第九讲 调节效应及其检验Mci2019

1、第九讲 调节效应及其检验,吴建祖 兰州大学管理学院,调节变量,调节变量是影响变量之间关系的变量。 In general terms, a moderator is any variable that affects the association between two or more other variables; moderation is the effect the moderator has on this association. moderator=moderating variable moderation=moderating effect moderator variab

2、le moderation effect,调节作用和交互作用,交互作用中两个变量的位置可以互换，而调节作用中则不可。 在数学处理上是一样的。 是调节作用还是交互作用是由理论决定的。,调节作用,交互作用,检验调节效应的三种方法,层次回归（hierarchical regression） 双因素方差分析（two-way ANOVA） 分组回归（grouping regression）,调节效应：单个调节变量,概念模型,统计模型,回归方程,调节效应的检验：层次回归,方案一：（最常见的） Model 1 Y(CV1-CV5) Model 2 Y(CV1-CV5 X) Model 3 Y(CV1-CV5

3、 X W) Model 4 Y(CV1-CV5 X W XW) 方案二（最简洁的）： Model 1 Y(CV1-CV5) Model 2 Y(CV1-CV5 X W) Model 3 Y(CV1-CV5 X W XW) 方案三：（最能体现调节效应的） Model 1 Y(CV1-CV5 W) Model 2 Y(CV1-CV5 W X) Model 3 Y(CV1-CV5 W X XW),调节效应：两个调节变量,概念模型,统计模型,回归方程,调节效应的检验：层次回归,方案一： Model 1 Y(CV1-CV5) Model 2 Y(CV1-CV5 X) Model 3 Y(CV1-CV5

4、X W1 W2) Model 4 Y(CV1-CV5 X W1 W2 XW1) Model 5 Y(CV1-CV5 X W1 W2 XW2) Model 6 Y(CV1-CV5 X W1 W2 XW1 XW2) 方案二： Model 1 Y(CV1-CV5) Model 2 Y(CV1-CV5 X) Model 3 Y(CV1-CV5 X W1 W2) Model 4 Y(CV1-CV5 X W1 W2 XW1 XW2),调节效应的检验：层次回归,方案三：例如，Li and Tang (2010)和Vermeulen and Barkema (2002) Model 1 Y(CV1-CV5 W

5、1 W2) Model 2 Y(CV1-CV5 W1 W2 X) Model 3 Y(CV1-CV5 W1 W2 X XW1) Model 4 Y(CV1-CV5 W1 W2 X XW2) Model 5 Y(CV1-CV5 X W1 W2 XW1 XW2) 方案四： Model 1 Y(CV1-CV5 W1 W2) Model 2 Y(CV1-CV5 W1 W2 X) Model 3 Y(CV1-CV5 W1 W2 X XW1 XW2),调节效应：高阶调节（three-way interation),概念模型,统计模型,回归方程,高阶调节效应的检验：层次回归,Model 1 Y(CV1-CV

6、5) Model 2 Y(CV1-CV5 X W1 W2) Model 3 Y(CV1-CV5 X W1 W2 XW1 XW2 W1W2) Model 4 Y(CV1-CV5 X W1 W2 XW1 XW2 W1W2 XW1W2),Three-way interaction,Moderated Regression,Graphing interaction effects,Centering,中心化的主要目的是降低X和W与XW之间的共线性。但也有学者质疑这一点(Hayes, 2013)。 此外，中心化还有利于对回归结果的解释和作图。 因此，尽管中心化不是必需的，但中心化总比不中心化要好。 An

7、 important decision to make is whether to use the variables X and W in their raw form, or to mean-center (or z-standardize) them before starting the process.,Adding control variables,Simply add centered covariates as predictors to the regression equation.,Should the Criterion Y be Centered?,Changing

8、 the scaling of the criterion by additive constants has no effect on regression coefficients in equations containing interactions. Y=Y- E(Y)=a-E(Y)+b1X+b2W+b3XW By leaving the criterion in its original (usually uncentered) form, predicted scores conveniently are in the original scale of the criterio

9、n. There is typically no reason to center the criterion Y when centering predictors.,调节效应的检验步骤,中心化除因变量之外的所有连续变量（包括自变量、调节变量、中介变量和控制变量）。 可以只中心化用于构造乘积项的变量。 将所有分类变量编码成虚拟变量（含有n个值的分类变量需要编码成n-1个虚拟变量）。 如果采用分组回归则不需要这一步。 用中心化和编码后的变量构造乘积项。 用中心化和编码后的变量以及构造的乘积项进行回归并检验调节效应。 可以用未中心化的变量进行回归。,例子：用Stata检验调节效应和被调节的中介效

10、应,Cole M. S.,Walter F., Bruch H. Affective Mechanisms Linking Dysfunctional Behavior to Performance in Work Teams: A Moderated Mediation StudyJ. Journal of Applied Psychology, 2008, 93(5): 945-958.,graph matrix perform negtone negexp dysfunc, half,一个例子,SPSS Syntax,DATASET ACTIVATE DataSet1. REGRESSI

11、ON /DESCRIPTIVES MEAN STDDEV CORR SIG N /MISSING LISTWISE /STATISTICS COEFF OUTS CI(95) BCOV R ANOVA COLLIN TOL CHANGE ZPP /CRITERIA=PIN(.05) POUT(.10) /NOORIGIN /DEPENDENT Innova /METHOD=ENTER F_Owner F_Size_c F_Per_c F_Deb_c F_Age_c /METHOD=ENTER Atten_c /METHOD=ENTER Double F_Sla_c /METHOD=ENTER

12、AttXDuo AttXSla /RESIDUALS DURBIN.,Stata code,use InnovStrg_attn_c.dta, clear *model 1 regress Innov Owner c_RTA c_DAR c_F_Size c_F_Age *model 2 regress Innov Owner c_RTA c_DAR c_F_Size c_F_Age c_Attn *model 3 regress Innov Owner c_RTA c_DAR c_F_Size c_F_Age c_Attn Duality c_Org_Slk *model 4 regress

13、 Innov Owner c_RTA c_DAR c_F_Size c_F_Age c_Attn Duality c_Org_Slk c.c_Attn#c.Duality c.c_Attn#c.c_Org_Slk,回归分析结果,调节作用作图,横坐标：自变量X 取值一般为二分，比如大和小，高和低。 纵坐标：因变量Y 两条直线 直线1：调节变量W取值较小时，WL = mean-1se 直线2：调节变量W取值较小时，WH = mean-1se 两点决定一条直线 直线一：点1（mean-1se, Y1|W=WL) ，点2(mean+1se, Y2|W=WL) 直线二：点3（mean-1se, Y1|W=WH) ，点4(mean+1se, Y2|W=WH),两职合一的调节作用,组织冗余的调节作用,进一步内容,潜变量的交互/调节作用 跨层交互/调节 被中介的调节 对中介效应的调节（被调节的中介）,阅读材料,Aiken L. S., West S. G. Multiple Regression: Testing and Interpreting InteractionsM. Sage, 1991. Hayes A. F. In