如何在SPSS及AMOS分析調(diào)節(jié)效應(yīng)(實(shí)戰(zhàn)篇)

調(diào)節(jié)效應(yīng)重要理論及操作務(wù)實(shí)一、調(diào)節(jié)效應(yīng)回歸方程：調(diào)節(jié)效應(yīng)是交互效應(yīng)的一種，是有因果指向的交互效應(yīng)，而單純的交互效應(yīng)可以互為因果關(guān)系；調(diào)節(jié)變量一般不受自變量和因變量影響，但是可以影響自變量和因變量；調(diào)節(jié)變量一般不能作為中介變量，在特殊情況下，調(diào)節(jié)變量也可以作為中介變量，例如認(rèn)知?dú)w因方式既可以作為挫折性應(yīng)激〔X〕和應(yīng)對(duì)方式〔Y〕的調(diào)節(jié)變量也可以作為中介變量。常見(jiàn)的調(diào)節(jié)變量有性別、年齡、收入水平、文化程度、社會(huì)地位等。在統(tǒng)計(jì)回歸分析中，檢驗(yàn)變量的調(diào)節(jié)效應(yīng)意味著檢驗(yàn)調(diào)節(jié)變量和自變量的交互效應(yīng)是否顯著。以最簡(jiǎn)單的回歸方程為例，調(diào)節(jié)效應(yīng)檢驗(yàn)回歸方程包括2個(gè)如下：y=a+bx+cm+e1〕y=a+bx+cm+c’mx+e2〕在上述方程中，m為調(diào)節(jié)變量，mx為調(diào)節(jié)效應(yīng)，調(diào)節(jié)效應(yīng)是否顯著即是分析C’是否顯著到達(dá)統(tǒng)計(jì)學(xué)意義上的臨界比率.05水平)。二、檢驗(yàn)調(diào)節(jié)效應(yīng)的方法有三種：1.在層次回歸分析中〔Hierarchicalregression〕,檢驗(yàn)2個(gè)回歸方程的復(fù)相關(guān)系數(shù)R12和R22是否有顯著區(qū)別，假設(shè)R12和R22顯著不同，那么說(shuō)明mx交互作用顯著，即說(shuō)明m的調(diào)節(jié)效應(yīng)顯著；2.或看層次回歸方程中的c’系數(shù)〔調(diào)節(jié)變量偏相關(guān)系數(shù)〕，假設(shè)c’〔spss輸出為標(biāo)準(zhǔn)化?值〕顯著，那么說(shuō)明調(diào)節(jié)效應(yīng)顯著；3.多元方差分析，看交互作用水平是否顯著；4.在分組回歸情況下，調(diào)節(jié)效應(yīng)看各組回歸方程的R2。注：上述四種方法主要用于顯變量調(diào)節(jié)效應(yīng)檢驗(yàn)，且和x與m的變量類型相關(guān)，具體要根據(jù)下述幾種類型采用不同的方式檢驗(yàn)三、顯變量調(diào)節(jié)效應(yīng)分析的幾種類型根據(jù)調(diào)節(jié)效應(yīng)回歸方程中自變量和調(diào)節(jié)變量的幾種不同類型組合，分析調(diào)節(jié)效應(yīng)的方法和操作也有區(qū)別如下：1.分類自變量〔x〕+分類調(diào)節(jié)變量(m)如果自變量和調(diào)節(jié)變量都是分類變量的話，實(shí)際上就是多元方差分析中的交互作用顯著性分析，如x有兩種水平，m有三種水平，那么可以做2×3交互作用方差分析，在spss里面可以很容易實(shí)現(xiàn)，這我就不多講了，具體操作看spss操作工具書(shū)就可以了。2.分類自變量〔x〕+連續(xù)調(diào)節(jié)變量〔m〕這種類型調(diào)節(jié)效應(yīng)分析需要對(duì)分類自變量進(jìn)行偽變量轉(zhuǎn)換，將自變量和調(diào)節(jié)變量中心化〔計(jì)算變量離均差〕然后做層次回歸分析。分類自變量轉(zhuǎn)換為偽變量的方法：假設(shè)自變量X有n種分類，那么可以轉(zhuǎn)換為n-1個(gè)偽變量，例如自變量為年收入水平，假設(shè)按人均年收入水平分為8千以下、8000~2萬(wàn)、2萬(wàn)~5萬(wàn)、5萬(wàn)~10萬(wàn)、10萬(wàn)以上四種類型，那么可以轉(zhuǎn)換為3個(gè)偽變量如下：x1x2x310萬(wàn)以上1005萬(wàn)到10萬(wàn)0102萬(wàn)到5萬(wàn)0018千以下000上述轉(zhuǎn)換在spss中可以建立3個(gè)偽變量x1、x2、x3,變量數(shù)據(jù)中心化后標(biāo)準(zhǔn)回歸方程表示為：y=b1x1+b2x2+b3x3+cm+e3)y=b1x1+b2x2+b3x3+cm+c1mx1+c2mx2+c3mx3+e4)x1=1表示10萬(wàn)以上；x2=1表示5萬(wàn)到10萬(wàn)；x3=1表示2萬(wàn)到5萬(wàn)；8千以下=0。此時(shí)8千以下的回歸方程表示為：y=cm+e(在x1、x2、x3上的偽變量值為0)；之所以單獨(dú)列出這個(gè)方程，是為了方便大家根據(jù)回歸方程畫(huà)交互作用圖,即求出c值就可以根據(jù)方程畫(huà)出8千以下變量的調(diào)節(jié)效應(yīng)圖。檢驗(yàn)方法為分析R2顯著性或調(diào)節(jié)系數(shù)C’顯著性。注：在這4種分類自變量的調(diào)節(jié)效應(yīng)分析中，采用R12和R22顯著性檢驗(yàn)時(shí)，是對(duì)4種類型自變量在調(diào)節(jié)變量作用下的調(diào)節(jié)效應(yīng)的整體檢驗(yàn)，總體顯著的效果可能會(huì)掩蓋某種類型自變量與調(diào)節(jié)變量的交互作用不顯著的情況，此時(shí)，我們就要逐一審查各個(gè)交互項(xiàng)的偏相關(guān)系數(shù)。對(duì)方程4〕而言，如果檢查調(diào)節(jié)變量的偏相關(guān)系數(shù)，那么有可能會(huì)出現(xiàn)一些調(diào)節(jié)變量偏相關(guān)系數(shù)不顯著的情況，例如，c1顯著、c2和c3不顯著或c1和c2顯著，c3不顯著的情況等，此時(shí)可根據(jù)交互項(xiàng)的偏相關(guān)系數(shù)來(lái)發(fā)現(xiàn)到底是那種類型的自變量與調(diào)節(jié)變量的交互作用不顯著。3.連續(xù)自變量〔x〕+分類調(diào)節(jié)變量〔m〕這種類型的調(diào)節(jié)效應(yīng)需要采用分組回歸分析，所謂分組回歸分析既是根據(jù)調(diào)節(jié)變量的分類水平，建立分組回歸方程進(jìn)行分析，回歸方程為y=a+bx+e。當(dāng)然也可以采用將調(diào)節(jié)變量轉(zhuǎn)換為偽變量以后進(jìn)行層次回歸分析，層次回歸具體步驟同上，見(jiàn)三、2，需要注意的是，分類的調(diào)節(jié)變量轉(zhuǎn)換為偽變量進(jìn)行層次回歸分析后，調(diào)節(jié)效應(yīng)是看方程的決定系數(shù)R2顯著性整體效果，這和不同分類水平的自變量下調(diào)節(jié)變量的調(diào)節(jié)效應(yīng)識(shí)別有區(qū)別。我們這里主要講下如何進(jìn)行調(diào)節(jié)效應(yīng)分組回歸分析，調(diào)節(jié)效應(yīng)的分組回歸分析可以在SPSS中完成，當(dāng)然也可以通過(guò)SEM分析軟件如AMOS來(lái)實(shí)現(xiàn)，我們首先來(lái)看看如何通過(guò)SPSS來(lái)實(shí)現(xiàn)分組回歸來(lái)實(shí)現(xiàn)調(diào)節(jié)效應(yīng)分析的。SPSS中對(duì)分組回歸的操作主要分兩步進(jìn)行，第一步是對(duì)樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割，第二步那么是回歸分析。具體步驟見(jiàn)下列圖：第一步：對(duì)樣本數(shù)據(jù)按調(diào)節(jié)變量的類別進(jìn)行分割：注：選取的gender為調(diào)節(jié)變量，分別為女=0，男=1，當(dāng)然在實(shí)際研究中可能有更多的分類，大家完全可以用1、2、3、4…….等來(lái)編號(hào)。這個(gè)窗口選取的兩個(gè)命令是比擬多組(comparegroups和按分組變量對(duì)數(shù)據(jù)文件排序〔sortthefilebygroupingvariables〕第二步：選擇回歸命令并設(shè)置自變量和因變量這個(gè)窗口里面選取了自變量comp和因變量pictcomp,然后再點(diǎn)擊statistics在彈出窗口中設(shè)置輸出參數(shù)項(xiàng)如下列圖，勾取estimates\modelfit\Rsquaredchange：第三步：看輸出結(jié)果，分析調(diào)節(jié)效應(yīng)，見(jiàn)表格數(shù)據(jù)：表格1VariablesEntered/RemovedbgenderModelVariablesEnteredVariablesRemovedMethod01COMPa.Enter11COMPa.Entera.Allrequestedvariablesentered.b.DependentVariable:PICTCOMP表格1顯示了因變量是pictcomp,回歸方法采用強(qiáng)行進(jìn)入法〔enter〕，共有兩組回歸方程，一組是女性〔0〕，另一組是男性〔1〕。表格2ModelSummarygenderModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedf1df2Sig.FChange01.349.122.1132.723.12214.1611102.00011.489.239.2282.647.23921.709169.000a.Predictors:(Constant),COMP表格2是回歸模型的總體情況，男行和女性的兩組回歸方程具有顯著效應(yīng)(p<.001)，說(shuō)明性別這一變量具有顯著的調(diào)節(jié)效應(yīng)。從表格數(shù)據(jù)可以看出，女性組的回歸方程解釋了因變量11.2%的方差變異，男性組的回歸方程解釋了因變量22.9%的方差變異，〔注：此模型的數(shù)據(jù)是虛擬的，只是方便大家理解，無(wú)實(shí)際意義，實(shí)際研究中回歸方程的自變量很少會(huì)只有一個(gè)的情況〕。表格3CoefficientsagenderModelUnstandardizedCoefficientsStandardizedCoefficientstSig.BStd.ErrorBeta01(Constant)7.355.9437.797.000COMP.342.091.3493.763.00011(Constant)5.6261.1055.090.000COMP.490.105.4894.659.000a.DependentVariable:PICTCOMP此表格給出了自變量的標(biāo)準(zhǔn)化回歸系數(shù)Beta值，在女性組中，標(biāo)準(zhǔn)化Beta為.349;在男性組中Beta值為.489,且都到達(dá)顯著性水平p<.001，說(shuō)明自變量comp對(duì)因變量有顯著的預(yù)測(cè)作用。上述對(duì)分類調(diào)節(jié)變量操作和解釋主要是基于SPSS來(lái)實(shí)現(xiàn)的，AMOS軟件也有同樣功能，下面以同樣回歸方程變量為例談下如何在AMOS中實(shí)現(xiàn)多組回歸分析〔multiplegroupanalyze〕：第一步：模型設(shè)置好后，點(diǎn)擊analyze\managegroups:第二步：在彈出的窗口輸入女，如下：第三步：設(shè)置好第一組名稱后，點(diǎn)擊new,急速輸入第二組名稱：第三步：設(shè)置好兩個(gè)組后，關(guān)閉組別設(shè)置窗口，回到主界面，點(diǎn)擊File\datafiles，如下列圖：第四步：在彈出窗口中可以看到如下兩組名稱：第五步：然后點(diǎn)擊女組數(shù)據(jù)，再點(diǎn)擊filename,翻開(kāi)數(shù)據(jù)文件，然后點(diǎn)擊groupingvariable,這時(shí)系統(tǒng)會(huì)彈出你的spss數(shù)據(jù)文件中的變量，在其中選擇你的分類變量，按分組變量的值設(shè)置好女性組的數(shù)據(jù)；男組數(shù)據(jù)重復(fù)這個(gè)過(guò)程，見(jiàn)下列圖：設(shè)置好分組以后，點(diǎn)擊ok，回到主界面，進(jìn)行模型比擬設(shè)置〔溫忠麟關(guān)于在AMOS中進(jìn)行分組比擬的策略，采用如下做法：先將兩組的結(jié)構(gòu)方程回歸系數(shù)限制為相等,得到一個(gè)χ2值和相應(yīng)的自由度。然后去掉這個(gè)限制,重新估計(jì)模型,又得到一個(gè)χ2值和相應(yīng)的自由度。前面的χ2減去后面的χ2得到一個(gè)新的χ2,其自由度就是兩個(gè)模型的自由度之差。如果χ2檢驗(yàn)結(jié)果是統(tǒng)計(jì)顯著的,那么調(diào)節(jié)效應(yīng)顯著〕。第六步：設(shè)置限制模型和無(wú)限制模型。點(diǎn)擊analyze\managemodels,首先設(shè)置無(wú)限制模型〔無(wú)任何限制，不需要改動(dòng)〕；然后點(diǎn)擊下面的new，設(shè)置結(jié)構(gòu)方程回歸系數(shù)限制相等模型，如下列圖：注：上圖限制模型中，W表示所有回歸系數(shù)，可在Plugin\nameparameter中進(jìn)行設(shè)置。第七步：兩個(gè)模型設(shè)置好后，進(jìn)行分析設(shè)置，點(diǎn)擊view\ananlysisProperties,在output中選中前面三項(xiàng)和臨界比率檢驗(yàn)一項(xiàng)，回到主界面，點(diǎn)擊左側(cè)繪圖工具欄中的運(yùn)算圖標(biāo)，即可得到輸出結(jié)果，操作如下：第八步：看分組比擬運(yùn)算結(jié)果，一個(gè)看模型圖的標(biāo)準(zhǔn)化輸出，一個(gè)看文本輸出結(jié)果，本例輸出結(jié)果如下列圖：圖1：女性組無(wú)限制模型標(biāo)準(zhǔn)化路徑圖圖2男性組無(wú)限制模型標(biāo)準(zhǔn)化路徑圖圖3女性組限制模型標(biāo)準(zhǔn)化路徑圖圖4男性組限制模型標(biāo)準(zhǔn)化路徑圖從上述分組比擬的標(biāo)準(zhǔn)化路徑圖來(lái)看，限制模型和無(wú)限制模型在一些擬合指標(biāo)上并無(wú)顯著變化，且兩者的卡方與自由度之比都小于2，這提示我們可能性別的調(diào)節(jié)效應(yīng)并不顯著，為了進(jìn)一步檢驗(yàn)，我們結(jié)合文本輸出結(jié)果來(lái)判斷是否無(wú)限制模型和限制模型的區(qū)別不顯著，具體分析見(jiàn)如下表格與結(jié)果分析：Assumingmodel無(wú)限制模型〔所有參數(shù)自由估計(jì)〕tobecorrect:ModelDFCMINPNFI

Delta-1IFI

Delta-2RFI

rho-1TLI

rho2限制模型〔所有回歸權(quán)重限制相等〕88.545.382.018.021-.001-.001上表是分組回歸分析無(wú)限制模型和限制模型的比擬，從表中可知，對(duì)模型所有結(jié)構(gòu)方程系數(shù)限制為相等后，卡方值改變量CMIN/df=8.545/8的臨界比率P>.05，卡方值改變量不顯著，因此可以從卡方值判斷，性別對(duì)于兩個(gè)潛變量的調(diào)節(jié)效應(yīng)不顯著。CMINandCMIN/DF:ModelNPARCMINDFPCMIN/DF限制模型〔所有回歸權(quán)重限制相等〕3876.72570.2721.096無(wú)限制模型〔所有參數(shù)自由估計(jì)〕4668.18062.2751.100Saturatedmodel108.0000Independencemodel36467.86672.0006.498上表檢驗(yàn)了限制模型和自由估計(jì)模型的卡方值及其卡方與自由度自比，兩者的P都大于.05，且卡方與自由度之比都小于2，說(shuō)明模型都擬合良好，這進(jìn)一步說(shuō)明無(wú)限制模型和限制模型無(wú)顯著區(qū)別。BaselineComparisonsModelNFI

Delta1RFI

rho1IFI

Delta2TLI

rho2CFI限制模型〔所有回歸權(quán)重限制相等〕.836.831.983.983.983無(wú)限制模型〔所有參數(shù)自由估計(jì)〕.854.831.985.982.984Saturatedmodel1.0001.0001.000Independencemodel.000.000.000.000.000上表是基線比擬結(jié)果，NFI、RFI、IFI、TLI、CFI指標(biāo)在限制模型和無(wú)限制模型中并無(wú)明顯改變。RMSEAModelRMSEALO90HI90PCLOSE限制模型〔所有回歸權(quán)重限制相等〕.024.000.052.937無(wú)限制模型〔所有參數(shù)自由估計(jì)〕.024.0