调节作用检验||四处搜刮来的笔记

调节效应与交互效应在模型上没有差异，只是调节效应确定了自变量和因变量，且调节变量是外来因素与自变量的地位不一样（交互作用中外来因素的地位和自变量的一样，解释时可以互换位置）。存在交互作用，欲分析则称为“简单效应分析”；存在调节作用，欲分析则称为“简单斜率分析”。

关于调节效应的理解：

调节变量的不同水平，会使自变量X对因变量Y的影响（预测）发生变化（如调节变量小时，X对Y有显著的影响）。自变量和因变量之间的关系不是关注的重点（调节变量取不同的值会影响自变量和因变量的显著性关系），即自变量的β可显著可不显著。

在检验调节作用时，路径图除了自变量和因变量，还会加入交互项int，即去中心化的自变量和调节变量的乘积（去中心化即减去均值，为的是减少自变量和调节变量和int之间的多重共线对结果的影响）。

调节效应的检验过程：

（1）将自变量、调节变量去中心化（减少共线性，但会改变自变量X和调节变量M的显著性）。VIF＜5或＜3可以避免共线。注意，去中心化不是必须的。

（2）计算X和M的交互项（X*M）。

（3）检验是否存在调节效应，即交互项int的p值是否显著（p<0.05）。在多元回归中，看交互项的显著性；在多层回归中，看DR2/DF是否显著（R2为决定系数，反映的是因变量变异由自变量解释的百分比），DR2/DF不显著表示该分层在上一分层的基础上加入的交互项并未对因变量起更多的作用。注意：如果DR2/DF显著而交互项p值不显著，作无调节作用处理。在SPSS中，查看coefficient输出表格，便可以得知交互项的系数β和交互项的显著性。交互项系数β若为负则表述为调节变量负调节自变量和因变量的关系，即随调节变量变大，斜率越来越小。具体是增强还是减弱了自变量对因变量的影响，要综合考虑自变量对因变量影响，如果自变量与因变量是负相关，则负调节意味着调节变量会进一步增强自变量对因变量的负向影响（在经管之家看的帖子，不知是否准确）。

（4）若存在调节效应，进行简单斜率分析。简单斜率分析通常有选点法和Johnson-Neyman法。

①选点法，即选取调节变量在±1个标准差时的值，检验X对Y的回归系数是否显著。其中M***D为高调节作用时X对Y的影响，M-1SD为低调节作用时X对Y的影响。在图中，横坐标是自变量，纵坐标是因变量，调节变量用两种不同类型的线表示（和交互效应的图是一样的，只是解释不能像交互作用那样随意变化前提条件）。表述时，可以是，高**（调节变量）时，高水平的自变量显著预测低水平的因变量，如，高病耻感时，青少年的高水平抑郁显著地预测父母低水平的支持性回应。也可以表述为在……（调节变量高/低的）情况下，简单斜率为**，X对Y的影响大/小。

②Johnson-Neyman法。该法的使用前提是调节变量是连续变量。在作图中，横坐标为调节变量，纵坐标为斜率，表述时可以是“M（调节变量）从**到**时，斜率为**到**”。J-N法适用于调节项边缘显著（0.05＜p＜0.1），或自变量斜率不显著但调节项显著/边缘显著这两种情况。不同于选点法，J-N法是寻找自变量对因变量影响显著的临界点，也就是调节变量为什么数值时，自变量对因变量的预测更好是显著的，即p=0.05的点。看SPSS图表时，当置信区间出现0时，即表明该点为临界点。

参考来源：

1https://www.bilibili.com/video/BV1H4411k7VU?from=search&seid=9592479112479376886

2经管之家论坛