首先看一下網路上對於調節迴歸的說明

調節迴歸分析（Moderated Regression Analysis），它是一種統計技術，目的是用來檢定調節迴歸方程式中的交互作用項，對於方程式的預測能力（Zedeck, 1971）。意即以自變項對應變項之迴歸分析，再將自變項加入調節變數與原自變數的交互項，以判定解釋能力有否增加；若在迴歸方程式中交互項的β值達顯著水準，即表示調節變數的交互作用效果成立（Kleinbaum et al., 1998）。此時可利用β值的正負向及大小來判斷所造成的干擾情形。　　
　　就統計模式而言，當一個迴歸模型中(假設應變數是Y、自變數是X1)若有另一個自變數(X2)會影響X1與Y之間之迴歸模型，此時自變數(X2)的效果稱之為調節效果(Moderator Effect)。
　　調節效果在調節迴歸模式的處理方式，是加入調節變項以及與自變項間的交互作用項(X1X2)，作法多是  X1 multiply X2，產生的Regression Model由原本的
Y = b0 + b1*X1
變為
Y = b0 + b1*X1 + b2*X2 + b3*X1X2
此時
   b1*X1 =      linear effect of X1
   b2*X2 =      linear effect of X2
   b3*X1X2 = moderator effect of X2 on X1



Reference1.  Arnold, H. J., "Moderator Variables：A Classification of Conceptual, Analytic, and Psychometric Issues" Organizational Behavior and Human Performance, Vol. 29, 1982, pp. 143-74.
2.  Hair, J.F., Anderson, R.E., Tatham, R.L., and Black, W.C., ”Multivariate Data Analysis, Fifth Edition,” Prentice-Hall International, Inc.
3.  Kleinbaum, D.G., Kupper, L.L., Muller, K.E., and Nizam, A., ”Applied Regression Analysis and Other Multivariable Methods,” Pacific Grove, CA: Duxberry Press, 1998.

接著是我個人的淺見

我也為了調節變項的檢驗困擾了滿久的,這邊要感謝分享有關調節變項文獻的人

以SPSS檢驗調節變項原理上是可行的,不過一般的文獻處理會用SEM來處理

不過如果已經將M ，X1，X2，X3 ，X4之值求出,可以將這五個視為顯變項進行處理,就是在誤差值那邊無法照顧到

不過數據結果漂亮時,用SPSS處理即可

這邊我分享我的方法

必須求出M ，X1，X2，X3 ，X4之離均差 得到5組新的數值 

然後將其個別相乘 MX1,MX2,MX3,MX4

在迴歸模型中 得到 Y = b0 + b1*X1 + b2*M + b3*MX1

以此類推執行四次

如上面引用的文獻,當b3的係數值達顯著時,表示M和X1之間的確存在交互作用,即可以說明M對X1有調節作用

而在AMOS中表示時,則是將 Y = b0 + b1*X1 + b2*M 與Y = b0 + b1*X1 + b2*M + b3*MX1的R^2做比較,一般來說加入交互作用項後

迴歸模型的解釋力會提高,即可在圖形中將加入M之後所提高的解釋力在圖形上表示出

在檢驗調節作用後 ,我們可以將Y = b0 + b1*X1 + b2*M + b3*MX1中的M值代入1 , 0 ,-1的到三組迴歸方程式

利用EXCEL作圖 可以得到線圖,即是高M,中M,低M對整體方程式的調節效果,也可以依此解釋M與X1，X2，X3 ，X4的調節作用

希望這樣有幫上您的忙,有錯誤也希望各位先進不吝指教

lihoujian  金钱 +20  奖励继续交流解答难题，加油 2009-2-22 14:35:59

受用受用！！非常谢谢。

但是有几个问题：

1）離均差在SPSS里面怎么实现计算？

2）“利用EXCEL作圖 可以得到線圖,即是高M,中M,低M對整體方程式的調節效果,也可以依此解釋M與X1，X2，X3 ，X4的調節作用”在EXCEL里面怎么实现？如果出来了线图，应该如何解释？有没有参考文献看看哦。你列举的第三篇文献是书，找不到；第一篇也没找到。。555

抱歉造成您的困擾

這邊我提供我的潛見

首先是離均差

SPSS中有個,在跑出潛變量(其實就是顯變量的因子)後,對潛變量的數值進行描述統計

得到平均數,以計算的指令產生一個扣掉平均數的新值,即為離均差

接著是對於調節變項的解釋

我的處理方式是,當圖形畫出來後,第一個可以知道的是迴歸方程式的斜率不同

這裡就可以解釋調節變項高低對自變項對依變項增減速度(斜率)的影響

文獻部份的話,列出來是網路上的資料

在這個論壇中有人分享處理迴歸的文獻,但不知道還在不在

我找一下我的硬碟再傳上來

希望有幫上忙

lihoujian  金钱 +10  奖励继续努力 2009-2-24 16:01:45

非常非常受用，谢谢了！还有个问题向你请教一下：

1.在网上也没有找到有关离均差的概念，现在听你这么一说，似乎就是说：一组数据能够产生一个均值，然后这组数据减除这个均值所产生新的一组数据就是离均差，对吧？

2.如果是一个题项测量一个潜变量，你上面的方法可以解决，但如果是多个题项测量一个潜变量，这个潜变量的离均差如何处理?如有5个问题测量A，6个问题测量B。是否可以这样：5个问题的均值作为潜变量A的值，6个问题的均值作为潜变量B的值，然后A和B的新值可以得到一个均值，A和B的新值分别减除这个均值，就得到了A和B的离均差。这样计算行吗？如果不行，是否有其他办法？

非常感谢这位兄弟，耐心而严谨，希望你在学术这条路上走的更好更远！

不好意思,可能越說越造成您的困擾,我上面提到的方法,其實是以spss來處理調節效果的檢驗,一般來說,其實所要的潛在變項,就是顯變項的因素,所以用spss處理的方法,就是先做一次您所投入的顯變項（例如有六題題目)然後執行因素分析,利用因素負荷量（即因素組行係數）求出xi=b1x1+……+b10Xj+e, e表示誤差,也就是獨特因素,求出xi的值之後,就可以這個進行離均差的處理,離均差的應用是一種去中心化的方法,所以可以減少交互作用的問題,這樣來處理調節變項的方式,犧牲掉的是對於獨特因素的解釋,可能我概念上還不是很明白,待我去了解用其他比較精確來建立sem模型的方式後,再來解釋,但基本上檢驗調節變項的方式也可以用spss進行,只是說可能得到的調節效果比較可能是不顯著的<br>lihoujian
&nbsp;金钱&nbsp;+100
&nbsp;奖励热情解答问题&nbsp;2009-4-12 15:34:06

若M是分类变量可采取跨组比较；若M不是分类变量，可对M采取M平均数正负一个标准差为一类，低于平均数一个标准差为一类，高于平均数一个标准差为一类，而后采取跨组比较。

同问！

7# bandbird

你好！看了你在人大经济论坛中的回答，使我对调节效应的检验有了新的认识，但是我还有一些问题不是很明白。

众所周知，调节效应是交互效应的一种，在分析时我们可以将其分成增强型交互作用（reinforcement interaction）和干扰型交互作用（interference interaction）。对于前者，随着X2（调节变量）的增大，自变量X1对因变量Y的正向影响越来越强；对于后者，随着X2（调节变量）的增大，自变量X1对因变量Y的正向影响越来越弱。

在加入调节变量时，方程如下： Y= a + bX1 + cX2 + dX1*X2

但我有一问题不明：我们是基于什么来判定调节作用是属于增强型还是干扰型（或减弱型）呢？是否在做分层回归分析时，只要看方程中回归系数d是正值还是负值即可（假设调节效应显著）？

你在你的贴子里面也说可以根据回归系数d的正负向来判断造成的干扰情形。是不是交互项的回归系数 d  是正值，我们就说调节变量（X2）加强了自变量（X1）和因变量（Y）的关系；反之，如果 d  为负数则为减弱了X1对Y的影响的强度？

似乎我感觉这不是很稳妥。 我们能否这样理解：
（A）假设自变量X1和因变量Y存在正相关，则：（1）如果交互项（X1*X2）前的回归系数d是正数，则是增强型或正向调节；（2）如果交互项（X1*X2）前的回归系数d是负数，则是干扰型或负向调节；
（B）假设自变量X1和因变量Y存在负相关，则：（1）如果交互项（X1*X2）前的回归系数d是正数，则是干扰型或负向调节；（2）如果交互项（X1*X2）前的回归系数d是负数，则是增强型或正向调节；

切盼你的回复。望多交流，谢谢！

11# bandbird

你这里说的去中心化处理的目的是为了避免多重共线性带来的影响。

建议看看温忠麟发在心理学报上关于中介效应与调节效应的比较一文 会对这个问题产生更清晰的认识

这个问题，我也很关心。可是看了上面的回复，只是说了SPSS中如何做，AMOS中如何做，还是没有解释清楚呀？
真的好急呀

问题还没有解决 文献中基本都是基于lirel软件分析和处理的 amos软件的应用文章 还没有看到过 有谁能推一个么？

没有理解错，控制变量、解释变量和调节变量实际上都是预测变量，之所以有不同的称谓，是研究的需要，当一些变量在回归方程中被称为控制变量时，意味着其对结果变量有一定的影响，需要进入方程对其控制，解释变量是研究者关心的对结果变量有预测效果的主要变量；而调节变量是确定预测变量和结果变量的因果效应的一个边界效应，他影响着预测变量和结果变量之间的强度和方向。

是这样理解的，对的，呵呵

目前只看到AMOS多组比较这一种解决方法，如果觉得不好用，可以换个软件

离均差？用Z分数可以么？

请问为啥要分类呢？调节变量和自变量都是连续变量的情况，调节变量按M均值标准差分类有啥好处啊，怎么看到好多文献里都不分类。。很纳闷

若不分类，则对自变量与调节变量都中心化后作回归(也可用结构方程作)看交叉项是否显著，若显著则有调节效应。