如何在SPSS及AMOS分析调节效应(实战篇

如何在SPSS及AMOS分析调节效应(实战篇
如何在SPSS及AMOS分析调节效应(实战篇

精心整理

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

个如下:

C’是否

1.

R12和m

2.或看层次回归方程中的c’系数(调节变量偏相关系数),若c’(spss输出为标准化?值)显着,则说明调节效应显着;

3.多元方差分析,看交互作用水平是否显着;

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.

2.

心化

10

5万到10万010

2万到5万001

2万以下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+b2x2+b3x3+cm+e3)

y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e4)

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;2万以下=0。此时2万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2万以下变量的调节效应图。

方程的决定系数R2显着性整体效果,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SPSS中完成,当然也可以通过SEM分析软件如AMOS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:

在弹出

11.)。

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,且都达到显着性水平p<.001,说明自变量comp对因变量有显

groupingvariable,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AMOS 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χ2

值和相应的自由度。前面的χ2减去后面的χ2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χ2检验结果是统计显着的,则调节效应显着)。

第六步:设置限制模型和无限制模型。点击analyze\managemodels,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:

置。

,即可得到输出结果,操作如下:

效应并不显着,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着,具体分析见如下表格与结果分析:

Assumingmodel无限制模型(所有参数自由估计)tobecorrect:

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,卡方值改变量不显着,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着。

P都

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

????????????????????????????=(fisher(0.27)-fisher(0.22)/sqrt(1/(1000-3)+1/(1000-3))

??????????(公式四)

在SAS里,也有直接计算的程序。如在SPSS里,则要写一个类似公式四的syntax,但因为没有fisher()函数可调用,所以其公式要复杂很多,还不如手工或Excel里计算来得方便。

第六步、解读交互影响的理论意义。做交互影响(即d)的人,一定已知道“d反映的是X对Y的影响随着Z的变化而调

节”(ddescribesthe?effectofXonYasmoderatedbyZ)之类的定义。具体来说,如果d>0,X对Y的影响(即b)会随着Z的增加而增加;如果d<0,X 对Y的影响(即b)会随着Z的增加而减少。

4、自变量和调节变量都是连续型变量

在这种情况下,如果认为调节变量对自-因变量的改变是阶梯型的,则可在阶梯处将调节变量转化为二分变量,此时的分析方法见情况2。如果调节变量对自-因变量之间的关系改变是线性或二次方的,则使用情况3的分析方法。

相关主题
相关文档
最新文档