1樓：呂秀才
應該是你的分析方法的問題
如果有調節變數 應該是採用分層迴歸，就是調節變數做一層，然後主要自變數做一層 採用迴歸分析中的那個block 分層迴歸
2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
用spss做調節效應分析。互動項顯著，但是調節變數不顯著。這樣可否判斷是否具有調節效應？ 15
3樓：匿名使用者
可以判斷具有調節效應。
互動項顯著說明有調節效應，調節變數不顯著說明這個調節變數在控制了自變數和調節項之後單獨的作用不顯著，簡單說就是「調節效應存在」。
可以這樣理解：調節效應存在，但是調節變數對因變數的影響不顯著，所以才會出現互動項顯著，但是調節變數不顯著結果。這個模型找到文獻支援可以成立的。
擴充套件資料
用spss做調節效應分析主要看互動項，互動項顯著即有調節效應，反之則沒有。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。
調節作用研究x對y的影響時，是否會受到調節變數z的干擾；比如開車速度（x）會對車禍可能性（y）產生影響，這種影響關係受到是否喝酒（z）的干擾，即喝酒時的影響幅度，與不喝酒時的影響幅度
是否有著明顯的不一樣。
例如，r變化值僅為0.001非常非常低，而且△f 值沒有呈現出顯著性，說明f值變化不顯著，也即說明分層2在分層1的基礎上加入互動項，並沒有對y起著更多的作用，而且具體看互動項的迴歸係數值為0.020，沒有呈現出顯著性，也即說明互動項沒有呈現出顯著性，進一步說明沒有調節作用產生。
4樓：
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，選擇的迴歸方法是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，在進行第一個迴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**，你就分兩次做迴歸，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。
5樓：匿名使用者
主要看互動項，互動項顯著即有調節效應，反之則沒有。網頁版spssau上也有這個功能，可以參考下：調節作用-spssau
spss多元線性迴歸,變數裡面有一個vif大於10,怎麼辦
6樓：匿名使用者
這個說明有多重共線性，可以考慮主成分迴歸，或者刪除該變數
7樓：匿名使用者
應該刪除這個方差擴大因子vif大於10 的變數，再重新線性迴歸，檢驗多重共線性
8樓：匿名使用者
vif大於5就是存在較大共線性，不能直接回歸，有需要資料分析+**
用層次迴歸分析檢驗調節作用時，第三層中引入的「自變數×調節變數」是什麼？
9樓：匿名使用者
將自變數和調節變數中心化 之後用中心化的值相乘 得到一個新的變數 然後再放入迴歸
因變數與調節變數主效應均為正，互動項係數為負，怎麼解釋
10樓：仁昌居士
因變數在兩個水平上的響應值的改變數隨著調節變數的水平不同而不一樣，內即因變數對指標的影響容取決於調節變數取什麼水平，那麼我們就說因變數與調節變數之間存在互動作用。
其大小通常用調節變數取調節變數2時因變數從因變數1變為因變數2所引起的響應值的改變數（因變數2*調節變數2-因變數1*調節變數2）減去調節變數取調節變數1時因變數從因變數1變為因變數2所引起的響應值的改變數再除以2來表示，即為負值。
11樓：匿名使用者
交叉來項是指兩個變數聯合自解釋，單獨變數解bai釋時會存在很
du明顯的偏誤，通過增加交zhi
叉項來降低該變數的偏誤dao，以及防治單獨變數錯誤迴歸時地錯誤解釋。
考慮reg y a 和reg y a ab 其中y是成績 ，a是聽課時間， b是不認真程度，第一個迴歸可以得到y和a應該正相關，第二個迴歸能得到y與a正相關，但與ab負相關。若只考慮第一個迴歸，那我們就錯誤地得出結論聽課時間越長成績越好，其實考慮第二個迴歸就能發現成績不僅和時間有關還與認真度有關。
一般交叉項用於定量變數（數量級，多少個）和定性變數（表示程度或者性質）之間的組合，比如最簡單的性別問題，就可以在原解釋變數上乘以一個性別地虛擬變數。
為什麼spss做多元逐步迴歸分析時原來的迴歸係數是正值的，再增加自變數的引入，反倒變為負值了呢？ 5
12樓：匿名使用者
樓上說錯了，其實抄加入一個變數使得大小和符號發生了變化，這是調節變數的定義，也就是說後來加入的這個變數調節了前面一個變數的作用。通過路徑分析可以看到調節變數的效果，並對調節變數進行驗證看是否達到了顯著水平。
能觀察到係數的變化是你的幸運，寫**的時候就有很多可以**的東西了。
13樓：匿名使用者
很正常的情況，很多原因，主要是共線性的問題
可刪除某些變數，可引入其它迴歸方法
我經常幫別人做這類的資料分析
14樓：匿名使用者
增加變數，會導致迴歸結果不可靠。另外，逐步迴歸方法，可能會導致「過擬合」的問題。建議好好看看多元統計方面的基礎理論，選擇合理的分析方法，可參考最近的一篇推文網頁連結
spss 的調節作用，△r方顯著，但是互動項不顯著，這樣的情況能夠說明有調節作用嗎？
15樓：呂秀才
調節作用 主要看 △r 就好了，它顯著 就說明調節變數對於原來模型有顯著影響，而互動作用 只是說明兩個變數是否存在交叉影響，跟調節作用沒關係。。。
如何做spss的調節效應
16樓：匿名使用者
做調節效應，通常是使用迴歸進行。更多是使用分層迴歸，如果x和z均為分類資料，則使用雙因素方差分析。
通過加入互動項後，看互動項是否顯著，模型解釋力度有沒明顯的變化，來判斷調節效應是否存在。如果加入互動項後模型明顯變化，或者調節項呈現出顯著性即說明具有調節作用。spssau中就有這個分析方法可以使用。
具體方法說明可以看spssau的幫助手冊：調節作用-spssau
17樓：匿名使用者
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 的層次迴歸分析：
1、做y對x和m的迴歸,得測定係數r12。2、做y對x、m和xm的迴歸得r22，若r22顯著高於r12，則調節效應顯著。或者,作xm的迴歸係數檢驗,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，分組迴歸:
按 m的取值分組,做 y對 x的迴歸。若迴歸係數的差異顯著,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的層次迴歸分析。
18樓：不曾夨來過
調節變數可以是定性的,也可以是定量的.在做調節效應分析時,通常要將自變數和調節變數做中心化變換.簡要模型：
y = ax + bm + cxm + e .y 與x 的關係由迴歸係數a + cm 來刻畫,它是m 的線性函式, c 衡量了調節效應(moderating effect) 的大小.如果c 顯著,說明m 的調節效應顯著.
2、調節效應的分析方法 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 的層次迴歸分析：
1、做y對x和m 的迴歸,得測定係數r1 2 .2、做y對x、m 和xm 的迴歸得r2 2 ,若r2 2 顯著高於r1 2 ,則調節效應顯著.或者, 作xm 的迴歸係數檢驗,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,分組迴歸:
按 m 的取值分組,做 y 對 x 的迴歸.若迴歸係數的差異顯著,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 的層次迴歸分析. 潛變數的調節效應分析方法：
分兩種情形：一是調節變數是類別變數,自變數是潛變數；二是調節變數和自變數都是潛變數.當調節變數是類別變數時,做分組結構 方程分析.
做法是,先將兩組的結構方程迴歸係數限制為相等,得到一個χ 2 值和相應的自由度.然後去掉這個限制,重新估計模型,又得到一個χ 2 值和相應的自 由度.前面的χ 2 減去後面的χ 2 得到一個新的χ 2,其自由度就是兩個模型的自由度之差.
如果χ 2 檢驗結果是統計顯著的,則調節效應顯著；當調節變數和自變 量都是潛變數時,有許多不同的分析方法,最方便的是marsh,wen 和hau 提出的無約束的模型. 3．中介變數的定義 自變數x 對因變數y 的影響,如果x 通過影響變數m 來影響y,則稱m 為中介變數. y=cx+e1, m=ax+ e2 , y= c′x+bm+e3.
其中,c 是x 對y 的總效應,ab 是經過中介變數m 的中介效應,c′是直接效應.當只有一箇中介變數時,效應之間有 c=c′+ab,中介效應的大小用c-c′=ab 來衡量. 4、中介效應分析方法 中介效應是間接效應,無論變數是否涉及潛變數,都可以用結構方程模型分析中介效應.
步驟為：第一步檢驗系統c,如果c 不顯著,y 與x 相關不顯著,停止中介 效應分析,如果顯著進行第二步；第二步一次檢驗a,b,如果都顯著,那麼檢驗c′,c′顯著中介效應顯著,c′不顯著則完全中介效應顯著；如果a,b至少 有一個不顯著,做sobel 檢驗,顯著則中介效應顯著,不顯著則中介效應不顯著.sobel 檢驗的統計量是z=^a^b/sab ,中 ^a, ^b 分別是 a, b 的估計, sab=^a2sb2 +b2sa2, sa,sb 分別是 ^a, ^b 的標準誤.
5. 調節變數與中介變數的比較 調節變數m 中介變數m 研究目的 x 何時影響y 或何時影響較大 x 如何影響y 關聯概念 調節效應、互動效應 中介效應、間接效應 什麼情況下考慮 x 對y 的影響時強時弱 x 對y 的影響較強且穩定 典型模型 y=am+bm+cxm+e m=ax+e2 y=c′x+bm+e3 模型中m 的位置 x,m 在y 前面,m 可以在x 前面 m 在x 之後、y 之前 m 的功能 影響y 和x 之間關係的方向(正或負) 和強弱 代表一種機制,x 通過它影響y m 與x、y 的關係 m 與x、y 的相關可以顯著或不顯著(後者較理想) m 與x、y 的相關都顯著 效應 迴歸係數c 迴歸係數乘積ab 效應估計 ^c ^a^b 效應檢驗 c 是否等於零 ab 是否等於零 檢驗策略 做層次迴歸分析,檢驗偏回歸係數c 的顯著性(t 檢驗);或者檢驗測定係數的變化(f 檢驗) 做依次檢驗,必要時做 sobel 檢驗 6. 中介效應與調節效應的spss 操作方法 處理資料的方法 第一做描述性統計,包括m sd 和內部一致性信度a（用分析裡的scale 裡的 realibility analsys） 第二將所有變數做相關,包括統計學變數和假設的x,y,m 第三做迴歸分析.
（在迴歸中選線性迴歸linear） 要先將自變數和m 中心化,即減去各自的平均數 1、現將m（調節變數或者中介變數）、y 因變數,以及與自變數、因變數、m 調節變數其中任何一個變數相關的人口學變數輸入indpendent 2、再按next 將x 自變數輸入（中介變數到此為止） 3、要做調節變數分析,還要將x與m 的乘機在next 裡輸入作進一步迴歸.檢驗主要看f 是否顯著
用stata做迴歸分析怎麼設定顯著水平？用什麼命令
reg只提供迴歸分析，在出的結果裡每個變數後面都有p值，p 0代表顯著，p 0.01以下是1 顯著水平顯著，0.05是5 0.1是10 如要要t值可以ttest a之類的 stata中面板資料迴歸分析的結果該怎麼分析 結果的前兩行表示模型的類別，lz採用的為randomeffect隨機模型，截面變數...
用spss做了多元logistic迴歸後結果有些疑問，請問顯
顯著性水平沒有顯示的變數可能是啞變數，也就是與做為其他變數參考的變數。你看是不是這樣 那個是飽和模型，沒有標準差，當然算不出來p值啦 如何用spss17.0進行二元和多元logistic迴歸分析 可以使用spssau的二元logit和多分類logit，拖拽分析項即可得到標準格式結果。分析 迴歸 二元...
SPSS相關性分析時兩變數負相關,迴歸分析卻是正相關,這樣如何解釋
pearson相關分析在spss中的作用是簡單地考慮變數之間的關係。儘管可以在分析過程中同時放置多個變數，但是結果是兩個變數之間的簡單關聯，也就是不在求兩變數相關時考慮其他的控制變數。但是，迴歸是不同的。迴歸的結果是對進入迴歸方程的所有自變數和因變數進行積分的結果，也就是說，在迴歸當中你所看到的相關...