如何用SPSS或AMOS实现调节效应回归方程解读Word文档格式.docx
- 文档编号:145556
- 上传时间:2023-04-28
- 格式:DOCX
- 页数:14
- 大小:40.83KB
如何用SPSS或AMOS实现调节效应回归方程解读Word文档格式.docx
《如何用SPSS或AMOS实现调节效应回归方程解读Word文档格式.docx》由会员分享,可在线阅读,更多相关《如何用SPSS或AMOS实现调节效应回归方程解读Word文档格式.docx(14页珍藏版)》请在冰点文库上搜索。
4.在分组回归情况下,调节效应看各组回归方程的
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
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
有两种水平,m
有三种水平,
则可以做
2×
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
操作工具书就可以了。
2.分类自变量(x)+连续调节变量(m)
这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、8000~2
万、2
万~5
万、5
万~10
万、10
万
以上四种类型,则可以转换为
个伪变量如下:
x1x2x3
10
万以上100
5
万到
万010
万001
千以下000
上述转换在
中可以建立
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+b2x2+b3x3+cm+e3)
y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e4)
x1=1
表示
万以上;
x2=1
万;
x3=1
5
千以下=0。
此时
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
千以下变量的调节效应图。
检验方法为分析
R2
显著性或调节系数
C’显著性。
在这
4
种分类自变量的调节效应分析中,采用
显著性
检验时,是对
种类型自变量在调节变量作用下的调节效应的整体
检验,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
c3
不显著或
c1
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
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
中完成,当然也可以通过
SEM
分析软件如
来实现,我们首先来看看如何通过
来实现分组回归来实
现调节效应分析的。
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:
对样本数据按调节变量的类别进行分割:
选取的
gender
为调节变量,分别为女=0,男=1,当然在实际研
究中可能有更多的分类,大家完全可以用
1、2、3、4…….等来编
号。
这个窗口选取的两个命令是比较多组(comparegroups
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
这个窗口里面选取了自变量
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
estimates\model
fit\Rsquared
change:
Mode
l
R
Square
Adjusted
R
Std.
Error
of
the
Estimate
Change
Statistics
Change
F
df1
df2
Sig.
0
1
.349a
.122
.113
2.723
14.161
102
.000
1
.489a
.239
.228
2.647
21.709
69
Model
Variables
Entered
Removed
Method
COMPa
.
Enter
第三步:
看输出结果,分析调节效应,见表格数据:
表格1
b.
Dependent
Variable:
PICTCOMP
表格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2
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)
Unstandardized
Coefficients
Standardized
t
Sig.
B
Std.
Error
Beta
(Constant)
7.355
.342
.943
.091
.349
7.797
3.763
5.626
.490
1.105
.105
.489
5.090
4.659
。
表格3
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对因变量有显著的预测作用。
上述对分类调节变量操作和解释主要是基于SPSS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
AMOS中实现多组回归分析(multiple
group
analyze):
模型设置好后,点击analyze\manage
groups:
在弹出的窗口输入女,如下:
设置好第一组名称后,点击new,急速输入第二组名称:
设置好两个组后,关闭组别设置窗口,回到主界面,点击
File\data
files,如下图:
第四步:
在弹出窗口中可以看到如下两组名称:
第五步:
然后点击女组数据,再点击file
name,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:
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
中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
得到一个
χ2
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
值和相应的自
由度。
前面的
减去后面的
得到一个新的
χ2,其自由度就是两
个模型的自由度之差。
如果
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
analyze\manage
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
new,设置结构方程回归系数限制相等模型,如下图:
上图限制模型中,W
表示所有回归系数,可在
Plugin\name
parameter
中进行设置。
第七步:
两个模型设置好后,进行分析设置,点击
view\ananlysis
Properties,在
output
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:
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:
图
1:
女性组无限制模型标准化路径图
男性组无限制模型标准化路径图
女性组限制模型标准化路径图
DF
CMIN
P
NFI
IFI
RFI
TLI
Delta-1
Delta-2
rho-1
rho2
限制模型(所有回
归权重限制相等)
8.545
.382
.018
.021
-.001
-.001
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:
Assuming
model
无限制模型(所有参数自由估计)
to
be
correct:
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,
对模型所有结构方程系数限制为相等后,卡方值改变量
CMIN/df=8.545/8
的临界比率
P>
.05,卡方值改变量不显著,因此可
以从卡方值判断,性别对于两个潜变量的调节效应不显著。
TLI
CFI
Delta1
rho1
Delta2
限制模型(所有回归权重限制相等)
无限制模型(所有参数自由估计)
Saturated
model
Independence
.836
.831
.983
.983
.854
.985
.982
.984
1.000
1.000
.000
NPAR
CMIN/DF
38
76.725
70
.272
1.096
46
68.180
62
.275
1.100
108
36
467.866
72
6.498
RMSEA
LO
90
HI
PCLOSE
.024
.052
.937
.053
.922
.178
.163
.194
and
CMIN/DF:
上表检验了限制模型和自由估计模型的卡方值及其卡方与自由度自
比,两者的
都大于.05,且卡方与自由度之比都小于
2,说明模型
都拟合良好,这进一步说明无限制模型和限制模型无显著区别。
Baseline
Comparisons
上表是基线比较结果,NFI、RFI、IFI、TLI、CFI
指标在限制模型
和无限制模型中并无明显改变。
RMSEA
上表的
指标在限制模型和无限制模型中为相等<
.05,说明限
制模型和无限制模型都有良好的模型拟合。
结论:
从上述标准化路径图和表格输出结果来看,限制模型和无限
制模型的区别不显著,意味着性别对两个潜变量的调节效应不明显。
4.连续自变量(X)+连续调节变量(M)
这种类型相对来说操作比较简单,只需要把所有变量中心化之后
就可以进行层次回归分析,标准化回归方程为:
Y=bx+cm+e1)
Y=b1x+cm+c1mx+e2)
对上述方程的检验同层次回归分析。
读书的好处
1、行万里路,读万卷书。
2、书山有路勤为径,学海无涯苦作舟。
3、读书破万卷,下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。
——达尔文
5、少壮不努力,老大徒悲伤。
6、黑发不知勤学早,白首方悔读书迟。
——颜真卿
7、宝剑锋从磨砺出,梅花香自苦寒来。
8、读书要三到:
心到、眼到、口到
9、玉不琢、不成器,人不学、不知义。
10、一日无书,百事荒废。
——陈寿
11、书是人类进步的阶梯。
12、一日不读口生,一日不写手生。
13、我扑在书上,就像饥饿的人扑在面包上。
——高尔基
14、书到用时方恨少、事非经过不知难。
——陆游
15、读一本好书,就如同和一个高尚的人在交谈——歌德
16、读一切好书,就是和许多高尚的人谈话。
——笛卡儿
17、学习永远不晚。
18、少而好学,如日出之阳;
壮而好学,如日中之光;
志而好学,如炳烛之光。
——刘向
19、学而不思则惘,思而不学则殆。
——孔子
20、读书给人以快乐、给人以光彩、给人以才干。
——培根
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 何用 SPSS AMOS 实现 调节 效应 回归 方程 解读