2022年SPSSAMOS调节效应操作务实.doc

SPSS AMOS调节效应操作务实一、调节效应回归方程: 调节效应是交互效应一种,是有因果指向交互效应,而单纯交互效应可以互为因果关系;调节变量普通不受自变量和因变量影响,但是可以影响自变量和因变量;调节变量普通不能作为中介变量,在特殊状况下,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)调节变量也可以作为中介变量常用调节变量有性别、年龄、收入水平、文化限度、社会地位等在记录回归分析中,检查变量调节效应意味着检查调节变量和自变量交互效应与否明显以最简朴回归方程为例,调节效应检查回归方程涉及2个如下:y=a+bx+cm+e 1)y=a+bx+cm+c’mx+e 2)在上述方程中,m为调节变量,mx为调节效应,调节效应与否明显即是分析C’与否明显达到记录学意义上临界比率.05水平)二、检查调节效应办法有三种:1.在层次回归分析中(Hierarchical regression),检查2个回归方程复有关系数R12和R22与否有明显区别,若R12和R22明显不同,则阐明mx交互作用明显,即表白m调节效应明显;2.或看层次回归方程中c’系数(调节变量偏有关系数),若c’(spss输出为原则化ß值)明显,则阐明调节效应明显;3.多元方差分析,看交互作用水平与否明显;4.在分组回归状况下,调节效应看各组回归方程R2。

注:上述四种办法重要用于显变量调节效应检查,且和x与m变量类型有关,详细要依照下述几种类型采用不同方式检查三、显变量调节效应分析几种类型 依照调节效应回归方程中自变量和调节变量几种不同类型组合,分析调节效应办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话,事实上就是多元方差分析中交互作用明显性分析,如x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,详细操作看spss操作工具书就可以了2.分类自变量(x)+持续调节变量(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办法: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8千如下、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3个伪变量如下: x1 x2 x3 10万以上 1 0 0 5万到10万 0 1 0 2万到5万 0 0 1 8千如下 0 0 0上述转换在spss中可以建立3个伪变量x1、x2、x3,变量数据中心化后原则回归方程表达为:y=b1x1+b2x2+b3x3+cm+e 3)y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e 4)x1=1表达10万以上;x2=1表达5万到10万;x3=1表达2万到5万;8千如下=0。

此时8千如下回归方程表达为:y=cm +e(在x1、x2、x3上伪变量值为0);之因此单独列出这个方程,是为了以便人们依照回归方程画交互作用图,即求出c值就可以依照方程画出8千如下变量调节效应图检查办法为分析R2明显性或调节系数C’明显性注:在这4种分类自变量调节效应分析中,采用R12和R22明显性检查时,是对4种类型自变量在调节变量作用下调节效应整体检查,总体明显效果也许会掩盖某种类型自变量与调节变量交互作用不明显状况,此时,我们就要逐个审查各个交互项偏有关系数对方程4)而言,如果检查调节变量偏有关系数,则有也许会浮现某些调节变量偏有关系数不明显状况,例如,c1明显、c2和c3不明显或c1和c2明显,c3不明显状况等,此时可依照交互项偏有关系数来发现究竟是那种类型自变量与调节变量交互作用不明显3.持续自变量(x)+分类调节变量(m) 这种类型调节效应需要采用分组回归分析,所谓分组回归分析既是依照调节变量分类水平,建立分组回归方程进行分析,回归方程为y=a+bx+e固然也可以采用将调节变量转换为伪变量后来进行层次回归分析,层次回归详细环节同上,见三、2,需要注意是,分类调节变量转换为伪变量进行层次回归分析后,调节效应是看方程决定系数R2明显性整体效果,这和不同分类水平自变量下调节变量调节效应辨认有区别。

我们这里重要讲下如何进行调节效应分组回归分析,调节效应分组回归分析可以在SPSS中完毕,固然也可以通过SEM分析软件如AMOS来实现,我们一方面来看看如何通过SPSS来实现分组回归来实现调节效应分析SPSS中对分组回归操作重要分两步进行,第一步是对样本数据按调节变量类别进行分割,第二步则是回归分析详细环节见下图:第一步:对样本数据按调节变量类别进行分割:注:选用gender为调节变量,分别为女=0,男=1,固然在实际研究中也许有更多分类,人们完全可以用1、2、3、4…….等来编号这个窗口选用两个命令是比较多组(compare groups和按分组变量对数据文献排序(sort the file by grouping variables)第二步:选取回归命令并设立自变量和因变量这个窗口里面选用了自变量comp和因变量pictcomp,然后再点击statistics在弹出窗口中设立输出参数项如下图,勾取estimates\model fit\Rsquared change:第三步:看输出成果,分析调节效应,见表格数据:表格1Variables Entered/RemovedbgenderModelVariables EnteredVariables RemovedMethod01COMPa.Enter11COMPa.Entera. All requested variables entered.b. Dependent Variable: PICTCOMP表格1显示了因变量是pictcomp,回归办法采用强行进入法(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 ChangeF Changedf1df2Sig. F Change01.349a.122.1132.723.12214.1611102.00011.489a.239.2282.647.23921.709169.000a. Predictors: (Constant), COMP表格2是回归模型总体状况,男行和女性两组回归方程具备明显效应(p<.001),表白性别这一变量具备明显调节效应从表格数据可以看出,女性组回归方程解释了因变量11.2%方差变异,男性组回归方程解释了因变量22.9%方差变异,(注:此模型数据是虚拟,只是以便人们理解,无实际意义,实际研究中回归方程自变量很少会只有一种状况)表格3CoefficientsagenderModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta01(Constant)7.355.9437.797.000COMP.342.091.3493.763.00011(Constant)5.6261.1055.090.000COMP.490.105.4894.659.000a. Dependent Variable: PICTCOMP此表格给出了自变量原则化回归系数Beta值,在女性组中,原则化Beta为.349;在男性组中Beta值为.489,且都达到明显性水平p<.001,阐明自变量comp对因变量有明显预测作用。

上述对分类调节变量操作和解释重要是基于SPSS来实现, 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):第一步:模型设立好后,点击analyze\manage groups:第二步:在弹出窗口输入女,如下:第三步:设立好第一组名称后,点击new,急速输入第二组名称:第三步:设立好两个组后,关闭组别设立窗口,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,打开数据文献,然后点击grouping variable,这时系统会弹出你spss数据文献中变量,在其中选取你分类变量,按分组变量值设立好女性组数据;男组数据重复这个过程,见下图:设立好分组后来,点击ok,回到主界面,进行模型比较设立(温忠麟关于在AMOS中进行分组比较方略,采用如下做法:先将两组构造方程回归系数限制为相等 ,得到一种χ2 值和相应自由度然后去掉这个限制 ,重新预计模型 ,又得到一种χ2值和相应自由度前面χ2减去背面χ2得到一种新χ2,其自由度就是两个模型自由度之差。

如果χ2检查成果是记录明显 ,则调节效应明显)第六步:设立限制模型和无限制模型点击analyze\manage models,一方面设立无限制模型(无任何限制,不需要改动);然后点击下面new,设立构造方程回归系数限制相等模型,如下图:注:上图限制模型中,W表达所有回归系数,可在Plugin\name parameter中进行设立第七步:两个模型设立好后,进行分析设立,点击view\ananlysisProperties,在output中选中前面三项和临界比率检查一项,回到主界面,点击左侧绘图工具栏中运算图标,即可得到输出成果,操作如下:第八步:看分组比较运算成果,一种看模型图原则化输出,一种看文本输出成果,本例输出成果如下图: 图1:女性组无限制模型原则化途径图 图2 男性组无限制模型原则化途径图 图3 女性组限制模型原则化途径图 图4 男性组限制模型原则化途径图从上述分组比较原则化途径图来看,限制模型和无限制模型在某些拟合指标上并无明显变化,且两者卡方与自由度之比都不大于2,这提示我们也许性别调节效应并不明显,为了进一步检查,我们结合文本输出成果来判断与否无限制模型和限制模型区别不明显,详细分析见如下表格与成果分析:Assuming model 无限制模型(所有参数自由预计) to be correct:ModelDFCMINPNFIDelta-1IFIDelta-2R。