如何在SPSS及AMOS分析调节效应(实战篇.doc

精心整理 调节效应重要理论及操作务实 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 « I 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、年龄、收入水平、文化程度、社会地 位等。在统计回归分析中，检验变量的调节效应意味着检验调节变量和自变量的交 互效应是否显着。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+e1 X | ： / y ■ y=a+bx+cm+C mx+e2 在上述方程中，m为调节变量，mx为调节效应，调节效应是否显着即是分析 C是否 显着达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. 在层次回归分析中（Hierarchicalregression ）,检验2个回归方程的复相关系数 Ri2和£是否有显着区别，若 R和£显着不同，则说明mx交互作用显着，即表明 m 的调节效应显着； 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输出为标 准化？值）显着，则说明调节效应显着； 3. 多元方差分析，看交互作用水平是否显着； 4. 在分组回归情况下，调节效应看各组回归方程的 氏。 精心整理 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 体要根据下述几种类型采用不同的方式检验 三、显变量调节效应分析的几种类型 根据调节效应回归方程中自变量和调节变量的几种不同类型组合，分析调节效应的 方法和操作也有区别如下： 1. 分类自变量（x）+分类调节变量（m） 如果自变量和调节变量都是分类变量的话， 实际上就是多元方差分析中的交互作 用显着性分析，如x有两种水平，m有三种水平，则可以做2X 3交互作用方差分析, ” / I I I i » I j J • j I 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。 X / 尹 I x \ / y I , / 2. 分类自变量（x）+连续调节变量（m 这种类型调节效应分析需要 对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）然后做层次回归分析。分类自变量转换为伪变量的方法： X, j, 、 f41*」 假设自变量X有n种分类，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为 2万以下、2万~5万、5万~10万、10万以上四种类型, 则可以转换为3个伪变量如下： x1x2x3 10万以上100 5万到10万010 2万到5万001 2万以下000 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+e3） 精心整理 y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e4） x1 = 1表示10万以上；x2=1表示5万到10万；x3=1表示2万到5万；2万以下=0。 此时2万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c值就可 以根据方程画出2万以下变量的调节效应图。 检验方法为分析R2显着性或调节系数C显着性。 注：在这4种分类自变量的调节效应分析中，采用 R2和R22显着性检验时，是对4 种类型自变量在调节变量作用下的调节效应的整体检验， 总体显着的效果可能会掩 盖某种类型自变量与调节变量的交互作用不显着的情况 ，此时，我们就要逐一审查 各个交互项的偏相关系数。对方程（4）而言，如果检查调节变量的偏相关系数，则 i. -、肓少7兀 / / ） 有可能会出现一些调节变量偏相关系数不显着的情况，例如， cl显着、c2和c3不 显着或cl和c2显着，c3不显着的情况等，此时可根据交互项的偏相关系数来发现 到底是那种类型的自变量与调节变量的交互作用不显着。 … ij 3. 连续自变量（x）+分类调节变量（m） 这种类型的调节效应需要采用 分组回归分析，所谓分组回归分析既是根据调节变量 的分类水平，建立分组回归方程进行分析，回归方程为 y=a+bx+e。当然也可以采用 将调节变量转换为伪变量以后进行层次回归分析， 层次回归具体步骤同上，见三、2, 需要注意的是，分类的调节变量转换为伪变量进行层次回归分析后， 调节效应是看 方程的决定系数R2显着性整体效果，这和不同分类水平的自变量下调节变量的调节 效应