中人网

标题: 请教罗老师关于调节效应的问题 [打印本页]

作者: 45537298    时间: 2014-2-7 09:10
标题: 请教罗老师关于调节效应的问题
罗老师:
8 G! o2 {7 X+ v; |0 D) \          您好!1 U% E. T# L$ Z' e
          十分感谢您能在百忙之中解答我的问题,由于问题较多,都在附件里了。谢谢您!
作者: Kenneth    时间: 2014-2-8 20:11
这是我们的研究模型。其中,Z1与Z2是调节变量。$ H  I8 L/ x/ t/ V) K
我们运用层次回归(hierarchicalregression)的方法得到了Y的预测模型。见表1。
在此处,对调节变量有两种理解:
①     调节变量与因变量的关系是否显著都无所谓,只关注其调节效应(交互项是否显著)即可。
②     除关注调节变量的调节效应外还应关注其与因变量的关系是否显著,显著则说明调节变量也可作为解释变量。也就是除关注交互项是否显著外,调节变量与因变量的关系也是有意义的。
那么这两种理解哪种是正确的呢?在检验调节效应时,自变量与调节变量进入层次回归模型时是否需要中心化处理?若需要,中心化处理是变量减均值还是减标准差呢?
表13 g- w. T* G; D. Y8 w1 e
     
Step 1
Step 2
Step 3
Step 4
Step 5
       B    s.e    T    VIF    B    s.e    T    VIF    B    s.e    T    VIF    B    s.e    T    VIF    B    s.e    T    VIF  
  Constant    2.934    .209    14.042***         1.892    .198    9.551***         1.822    .193    9.429***         .351    .222    1.578         -.170    .245    -.694       
  性别    .009    .075    .125    1.708    -.064    .066    -.978    1.085    -.045    .064    -.693    1.088    -.072    .059    -1.207    1.09    -.081    .059    -1.389    1.091  
  学历    .002    .045    .054    1.045    -.022    .040    -.543    1.046    -.011    .039    -.288    1.048    -.034    .036    -.943    1.052    -.021    .036    -.601    1.058  
  年龄    -.011    .053    -.212    1.286    -.063    .047    -1.328    1.293    -.067    .046    -1.453    1.294    -.013    .043    -.300    1.311    -.009    .042    -.205    1.311  
  职位    -.006    .020    -.313    1.318    .006    .017    .322    1.321    .006    .017    .375    1.322    .003    .016    .185    1.322    .005    .015    .307    1.323  
  X1                        .378    .026    14.306***    1.013    .243    .034    7.224***    1.727    .191    .031    6.083***    1.766    .166    .031    5.307***    1.816  
  X2                                       .035    .006    6.248***    1.713    .019    .005    3.493***    1.85    .015    .005    2.762**    1.896  
  Z1                                                      .257    .023    11.092***    1.285    .268    .023    11.693***    1.299  
  Z2                                                                     -.182    .038    -4.752***    1.137  
  R²    .000    .225    .265    .374    .394  
  ΔR²    .000    .224    .041    .109    .019  
  F     .065    204.650***    39.040***    123.031***    22.585***  
因变量:Y
针对调节变量(Z1Z2)的调节作用,我们提出如下假设:H1Z1X1Y之间有显著的调节作用 H2Z1X2Y之间有显著的调节作用 H3Z2X1Y之间有显著的调节作用 H4.Z2X2Y之间有显著的调节作用 在验证上述假设时,我们想用三种做法,不知道哪种做法是正确的。方法一在表1的基础上,step6中引入Z1×X1Z1×X2两个交互项,step7引入Z2×X1Z2×X2两个交互项,然后看交互项的系数是否显著。方法二在表1的基础上,step6Z2这一调节变量移出方程,并引入Z1×X1Z1×X2两个交互项,看交互项的系数是否显著。Step7Z1调节变量及上述交互项移出方程,再引入Z2step8引入Z2×X1Z2×X2,然后看交互项的系数是否显著,见表22

2 |7 V( u+ T& S% b
     
Step 6
Step 7
Step 8
       B    s.e    T    VIF    B    s.e    T    VIF    B    s.e    T    VIF  
  常数    .210    .227    .927         2.294    .240    9.541***    1.089    2.401    .244    9.822***       
  性别    -.095    .059    -1.610    1.124    -.051    .064    -.796    1.055    -.050    .064    -.778    1.091  
  学历    -.032    .036    -.910    1.053    -.001    .039    -.028    1.294    .003    .039    .066    1.057  
  年龄    .004    .042    .104    1.339    -.065    .046    -1.433    1.322    -.067    .045    -1.476    1.296  
  职位    .004    .015    .286    1.331    .008    .017    .466    1.768    .007    .017    .409    1.330  
  X1    .204    .031    6.578***    1.781    .226    .034    6.698***    1.744    .218    .034    6.441***    1.784  
  X2    .015    .005    2.857**    1.882    .032    .006    5.803***    1.125    .032    .006    5.799***    1.753  
  Z1    .267    .023    11.482***    1.344                                          
  Z1×X1    -.063    .024    -2.636**    2.117                                          
  Z1×X2    .020    .004    5.027***    2.065                                          
  Z2                        -.135    .041    -3.258**    1.125    -.157    .042    -3.703***    1.178  
  Z2×X1                                            -.001    .053    -.011    2.853  
  Z2×X2                                            .013    .009    1.544    2.851  
  R²    0.397    0.276    0.283  
  ΔR²    0.023    0.011    0.007  
  F     13.287***    10.618**    3.202*  
; ]6 W/ J1 I6 r' K4 J: W0 Q

. r# M& g* t5 [0 |" Q2 E* j# C
7 R  c6 o2 V" V4 g3 H
+ V, W2 E" \# B% {8 K6 C) [1 n5 P5 l9 M) V6 z" U
方法三:以检验H2为例,在验证Z1在X2与Y之间的调节作用时,不再保留表1中的其它变量,重新做层次回归。以Y为因变量,将X2、Z1、Z1×X2依次进入层次回归模型中,看交互项的系数是否显著,显著则Z1的调节作用显著,否则Z1的调节作用不显著。见表3。 表3
     
Step1
Step 2
Step 3
       B  
s.e
T
  B    s.e    T    B    s.e    T  
  constant    2.902    .029    101.794***    2.902    .026    111.389***    2.866    .028    103.567***  
  X2    .060    .004    13.729***    .037    .004    8.405***    .036    .004    8.198***  
  Z1                   .276    .023    11.898***    .289    .023    12.417***  
  Z1×X2                                  .010    .003    3.571***  
  R²    .209    .341    .352  
  ΔR²    .209    .131    .012  
  F     188.475***    141.555***    12.755***  
因变量:Y2 F* E1 J; i& N! ^! u: U0 \# Y' _' s4 p
用同样的方法来检验H3,结果见表4。3 O& z3 v3 R9 L" U
     
Step1
Step 2
Step 3
       B  
s.e
T
  B    s.e    T    B    s.e    T  
  constant    2.902    .029    101.794***    2.902    .026    111.389***    2.866    .028    103.567***  
  X2    .060    .004    13.729***    .037    .004    8.405***    .036    .004    8.198***  
  Z1                   .276    .023    11.898***    .289    .023    12.417***  
  Z1×X2                                  .010    .003    3.571***  
  R²    .209    .341    .352  
  ΔR²    .209    .131    .012  
  F     188.475***    141.555***    12.755***  
因变量:扫描频率 用同样的方法来检验H3,结果见表4。

* O8 j* l0 w$ o
作者: Kenneth    时间: 2014-2-8 20:12
表4
  
 
  
Step 1
Step 2
Step 3
  
 
  
  
B
  
s.e
T
  
B
  
  
s.e
  
  
T
  
  
B
  
  
s.e
  
  
T
  
  
Constant
  
  
2.902
  
  
.028
  
  
102.569***
  
  
2.902
  
  
.028
  
  
103.631***
  
  
2.917
  
  
.029
  
  
101.085***
  
  
X1
  
  
.373
  
  
.026
  
  
14.221***
  
  
.341
  
  
.027
  
  
12.555***
  
  
.333
  
  
.027
  
  
12.176***
  
  
Z2
  
  
 
  
  
 
  
  
 
  
  
-.166
  
  
.042
  
  
-3.977***
  
  
-.184
  
  
.043
  
  
-4.329***
  
  
Z2×X1
  
  
 
  
  
 
  
  
 
  
  
 
  
  
 
  
  
 
  
  
.070
  
  
.033
  
  
2.153**
  
  
  
  
.221
  
  
.238
  
  
.243
  
  
ΔR²
  
  
.221
  
  
.017
  
  
.005
  
  
F
  
  
202.240***
  
  
15.817***
  
  
4.637*
  
) B8 c4 Z( f. U8 x
此外,在得到的调节效应数学模型Y=a+bx1+cz1+c’x1z1+e后,画调节效应图时应变形为Y=a+(b+c’z1)x1+c1z1+e,相当于画斜率=b+c’z1,常数项=cz1+e的一次函数图像。这样的做法正确吗?其中z1是原始数值还是中心化后的数据呢?我们试着用中心化(原始数据减均值)后的z1,但是发现斜率有正负号的变量,所以很困扰。 7 K6 P4 V5 L. p; Q  F- I
* L& r! I# ~0 R0 ~

作者: Kenneth    时间: 2014-2-8 20:13
你一时间问了很多问题,我不知道我有没有全掌握了。下面试图回答:
* v; B/ R) ?$ M) r1 x$ ~6 z3 @3 R' h' }) _
1. 调节变量是否要与应变量有关系?是否要分析?, A' m5 f. W" o- T8 k( ^* p. ^  w* N& _
3 {' ~+ g# d: W
答:理论上没有必要有关系。但是分析时一定要放进去,因为交互项是2次的。回归分析2次时,所有1次项都要控制。但是控制归控制,理论上你要 不要解读它,就看你的研究问题了。
" S6 I& C; g: A% u
& X6 J- Q1 ~8 J1 I$ v; w2. 要不要中心化?& a- j9 l9 B" G% O+ O& B7 @9 X2 b/ |

# \6 t8 t: I0 L, I5 C+ |Aiken & West 建议中心化可以减少共线性。现在已经成为经典做法。中心化自然是(X - X平均),这么可能是减标准 差?
3 |$ S* _. U0 z: Q$ O- L; d; [; \% Y2 M) q3 A
3. 三种可能的分析多重调节的方法。
' k& u1 S0 l  F) u& C3 f; b1 w7 q: [9 J, h+ i
方法一:这是经典的分析方法,也是我们一般建议的,所有的控制项和交互项都要同时加进回归方程。
$ Y7 K9 e+ r( o) V/ ?" @& t9 ?/ t& x
方法二:这是取巧的方法,有人是这样做,但是不是最好的。* R- e  i+ Q: a, K% e, l
( s7 T+ X. b6 p: Z( n& B* y& Z7 P
方法三:没有控制项是最差的做法。
1 k( U0 z& J, m7 B  W# g  {: @0 O# t! `* N- d8 Z5 D/ d" D0 o
4. 调节回归是 y = a0 + a1*X + a2*M + a3*XM
1 ^, ], a% Z  q# g! e" W如果 Mh = M平均 + 1 标准差
; `* i3 T! [+ Z9 \7 t7 Y     Ml = M平均 - 1 标准差7 C# p5 y) t1 P5 z% Q+ {
两条线的方程就是:8 ^0 l% b  Z/ L. h6 @; T
  \+ O/ ^6 w: n' N: W: Q
         y = (a0 + a1*X + a2*Mh) + a3*Mh*X( r1 s  z9 y$ |8 P5 t
         y = (a0 + a1*X + a2*Ml) + a3*Ml*X
作者: 45537298    时间: 2014-2-13 11:18
罗老师,您好!非常感谢您的耐心解答。经过对您解答的学习以及对研究模型的进一步思考与测试,我又发现了一些新的问题,麻烦您了!
% p5 `- n7 j& f- C; F问题一:" j6 N2 i9 o1 p% Z, u/ Y; F' n
我们研究的是中小企业经理人对企业环境的扫描行为,调查问卷中有针对变量扫描频率的问项,利用李克特量表,1代表扫描频率为一年少于一次,2代表扫描频率为一年几次,3代表每月至少一次,4代表每周至少一次,5代表每日至少一次。在这里扫描频率是一个定序变量,那么定序变量可以作为层次回归的因变量吗?如果不可以,应做哪些处理呢?我们尝试着将扫描频率做了如下变换,将一年少于一次记作1次,一年几次记作6次(介于1和12之间,取中位数),每月至少一次记作12次,每周至少一次记作52次,每日至少一次记作365次。这样相当于把定序变量转化为直接的观察值。不知这样的处理方法是否合适呢?
作者: 45537298    时间: 2014-2-13 11:56
接上文:/ J" b, S9 I, {; _% }4 f
问题二:1 d) N: ^% d- G% E6 D2 _* W, ~; G
对于两个自变量,两个调节变量,一个因变量的层次回归,变量进入模型的问题还是有些不清楚。, j/ G. t  G. I

+ U2 Z' r% I/ I* n方法一:共有三个层次,分别是控制变量、两个自变量、两个调节变量、四个自变量与调节变量的交互项。也就是:
3 d8 i1 s0 J; Y9 n. ~模型一是因变量、控制变量;
. J' T2 ?5 V  |模型二是因变量、控制变量、自变量1、自变量2;- w$ A2 }8 {1 ~% w8 n* J
模型二是因变量、控制变量、自变量1、自变量2、调节变量1、调节变量2;2 V4 @3 k0 p6 X9 B. W$ w9 `
模型三是因变量、控制变量、自变量1、自变量2、调节变量1、调节变量2,自变量1×调节变量1,自变量2×调节变量1、自变量1×调节变量2、自变量2×调节变量2;
& t2 p. A! i3 m
4 x4 C0 _' t# B方法二:
. D+ z. i2 ]$ F" `2 Q. n
, Q! K, j/ s& k; T& h) R模型一:因变量、控制变量;
8 ^, A" j8 S1 k模型二:因变量、控制变量、自变量1;$ D% ?$ u$ |9 r  q1 C
模型三:因变量、控制变量、自变量1、自变量2:(自变量分步进入是为了看清各自对因变量的解释力,不知有没有道理); ]4 E, N, W' ?) W6 y0 Y
模型四:因变量、控制变量、自变量1、自变量2、调节变量1;
+ R) J; J; ]' k. E# v# B  s模型五:因变量、控制变量、自变量1、自变量2、调节变量1、调节变量2;(在此想分别检验两个调节变量对因变量各自的直接解释力,所以也分步进入,不知有没有道理)4 F6 M% ^% J! ?# z$ h
模型六:因变量、控制变量、自变量1、自变量2、调节变量1、调节变量2、四个交互项。& R* m0 y  j4 [$ u

; q1 ]) p+ X, }1 _- Q方法三:* ~- O  J( S8 y- k4 T
; u; T2 g$ i% K' ?
模型一:因变量、控制变量;( {0 q, f. ?: Q: L9 Z
模型二:因变量、控制变量、自变量1;7 S. q& G1 O8 |1 G% d# _2 e8 ^0 m
模型三:因变量、控制变量、自变量1、自变量2;
1 P0 R3 k: t: h* e; |& `模型四:因变量、控制变量、自变量1、自变量2、调节变量1;
2 f5 J3 H( y, J6 L/ F! V( a模型五:因变量、控制变量、自变量1、自变量2、调节变量1、自变量1×调节变量1、自变量2×调节变量1;- Q+ N7 u' R/ F0 W$ \/ G
模型六:因变量、控制变量、自变量1、自变量2、调节变量1、自变量1×调节变量1、自变量2×调节变量1、调节变量2;
! u+ I! v7 E( x) P3 @8 Y模型七:因变量、控制变量、自变量1、自变量2、调节变量1、自变量1×调节变量1、自变量2×调节变量1、调节变量2、自变量1×调节变量2、自变量2×调节变量2;$ @/ h2 d; v% A/ v" _  B& v1 \! M
1 a. w& k% ^9 F
经过罗老师您之前的回答,我知道了后面出现的二阶的(交互项),相关的一阶都必须在先进入模型进行控制,但是由于对进入顺序有疑惑,故提出了上述问题。麻烦罗老师了!
作者: 45537298    时间: 2014-2-13 12:06
接上文:
: u! ^5 A  i" u5 i; \ 9 h2 Y* [7 E$ B7 D/ ^0 f
问题三:
3 Y% _( ?/ [6 m3 l* i: @( ]1 f之前请教罗老师的是一个自变量、一个调节变量的调节效应作图问题,您做了解答,我也明白了做法。那么对于一个因变量、两个自变量、两个调节变量的层次回归,最后得到的数学模型应为Y=a+b1*X1+b2*X2+b3*Z1+b4*Z2+b5X1*Z1+b6X2*Z1+b7X1*Z2+b8X2*Z2+e;- e+ L- O* w  `+ U
如何分离一个调节变量对一个自变量与因变量的调节作用呢?! o2 m0 S3 C$ \+ g
# l' G# L8 x% f1 e2 C4 U
以上就是现阶段我想到的所有问题,可能是一些很基础的东西,还麻烦罗老师了!谢谢您!
作者: Kenneth    时间: 2014-2-13 21:39
问题一:这是一个死症。因为本来是连续的变量,给你用“少于几次”、“多于几次”变成不连续了。你现在无论如何做都不可以了。唯有把它看成是连续,就是 2-1 = 3-2 = 4-3 吧。就是1就是1,2就是2,没什么可以做了。5 S0 p+ H  n% E' m5 Z1 k
  b& G% ~. P% ]0 B4 M) J* T
问题二:) x, s2 I. Y* V) m" `
对于两个自变量,两个调节变量,一个因变量的层次回归,变量进入模型的问题还是有些不清楚。0 z( N8 g# E$ t
(1) y = x1, x2+ z) N( ]7 [+ D; G, f! \% y6 [
(2) y = x1, x2, m1, m2/ Y  H$ ?  M1 u, D/ a- P& r5 p
(3) y = x1, x2, m1, m2, x1*m1, x2*m2 m (假设m1调节x1,m2调节x2,m1不调节x2,m2不调节x1)
. Z) s$ L1 \) j& V- I' `- u& w* r% o- C: v
问题三:
; J1 X8 s% B+ W5 E' r对于一个因变量、两个自变量、两个调节变量的层次回归,最后得到的数学模型应为Y=a+b1*X1+b2*X2+b3*Z1+b4*Z2+b5X1*Z1+b6X2*Z1+b7X1*Z2+b8X2*Z2+e;
+ ]2 }8 G) z5 [: ]( f8 e最后两项(b7X1*Z2+b8X2*Z2)是不需要的,除非你的理论是Z1同时调节X1与X2
) l: y0 R4 x# z  B; r% g2 ~如何分析两个调节变量,我刚刚在 对上一条 ‘ 关于调节效应检验中的两条线斜率的问题’ 才回答,请看看别人的东西,可以省略我不少时间。7 j" C/ W2 u9 D5 X. \3 h* V* D( A

作者: 45537298    时间: 2014-2-16 16:45
罗老师,抱歉打扰了!还有个小问题请教您。请问进入层次回归的控制变量、自变量、调节变量、交互项都是中心化处理之后的数值么?
' |7 o3 l0 Q, ^  i谢谢您!
作者: Kenneth    时间: 2014-2-16 20:27
x1, x2, M 都是中心化,以后的乘积就自然是用已经中心化的x1, x2, M 了。
作者: 45537298    时间: 2014-2-18 19:46
罗老师,感谢您之前的耐心解答,我很受益,谢谢您!不过关于调节效应的作图问题,虽然看了您之前回给别的同学的帖子,但还是不太清楚,在此麻烦您了!
5 L$ G8 V; e' r% u1 c9 F: f! W. s我们最终得到了模型是Y=b0+b1x1+b2x2+b3z+b4x1z+b5x2z,其中b0,b1,b3,b5均是显著的,将数学模型变形为为Y=(b2+b5z)x2+(b0+b1x1+b3z+b4x1z),然后分别作出调节变量高水平与低水平下的两条直线。不知道这样的做法是否正确?还是将x2,z,x2z交互项之外的项都忽略呢?
6 l) H* x1 ^" f) x另外,层次回归的系数表中,标准化系数与非标准化系数均有列出,你们标准化系数有其实际意义吗?是不是标准化系数越大,对应的变量也越重要呢?
: O/ ~3 P# N- F3 W: L- [问题很基础,麻烦罗老师了!
4 ?9 b2 z5 G) m& J9 N1 i5 T




欢迎光临 中人网 (http://bbs.chinahrd.net/) Powered by Discuz! X2.5