节效应是否显著即 是分分析 C’是否显著达到到统计学意义上的临界比率.05 水平)。? 二、?检验调节效应的方法有三种： 1.在层次回归分分析中（Hierarchical regression）,检验 2 个回归方 2 2 2 2 程的复相关系数 R1 和 R2 是否有显著区别别，若1 R 和 R2 显著不同，则则 说明 mx 交互作用显著，即表明 m 的调节效应显著； 2.或看层次回归方程中的 c’系数（调节变量偏相关系数），若 c’ （spss 输出出为标准化 ? 值）显著，则则说明调节效应显著； 3.多元方差分分析，看交互作用水平是否显著； 4.在分分组回归情况下，调节效应看各组回归方程的 R2。? 注：上述四种方法主要用于 显变量 调节效应检验，且和 x 与 m 的变量 类型相关，具体要根据下述几几种类型采用不同的方式检验 三、?显变量调节效应分分析的几几种类型 根据调节效应回归方程中自变量和调节变量的几几种不同类型组合， 分分析调节效应的方法和操作也有区别别如下： 1.分分类自变量（x）+分分类调节变量(m) 如果自变量和调节变量都是分分类变量的话，实际上就是多元方差 分分析中的交互作用显著性分分析，如 x 有两种水平，m 有三种水平，则则 可以做 2×3 交互作用方差分分析，在 spss 里面可以很容易实现，这我 就不多讲了，具体操作看 spss 操作工具书就可以了。? 2.分分类自变量（x）+连续调节变量（m） 这种类型调节效应分分析需要 对分分类自变量进行伪变量转换，将自 变量和调节变量中心化 （计算变量离均差 ）然后做 层次回归 分分析。?分分 类自变量转换为伪变量的方法：假设自变量 X 有 n 种分分类，则则可以转 换为 n-1 个伪变量，例如自变量为年收入水平，假设按人均年收入水 平分分为 8 千以下、?8000~2 万、?2 万~5 万、?5 万~10 万、?10 万以上四种 类型，则则可以转换为 3 个伪变量如下： x1 x2 x3 10 万以上 1 0 0 5 万到到 10 万 0 1 0 2 万到到 5 万 0 0 1 8 千以下 0 0 0 上述转换在 spss 中可以建立 3 个伪变量 x1、?x2、?x3, 变量数据中心 化后标准回归方程 表示为： y=b1x1+b2x2+b3x3+cm+e 3) y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e 4) x1=1 表示 10 万以上；x2=1 表示 5 万到到 10 万；x3=1 表示 2 万到到 5 万； 8 千以下=0。?此时 8 千以下的回归方程表示为：y=cm +e(在 x1、?x2、? x3 上的伪变量值为 0)；之所以单独列列出出这个方程，是为了方便大家 根据回归方程画交互作用图,即求出出 c 值