变量三兄弟之一：调节变量

最新推荐文章于 2024-07-13 12:21:19 发布

不睡懒觉的橙

最新推荐文章于 2024-07-13 12:21:19 发布

阅读量1k

点赞数 7

文章标签：人机交互笔记

本文链接：https://blog.csdn.net/C1525007047/article/details/139778280

版权

在一门专业课上发现自己对于调节变量的理解还不够清楚，因此花了点时间学习了《中介效应和调节效应的、方法及应用》里关于调节效应的部分，并做了简单的整理。

经过整理发现，用一句话来表达调节变量的作用就是，A对B的影响本来不显著，但是考虑到调节变量的情况之后就变得显著了，有点数学里分类讨论的意思。

1.定义

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。

可以将调节变量当成一个情境，在M情境下，X对Y的影响，这样更有利于理解。

2.变量类型

定性or定量。调节变量既可以是性别、班级这种定性的变量，也可以是年龄、成绩这种定量的变量。

3.调节模型

Y = aX + bM + cXM + e

4.示意图和路径图

5.调节效应和交互效应

相同之处

对模型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。熟悉交互效应( interactioneffect)的读者可以从模型看出, c其实代表了X与M 的交互效应,所以这里的调节效应就是交互效应。这样,调节效应与交互效应从统计分析的角度看可以说是一样的。

不同之处

在交互效应分析中，两个自变量的地位可以是对称的，其中任何一个都可以解释为调节变量；也可以是不对称的，只要其中有一个起到了调节变量的作用,交互效应就存在。但在调节效应中，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。

6.调节效应分析方法

调节变量M	自变量X
调节变量M	类别变量	连续变量
类别变变量量	有变量交互效应的两因素方差分析（此时交互即调节变量）	法1：分组回归,按的取值分组，做Y对X的回归。若回归系数的差异显著，则调节效应显著。法2：调节变量使用虚拟变量，将自变量和调节变量中心化，做层次回归。（同左栏）
连续变量	自变量使用虚拟变量，并将自变量和调节变量中心化，做Y = aX + bM + cXM + e的层次回归。如果 MX的系数c显著，则调节效应显著。	将自变量和调节变量中心化，做层次回归。除了考虑交互效应项MX外，还可以考虑高阶交互效应项（如：M2X）表示非线性调节效应；MX2，表示曲线回归的调节)。