调节变量是二分类变量

管理研究者

Kenny, 你好！
; [% V0 s  y' k: [
如图所示，M和W都是调节变量，其中，X、M、Y是连续变量，W是二分类变量（取值为1或0）。我的问题是：我可否直接将X、M、W中心化后检验调节效应？

+ H, x% J. D( L* d/ w- o. J4 w如果要做分组回归，则是不是M和W的调节效应只能分别来检验？
  h( O/ z6 N0 e( [3 X, R9 @0 V. ?
) C7 X# G  @6 V+ O  ^谢谢！
# c3 q7 \2 t  t1 Z* z0 _- s; w7 ]% C

管理研究者

谢谢Kenny!

Kenneth

我会这样做：
将X和M中心化后，检验如下模型：
) v) U! e2 z2 j" j/ TModel 1: y=f1(cv1,cv2,cv3,cv4), 其中，cv是控制变量。
Model 2: y=f1(cv1,cv2,cv3,cv4,X,M,W)
Model 3: y=f1(cv1,cv2,cv3,cv4,X,M,W,XM,XW)

3 `2 W3 j3 m. L8 b4 p+ f* _& l首先，用SEM随便估计参数
然后，限定某些参数相等
) t7 n, z: p& b检验两个模型的卡方差。
请看我的SEM视频。

管理研究者

: T: P3 k4 i1 g9 u$ |0 K/ {- y
另外一个做法是：
" m4 u9 q5 X+ C) d2 {
* g! ^$ b. U  Z9 U: i2 {8 S" p将X和M中心化后，检验如下模型：
! [- y# O5 x( D1 IModel 1: y=f1(cv1,cv2,cv3,cv4), 其中，cv是控制变量。
! \  N% w" N- HModel 2: y=f1(cv1,cv2,cv3,cv4,X,M,W)
Model 3: y=f1(cv1,cv2,cv3,cv4,X,M,W,XM)
  j6 K4 D. P* s1 ?# ~, R  E% C$ c  nModel 4: y=f1(cv1,cv2,cv3,cv4,X,M)，按W分组回归。
7 Q4 f, z" ~8 q# f
这样做可以吗？这两种做法那个更好？

( x/ j/ z1 `0 \. U# |) s+ oBTW：分组回归后，如何检验两个系数显著差异？

管理研究者

我的具体做法是：
& ~0 l9 F$ ~, l6 v6 V
4 g% P+ p  c& G$ o将X和M中心化后，检验如下模型：
Model 1: y=f1(cv1,cv2,cv3,cv4), 其中，cv是控制变量。
Model 2: y=f1(cv1,cv2,cv3,cv4,X,M,W)
: Z7 b5 d9 L, Y4 y" B6 u, p; vModel 3: y=f1(cv1,cv2,cv3,cv4,X,M,W,XM,XW)

不知这样可否？