在很多教材和案例中调节作用分析通常围绕单个自变量、单个调节变量和连续型因变量展开。然而真实研究的数据结构往往远比理论案例复杂多个自变量同时进入模型、二分类或有序分类因变量、定类变量参与调节以及大量控制变量和面板数据等情况屡见不鲜。所以很多研究者会有疑问多个自变量如何一起做调节作用二分类因变量、有序分类因变量、面板数据怎么分析调节作用如果X或者调节变量是定类数据如何生成哑变量和交互项针对这些问题SPSSAU上线了【调节作用(进阶)】方法。它支持多个自变量同时进入模型也支持OLS线性回归、面板模型、二元Logit回归、有序Logit回归等不同模型类型同时还能自动处理定类变量、自动生成交互项并输出联合显著性检验等结果用户可以轻松完成复杂的调节效应分析。一、调节作用原理速览在学习【调节作用(进阶)】具体操作之前先快速回顾一下调节效应的基础理论。1、理论说明调节作用分析指的是考察调节变量M是否会影响自变量X与因变量Y之间关系强弱或方向的一种分析方法。它的核心不是单纯看X和Y有没有关系而是看这种关系会不会因为M的不同而变化。如果会变化那么就说明存在调节作用如果不会变化那么就说明不存在调节作用。2、核心模型从统计建模的角度看调节作用分析最核心的地方在于自变量×调节变量这个交互项。调节效应的核心数学模型如下Y β₀β₁X β₂M β₃(X×M) ε其中β₃是交互项系数。如果β₃显著不为0则说明存在调节效应。二、调节作用进阶版1、调节作用基础版vs进阶版SPSSAU【问卷研究】模块中的【调节作用】功能其仅支持放入1个X和1个M且仅支持线性回归模式如下图如果有多个自变量X或者需要分析非线性模型如Logit回归此时就需要使用SPSSAU【进阶方法】模块中的【调节作用(进阶)】如下图2、进阶版适用场景简单来说当你的研究数据遇到以下情况时就该用进阶版了有多个自变量X基础版一次只能放1个X进阶版支持同时纳入多个自变量X1、X2、X3……。因变量不是普通定量数据基础版只支持线性回归因变量为连续变量进阶版支持4种模型类型1OLS线性回归常规连续因变量2面板固定效应模型面板数据3二元Logit回归二分类因变量如是否购买、是否离职4有序Logit回归有序多分类因变量如满意度等级智能生成哑变量和交互项进阶版可自定义自变量/控制变量/调节变量的数据类型并且自动处理4种变量类型组合情况自变量定量/定类 × 调节变量定量/定类智能生成哑变量和交互项无需用户手动处理。需要更丰富的输出指标进阶版额外输出联合显著性检验Joint Test、模型比较分析ΔR²、ΔAIC、ΔBIC等、平均边际效应分析二元Logit模型等。三、进阶调节作用案例操作下面用一个完整案例带你快速学会进阶调节作用分析。背景本次案例数据中包括3个自变量XX1、X2、X33个控制变量其中X3是定类数据Control3也是定类数据调节变量M是定量数据。使用SPSSAU【进阶方法】中的【调节作用(进阶)】部分数据如下1、SPSSAU软件操作上传数据至SPSSAU平台在【进阶方法】模块选择【调节作用(进阶)】将变量拖拽至右侧对应分析框根据因变量Y的数据类型选择模型本案例为连续变量选择线性回归定类数据设置选择X3和control3调节变量类型可选定量/定类本案例为定量。操作如下图点击开始分析按钮即可得到分析结果。提示SPSSAU【调节作用(进阶)】分析时不会对自变量/控制变量/调节变量进行其它处理比如中心化/标准化等如需要可通过SPSSAU【数据处理】模块的【生成变量】功能进行处理使用处理后的数据进行分析即可。2、调节作用分析结果1研究变量处理说明本案例设置了X3和Control3为定类数据以及其它变量则默认是定量数据。特别提示的是由于X3和Control3均为定类因此在回归时SPSSAU会自动哑变量处理并且将第1项作为参照项。针对X1和X2它们都是定量数据因此可直接查看其交互项的回归系数显著性来判断是否存在调节作用至于X3其为定类数据因此可通过联合显著性检验结果来判断X3与M是否存在调节作用当然联合显著性检验呈现出显著性此时也可进一步具体查看2个交互项的具体显著性情况进行深入分析。2调节效应分析结果上表格模型4是最关键和核心的表格结果分析可知X1与M的回归系数为-0.425并且呈现出显著性p 值为0.0400.05意味着X1对于Y的影响时M起着负向调节作用X2与M的回归系数为0.11并且呈现出显著性p 值为0.0200.05意味着X2对于Y的影响时M起着正向调节作用X3由于是定类且有3个选项第1项作为参照项因而余下2项哑变量在模型中因此其与M有2个交互项而且从表格可以看到X3的2个哑变量与M的交互项均没有呈现出显著性。当然X3是定类数据因此其与M的交互项显著性可通过查看联合显著性检验即下表格进行分析。3联合显著性检验分析上表可知X3与M的联合显著性检验时p 值为0.2590.05即意味着X3对于Y的影响作用时M并不会起调节作用。需要注意的是即使X1或X2均为定量数据但依旧有着联合显著性检验结果但其p值与回归系数表格表现出一致性因此研究者可查看联合显著性检验结果也或者回归系数表格结果均可但统计量并不一致因为其检验原理并不完全一样。四、疑难解惑1联合显著性检验什么意思联合显著性检验简单来说就是当自变量或调节变量是定类数据比如学历、地区时SPSSAU会将其拆分成多个虚拟变量从而产生不止一个交互项此时不能只看单个交互项是否显著而需要通过联合显著性检验把这些交互项“打包”在一起整体检验看它们作为一个组合是否能显著影响模型——如果检验的p值小于0.05就说明该定类变量的调节效应整体上是成立的反之则不成立。2自变量X和调节变量M交互项该如何处理自变量或者调节变量分别均可能是定量或者定类数据那么交互项处理方式如下所述3SPSSAU中进阶调节作用时是否要选中稳健标准误一般在计量经济研究领域其多数会考虑异方差问题而Robust稳健标准误正是减少异方差问题的有效办法因此建议选中。如果是其它研究数据通常并不需要选中该参数。Robust稳健标准误选中后回归系数值并不会改变但回归系数对应的标准误及其它指标包括显著性值等均会跟着变化。基础版调节作用分析软件操作与解读可查看下方文章不用安装Process插件轻松完成调节效应分析调节效应与中介效应对比