两个变量相乘_基于层次回归法的调节作用分析实操——自变量分类、调节变量连续变量...

谁借莪１个温暖的怀抱￠ 2023-01-07 04:56 238阅读 0赞

## **理论背景** ##

如果因变量Y和自变量X的关系（回归斜率的大小和方向）随第三个变量M的变化而变化，则称M在X和Y之间起调节作用，此时称M为调节变量（见下图）。

![027e91d459912aba7e3d263df3f82631.png][]

本篇文章针对的是**自变量是分类变量、调节变量是连续变量**这种情况。

## **步骤解析** ##

![e525222815015c2d87032b2d19d1ce6f.png][]

## **实际操作** ##

1.1 打开数据文件，有三个自变量，自变量X（三分类变量），拟调节变量M（连续变量），因变量Y（连续变量）。

![47a693e4fa590bf85af7f3ce0e51718d.png][]

1.2 将自变量进行虚拟编码。点击【转换】——【创建虚变量】，得到如下对话框。第一步在【针对下列变量创建虚变量（C）】中导入自变量X。第二步给虚变量命名，如下图所示，这里我们将其命名为Xdum，第三步点击【确定】即可。

![6091784c7222aa8de2db2867e00b3053.png][]

1.3 我们将会看到生成三个虚拟变量Xdum\_1、Xdum\_2、Xdum\_3，实际上只需两个虚拟变量即可完成对三分类自变量X的编码，因此我们可以选择删除其中一个。这里选择删除Xdum\_3，选中这一列，右键【清除】即可。

最终我们得到两个虚拟变量。如下图所示，当X=1.0，对应两个虚拟变量的值分别为1 0；当X=2.0，两个虚拟变量的值分别为0 1；当X=3.0，两个虚拟变量的值分别为0 0。

![6440f91d027ba0f45dac365921175ced.png][]

2.1 产生虚拟变量与拟调节变量M的相乘交互项。点击【转换】——【计算变量】即可出现以下对话框。我们要将两个虚拟变量分别与M相乘，所以将会产生两个新的相乘交互项。

产生第一个相乘交互项：第一步，在【目标变量（T）】中输入，给这新的变量起个变量名。第二步在【数字表达式（E）】中，输入公式，令M与Xdum\_1相乘即可，第三步点击【确定】。

同样的步骤，产生第二个相乘交互项。

![390b261ef26827be25751d2b3809c0c4.png][]

2.2 完成了上述步骤，我们能够得到下列这些变量。

X、M、Y是我们原本就有的变量，期望得到他们的调节效应；Xdum\_1、Xdum\_2是新产生的虚拟变量，用来编码自变量X的三个水平；M\_Xdum\_1、M\_Xdum\_2是新产生的变量，由拟调节变量M分别与两个虚拟变量相乘而来，在接下来的回归中会用到。

![7be3572f65460381b5e8098f41c503d8.png][]

3.1 进行层次回归。点击【分析】——【回归】——【线性】，如下图所示。

![9b8c9ce2a6413b22049c553214c49362.png][]

3.2 我们需要做三层回归。第一层：【因变量（D）】中导入Y、【自变量（I）】中导入Xdum\_1、Xdum\_2，点击【下一个】，可以进入下一层。

![1ccba5ed2b0c23bec316516c25bf2fed.png][]

3.3 第二层：【因变量（D）】中导入Y、【自变量（I）】中导入M、Xdum\_1、Xdum\_2，点击【下一个】，可以进入下一层。

![779c27477a2d932c591d595137e8445f.png][]

3.4 第三层：【因变量（D）】中导入Y、【自变量（I）】中导入M、Xdum\_1、Xdum\_2、M\_Xdum\_1、M\_Xdum\_2。三层回归准备好以后，第二步点击【统计】。在弹出的对话框中，勾选【R方变化量】，并点击【继续】。回到主界面后，第三步点击【确定】。

![82d3d11f79b95cb936855cb56d7ca6ea.png][]

4.1 由此我们便能得到以下输出结果。在第三层回归中，观察两个相乘交互项的系数显著性，可以发现，交互项M\_Xdum\_1的系数显著，交互项M\_Xdum\_2的系数不显著。说明X的第一个水平，是否会对因变量有影响，会视调节变量M的值而定。

![84a2a1f23b9c050bf5313430cdaef3af.png][]

[027e91d459912aba7e3d263df3f82631.png]: /images/20221119/5af48753358b472ab2dbb7cf51331a44.png
[e525222815015c2d87032b2d19d1ce6f.png]: /images/20221119/44afdb2a9c054356a077bccaaa22a232.png
[47a693e4fa590bf85af7f3ce0e51718d.png]: https://img-blog.csdnimg.cn/img_convert/47a693e4fa590bf85af7f3ce0e51718d.png
[6091784c7222aa8de2db2867e00b3053.png]: https://img-blog.csdnimg.cn/img_convert/6091784c7222aa8de2db2867e00b3053.png
[6440f91d027ba0f45dac365921175ced.png]: https://img-blog.csdnimg.cn/img_convert/6440f91d027ba0f45dac365921175ced.png
[390b261ef26827be25751d2b3809c0c4.png]: https://img-blog.csdnimg.cn/img_convert/390b261ef26827be25751d2b3809c0c4.png
[7be3572f65460381b5e8098f41c503d8.png]: https://img-blog.csdnimg.cn/img_convert/7be3572f65460381b5e8098f41c503d8.png
[9b8c9ce2a6413b22049c553214c49362.png]: https://img-blog.csdnimg.cn/img_convert/9b8c9ce2a6413b22049c553214c49362.png
[1ccba5ed2b0c23bec316516c25bf2fed.png]: https://img-blog.csdnimg.cn/img_convert/1ccba5ed2b0c23bec316516c25bf2fed.png
[779c27477a2d932c591d595137e8445f.png]: https://img-blog.csdnimg.cn/img_convert/779c27477a2d932c591d595137e8445f.png
[82d3d11f79b95cb936855cb56d7ca6ea.png]: https://img-blog.csdnimg.cn/img_convert/82d3d11f79b95cb936855cb56d7ca6ea.png
[84a2a1f23b9c050bf5313430cdaef3af.png]: https://img-blog.csdnimg.cn/img_convert/84a2a1f23b9c050bf5313430cdaef3af.png