调节效应的估计与检测方法资料.ppt

调节效应的估计和检测方法 调节效应模型的标准化估计 调节效应： 　如果变量Y 与变量X 的关系是变量M 的函数，称M 为调节变量 。就是说， Y 与X 的关系受到第三个变量M 的影响，这种有调节变量的模型一般地可以用图1 示意。 最简单的模型，只有一个自变量，因变量，调节变量。假设方程如下： 对于固定的M , 这是Y 对X 的直线回归。Y 与X 的关系由回归系数a +cM 来刻画, 它是M 的线性函数, c衡量了调节效应(moderating effect)的大小。 　对模型(1)中调节效应的分析主要是估计和检验c。如果c显著(即H0 ∶c =0的假设被拒绝), 说明M 的调节效应显著。显然，c其实代表了X与M 的交互效应。 调节效应和交互效应这两个概念不完全一样。调节效应中, 哪个是自变量, 哪个是调节变量, 是很明确的, 在一个确定的模型中两者不能互换。 分两类讨论：一类是所涉及的变量(因变量、自变量和调节变量)都是可以直接观测的显变量(observable variable), 另一类是所涉及的变量中至少有一个是潜变量(latent variable)。 一、显变量的调节效应分析方法 1、变量都为类别变量（定类变量、定序变量）：做两因素方差分析。 2、变量都为连续变量（定距变量、定比变量）：做层次回归分析:(1)做Y 对X和M 的回归, 得测定系数 。(2)做Y 对X 、M 和XM 的回归得 , 若 显著高于 , 则调节效应显著;或者, 做XM 的偏回归系数检验, 若显著, 则调节效应显著。 3、当调节变量是类别变量、自变量是连续变量时,做分组回归分析 。 4、但当自变量是类别变量、调节变量是连续变量时, 不能做分组回归, 而是将自变量重新编码成为伪变量(dummy variable), 用带有乘积项的回归模型, 做层次回归分析。 二、潜变量的调节效应分析方法 有关潜变量的分析需要用到结构方程模型。 有潜变量的调节效应模型通常只考虑如下两种情形: 1、调节变量是类别变量, 自变量是潜变量：时, 做分组结构方程分析。 2、调节变量和自变量都是潜变量。变量时, 有许多不同的分析方法。 图1：一般混合的模型 一种模型的两种解释 对于上图所示的路径图, 从有调节的中介模型角度, 无论是X 与Y 关系的直接路径还是间接路径, 都受到U的调节。 另一种解释：U 是X 与Y 关系的调节变量, 调节效应有一部分是经过中介变量W 起作用的, 间接的调节效应由(a1+a3U)(b1+b2U)中与U 有关的系数反映,直接的调节效应由 中U的系数反映。 两种模型有不同的研究目的和研究重心, 立论和解释也很不同。 对于有调节的中介模型, 重心在于考虑自变量对因变量的作用机制, 即中介效应; 其次考虑中介过程是否受到调节, 即中介作用何时较强、何时较弱。 对于有中介的调节模型, 重心在于考虑自变量与因变量之间关系的方向(正或负)和强弱受到的影响, 即调节效应; 其次考虑调节变量是如何起作用的, 即是否通过中介变量而起作用。 如果直接路径没有受到调节(即c3不显著), 则建立有调节的中介模型;反之，建立有中介的调节效应。 只要中介效应(a1+a3U)(b1+b2U)＝ a1b1＋ (a1b2＋ a3b1)U＋a3b2U^2 与U 有关, 或者说随U 变化, 则中介效应是有调节的。 检验的三种方法： 1、依次检验： 依次检验犯第一类错误的概率低，检验力低，检验更加严格。 2、系数乘积的区间检验（可使用Bootstrap 法） 3、中介效应差异的检验：用Bootstrap 法检验中介效应的差异来判断中介效应是否随U变化, 即检验U的不同取值上的中介效应之差是否显著。 对于图1模型做如下回归： 综合上述检验的优劣提出有中介的调节效应检的步骤 先做依次检验, 如果不显著, 再做系数乘积的区间检验, 如果还不显著, 最后做中介效应差异检验。如果前面的检验已经显著, 后面的检验不需要做了, 除非研究者有特别的用意。 因为三种检验，检验力一次增强；包含信息依次减少；复杂程度依次增加。 借鉴中介效应的检验程序，对于混合模型，我们提出一个检验有中介的调节效应的程序如下图。 有中介的调节的检验步骤 温忠麟, 侯杰泰, 张雷.调节效应和中介效应的比较和应用.心理学报, 2005, 37(2):268 ～ 274. 温忠麟, 张雷, 侯杰泰. 有中介的调节变量和有调节的中介变量. 心理学报, 2006，38, 448–452. 温忠麟,叶宝娟, 有调节的中介模型检验方法：竞争还是替补?心理学报,2014, Vol. 46, No.5, 714~726 叶宝娟, 温