调节变量是二分类变量

管理研究者

Kenny, 你好！

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？
8 M9 k2 c. e* k- o6 ?  I
, A+ f: ?, P# Q: g. l9 O4 ^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？
1 h% T6 Q8 E" K, d8 i) ^
- p/ v9 V0 q, W4 [% o谢谢！

管理研究者

) m" J/ X, n8 J, W0 [我的具体做法是：

3 y" C0 \" k. N1 q4 s, [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)
Model 3: y=f1(cv1,cv2,cv3,cv4,X,M,W,XM,XW)
0 t& W- K4 g% E
不知这样可否？

管理研究者

& Y1 r! n) N' E* U
另外一个做法是：

  U9 l, U& y0 `将X和M中心化后，检验如下模型：
0 t0 z7 K1 M. p: P/ MModel 1: y=f1(cv1,cv2,cv3,cv4), 其中，cv是控制变量。
: |, ?$ A; g$ L5 G% L: |Model 2: y=f1(cv1,cv2,cv3,cv4,X,M,W)
Model 3: y=f1(cv1,cv2,cv3,cv4,X,M,W,XM)
) v# F: ~; K% P0 [! H( |2 `Model 4: y=f1(cv1,cv2,cv3,cv4,X,M)，按W分组回归。
1 L2 J2 |  T5 w+ ^& F. y/ l9 V
这样做可以吗？这两种做法那个更好？

BTW：分组回归后，如何检验两个系数显著差异？
/ [2 ~0 |/ j: k) W; c* g2 y% C5 K

/ [3 ~. ^5 g5 U" U2 p% Z

Kenneth

我会这样做：
( g) g3 ?2 r7 `( x" p) r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。
" f4 ^# d0 M' P7 DModel 2: y=f1(cv1,cv2,cv3,cv4,X,M,W)
Model 3: y=f1(cv1,cv2,cv3,cv4,X,M,W,XM,XW)
! ?8 C( y" H- i
( b8 u+ q3 B7 \7 j) Q2 b首先，用SEM随便估计参数
; K8 w/ H# L( E" L: Q* Y0 X然后，限定某些参数相等
0 g8 A9 c8 c7 H2 ~检验两个模型的卡方差。
请看我的SEM视频。

管理研究者

谢谢Kenny!