替nancyzju 发的帖子 关于三重交互的回归分析

Kenneth

nancyzju 昨天 17:37Kenny，你好！我刚注册，不能发帖，只好发信息给你。

) A' C6 G: i! Z9 S3 _! Y第一个问题关于三重交互的回归分析：
自变量X，因变量Y，调节变量A和B，要检验A和B对X与Y关系的共同调节作用，以下两种放入回归模型的方法，哪种正确？或者各有适用条件？
第一种方法：
第一步：放入控制变量；第二步：放入X，A，B；第三步：放入X*A，X*B，A*B；第四步：放入X*A*B  （乘积项为中心化处理后的值）
第二种方法：
第一步：放入控制变量；第二步：放入X；第三步：放入A，X*A；第四步：B，X*B，A*B，X*A*B  （乘积项为中心化处理后的值）
; H. p- Z: `6 I这两种方法得到的结果不一样。是不是放入的方法取决于所提的假设？

第二个问题关于虚拟变量的回归分析：
类别变量转化为虚拟变量后，在进行回归分析时，如何将其作为整体变量进入回归方程？
以教育程度为例：教育程度共有N个值，转换为N-1个虚拟变量。在回归分析时，教育程度是控制变量，如何将其对应的N-1个虚拟变量作为整体变量进入回归方程？（我看到的文献中数据分析结果所报告的是教育程度这个整体变量，而没有报告每个虚拟变量）

谢谢Kenny!

Kenneth

回复 1楼 Kenneth 的帖子
nancyzju,
  f, g/ |/ u; \8 G& n第一个问题:
我偏向第一种方法，虽然两种我都见过。原因很简单，就是如何订立应该先放A和A*X，还是B和B*X呢？其实在普通回归也有同样的问题。你要证明A与B都影响Y，可以先放A，然后在放B。如果A与B的相关大的话，先放A，A就显著；后放B，B就不显著了。但是我们如果先放B，B就显著；后放A，A就不显著了。结果刚刚相反。 所以，除非你有特别的理论上的理由（比如要先控制什么），不然都是一同进去，公平竞争好。
第二个问题:
类别变量转化为虚拟变量后，要整个虚拟变量来理解才有意义，不可以单放一个进去（因为单放一个进去的话，意义就大大不同了）。比如企业类型有三种（国有企业、合资企业、私营企业）， 我就做两个虚拟变量，叫做SOE 和JV （注，不需要第三个，因为第三个是完全依赖与头两个的，一个企业，如果不是SOE，也不是JV，SOE=0,JV=0 的话，就一定是私营企业了，所以SOE=0,JV=0 就代表是Private=1，private这个变量是多余的，根本不需要）。
好，分析的时候，如果单放SOE进去，你只可以知道“是国有”（SOE=1）和“非国有”（SOE=0）的分别，就是SOE这个变量的回归系数。但是你却不知道“企业类型”对Y的影响。所以一定要SOE和JV一同放进去，然后用层级回归（hierarchical regression）看同时放了这两个变量后，模型的总R-平方多了多少，是否显著。那才是回答“企业类型有没有影响”这个问题的答案。
# l7 r  a: w& H5 `6 z  _; |
" b$ Q7 v! `* {1 w   

nancyzju

谢谢Kenny的解答！关于第二个问题，还有点疑问：
当类别变量转化为虚拟变量后，在进行回归分析时，其结果应该有N-1个虚拟变量（设类别变量有N个值），可为什么有些文献只报告了类别变量本身，而没有报告各虚拟变量？
以这篇文献为例：
Farh, J. L., Hackett, R. D., Liang J. Individual-level cultural values as moderators of perceived organizational support-employee outcome relationships in China: Comparing the effects of power distance and traditionality. Academy of Management Journal, 2007, 50(3): 715-729.
# ^" @+ X  o) y; c2 l8 [该文献中，“教育程度”有六类（小学、中学、高中、职高、大学、研究生），那么应转化为五个虚拟变量，可表3的回归分析表中报告的只是“教育程度”这个类别变量，而没有报告五个虚拟变量。是可以通过什么处理方法将虚拟变量作为整体变量进入回归方程吗？
4 ^4 l2 M8 ~! S2 J8 ?4 t