2024年spssamos调节效应操作务实.doc

SPSSAMOS调整效应操作务实

一、调整效应回归方程：

调整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為因果关系；调整变量一般不受自变量和因变量影响，不过可以影响自变量和因变量；调整变量一般不能作為中介变量，在特殊状况下，调整变量也可以作為中介变量，例如认知归因方式既可以作為挫折性应激（X）和应对方式（Y）的调整变量也可以作為中介变量。常見的调整变量有性别、年龄、收入水平、文化程度、社会地位等。在记录回归分析中，检查变量的调整效应意味着检查调整变量和自变量的交互效应与否明显。以最简朴的回归方程為例，调整效应检查回归方程包括2个如下：

y=a+bx+cm+e1）

y=a+bx+cm+c’mx+e2）

在上述方程中，m為调整变量，mx為调整效应，调整效应与否明显既是分析C’与否明显到达记录学意义上的临界比率.05水平)。

二、检查调整效应的措施有三种：

1.在层次回归分析中（Hierarchicalregression）,检查2个回归方程的复有关系数R12和R22与否有明显区别，若R12和R22明显不一样，则阐明mx交互作用明显，既表明m的调整效应明显；

2.或看层次回归方程中的c’系数（调整变量偏有关系数），若c’（spss输出為原则化?值）明显，则阐明调整效应明显；

3.多元方差分析，看交互作用水平与否明显；

4.在分组回归状况下，调整效应看各组回归方程的R2。

注：上述四种措施重要用于显变量调整效应检查，且和x与m的变量类型有关，详细要根据下述几种类型采用不一样的方式检查

三、显变量调整效应分析的几种类型

根据调整效应回归方程中自变量和调整变量的几种不一样类型组合，分析调整效应的措施和操作也有区别如下：

1.分类自变量（x）+分类调整变量(m)

假如自变量和调整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明显性分析，如x有两种水平，m有三种水平，则可以做2×3交互作用方差分析，在spss里面可以很轻易实現，这我就不多讲了，详细操作看spss操作工具书就可以了。

2.分类自变量（x）+持续调整变量（m）

这种类型调整效应分析需要对分类自变量进行伪变量转换，将自变量和调整变量中心化（计算变量离均差）然后做层次回归分析。分类自变量转换為伪变量的措施：假设自变量X有n种分类，则可以转换為n-1个伪变量，例如自变量為年收入水平，假设按人均年收入水平分為8千如下、8000~2万、2万~5万、5万~10万、10万以上四种类型，则可以转换為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

8千如下000

上述转换在spss中可以建立3个伪变量x1、x2、x3,变量数据中心化后原则回归方程表达為：

y=b1x1+b2x2+b3x3+cm+e3)

y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e4)

x1=1表达10万以上；x2=1表达5万到10万；x3=1表达2万到5万；8千如下=0。此時8千如下的回归方程表达為：y=cm+e(在x1、x2、x3上的伪变量值為0)；之因此单独列出这个方程，是為了以便大家根据回归方程画交互作用图,既求出c值就可以根据方程画出8千如下变量的调整效应图。

检查措施為分析R2明显性或调整系数C’明显性。

注：在这4种分类自变量的调整效应分析中，采用R12和R22明显性检查時，是对4种类型自变量在调整变量作用下的调整效应的整体检查，总体明显的效果也許会掩盖某种类型自变量与调整变量的交互作用不明显的状况，此時，我們就要逐一审查各个交互项的偏有关系数。对方程4）而言，假如检查调整变量的偏有关系数，则有也許会出現某些调整变量偏有关系数不明显的状况，例如，c1明显、c2和c3不明显或c1和c2明显，c3不明显的状况等，此時可根据交互项的偏有关系数来发現究竟是那种类型的自变量与调整变量的交互作用不明显。

3.持续自变量（x）+分类调整变量（m）

这种类型的调整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整变量的分类水平，建立分组回归方程进行分析，回归方程為y=a+bx+e。当然也可以采用将调整变量转换為伪变量后来进行层次回归分析，层次回归详细环节同上，見三、2，需要注意的是，分类的调整变量转换為伪变量进行层次回归分析后，调整效应是看方程的决定系数R2明显性整体效果，这