如何在SPSS及AMOS分析调节效应实战篇

1、调节效应重要理论及操作务实一、调节效应回归方程：调节效应是交互效应的一种， 是有因果指向的交互效应， 而单纯 的交互效应可以互为因果关系； 调节变量一般不受自变量和因变量影 响，但是可以影响自变量和因变量； 调节变量一般不能作为中介变量， 在特殊情况下， 调节变量也可以作为中介变量， 例如认知归因方式既 可以作为挫折性应激（X）和应对方式（Y）的调节变量也可以作为中 介变量。常见的调节变量有性别、年龄、收入水平、文化程度、社会 地位等。在统计回归分析中， 检验变量的调节效应意味着检验调节变量和自变量的交互效应是否显著。以最简单的回归方程为例， 调节效应检验回归方程包括 2 个如下：y=a+bx

2、+cm+ey=a+bx+cm+cmx+e在上述方程中，m为调节变量，mx为调节效应，调节效应是否显著即 是分析C是否显著达到统计学意义上的临界比率.05水平）。二、检验调节效应的方法有三种：i. 在层次回归分析中（ Hierarchical regression ） , 检验 2 个回归方 程的复相关系数R2和R22是否有显著区别，若Ri2和显著不同，则 说明mx交互作用显著，即表明m的调节效应显著;2. 或看层次回归方程中的C系数（调节变量偏相关系数），若cspss 输出为标准化 ? 值）显著，则说明调节效应显著；3. 多元方差分析，看交互作用水平是否显著；4. 在分组回归情况下，调节效应看

3、各组回归方程的 R2。注：上述四种方法主要用于 显变量调节效应检验，且和x与m的变量 类型相关，具体要根据下述几种类型采用不同的方式检验 三、显变量调节效应分析的几种类型根据调节效应回归方程中自变量和调节变量的几种不同类型组合， 分析调节效应的方法和操作也有区别如下：1. 分类自变量（X）+分类调节变量（m）如果自变量和调节变量都是分类变量的话，实际上就是多元方差 分析中的交互作用显著性分析，如 X有两种水平，m有三种水平，则可以做2X 3交互作用方差分析，在SPSS里面可以很容易实现，这我就不多讲了，具体操作看 spss 操作工具书就可以了。2. 分类自变量（ X） +连续调节变量（ m）这

4、种类型调节效应分析需要 对分类自变量进行伪变量转换，将自 变量和调节变量中心化 （计算变量离均差 ）然后做层次回归分析。分 类自变量转换为伪变量的方法：假设自变量X有n种分类，则可以转 换为 n-1 个伪变量， 例如自变量为年收入水平， 假设按人均年收入水 平分为 8千以下、 80002万、2 万5万、5万10万、10万以上四种 类型，则可以转换为 3 个伪变量如下：X1 X2 X310 万以上 1005 万到 10 万 0 1 02 万到 5 万 0018 千以下 000上述转换在 spss 中可以建立 3 个伪变量 x1、x2、x3, 变量数据中心化后标准回归方程 表示为：y=b1x1+b

5、2x2+b3x3+cm+e3)y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e 4) x1 = 1表示10万以上；x2=1表示5万到10万；x3=1表示2万到5万;8千以下=0。此时8千以下的回归方程表示为：y=cm +e（在x1、x2、 x3 上的伪变量值为 0）；之所以单独列出这个方程，是为了方便大家根据回归方程画交互作用图 ,即求出 c 值就可以根据方程画出 8 千以变量的调节效应图。检验方法为分析r2显著性或调节系数C显著性。注：在这4种分类自变量的调节效应分析中，采用 R2和F22显著性检验时，是对 4 种类型自变量在调节变量作用下的调节效应的整体检 验

6、，总体显著的效果可能会掩盖某种类型自变量与调节变量的交互作 用不显著的情况 ，此时，我们就要逐一审查各个交互项的偏相关系数。对方程 4）而言，如果检查调节变量的偏相关系数，则有可能会出现一些调节变量偏相关系数不显著的情况，例如， c1 显著、 c2 和 c3 不 显著或 c1 和 c2 显著， c3 不显著的情况等，此时可根据交互项的偏 相关系数来发现到底是那种类型的自变量与调节变量的交互作用不 显著。3. 连续自变量（X）+分类调节变量（m这种类型的调节效应需要采用 分组回归分析，所谓分组回归分析既是根据调节变量的分类水平， 建立分组回归方程进行分析， 回归方程 为y=a+bx+e。当然也可

7、以采用将调节变量转换为伪变量以后进行层 次回归分析，层次回归具体步骤同上，见三、 2，需要注意的是，分类的调节变量转换为伪变量进行层次回归分析后， 调节效应是看方程 的决定系数 R2 显著性整体效果，这和不同分类水平的自变量下调节变 量的调节效应识别有区别。我们这里主要讲下如何进行调节效应分组回归分析，调节效应的 分组回归分析可以在SP SS中完成，当然也可以通过 SEM分析软件如AMO来实现，我们首先来看看如何通过 SPSS来实现分组回归来实现调节效应分析的。SPSS中对分组回归的操作主要分两步进行，第一步是对样本数据按调节变量的类别进行分割， 第二步则是回归分析。 具体步骤见下图： 第一步

8、：对样本数据按调节变量的类别进行分割：1 : CLIENT1012Orthonal Design1314copy Q?5rtaset15ie17吕却厦Die.5 Sielect Cases.Weight Cases.=-蛊，Define Dates.Define MuKiple Response Sats.ValidationIdentify Dupli匚0(1上 Ucises-, 3 IClentity UnuSucI C*SeS.Sort cases.Sort VarisesTrerrspose.Restructure.Mere File00 Aggregsfte.Currenrt Sta

9、tus： Anat/sis by 少0叩3 is off.OK jj I PasteReset 11 CancelHelp注：选取的gender为调节变量，分别为女=0,男=1,当然在实际研.等来编号。究中可能有更多的分类，大家完全可以用1、2、3、4这个窗口选取的两个命令是比较多组(compare groups和按分组变量对数据文件排序(sort the file by grouping variables第二步：选择回归命令并设置自变量和因变量Si*tT!T?ScaT5aFa5eTTlSFS? Data THrTorDie Edit里iew凶teIrarisformAnalyze grap

10、hsliti豁AcM-fifiS 也 nctow HelpQ- H且同轲L M S IReports1 : CLIENTCLIENTTablesCoQipere MeansCOWGARITDescriptive Statistics11Gjenerai Linear ModelGeneralized Linear ModelsMixedl IMocteis121315CorrelateRegressionLogliriearNeural Networks13iSi Linear.Fl Curve Estimatkin. 蕊 Partial Lee Sciuares.SsXinear Rppre

11、ffsxon少 CLIENT鸟 AGEIATE鸟 INFO禺 COMP启 ARITH 畠 SIML 石5 VOCAB 熬 DIGIT 為 PARANGBLOCK氛 OBJECT 畐 CODING 炉 category 少 gendergenderl书歹 Sender2 护 gendersQ 工念匕前贺DIGIT) ZDIGITl Depencterrt:* _ picrcoM pBloch 1 of 1P reyicu-OKNextMethod;.EnterSfelectkjn VerbatJle; Case Labels：PasteResetCancel. J-Uc _Help这个窗口里面选

12、取了自变量comp和因变量Pictcomp,然后再点击statistics在弹出窗口中设置输出参数项如下图，勾取estimatesmodel fitRsquared cha nge5LinearRegressn: StatxsticsrRegression Coefficient0 Estimates CoQtidence intervalsI Covariance matrix回 Model fit0 R 生斗 uared change Descriptives Pert and partial correlationsI I Collinearrty diagnosticsr Residu

13、als Durbin-Watson Casewise diagnostics Quiliers outsideO 1111 casesI Cantinue |Cancel j IHelp第三步：看输出结果，分析调节效应，见表格数据:表格1Variables Entered/Removed bgen der ModelVariables En teredVariablesRemovedMethod0 1comP.En ter1 1comP.En tera. All requested variables en tered.b. De pen de nt Variable: PICTCO MP表格

14、1显示了因变量是pictcomp,回归方法采用强行进入法（enter ）,共有两组回归方程，一组是女性（0），另一组是男性（1）。表格2Model SummarygenderModelRR SquareAdjusted R SquareStd. Error of the EstimateChange StatisticsR Square ChangeFChangedf1df2Sig. FChange01.349 a.122.1132.723.12214.1611102.00011.489 a.239.2282.647.23921.709169.000a. P redictors: (Con s

15、ta nt),COMP表格2是回归模型的总体情况，男行和女性的两组回归方程具有显著效应（P.001），表明性别这一变量具有显著的调节效应。从表格数据可以看出,女性组的回归方程解释了因变量11.2%的方差变异，男性组的回归方程解释了因变量22.9%的方差变异，（注：此模型的数据是虚拟的，只是方便大家理解，无实际意义，实际研究中回归方程的自变量很少会只有一个的情况表格3Coefficie nts agen der ModelUn sta ndardizedCoefficie ntsStan dardizedCoefficie ntstSig.BStd. ErrorBeta01(Co nsta nt

16、)7.355.9437.797.000COMP.342.091.3493.763.00011(Co nsta nt)5.6261.1055.090.000COMP.490.105.4894.659.000a. De pen de nt Variable: PICTCO MP此表格给出了自变量的标准化回归系数 Beta值，在女性组中，标准化Beta为.349;在男性组中Beta值为.489,且都达到显著性水平p.001 ,说明自变量comp寸因变量有显著的预测作用。AMOS上述对分类调节变量操作和解释主要是基于 SPS来实现的，AMOS软件也有同样功能，下面以同样回归方程变量为例谈下如何在）：中

17、实现多组回归分析（multi pie group an alyze第一步：模型设置好后，点击 analyzemanage groups:Inputle Edit Vi BiagramI II II II IIII II lU I IIa o w眇 alyi 色 Tools 卫 ugins1!1!1 Calculi ate EstimatesHelpCtrHFS第二步：在弹出的窗口输入女，如下:Input:File EditII Hill II III II I Hill Ilin II IIIJ 1= r 二 Rgure capons ft a巴 禽ME K 诒O i_ nn 4=TitidY

18、i Di agran 血 alyie Tools Flui ns HelpIII n Hill ir in 轡 gl=3(tTanage GroupsGroup NameNewDeletei-i-ii-ii-ii Close第三步：设置好第一组名称后，点击new,急速输入第二组名称:Edi tViewTitgD_x Q-gT-fim AjiaJ-vre Tools Plui ns HelpFiledata files,如下图:Sipuf Li 14 I Edi t Vi ew CjagrsJHewHew withTemplate.直Open.TRetrievepickup.H3av&S3av&

19、 As.-3av& AsTemplate.Ctrl+SCtrl+E第四步：在弹出窗口中可以看到如下两组名称:Data FilesGroup Hajte | FileVariable f Value 1 fJ Grouping VariableHelp（T）；Clip Vilrie I h ICancelI kssie/i c.asfls to groups秦科1:file第三步：设置好两个组后，关闭组别设置窗口，回到主界面，点击第五步：然后点击女组数据，再点击file n ame,打开数据文件，然后点击 grouping variable,这时系统会弹出你的spss数据文件中的变量，在其中选择

20、你的分类变量，按分组变量的值设置好女性组的数据;男组数据重复这个过程，见下图:Data FilesGroup Mane FileCFA-Visc, Fau Choose_a Grouping Varr.,Greup:文File: c:, cfa-wisc. savView DataOKVar. . IIAOBJECT CODING cata.,hinder _ =gendtf 1 gender? genderS :LICIT ZCODINC endh H H1VOKCancelioVariableHelp.as?s tc erQUP3HelpCancelData FilesGrsup Maae

21、 | FileI Variable/CFA-Wisc. 5av fender File NansViev lataOKI Alloif nan-rmimje i i C dat sChoose Value fOTGfoupCroup:女File-： CI cfarwLsc. s豹Vifiable: genderCases: 175104HelpGroup 四lueCancelasHS to groupsOKCancelIJo ValueHelp设置好分组以后，点击 ok，回到主界面，进行模型比较设置（温忠麟关于在AMO卿进行分组比较的策略，采用如下做法：先将两组的 结构方程回归系数限制为相等，

22、得到一个X2值和相应的自由度。然 后去掉这个限制，重新估计模型，又得到一个X2值和相应的自由 度。前面的X 2减去后面的X 2得到一个新的X 2,其自由度就是两个模型的自由度之差。如果 X2检验结果是统计显著的，则调节效应显著）。第六步：设置限制模型和无限制模型。点击analyzemanage models,首先设置无限制模型（无任何限制，不需要改动）；然后点击下面的=F_ile Edi t Vi ew Diagramao Wngnew,设置结构方程回归系数限制相等模型，如下图:Tools Flugins HelpI!I!I CalcTilate EstimatesCtrl+F9.I _I J

23、-厂：T a -二m 卜匕-li 一 4 0 L Manage oiips.Models. . blanage To delsfV51VS VQlVTV71V3V31V9V91F- WeightsA IModel Name領制模型（所有回归权重限制相等）Caramel er ConstraintsVIVll聊2V21-即3W31W4MlW5V51WS:塔SIV/7imV/3W1Illi I町W11W2W21W3购W41屿W51W61IOW71圳SWS1JJewfParametftr conEtraints for the curDelet eClose注：上图限制模型中，W表示所有回归系数，可

24、在Plugi nnameparameter中进行设置。第七步：两个模型设置好后，进行分析设置，点击viewanan lysisProp erties,在out put中选中前面三项和临界比率检验一项，回到主界面，点击左侧绘图工具栏中的运算图标，即可得到输出结果,操作如下:InputVi ew Diagram alyre ToolsPlug：! ns Help:即UKInterface Froper ties.,.Ctrl+Talysis Proper ties.,Ctrl+AFile EditEst ima ioTL | Mujnerical (J BiasBoot st rap J) P e

25、 rm-at at i ons | Randoii. # | Title JMinimization historyIndirect J direct &. t ot al 丑fecESLandardiaed estimatesE.actor score weightsSuared muItipie correlaTionacjvarT anc e 3 of e 3 im at esSonplc mojfcentsCorrelations of estimatesImplied momentsCritical radios for differencesAll imp lied momervt

26、sTffsts for normality and out 1 iere厂 gesidual moment sOttserved inf or mat ion matrxK厂 Modificati口n indicesThreshold for modification indices第八步：看分组比较运算结果，一个看模型图的标准化输出，一个看文本输出结果，本例输出结果如下图:.1IT JiI SIMiLjICOMRjf|INFoF47,e10.07.27F2standardized estimates卡方值=68.180(P = .275)自由度M2TLI二卫史：CFI二984： RMSEA二

27、 024： NFI二 854卡方/自由度=1.100图1:女性组无限制模型标准化路径图Fa4siMiL 9 叩OCASein.ee.ee.43ARANife-LocrirTCOKIfi一44F2standardized estimates卡方值=68 180(P= 275)：自由度二62TLI = .982i CFI=984； RMSEA=.O24； NFI = .854卡方/g由度=1.100.14HINFQ rstandardized estimates卡方值=76.725(P=.272)i 自由度二70TLI = .983t CFI=983： RMSEA= 024? NFI = .836

28、卡方/自由度=1.096图3女性组限制模型标准化路径图图2男性组无限制模型标准化路径图OFNi）Bj申LOc国oMd 朽 S2Standardized estimates卡方值二 76.725（P 二-272）；自由度二了0TLI = .983? CFI=.983 RMSEA=.O24? NFI = .836卡方丿自由度= 1,096图4男性组限制模型标准化路径图从上述分组比较的标准化路径图来看，限制模型和无限制模型在一些拟合指标上并无显著变化，且两者的卡方与自由度之比都小于2,这提示我们可能性别的调节效应并不显著，为了进一步检验，我们结合文本输出结果来判断是否无限制模型和限制模型的区别不显著，具体分析见如下表格与结果分析:Assumi ng model 无限制模型（所有参数自由估计）to be correct:ModelDFCMINPNFIDelta-1IFIDelta-2RFI rho-1TLI rho2限制模型（所有回归 权重限制相等）88.545.382.018.021-.001-.001上表是分组回归分析无限制模型和限制模型的比较，从表中可知，对模型所有