教学课件 高级心理统计--刘红云.ppt

3. 1.2两个连续变量的调节作用-标准化解 3. 1.2两个连续变量的调节作用-标准化解 3. 1.2两个连续变量的调节作用-标准化解 为什么在SPSS中根据非标准化的变量得到的标准化估计结果是不正确的呢？ 这是因为对于交互项X*M，SPSS在计算标准化回归系数的过程中是将X*M标准化，即ZXM。而我们在求标准化解时关注的是两个标准分数的乘积ZXZM。但是一般情况下，ZXM与ZXZM并不相同。 那么，Friedrich (1982)提出的解决方法就是，直接采用标准分数的乘积项ZX*ZM作回归分析，在结果中报告非标准化的结果，即为正确的标准化回归系数。 3. 1.3两个连续变量的调节作用-简单斜率检验 1.将调节变量分别取高、中、低的水平，画出这三种水平下，X和Y之间的回归直线，从而直观地看到调节变量起的作用。 2.由于X对Y的回归系数会受到M取值的影响，那么可能在M取某些值时，X对Y没有效应，即回归系数与0没有显著差异。 在进行简单斜率检验时，最好检验标准化的系数。在标准化之后，对低于均值一个标准差的M值，直接在标准化的ZM值上加减1，从而得到一个新变量ZM_below和ZM_above。通过分别对不同的转换分数作回归分析，研究者就能够得到简单斜率的检验。 SPSS操作见P309-P310 3. 1.3两个连续变量的调节作用-简单斜率检验 可以看到，当M低于均值1个标准差时，ZSS的斜率系数为0.983，p=0.006；当M高于均值1个标准差时，ZSS的系数为-0.565，p=0.119。也就是说，当社会支持水平低的时候，工作压力对抑郁倾向有显著的正向影响；而当社会支持水平高时，工作压力对抑郁倾向的影响不显著。 3. 1.4两个连续变量的调节作用-效应量 3. 1.4两个连续变量的调节作用-效应量 3. 2连续变量与分类变量的调节作用 对分类变量重新编码，然后做回归方程。 虚拟编码：如果是2个以上的类别，虚拟变量的个数是分类数减1。其中参照的类别编码为0，需要对比的类别分别编码为1。 如果是求非标准化解，连续自变量依然需要先进行中心化处理。 如果是求标准化解，那么直接先对自变量和因变量进行标准化即可。 3. 2连续变量与分类变量的调节作用 SPSS操作见P312 3. 2连续变量与分类变量的调节作用 3.2.1.1非标准化回归系数 ① 将分类的调节变量M进行虚拟编码（0=参照组，1=比较组），如果类别数k＞2，构建（类别数－1）个虚拟变量（d1，d2, …,dk-1）； ② 将自变量X作中心化处理，记为CX； ③ 计算交互作用项，将CX与M相乘，记为CXM（当多于2个类别时，将CX与所有虚拟变量相乘CXd1，CXd2, …,CXdk-1）； ④ 以Y为因变量，CX，M和CXM为自变量作回归分析，一般做序列回归分析（多于2个类别时，以Y为因变量，CX，d1，d2, …,dk-1和CXd1，CXd2, …,CXdk-1为自变量作回归分析）。 Spss操作见P312-P313 3. 2连续变量与分类变量的调节作用 3.2.1.2 标准化回归系数 ① 将分类的调节变量M虚拟编码（0=参照组，1=比较组）； ② 将因变量Y和自变量X作标准化处理，记为ZY和ZX； ③ 计算交互作用项，将ZX与M相乘，记为ZXM； ④ 以ZY为因变量，ZX，M和ZXM为自变量作回归分析（或序列回归分析）。 此时得到的非标准化结果就是正确的标准化系数。 Spss操作见P314 3. 2连续变量与分类变量的调节作用 3.2.1.3 简单斜率检验 当对分类调节变量采用虚拟编码的方法时，对于参照组，SPSS可以直接得到简单斜率的检验的结果，即X对Y影响斜率的检验，因为对于参照组，虚拟变量的值为0，因此得到的X的回归系数检验就是参照组的简单斜率。而对于比较组的简单斜率检验，可以对分类变量重新编码，将原来的比较组编码为参照组，后续过程相同。从而就可以直接通过回归分析得到X对Y简单斜率的检验。 SPSS操作见P315 3. 2连续变量与分类变量的调节作用 3.2.1.4 效应量 3. 2连续变量与分类变量的调节作用 2. 非加权效应编码： 将分类变量重新编码为-1和+1。研究者关心的是不同组整体影响的平均效应。虚拟变量的影响系数表示编码为1的组在因变量上的均值与非加权总体均值的差异。 非标准化回归系数 标准化回归系数 简单斜率检验及效应量 3. 2连续变量与分类变量的调节作用 3.2.2.1 非标准化回归系数： 求非标准化回归系数的一般步骤，除了第一步中先将分类变量进行非加权效应编码，其他步骤均与虚拟编码部分相同，因此不再赘述 3.2.2.2 标准化回归系数 同样，求标准化回归系数的一般步骤，除了第一步中先将分类变量进行非加权效应编码，其他步骤