1樓：匿名使用者
（a）假設自變數x1和因變數y存在正相關，則：（1）如果互動項（x1*x2）前的回歸係數d是正數，則是增強型或正向調節；（2）如果互動項（x1*x2）前的回歸係數d是負數，則是干擾型或負向調節；
（b）假設自變數x1和因變數y存在負相關，則：（1）如果互動項（x1*x2）前的回歸係數d是正數，則是干擾型或負向調節；（2）如果互動項（x1*x2）前的回歸係數d是負數，則是增強型或正向調節；
spss做調節效應分析，自變數x調節變數這個互動項資料應該如何處理? 50
2樓：司馬刀劍
調節效應應該檢驗互動因子的係數，這個係數顯著，就可以說明調節效應了。你的這個模型找到文獻支援可以成立的
excluded variables（已排除的變數）
你應該是第一張放兩個變數，第二張放3個變數，選擇的回歸方法是enter（進入）。但是spss不是按照你的順序去放變數，而是把你所選的所有變數都加到模型裡面去，在進行第乙個回歸的時候把多出來的變數排除，所以會有這個**出現。如果不想出現這個**，你就分兩次做回歸，第一次放中心d中心h，出了結果再放中心d中心h d乘h，分兩次做就不會有了。
乙個自變數，乙個調節變數有四個維度，需要自變數分別和四個維度互動項嗎
3樓：
顯變數的調節效應分析方法：分為四種情況討論。當自變數是類別變數，調節變數也是類別變數時，用兩因素互動效應的方差分析，互動效應即調節效應；調節變數是連續變數時，自變數使用偽變數,將自變數和調節變數中心化,做y=ax+bm+cxm+e 的層次回歸分析：
1、做y對x和m的回歸,得測定係數r12。2、做y對x、m和xm的回歸得r22，若r22顯著高於r12，則調節效應顯著。或者,作xm的回歸係數檢驗,若顯著,則調節效應顯著；當自變數是連續變數時，調節變數是類別變數，分組回歸:
按 m的取值分組,做 y對 x的回歸。若回歸係數的差異顯著,則調節效應顯著，調節變數是連續變數時，同上做y=ax +bm +cxm +e的層次回歸分析。
用spss做回歸時,調節變數及互動項的vif是四百多,但這二者係數是顯著,其他變數的vif基本小於3
4樓：呂秀才
應該是你的分析方法的問題
如果有調節變數 應該是採用分層回歸，就是調節變數做一層，然後主要自變數做一層 採用回歸分析中的那個block 分層回歸
5樓：匿名使用者
基本沒問題，調節變數和互動是有可能高度相關的，不會去管的
r40%有點低，看你做**還是影響因素分析吧
**要求高
自變數為啞變數（0或1），在算調節效應的時候需要對其進行中心化嗎
1.如果 x 是一 個真的 0與1變數 比如性別，那就把它當成是連續的處理。4 m s n8 4 e 2.如果專 x 是乙個人工的 0與屬1變數，比如高於平均 vs.低於平均，那就有問題了。因為人工的二分可以用任何的人為標準。不同的分法會嚴重影響結果的。自變數與調節變數都是分類變數時怎麼分析調節效應...
shell變數中包含變數的問題，shell 變數名中包含變數怎麼弄
說實話你這個寫法好詭異。不過用eval應該可以解決 eval echo ymd i 你試試 set i 1 while i 3 echo ymd i 這裡的語句改如何寫？i i 1 end把你那行改成這個看看可行了 兄弟，我很榮幸的為你解決，下面是答案，你去試試 while i le 3 doech...
Paracraft中，變數與全域性變數的定義
本地變數的作用 範圍只限當前 方塊，即使多個 方塊共用乙個電影方塊，每個 方塊的本地變數作用範圍也只是單個 方塊 如圖中第1處所示 全域性變數的作用範圍是整個世界的 方塊，在某個 方塊中定義了全域性變數並執行該 方塊後，在整個世界中建立的 方塊中都能看到該全域性變數並使用。在程式設計中是什麼意思 是...