Mplus | 调节效应检验详解
调节效应检验详解——王孟成老师
当两个变量之间关系的方向和大小依赖于第三个变量时，则说明存在调节效应，这里的第三个变量即为调节变量(Moderator)。
Z：调节变量
XZ显著就是调节
Y=β0 +β1X+β2Z+β3XZ+ε
1 调节vs. 交互效应
调节效应常与交互效应(Interaction Effect)替换使用。在回归方程中检验调节效应主要看回归系数β3 或c 是否显著。β3 或c 代表自变量与调节变量间的交互作用，所以在数据分析时，调节效应和交互效应的统计分析程序相同。
然而，调节效应和交互效应并不完全是一回事，这主要体现在变量在模型中的位置。在交互效应分析时，两个自变量的地位是不固定的，其中任一变量都可以作为调节变量，或只有其中一个作为调节变量。而在调节效应分析中，根据调节变量的定义，哪个变量作为调节变量是非常明确的。
2 显变量的调节效应分析方法
3 层次回归
3.1 层次回归做调节效应分析的步骤(罗胜强和姜嬿, 2008)
(1)用哑变量(Dummy Variable)代表类别变量。
如果自变量或调节变量中有一个是类别变量，第一步需将类别变量转换成哑变量；
(2)对连续变量进行中心化或标准化。
中心化的方法是用原始值减去样本均值，中心化后的变量均值为0。
标准化的方法是中心化后再除以标准差获得Z分数。
对数据转化的目的是为了减小方程中变量多重共线性(Multicollinearity)的问题。
(3)构造乘积项，即将中心化后的变量相乘产生新变量。
(4)构造方程。将自变量、因变量（自变量和因变量使用未中心化的数据）和乘积项放入多元层次回归。
3.2 层次回归 in Mplus
TITLE: This is an example of a ;
DATA: FILE IS 8-data.dat;
VARIABLE: NAMES =X W Y ;
USEVARIABLE=X W Y int;
DEFINE: int=(X-𝑀𝑥)*(W-𝑀𝑤); !生成交互项；
MODEL:
Y ON X W; !检验主效应；
Y ON int; !检验交互效应；
OUTPUT: Standardized ;
3.3 中介 PK 调节
3.4 代码举例(一)
TITLE: This is an example of a path analysis for interactive effect;
DATA: FILE IS 8-data.dat;
VARIABLE: NAMES ARE age gender a1-a5 e1-e13 b1-b20 c1-c17 d1-d10;
USEVARIABLE = negative self depreint;
DEFINE: negative= sum(b13-b17); !计算消极应对总分；
self=sum(d1-d5); !计算自我效能感总分；
depre=sum(e1-e5); !计算抑郁总分；
int= (negative-5.104)* (self-12.184);!定义交互项
MODEL: depre on self negative !检验主效应
int; !检验调节效应
OUTPUT: sampstat Standardized;
3.5 代码举例(二)
TITLE: This is an example of a path analysis for interactive effect;
DATA: FILE IS 8-data.dat;
VARIABLE: NAMES ARE age gender a1-a5 e1-e13 b1-b20 c1-c17 d1-d10;
USEVARIABLE = negative self depreint;
DEFINE: negative= sum(b13-b17); !计算消极应对总分；
self=sum(d1-d5); !计算自我效能感总分；
depre=sum(e1-e5); !计算抑郁总分；
center self negative(grandmean);!7.4之后版本
int=negative*self;
MODEL: depre on self negative !检验主效应
int; !检验调节效应
self with negative;
self with int;
intwith negative;
OUTPUT: samp Standardized;
声明：部分文章和信息来源于互联网，如转载内容涉及版权等问题，请立即与小编联系，我们将迅速采取适当的措施。
感谢您抽出
更多精彩请点击下列分类文章
↓↓↓
一些有边缘性人格障碍的慢性自杀患者会利用治疗师对潜在自杀的焦虑，期待着治疗师的变化作为他们不来治疗的常规回应。
向左滑动
关注“自我整合”
从心开始做更好