调节效应高级心理统计.pptVIP

第12章调整效应

ModerationEffect

关键要点理解调整效应的概念，以及解释调整效应的必要性。辨别调整效应与交互作用的概念。辨别调整效应与中介效应的概念。掌握不一样调整变量类型对应的调整效应检查措施。理解调整的中介和中介的调整，识别两者的区别和联络，掌握各自的检查措施。

提纲1调整效应概述2调整效应的解释和重要性3显变量的调整效应4潜变量调整效应5调整的中介6中介的调整

1.调整效应概述当变量M取不一样水平的值时，自变量X对成果变量Y的影响程度不一样，这时称M调整了X与Y之间的关系。变量M被称为调整变量（moderator），X与Y之间关系依赖于M的程度，就是调整效应（moderation）。调整作用VS交互作用调整效应VS中介效应

2.调整效应的解释和重要性一种不含交互作用的回归直线图包括交互作用的记录模型一种包括交互作用的回归直线图一种简朴的回归模型（不含交作用）??

3.显变量的调整效应对于显变量的调整效应，也就是自变量、调整变量与因变量均为观测变量时，多元回归分析可以用于任何分类变量和/或持续变量的组合，只要对分类变量进行合适的虚拟编码即可，交互作用则表达为变量的乘积项。若X和M均为分类变量，可以使用方差分析的措施；若X和M均为持续变量，或X和M中一种为分类变量，一种为持续变量，那么一般使用多元回归分析的措施。在进行调整效应检查时，并不提议将持续变量转换为分类变量，再使用方差分析的措施进行检查。

3.1两个持续变量的调整作用?

3.1.1两个持续变量的调整作用-非原则化解?

3.1.1两个持续变量的调整作用-非原则化解为何要中心化？b0表达的是变量X和M在各自的平均值水平时，Y的取值。b1表达的是M=0时，X对Y的影响；中心化后，b1则表达M取平均水平时（CM=0），CX对Y的影响。自变量的中心化并不会影响交互作用的系数b3，不过会影响模型中的其他系数（b0，b1，b2）。其他的自变量转换有时也是有效的，不过均值中心化一般被认为是最佳的选择。以一种数据案例及SPSS分析成果来阐明，见P305-P307?

3.1.1两个持续变量的调整作用-非原则化解变量乘积项CSSCSC的非原则化系数为-2.295，p=0.029，该系数明显，阐明交互作用明显，也即调整效应明显。根据这个成果，加入乘积项CSSCSC之后，模型的R2变化为0.019，p=0.029。变化的R2明显不小于0，因此，社会支持与工作压力的交互作用明显。

3.1.1两个持续变量的调整作用-非原则化解

3.1.2两个持续变量的调整作用-原则化解2.原则化解对的的原则化回归系数（β系数）的估计应当遵照如下环节：①将X、M和Y原则化，得到原则化后的变量ZX、ZM和ZY；②计算原则化后变量ZX和ZM的乘积，得到交互项ZX*ZM；③以ZY为因变量，ZX、ZM和ZX*ZM为自变量做回归分析。最终，计算得到成果中的非原则化回归系数就是对的的成果Spss操作详见P307-P308

3.1.2两个持续变量的调整作用-原则化解?

3.1.2两个持续变量的调整作用-原则化解

3.1.2两个持续变量的调整作用-原则化解为何在SPSS中根据非原则化的变量得到的原则化估计成果是不对的的呢？?这是由于对于交互项X*M，SPSS在计算原则化回归系数的过程中是将X*M原则化，即ZXM。而我们在求原则化解时关注的是两个原则分数的乘积ZXZM。不过一般状况下，ZXM与ZXZM并不相似。那么，Friedrich(1982)提出的处理措施就是，直接采用原则分数的乘积项ZX*ZM作回归分析，在成果中汇报非原则化的成果，即为对的的原则化回归系数。

3.1.3两个持续变量的调整作用-简朴斜率检查1.将调整变量分别取高、中、低的水平，画出这三种水平下，X和Y之间的回归直线，从而直观地看到调整变量起的作用。2.由于X对Y的回归系数会受到M取值的影响，那么也许在M取某些值时，X对Y没有效应，即回归系数与0没有明显差异。在进行简朴斜率检查时，最佳检查原则化的系数。在原则化之后，对低于均值一种原则差的M值，直接在原则化的ZM值上加减1，从而得到一种新变量ZM_below和ZM_above。通过度别对不一样的转换分数作回归分析，研究者就可以得到简朴斜率的检查。SPSS操作见P309-P310

3.1.3两个持续变量的调整作用-简朴斜率检查可以看到，当M低于均值1个原则差时，ZSS的斜率系数为0.983，p=0.006；当M高于均值1个原则差时，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明显的正向影响；而当社会支持水平高时，工作压力对抑郁倾向的影响不明显。

3.1.4两个持续变量的调整作用-效应量?

3.