h****g
发帖数: 28 | 1 通过回归分析考察调节效应
假如欲考察调节变量M在变量X对Y中的作用
通常的做法是回归的第一步用X和M对Y做回归
第二步用XM的乘积对Y做回归
然后看XM的回归系数是否显著来考察调节效应
昨天听一个人说在第一步的回归可以只将X变量对Y做回归，
即在第一步中M变量可以不纳入
希望高手帮忙解答，是否真的在第一步可以不纳入调节变量M？
3x and bow :) | e******e
发帖数: 410 | 2 应该先检验interaction是否显著,然后检验confounding(或者叫mediation)
1 X,M,XM同时对Y做回归,看XM的回归系数是否显著.显著,代表interaction显著,必须对
X进行分组,分组的标准是由M水平而定;不显著,代表不需要考虑interaction,直接考虑c
oufounding的问题.
2 在没有显著interaction情况下,将X与Y做回归,得到X的回归系数.接着将X,M与Y做回归
,得到X的回归系数.比较这两个回归系数,如果变化很大(30%以上),confouding成立;反之
则没有明显的coufouding.
3 interaction显著的情况,分组后重复步骤2.
【在 h****g 的大作中提到】
: 通过回归分析考察调节效应
: 假如欲考察调节变量M在变量X对Y中的作用
: 通常的做法是回归的第一步用X和M对Y做回归
: 第二步用XM的乘积对Y做回归
: 然后看XM的回归系数是否显著来考察调节效应
: 昨天听一个人说在第一步的回归可以只将X变量对Y做回归，
: 即在第一步中M变量可以不纳入
: 希望高手帮忙解答，是否真的在第一步可以不纳入调节变量M？
: 3x and bow :)
| h****g
发帖数: 28 | 3 thx.
虑c
回归
反之
【在 e******e 的大作中提到】
: 应该先检验interaction是否显著,然后检验confounding(或者叫mediation)
: 1 X,M,XM同时对Y做回归,看XM的回归系数是否显著.显著,代表interaction显著,必须对
: X进行分组,分组的标准是由M水平而定;不显著,代表不需要考虑interaction,直接考虑c
: oufounding的问题.
: 2 在没有显著interaction情况下,将X与Y做回归,得到X的回归系数.接着将X,M与Y做回归
: ,得到X的回归系数.比较这两个回归系数,如果变化很大(30%以上),confouding成立;反之
: 则没有明显的coufouding.
: 3 interaction显著的情况,分组后重复步骤2.
| j****e
发帖数: 245 | 4 Interaction is actually moderation, instead of mediation. A diagram may be
helpful to distinguish moderation vs. mediation.
虑c
回归
反之
【在 e******e 的大作中提到】
: 应该先检验interaction是否显著,然后检验confounding(或者叫mediation)
: 1 X,M,XM同时对Y做回归,看XM的回归系数是否显著.显著,代表interaction显著,必须对
: X进行分组,分组的标准是由M水平而定;不显著,代表不需要考虑interaction,直接考虑c
: oufounding的问题.
: 2 在没有显著interaction情况下,将X与Y做回归,得到X的回归系数.接着将X,M与Y做回归
: ,得到X的回归系数.比较这两个回归系数,如果变化很大(30%以上),confouding成立;反之
: 则没有明显的coufouding.
: 3 interaction显著的情况,分组后重复步骤2.
| r******s
发帖数: 2155 | 5 Check this book:
Cohen, J., Cohen, P., Aiken, L. S., & West, S. G. (2003). Applied multiple
regression/correlation analysis for the behavioral sciences (3rd ed.).
Mahwah, N.J.: Lawrence Erlbaum Associates, Inc.
You may need to center your variable etc.
Better off consult some professionals.
【在 h****g 的大作中提到】
: 通过回归分析考察调节效应
: 假如欲考察调节变量M在变量X对Y中的作用
: 通常的做法是回归的第一步用X和M对Y做回归
: 第二步用XM的乘积对Y做回归
: 然后看XM的回归系数是否显著来考察调节效应
: 昨天听一个人说在第一步的回归可以只将X变量对Y做回归，
: 即在第一步中M变量可以不纳入
: 希望高手帮忙解答，是否真的在第一步可以不纳入调节变量M？
: 3x and bow :)
| h****g
发帖数: 28 | 6 thx..
我其实是要分析潜变量的调节作用
由于都是用的AMOS软件进行分析，不会用LISREL
所以现在看来只好将调节变量分组然后采用AMOS分析了
BTW.
我在文献中查阅到Joreskog-Yang 模型可以用乘积来作，
如潜变量X有俩指标X1和X2、调节变量M有俩指标M1M2，结果变量Y；
那么X1M1、X1M2、X2M1、X2M2作为调节效应潜变量XM的指标加入到模型中进行
SEM分析；如果XM对Y的作用显著则调节效应显著。
觉得这种方法确实不错，但是实在不知道其中还需要设定哪些限制，
只好用简单点的分组检验sigh
多谢提醒，我已经将数据中心化了 | r******s
发帖数: 2155 | 7 AMOS is similar to Lisrel. no need to switch.
The easiest way to test moderation is using regression.
Many problems exist in testing it in SEM.
【在 h****g 的大作中提到】
: thx..
: 我其实是要分析潜变量的调节作用
: 由于都是用的AMOS软件进行分析，不会用LISREL
: 所以现在看来只好将调节变量分组然后采用AMOS分析了
: BTW.
: 我在文献中查阅到Joreskog-Yang 模型可以用乘积来作，
: 如潜变量X有俩指标X1和X2、调节变量M有俩指标M1M2，结果变量Y；
: 那么X1M1、X1M2、X2M1、X2M2作为调节效应潜变量XM的指标加入到模型中进行
: SEM分析；如果XM对Y的作用显著则调节效应显著。
: 觉得这种方法确实不错，但是实在不知道其中还需要设定哪些限制，
|
|
