调节作用分析

调节作用是研究X对Y的影响时,是否会受到调节变量Z的干扰;比如开车速度(X)会对车祸可能性(Y)产生影响,这种影响关系受到是否喝酒(Z)的干扰,即喝酒时的影响幅度,与不喝酒时的影响幅度 是否有着明显的不一样。结合自变量X和调节变量Z的数据类型,调节作用共有四种情况,分别如下:

自变量X:定类 自变量X:定量
调节变量Z:定类 进阶方法->双因素方差 问卷研究->调节作用
调节变量Z:定量 问卷研究->调节作用 问卷研究->调节作用

自变量X和调节变量均为定类数据时,使用进阶方法的双因素方差完成分析。另外三种情况直接使用问卷研究->调节作用可完成分析,可通过选择参数设置‘调节作用类型’即可。

  • 特别提示:
  • 调节分析时,如果X或者Z为定量数据,通常需要进行中心化或者标准化处理;SPSSAU默认有参数选择设置即可;因变量Y一般不需要中心化或标准化处理(SPSSAU默认不对因变量处理)。

  • 调节分析时,如果X或者Z为定类数据,通常需要进行虚拟(哑)变量后才能分析,此过程被SPSSAU自动化处理,只需要设置调节作用类型,SPSSAU即可自动化处理;包括中心化/标准化处理,虚拟变量生成,交互项生成,以及简单斜率图和文字分析等。

调节作用案例

  • 1、背景

    当前一份数据希望研究调节作用,自变量X和调节变量均为定量数据,并且因变量Y也是定量数据。除此之外,还希望放入3个控制变量在模型中。

  • 2、理论

    调节作用研究,其数学原理如下图所示:

    数学模型可拆分成3个,分别说明如下:

    模型1:自变量为X,因变量为Y;其意义相对较小(有时候直接忽略此项);

    模型2:自变量为X和Z,因变量为Y;模型2仅在模型1的基础上加入调节变量Z;此模型的意义也较小(有时候也可直接忽略此项);

    模型3:自变量为X,Z和X*Z,因变量为Y;模型3在模型2的基础上加入交互项;此为核心模型,如果交互项(X*Z)呈现出显著性,则说明具有调节作用。

    • 调节作用的检验有两种方法。第一种方法为:模型2到模型3的变化过程中,F 值变化是否呈现出显著性,如果显著则说明具有调节作用;第二种方法为:查看模型3中交互项的显著性情况,如果说呈现出显著性则说明具有调节作用,反之说明没有调节作用,SPSSAU建议使用第一种方法进行检验调节作用。

    • 调节作用研究时,并不要求模型1中X对Y会产生显著影响。所以模型1基本无意义;当显示没有调节作用时,可以通过模型1查看X对于Y的影响情况。

    • 调节作用的第一种检验方法即查看模型2到模型3时,F 值变化是否呈现出显著性;如果显著,则说明交互项有显著性;如果不显著,则说明交互项不具有显著性;这是检验的理论思想。但此种检验的问题在于,如果自变量或者调节变量为定类数据,即进行虚拟变量处理时,无法检测具体那个选项情况下呈现出调节作用。因此SPSSAU最终建议使用第二种检验方法即直接查看交互项的显著性,用于判断是否存在调节作用。

    • 特别提示:
    • 1.如果X或者Z为定量数据,通常需要进行中心化或者标准化处理;SPSSAU默认有参数选择设置即可;因变量Y一般不需要中心化或标准化处理(SPSSAU默认不对因变量处理)。

    • 2.如果X或者Z为定类数据,通常需要进行虚拟(哑)变量后才能分析,此过程被SPSSAU自动化处理,只需要设置调节作用类型,SPSSAU即可自动化处理。

    • 3.实际来讲,只需要model3即可进行调节作用,以及model3里面包括了自变量X,调节变量Z,自变量X和调节变量Z的交互项。只要有此三项,即可通过交互项检测调节作用,所以如果有多个自变量或调节变量时,可考虑使用进阶方法里面的分层回归进行一次性研究;也可以重复进行多次调节作用。

  • 3、操作

    本例子中自变量X和调节变量Z均为定量数据,并且对数据进行中心化处理,还有3个控制变量,因此操作如下图所示:

  • 4、SPSSAU输出结果

    SPSSAU共输出3个表格,分别是研究变量处理说明,调节作用分析结果表格,调节作用分析结果-简化表格。并且默认输出简单斜率图(如果X为定类,或者Z为定类,此时很可能有多个简单斜率图)。

  • 5、文字分析

    关于调节作用,SPSSAU分析结果表格说明分别如下:

    研究变量处理说明
    类型 名称 数据类型 数据处理
    因变量 Y 定量 不处理
    自变量 X 定量 中心化
    调节变量 z 定量 中心化
    控制变量 控制变量1 - 不处理
    控制变量2 - 不处理
    控制变量3 - 不处理

    上表格展示SPSSAU自动对数据进行处理的过程,比如上表格显示对X和Z均进行中心化处理,具体描述如下:

    本次研究X对于Y的影响时,研究变量Z是否会起着调节作用,即变量Z在不同水平时,X对于Y的影响幅度是否有显著性差异。并且放入3个控制变量在模型中。在分析之前首先对X和Z进行中心化处理,因变量Y不进行处理,同时控制变量也不进行处理。

    从上表可知,调节作用分为三个模型,模型1中包括自变量(X),以及控制变量1, 控制变量2, 控制变量3等3个控制变量;模型2在模型1的基础上加入调节变量(Z),模型3在模型2的基础上加入交互项(自变量与调节变量的乘积项)。

    针对模型1,其目的在于研究在不考虑调节变量(Z)的干扰时,自变量(X)对于因变量(Y)的影响情况。从上表格可知,自变量(X)并没有呈现出显著性(t =1.745, p =0.083>0.05)。意味着不考虑调节变量(Z)的影响时,X对于Y并不会产生显著影响关系,此种情况依旧进行接下来的调节效应研究即可。

    调节效应可通过两种方式进行查看,第一种是查看模型2到模型3时,F 值变化的显著性;第二种是查看模型3中交互项的显著性,本次以第二种方式分析调节效应。

    从上表格可知,X与Z的交互项呈现出显著性(t =2.225, p =0.027< 0.05)。意味着X对于Y影响时,调节变量(Z)在不同水平时,影响幅度具有显著性差异,交互项的回归系数值为0.108,即说明X对于Y的影响时,Z起着正向调节作用,具体可通过接下来的简单斜率图进行查看。

    如果使用第一种检验办法,即查看模型2到模型3的变化显著性,从上表可知:模型2到模型3时F 值变化呈现出0.05水平的显著性(F =4.953,p =0.027 < 0.05),也即说明具有调节作用产生。两种检验方法结论保持一致。

    • 另外,表格中还展示R ²值,调整R ²值,F 值,R ²变化值和F变化值。

    简单斜率图展示调节变量Z在不同水平时,X对于Y的影响幅度差异情况。首先Z在不同水平是指,Z分别取平均值,平均值+标准差,平均值-标准差;即Z取平均水平,高水平和低水平共3种情况时。

    X对于Y的影响情况,即为直线的斜率大小进行对比。比如上图中高水平时斜率明显较大,而低水平时斜率明显较小。也即说明Z在高水平时,X对于Y的影响幅度明显更大;Z在低水平时,X对于Y的影响幅度相对较小。

    SPSSAU默认提供简化格式,可直接用于文献发表时使用。

  • 6、剖析

    涉及以下几个关键点,分别如下:

    • 无论X对于Y产生显著影响,均可以进行调节作用研究。

    • 交互项呈现出显著性之后,才可以通过简单斜率图查看调节作用;如果交互项没有呈现出显著性,简单斜率图看上去有明显差异也无意义。

    • 调节分析时,如果X或者Z为定量数据,通常需要进行中心化或者标准化处理;SPSSAU默认有参数选择设置即可;因变量Y一般不需要中心化或标准化处理(SPSSAU默认不对因变量处理)。

    • 调节分析时,如果X或者Z为定类数据,通常需要进行虚拟(哑)变量后才能分析,此过程被SPSSAU自动化处理,只需要设置调节作用类型,SPSSAU即可自动化处理;包括中心化/标准化处理,虚拟变量生成,交互项生成,以及简单斜率图和文字分析等。

疑难解惑

  • 自变量对因变量没有影响,是否可以做调节作用?
  • 调节作用研究并不要求自变量对因变量一定有影响,可以直接进行调节作用研究。

  • 如何查看是否有调节作用?
  • 调节作用的检验有两种方法。第一种方法为:查看交互项的显著性情况,如果说呈现出显著性则说明具有调节作用,反之说明没有调节作用;第二种方法为:模型2到模型3的变化过程中,F 值变化是否呈现出显著性,如果显著则说明具有调节作用;SPSSAU建议使用第一种方法进行检验调节作用。

  • 如果有多个自变量X,或者多个调节变量Z,此时如何进行调节作用?
  • 当有多个自变量X或者多个调节变量Z 时,有两种解决办法。第1种是重复进行多次;第2种是使用分层回归。

  • 第1种办法:如果有多个自变量X,可以将其中1个X放入框中,余下的X放入控制变量,单独进行检验调节作用,多次重复进行即可。如果有多个调节变量时,也可以类似操作。如果有多个自变量X,并且多个调节变量时,也是重复操作进行即可。

  • 第2种办法:实际来讲,只需要model3即可进行调节作用,以及model3里面包括了自变量X,调节变量Z ,自变量X和调节变量Z 的交互项。只要有此三项,即可通过交互项检测调节作用,所以如果有多个自变量或调节变量时,可考虑使用进阶方法里面的分层回归进行一次性研究;也可以重复进行多次调节作用。

  • 另外:当自变量不止一个,也或者调节变量不止一个时,也或者进行‘有调节的中介作用’研究时,建议查阅SPSSAU的提供的视频学习资料有更详细说明。

  • F 值括号里面的两个值分别是什么?
  • 如果是F 值想计算得到p 值,需要提供两个自由度值df 1df 2。一般情况下,df 1等于自变量数量;df 2等于样本量 - (自变量数量+1)。此两个值仅为中间过程值,规范格式上需要写成这样而已,无其它实际意义。

  • X或者M为定类数据,如何分析?
  • 建议阅读SPSSAU的视频内容,里面会有更详细的说明和探讨,包括定类数据时的分析,有调节的中介作用分析等。

  • 调节作用两种检验方法出现矛盾如何办?
  • SPSSAU建议以交互项显著性作为标准即可。

  • 分类数据如何进行调节作用分析?
  • 当前SPSSAU已将调节作用全部智能化,即将中间过程全部由算法处理,请使用问卷研究->调节作用,完成调节作用研究,可实现分类数据的自动调节作用分析,并且提供简单斜率图。如果需要了解调节作用的实现原理,可依旧参阅此页面说明即可。

  • 如何进行有调节的中介作用检验?
  • 有调节的中介作用检验,建议分别进行检验,先检验中介作用;然后再检验调节作用即可。中介作用时把调节变量看成是控制变量即可。