如何在SPSS及AMOS分析調(diào)節(jié)效應(yīng)(實戰(zhàn)篇)

1、調(diào)節(jié)效應(yīng)重要理論及操作務(wù)實一、調(diào)節(jié)效應(yīng)回歸方程： 調(diào)節(jié)效應(yīng)是交互效應(yīng)的一種，是有因果指向的交互效應(yīng)，而單純的交互效應(yīng)可以互為因果關(guān)系；調(diào)節(jié)變量一般不受自變量和因變量影響，但是可以影響自變量和因變量；調(diào)節(jié)變量一般不能作為中介變量，在特殊情況下，調(diào)節(jié)變量也可以作為中介變量，例如認(rèn)知歸因方式既可以作為挫折性應(yīng)激（X）和應(yīng)對方式（Y）的調(diào)節(jié)變量也可以作為中介變量。常見的調(diào)節(jié)變量有性別、年齡、收入水平、文化程度、社會地位等。在統(tǒng)計回歸分析中，檢驗變量的調(diào)節(jié)效應(yīng)意味著檢驗調(diào)節(jié)變量和自變量的交互效應(yīng)是否顯著。以最簡單的回歸方程為例，調(diào)節(jié)效應(yīng)檢驗回歸方程包括2個如下：y=a+bx+cm+e 1）y=a+bx+

2、cm+cmx+e 2）在上述方程中，m為調(diào)節(jié)變量，mx為調(diào)節(jié)效應(yīng)，調(diào)節(jié)效應(yīng)是否顯著即是分析C是否顯著達(dá)到統(tǒng)計學(xué)意義上的臨界比率.05水平)。二、檢驗調(diào)節(jié)效應(yīng)的方法有三種：1.在層次回歸分析中（Hierarchical regression）,檢驗2個回歸方程的復(fù)相關(guān)系數(shù)R12和R22是否有顯著區(qū)別，若R12和R22顯著不同，則說明mx交互作用顯著，即表明m的調(diào)節(jié)效應(yīng)顯著；2.或看層次回歸方程中的c系數(shù)（調(diào)節(jié)變量偏相關(guān)系數(shù)），若c（spss輸出為標(biāo)準(zhǔn)化值）顯著，則說明調(diào)節(jié)效應(yīng)顯著；3.多元方差分析，看交互作用水平是否顯著；4.在分組回歸情況下，調(diào)節(jié)效應(yīng)看各組回歸方程的R2。注：上述四種方法主要用

3、于顯變量調(diào)節(jié)效應(yīng)檢驗，且和x與m的變量類型相關(guān)，具體要根據(jù)下述幾種類型采用不同的方式檢驗三、顯變量調(diào)節(jié)效應(yīng)分析的幾種類型 根據(jù)調(diào)節(jié)效應(yīng)回歸方程中自變量和調(diào)節(jié)變量的幾種不同類型組合，分析調(diào)節(jié)效應(yīng)的方法和操作也有區(qū)別如下：1.分類自變量（x）+分類調(diào)節(jié)變量(m)如果自變量和調(diào)節(jié)變量都是分類變量的話，實際上就是多元方差分析中的交互作用顯著性分析，如x有兩種水平，m有三種水平，則可以做23交互作用方差分析，在spss里面可以很容易實現(xiàn)，這我就不多講了，具體操作看spss操作工具書就可以了。2.分類自變量（x）+連續(xù)調(diào)節(jié)變量（m） 這種類型調(diào)節(jié)效應(yīng)分析需要對分類自變量進(jìn)行偽變量轉(zhuǎn)換，將自變量和調(diào)節(jié)變量中

4、心化（計算變量離均差）然后做層次回歸分析。分類自變量轉(zhuǎn)換為偽變量的方法：假設(shè)自變量X有n種分類，則可以轉(zhuǎn)換為n-1個偽變量，例如自變量為年收入水平，假設(shè)按人均年收入水平分為2萬以下、2萬5萬、5萬10萬、10萬以上四種類型，則可以轉(zhuǎn)換為3個偽變量如下： x1 x2 x3 10萬以上 1 0 0 5萬到10萬 0 1 0 2萬到5萬 0 0 1 2萬以下 0 0 0上述轉(zhuǎn)換在spss中可以建立3個偽變量x1、x2、x3,變量數(shù)據(jù)中心化后標(biāo)準(zhǔn)回歸方程表示為：y=b1x1+b2x2+b3x3+cm+e 3)y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e 4)x1=1表

5、示10萬以上；x2=1表示5萬到10萬；x3=1表示2萬到5萬；2萬以下=0。此時2萬以下的回歸方程表示為：y=cm +e(在x1、x2、x3上的偽變量值為0)；之所以單獨列出這個方程，是為了方便大家根據(jù)回歸方程畫交互作用圖,即求出c值就可以根據(jù)方程畫出2萬以下變量的調(diào)節(jié)效應(yīng)圖。檢驗方法為分析R2顯著性或調(diào)節(jié)系數(shù)C顯著性。注：在這4種分類自變量的調(diào)節(jié)效應(yīng)分析中，采用R12和R22顯著性檢驗時，是對4種類型自變量在調(diào)節(jié)變量作用下的調(diào)節(jié)效應(yīng)的整體檢驗，總體顯著的效果可能會掩蓋某種類型自變量與調(diào)節(jié)變量的交互作用不顯著的情況，此時，我們就要逐一審查各個交互項的偏相關(guān)系數(shù)。對方程（4）而言，如果檢查調(diào)節(jié)

6、變量的偏相關(guān)系數(shù)，則有可能會出現(xiàn)一些調(diào)節(jié)變量偏相關(guān)系數(shù)不顯著的情況，例如，c1顯著、c2和c3不顯著或c1和c2顯著，c3不顯著的情況等，此時可根據(jù)交互項的偏相關(guān)系數(shù)來發(fā)現(xiàn)到底是那種類型的自變量與調(diào)節(jié)變量的交互作用不顯著。3.連續(xù)自變量（x）+分類調(diào)節(jié)變量（m） 這種類型的調(diào)節(jié)效應(yīng)需要采用分組回歸分析，所謂分組回歸分析既是根據(jù)調(diào)節(jié)變量的分類水平，建立分組回歸方程進(jìn)行分析，回歸方程為y=a+bx+e。當(dāng)然也可以采用將調(diào)節(jié)變量轉(zhuǎn)換為偽變量以后進(jìn)行層次回歸分析，層次回歸具體步驟同上，見三、2，需要注意的是，分類的調(diào)節(jié)變量轉(zhuǎn)換為偽變量進(jìn)行層次回歸分析后，調(diào)節(jié)效應(yīng)是看方程的決定系數(shù)R2顯著性整體效果，這

7、和不同分類水平的自變量下調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)識別有區(qū)別。我們這里主要講下如何進(jìn)行調(diào)節(jié)效應(yīng)分組回歸分析，調(diào)節(jié)效應(yīng)的分組回歸分析可以在SPSS中完成，當(dāng)然也可以通過SEM分析軟件如AMOS來實現(xiàn)，我們首先來看看如何通過SPSS來實現(xiàn)分組回歸來實現(xiàn)調(diào)節(jié)效應(yīng)分析的。SPSS中對分組回歸的操作主要分兩步進(jìn)行，第一步是對樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割，第二步則是回歸分析。具體步驟見下圖：第一步：對樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割：注：選取的gender為調(diào)節(jié)變量，分別為女=0，男=1，當(dāng)然在實際研究中可能有更多的分類，大家完全可以用1、2、3、4.等來編號。這個窗口選取的兩個命令是比較多組(compare

8、 groups和按分組變量對數(shù)據(jù)文件排序（sort the file by grouping variables）第二步：選擇回歸命令并設(shè)置自變量和因變量這個窗口里面選取了自變量comp和因變量pictcomp,然后再點擊statistics在彈出窗口中設(shè)置輸出參數(shù)項如下圖，勾取estimatesmodel fitR squared change：第三步：看輸出結(jié)果，分析調(diào)節(jié)效應(yīng)，見表格數(shù)據(jù)：表格1Variables Entered/RemovedbgenderModelVariables EnteredVariables RemovedMethod01COMPa.Enter11COMPa.E

9、ntera. All requested variables entered.b. Dependent Variable: PICTCOMP表格1顯示了因變量是pictcomp,回歸方法采用強行進(jìn)入法（enter），共有兩組回歸方程，一組是女性（0），另一組是男性（1）。表格2Model SummarygenderModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeF Changedf1df2Sig. F Change01.349a.122.1132.723.12214

10、.1611102.00011.489a.239.2282.647.23921.709169.000a. Predictors: (Constant), COMP表格2是回歸模型的總體情況，男性和女性的兩組回歸方程具有顯著效應(yīng)(p.001)，表明性別這一變量具有顯著的調(diào)節(jié)效應(yīng)？從表格數(shù)據(jù)可以看出，女性組的回歸方程解釋了因變量11.2%的方差變異，男性組的回歸方程解釋了因變量22.9%的方差變異，（注：此模型的數(shù)據(jù)是虛擬的，只是方便大家理解，無實際意義，實際研究中回歸方程的自變量很少會只有一個的情況）。表格3CoefficientsagenderModelUnstandardized Coeffi

11、cientsStandardized CoefficientstSig.BStd. ErrorBeta01(Constant)7.355.9437.797.000COMP.342.091.3493.763.00011(Constant)5.6261.1055.090.000COMP.490.105.4894.659.000a. Dependent Variable: PICTCOMP此表格給出了自變量的標(biāo)準(zhǔn)化回歸系數(shù)Beta值，在女性組中，標(biāo)準(zhǔn)化Beta為.349;在男性組中Beta值為.489,且都達(dá)到顯著性水平p.05，卡方值改變量不顯著，因此可以從卡方值判斷，性別對于兩個潛變量的調(diào)節(jié)效應(yīng)

12、不顯著。CMIN and CMIN/DF:ModelNPARCMINDFPCMIN/DF限制模型（所有回歸權(quán)重限制相等）3876.72570.2721.096無限制模型（所有參數(shù)自由估計）4668.18062.2751.100Saturated model108.0000Independence model36467.86672.0006.498 上表檢驗了限制模型和自由估計模型的卡方值及其卡方與自由度自比，兩者的P都大于.05，且卡方與自由度之比都小于2，說明模型都擬合良好，這進(jìn)一步說明無限制模型和限制模型無顯著區(qū)別。Baseline ComparisonsModelNFIDelta1RFI

13、rho1IFIDelta2TLIrho2CFI限制模型（所有回歸權(quán)重限制相等）.836.831.983.983.983無限制模型（所有參數(shù)自由估計）.854.831.985.982.984Saturated model1.0001.0001.000Independence model.000.000.000.000.000上表是基線比較結(jié)果，NFI、RFI、IFI、TLI、CFI指標(biāo)在限制模型和無限制模型中并無明顯改變。RMSEAModelRMSEALO 90HI 90PCLOSE限制模型（所有回歸權(quán)重限制相等）.024.000.052.937無限制模型（所有參數(shù)自由估計）.024.000.053.922Independence model.178.