(整理)分析调节效应.打印版.pdfVIP

学 海 无 涯 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著。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+e 1） y=a+bx+cm+c’mx+e 2） 在上述方程中，m 为调节变量，mx 为调节效应，调节效应是否显著即是分析C’是否显著达 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： 2 1.在层次回归分析中（Hierarchical regression）,检验2 个回归方程的复相关系数R 和 1 2 2 2 R 是否有显著区别，若R 和R 显著不同，则说明mx 交互作用显著，即表明m 的调节效应 2 1 2 显著； 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 ß 值）显著，则说明调节效应显著； 3.多元方差分析，看交互作用水平是否显著； 2 4.在分组回归情况下，调节效应看各组回归方程的R 。 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著 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 精品文档 1 学 海 无 涯 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。 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：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8 千以下、8000~2 万、2 万~5 万、5 万~10 万、10 万以上四种类型，则可以转换为3 个伪变量如下： x1 x2 x3 10 万以上 1 0 0 5 万到10 万 0 1 0 2 万到5 万 0 0 1 8 千以下 0 0 0 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+e 3) y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e 4) 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；8 千以下=0。此时8 千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