2024年SPSSAMOS调节效应操作务实

SPSSAMOS调整效应操作务实

壹、调整效应回归方程：

调整效应是交互效应的壹种，是有因果指向的交互效应，而覃纯

的交互效应可以互卷因果关系；调整变量壹般不受自变量和因变量影

响，不谩可以影响自变量和因变量；调整变量壹般不能作卷中介变量,

在特殊状况下，调整变量也可以作卷中介变量，例如认知归因方式既

可以作卷挫折性应激（X）和应螯寸方式（Y）的调整变量也可以作卷中

介变量。常兄的调整变量有性别、年龄、收入水平、文化程度、社曾

地位等。在记录回归分析中，检查变量的调整效应意味著检查调整变

量和自变量的交互效应与否明显。以最简朴的回归方程卷例，调整效

应检查回归方程包括2彳固如下：

y=a+bx+cm+e1）

y=a+bx+cm+c'mx+e2）

在上述方程中，m卷调整变量，mx卷调整效应，调整效应与否明显即

是分析）与否明显到达记录阜意义上的临界比率.05水平）。

二、检查调整效应的措施有三种：

1.在层次回归分析中（Hierarchicalregression），检查2值］回归方

程的复有关系数艮2和程与否有明显区别,若和和R?2明显不壹样,

则阐明mx交互作用明显，即表明m的调整效应明显；

2.或看层次回归方程中的c'系数（调整变量偏有关系数），若3

（spss输出卷原则化B值）明显，则阐明调整效应明显；

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，调整效应看各组回归方程的R%

注：上述四种措施重要用于显变量调整效应检查，且和x与m的变量

类型有关，详细要根据下述几种类型采用不壹样的方式检查

三、显变量调整效应分析的几种类型

根据调整效应回归方程中自变量和调整变量的几种小壹样类型组

合，分析调整效应的措施和操作也有区别如下:

L分类自变量（x）+分类调整变量如）

假如自变量和调整变量都是分类变量的话，实际上就是多元方差

分析中的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2X3交互作用方差分析，在spss裹面可以很轻易实逼我

就不多讲了，详细操作看spss操作工具善就可以了。

2.分类自变量（x）+持续调整变量（m）

道种类型调整效应分析需要封分类自变量迤行伪变量转换，将自

变量和调整变量中心化（计算变量离均差）状彼做层次回归分析,分

类自变量转换悬伪变量的措施：假设自变量X有n种分类，则可以转

换卷n-1（0伪变量，例如自变量卷年收入水平，假设按人均年收入水

平分卷8仟如下、8000^22离~5离、5离10离、10离以上四种

类型，则可以转换悬3彳固伪变量如下:

xlx2x3

10JW以上100

5e•5^至H

i'u10M010

至d

2u

女5®001

8APn

TI000

上述转换在spss中可以建立3/0伪变量xl、x2、x3,变量数据中心

化彳爰原则I回归方程表达四：

y=blxl+b2x2+b3x3+cm+e3)

y=blxl+b2x2+b3x3+cm+clmxl+c2mx2+c3mx3+e4）

xl=l表达10离以上；x2=l表达5离到10x3=l表达2离到5M;

8仟如下=0。此畤8仟如下的回归方程表达卷：y=cm+e（在xl、x2^

x3上的伪变量值卷0）；之因此罩独列出il倘1方程，是悬了以便大家

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8仟如

下变量的调整效应图。

检查措施卷分析N明显性或调整系数C'明显性。

注：在造4种分类自变量的调整效应分析中，采用R，和R/明显性检

查畤，是封4种类型自变量在调整变量作用下的调整效应的整体检

查，2因体明显的效果也^畲掩盖某种类型自变量与调整变量的交互作

用不明显的状况，此畤，我凭就要逐壹审查各俯1交互项的偏有关系数。

甄方程4）而言，假如检查调整变量的偏有关系数，则有也言午曾出现

某些调整变量偏有关系数不明显的状况，例如，cl明显、c2和c3不

明显或cl和c2明显，c3不明显的状况等，此畴可根据交互项的偏

有关系数来发究竟是那种类型的自变量与调整变量的交互作用不

明显。

3.持续自变量（x）+分类调整变量（m）

道种类型的调整效应需要采用第勿W7分析，所谓分组回归分析既

是根据调整变量的分类水平，建立分组回归方程迤行分析，回归方程

尸a+bx+e。常然也可以采用将调整变量转换卷伪变量彳发来迤行层

次回归分析，层次回归详细环节同上，见三、2,需要注意的是，分

类的调整变量转换^伪变量迤行层次回归分析彳发，调整效应是看方程

的决定系数R2明显性整体效果，适和不壹样分类水平的自变量下调整

变量的调整效应识别有区别。

我凭11裹重要讲下怎样迤行调整效应分组回归分析，调整效应的

分组回归分析可以在SPSS中完毕，常然也可以通遇SEM分析软件如

AMOS来实1居我俨I首先来看看怎样通谩SPSS来实现分组回归来实现

调整效应分析的。

SPSS中封分组回归的操作重要分两步暹行，第壹步是封样本数据

按调整变量的类别暹行分割，第二步则是回归分析。详细环节足下图:

第壹步：封样本数据按调整变量的类别暹行分割:

注：选用的gender卷调整变量，分别卷女=0,男=1,常然在实际研

究中也^有更多的分类，大家完全可以用1、2、3、4…….等来编号。

H彳固窗口选用的两值I命令是比较多组(comparegroups和按分组变量

望寸数据文献排序(sortthefilebygroupingvariables)

第二步：选择回归命令并设置自变量和因变量

isc.savtor

FileEditViewDataTransformAnalyzeGraphsUtilitiesAdd-onsWindowHelp

BEl昌曷S2品虱1[Reports

1:CLIENT4DescriptiveStatistics

Tables

CLIENTCOMPARIT

CompareMeans

14

GeneralLinearModel

2611

GeneralizedLinearModels

387

MixedModels

4913

Correlate

512

Regression►|51Unear...

613

Loglinear►P]CurveEstimation...

715

NeuralNetworks►P良PartialLeastSquares...

窗口凄面选用了自变量comp和因变量pictcomp,然彳爰再黑占击

statistics在弹出窗口中设置输出参数项如下图，勾取

estimates\modelfit\Rsquaredchange：

X

RegressionCoefficienl0Modelfit

叵Estimates0Rsquaredchange

JConfidenceintervalsiDescriptives

CovariancematrixPartandpartialcorrelations

Collinearrtydiagnostics

Residuals

Durbin-Watson

一Casewisediagnostics

®Outliersoutside:1|出ndarddeviations

OAHcases

ContinueCancelHelp

第三步：看输出成果，分析调整效应，兄表格数据:

表格1

VariablesEntered/Removed11

VariablesVariables

genderModelEnteredRemovedMethod

01COMP"Enter

11COMP"•Enter

a.Allrequestedvariablesentered.

b.DependentVariable:PICTCOMP

表格1显示了因变量是pictcomp,回归措施采用强行迤入法（enter）,

共有两组回归方程，壹组是女性（0）,另壹组是男性（1）。

表格2

ModelSummary

Std.ErrorChangeStatistics

ModeAdjustedoftheRSquareFSig.F

gender1RRSquareRSquareEstimateChangeChangedfldf2Change

01.349".122.1132.72312214.1611102.000

11.489".239.2282.647.23921.709169.000

a.Predictors:(Constant),

COMP

表格2是回归模型的^体状况，男行和女性的两组回归方程具有明显效应

（P<.001）,表明性别道壹变量具有明显的调整效应。优表格数据可以看出，

女性组的回归方程解释了因变量11.2%的方差变异，男性组的回归方程解释

了因变量22.9%的方差变异，（注：此模型的数据是虚拟的，只是以便大家

理解，辗实际意义，实际研究中回归方程的自变量很少畲只有壹种的状况）。

表格3

Coefficients"

UnstandardizedStandardized

CoefficientsCoefficients

genderModelBStd.ErrorBetatSig.

01(Conslam)7.355.9437.797.000

COMP.342.()91.3493.763.000

11(Constant)5.6261.1055.090.000

COMP.490.105.4894.659.000

a.DependentVariable:PICTCOMP

此表格给出了自变量的原则化回归系数Beta值，在女性组中，原则化

Bcta^.349;在男性组中Beta值卷.489,且都到达明显性水平p<.001,

阐明自变量comp封因变量有明显的预测作用。

上述封分类调整变量操作和解释重要是基于SPSS来实现的，AMOS

软件也有同样功能，下面以同样回归方程变量卷例^下怎样在AMOS

中实多组回归分析(multiplegroupanalyze)：

第壹步：模型设置好彳爰，黠击analyze\managegroups:

LnpuJ

FileEditViewDiagramAnalyzeToolsPluginsHelp

|；lilCalculateEstimatesCtrl+F9

□owE%StopCalculatingEstimates

ManageGroups...

第一步：在弹出的窗口输入女，如下:

:女：Input

FileEditViewDiagramAnalyzeToolsPluginsHelp

flanageGroups?X

lGroupName

o女

NewClose

第三步：设置好第壹组名称彳灸，罢占击new,急速输入第二组名称:

3二3a.

宙

二

工

一

凿

高

膏

roups

葭

争B

e置Ne

3--

第三步：设置好两值I组彳灸，关闭组别设置窗口，回到主界面，黠击

File\datafiles,如下图:

片Open...

力RetrieveBackup...

SLSaveCtrl+S

SaveAs...

SaveAsTemplate...

DataFiles...Ctrl+D

第四步；在弹出窗口中可以看到如下两组名称:

第五步：然彳爰黠击女组数据，再黠击filename打^数据文献，然彳爰

黑占击groupingvariable,造畤系统畲弹出你的spss数据文献中的变

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;

男组数据反复道他1谩程，兄下图：

设置好分组彳爰来，黠击ok,回到主界面，迤行模型比较设置（温忠

麟有关在AMOS中选行分组比较的方略，采用如下做法：先将两组的

构造方程回归系数限制卷相等，得到壹种x2值和封应的自由度c然

彳灸去掉造倜限制，重新估计模型，又得到壹种x2值和封应的自由

度。前面的x2减去背面的x2得到壹种新的x；其自由度就是两倜模

型的自由度之差。假如X2检查成果是记录明显的，则调整效应明

显）o

第六步：设置限制模型和辗限制模型。黑占击analyze\managemodels,

首先设置辗限制模型（瓢任何限制，不需要改勤）；然彳爰黠击下面的

now,设置构造方程回归系数限制相等模型，如下图:

Lnpu

FileEditViewDiagramAnalyzeToolsPluginsHelp

|；|；|CalculateEstimatesCtrl+F9

□o詈StopCalculatingEstimates

■ManageGroups...

昔ManageModels...

注：上图限制模型中，W表达所有回归系数，可在Plugin\name

parameter中迤行设置。

第七步:两彳固模型设置好彳爰,迤行分析设置，黠击view\ananlysis

Properties,在output中选中前面三项和临界比率检查壹项，回到

主界面，黠击左侧绘图工具栏中的运算图襟皿，即可得到输出成果,

roperties

Estimation|NumericalBias[OutputjBootstrapPermutations|RandoM#Title

vMinimizationhistory1-Indirect,direct&totaleffects

yStandardizedestinatesIFactorscoreweights

3Sauaredmultiplecorrelations厂Covariancesofestimates

一S.amplemoments「Correlationsofestimates

Impliedmoments“Criticalratiosfordifferences

一Allimpliedmoments|—Testsfornormalityandoutliers

FResidualmomentsPObservedinformationmatrix

ModificationindicesThresholdfor

modificationindices

第八步：看分组比较运算成果，壹种看模型图的原则化输出,壹种

看文本输出成果，本例输出成果如下图：

Standardizedestimates

卡方值=68.180(P=.275)；自由度=62

TLI=.982：CFI=.984；RMSEA二.024；NFI=.854

卡方/自由度=1.100

图1：女性组辗限制模型原则化途径图

.43

ARANfe-苗）

.66BJECjr

Locar

TCOMF顿

Standardizedestimates

卡方值二68.180(P=.275)；自由度=62

TLI=,982：CFI=.984；RMSEA二.024；NFI=.854

卡方/自由度”100

图2男性组瓢限制模型原则化途径图

⑯

©

⑱

@

Standardizedestimates

W方值=76.725(P=.272)；自由度二70

TLI=.983；CFI=.983；RMSEA二.024；NFI=.836

卡方/自由度=1.096

图3女性组限制模型原则化途径图

.14e10.29

Standardizedestimates

卡方值=76.725（P=.272）；自由度二70

TLI=.983；CFI=.983；RMSEA二.024；NFI=.836

卡方/自由度=1.096

图4男性组限制模型原则化途径图

优上述分组比较的原则化途径图来看，限制模型和辗限制模型在某

些拟合指檄上并瓢明显变化，且两者的卡方与自由度之比都不不小

于2,道提醒我fl也^性别的调整效应并不明显，卷了深入检查，

我什繇吉合文本输出成果来判断与否辗限制模型和限制模型的区别不

明显，详细分析且如下表格与成果分析：

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

NFIIFIRFITLI

ModelDFCMIN

Delta-1Delta-2rho-lrho2

限制模型（所有回归

88.545.382.018.021001001

权重限制相等）

上表是分组回归分析辗限制模型和限制模型的比较，优表中可知，W

模型所有构造方程系数限制卷相等彳爰，卡方值变化量

CMIN/df=8.545/8的临界比率P>.05,卡方值变化量不明显，因此可

以彳能卡方值判断，性别封于两低I潜变量的调整效应不明显。

CMINandCMIN/DF:

ModelNPARCMTNDFPCMIN/DF

限制模型（所有回归权重限制相等）3876.72570.2721.C96

辗限制模型（所有参数自由估计）46€8.18062.275