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 1和df 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。

  • SPSSAU时多个调节变量如何进行调节作用分析？

  • 如果有多个调节变量，通常有2种方式，一是使用进阶方法里面的分层回归，二是重复多次调节作用变量。关于分层回归进行调节作用分析，可点击查看。

  • 因变量为定类数据如何进行调节作用？

  • 如果因变量为定类数据，可能需要使用logit回归进行研究调节作用，而不是线性回归。

  • SPSSAU进行调节作用的简单斜率图没有出现交叉点？

  • 简单斜率图的目的是体现斜率的不一样，与是否有交叉点没有关系，两条不平行线一定会有交叉点。另两个点决定一条直线，SPSSAU结合X的取值和Y的取值范围，以及简单斜率值，分别计算得到两个点，然后绘制出简单斜率图。

  • 简单斜率图的绘制没有固定标准，研究者也可结合简单斜率值自行在EXCEL中绘制，只要体现出斜率的不一致即可。