调节效应分析方法的进展及其应用刘红云北京师范大学心理学部DIRECTORY目录01调节效应的应用趋势及其简介02调节效应常用分析方法及其进展03如何做一个好的调节效应的研究01（一）调节效应的应用趋势调节效应应用趋势及其简介（二）有关调节效应的基本概念1.应用越来越普遍：随着研究问题的深入，近40年来，对变量间调节效应分析的研究呈现明显的增长趋势。
以“moderation ”为主题，在“web of science ”中检索1057133549068616403683642601000200030004000500060007000文章篇数年份2.研究的问题越来越复杂，中介和调节结合的研究越来越多：随着研究问题的深入，近20年来，调节效应与中介效应结合的研究越来越多。
以“moderation ”和“mediation ”同时作为主题，在“web of science ”中检索491804931009200400600800100012002001-20052006-20102011-20152016-2020文章篇数年份3.分析方法越来越复杂，但潜变量的分析方法并不普及：随着研究问题的深入，近20年来，调节效应分析的方法越来越复杂，但相对比例较低。
在“web of science”中采用SEM 对moderation effect 进行分析的研究越来越多。
1.60% 3.17%4.21%6.96%0%1%2%3%4%5%6%7%8%2001-20052006-20102011-20152016-2020占比年份◆调节效应：在变量M取不同水平的值时，自变量X对结果变量Y的影响程度不同，这时称M调节了X与Y之间的关系。
•研究者探讨工作压力（X）和社会支持（M）与心理疾病（Y）之间的关系；•根据理论假设，研究者认为社会支持（M）缓冲了工作压力（X）对心理疾病（Y）的影响；即：研究者预计工作压力（X）对心理疾病（Y）有正向的影响，但是这一影响程度随着社会支持（M）的增加而减小；•社会支持（M）称作工作压力（X）对心理疾病（Y）影响的调节变量。
心理疾病（Y ）工作压力（X ）社会支持（M ）理论模型统计模型XMX*M Y0.58心理疾病（Y）工作压力（X）-0.26◆调节作用和交互作用•在统计模型上，调节作用分析等同于交互作用分析➢调节作用中包含的两个自变量在分析之前就已经确定好了哪个是自变量，哪个是调节变量，二者不可以互换➢交互作用中，两个自变量没有角色上的区别，可以互换•研究中应根据理论假设，确定变量的角色➢组织行为学中的权变理论，往往假设工作环境是调节变量➢实验研究中，操纵变量为自变量，其他变量（如性别）解释为调节变量一、调节效应的应用趋势及其简介YX M X M X*M Y◆调节效应和中介效应YX M XM X*MY 统计模型理论模型Y X M 调节Y XM (b1+b3*M)X b3系数是否显著中介b1b2b3a b (a*b)X ab 的乘积是否显著一、调节效应的应用趋势及其简介一、调节效应的应用趋势及其简介：中介&调节Baron,R.M.,&Kenny, D. A.(1986).The moderator–mediator variable distinction in social psychological research:Conceptual,strategic,and statistical considerations.Journal of Personality and Social Psychology,51,1173-1182./10.1037/0022-3514.51.6.1173Aguinis,H.,Edwards,J.R.,&Bradley,K.J.(2016).Improving our understanding of moderation and mediation in strategic management anizational Research Methods,20,665–685./10.1177/1094428115627498Hayes,A.F.(2018).Introduction to mediation,moderation,and conditional process analysis:A regression-based approach(2nd ed.).New York,NY:Guilford.Jose,P.E.(2013).Doing statistical mediation&moderation.New York,NY:Guilford.02调节效应常用分析方法及其进展（一）基于观测变量的分析方法（二）基于潜变量的分析方法（三）调节效应与中介效应的结合二、调节效应常用分析方法及其进展潜变量：结构方程模型类型观测变量：方差分析和回归分析•自变量和调节变量均为分类变量•一个连续变量一个分类变量•两个均为连续变量相应地，带来了构造交互作用项方法上的差异是否在模型中考虑自变量和调节变量测量误差•一个连续变量一个分类变量•两个均为连续变量（一）基于观测变量的调节效应分析Moderated Multiple Regression Model基于观测变量的分析：多元回归分析的方法▪Aiken, L. S., & West, S. G. (1991). Multiple regression: Testing and interpreting interactions. Thousand Oaks, CA: Sage.✓自变量和调节变量的中心化✓调节效应的分析过程✓标准化估计需要注意的问题✓简单回归系数的检验◆非标准化回归系数的估计•非标准化的回归系数：采用变量原始的测量量尺进行分析•步骤➢中心化：将自变量X和调节变量M都减去各自的样本均值，做中心化处理，转换为CX和CM；➢计算交互项：将CX和CM相乘得到交互项CX*CM➢以Y为因变量，以CX，CM为自变量做回归分析➢以Y为因变量，以CX，CM和CX*CM为自变量做回归分析◆调节效应的检验•判断交互是否显著：检验乘积项CX*CM的系数是否显著不为0（t检验）；•如果采用序列回归，检验增加了交互项后的ΔR2是否显著大于0（F检验）。
多元回归分析的方法：两个连续变量◆为什么要做中心化的处理•在含有调节效应的回归中，变量取值为0有明确的意义这一点很重要。
在调节效应的回归分析中，对变量影响效应的解释表示当其他变量取值为0时，，也就是说：这个变量的条件效应Array•系数b1表示M=0时，X对Y的影响；中心化后表示M取平均水平时（CM=0），CX对Y的影响；◆为什么要做中心化的处理•中心化后的变量CX与CX*CM，CM与CX*CM之间的相关降低，一般来讲，会降低交互项与其他变量间的共线性（non-essential collinearity），回归分析的结果更稳定，也更具有可解释性；•自变量的中心化不会影响交互作用的系数b3，但是会影响模型中的其他系数（b0, b1, b2）；•其他自变量的转换有时也是有效的，但是均值中心化通常被认为是最好的选择。
◆为什么要做中心化的处理Dalal, D. K., & Zickar, M. J. (2012). Some common myths about centering predictor variables in moderated multiple regression and polynomial anizational Research Methods,15, 339–362. https:///10.1177/1094428111430540◆SPSS操作应用举例：非标准化解•假设：社会支持可以调节工作压力对抑郁倾向的影响，社会支持对工作压力与抑郁倾向之间的关系具有调节作用，社会支持可以缓解工作压力的影响。
•数据：收集了233名员工社会支持量表（SC）、工作压力量表（SS）和抑郁倾向量表（DEP）上的得分。
抑郁倾向工作压力社会支持均值标准差抑郁倾向 1.000 2.5570.894工作压力0.214* 1.000 1.9480.621社会支持-0.1280.001 1.000 3.0600.486◆SPSS操作应用举例：非标准化解*变量的中心化DESCRIPTIVES VARIABLES=SC SS. COMPUTE CSS=SS-1.9478. COMPUTE CSC=SC-3.06.*计算交互作用项COMPUTE CSSCSC=CSS*CSC.*作回归分析（一般做序列回归）REGRESSION/MISSING LISTWISE/STATISTICS COEFF OUTS R ANOVA CHANGE /CRITERIA=PIN(.05) POUT(.10)/NOORIGIN/DEPENDENT DEP/METHOD=ENTER CSS CSC/METHOD=ENTER CSSCSC.◆SPSS操作应用举例：非标准化解◆SPSS操作应用举例：非标准化解XM M X Y z z z z 321βββ++=MX M X Y z z z z z 321βββ++=Y=2.558+0.301∙CX−0.236∙CM−2.295∙CX∙CM◆正确标准化回归系数（β系数）的估计：•将X，M和Y标准化，得到标准化后的变量ZX，ZM和ZY；•计算标准化后变量ZX和ZM的乘积，得到交互项ZX*ZM；•以ZY为因变量，ZX，ZM和ZX*ZM为自变量做回归分析；•计算得到结果中的非标准化回归系数就是正确的结果（Friedrich, 1982 ）◆SPSS操作应用举例：标准化解መZ=0.001+0.209∙Z X−0.128∙Z M−0.774∙Z X∙Z M Y◆简单斜率的检验•交互作用的检验：自变量X和因变量Y的关系是否依赖于调节变量M？•简单斜率的检验：对于调节变量取值高（高于均值一个标准差）或者取值低（低于均值一个标准差），自变量X对因变量Y的回归系数是否等于零？多元回归分析的方法：两个连续变量◆简单斜率的检验•最好检验标准化系数•对于低于均值一个标准差的M值，直接在标准化的Z M值上加1，这样Z M+1=0时，正好对应的是Z M=-1；•对于高于均值一个标准差的M值，直接在标准化的Z M值上减1，这样Z M-1=0时，正好对应的是Z M=1；•然后分别对于转换后的分数作回归分析，可以得到简单斜率的检验。
多元回归分析的方法：连续变量与分类变量的交互作用◆分类变量的编码•虚拟编码（Dummy coding ）➢一个分类变量含有3个不同的类，则需要定义2个虚拟变量，可以有下列几种定义：组1 作为参照类组2 作为参照类组3 作为参照类D1D2D1D2D1D2组1001010组2100001组3010100➢虚拟变量的影响系数表示取值为1的类别与参照类别在因变量上均值的比较；如以组1为参照类，D1的系数表示组2与组1因变量均值的差异◆分类变量的编码•非加权效应编码（Unweighted effect coding ）➢可以得到不同组X对Y影响的非加权均值，有下列几种定义：组2、3与均值比组1、3与均值比组1、2与均值比D1D2D1D2D1D2组1-1-11010组210-1-101组30101-1-1➢虚拟变量的影响系数表示编码为1的组在因变量上的均值与非加权总体均值的差异Alkharusi, H.(2012).Categorical Variables in Regression Analysis: A Comparison of Dummy and Effect Coding. International Journal of Education, 4(2), 202-210.刘红云编著，高级心理统计. 中国人民大学出版社，北京：2019.3.（二）基于潜变量的调节效应的分析Latent Moderation (Interaction) Analysis潜变量调节效应的分析:潜变量与分类观测变量的交互作用✓交互作用的检验：多组结构方程模型✓交互作用的检验：一般步骤✓多组结构方程模型需要注意的问题潜变量调节效应的分析:潜变量与分类观测变量的交互作用◆自变量是潜变量，调节变量为可观测的类别变量◆使用多组结构方程模型，检验结构方程系数的跨组不变性将两组的系数约束为相等时，若模型拟合明显变差，则存在交互效应分类变量潜变量调节效应的分析:潜变量与分类观测变量的交互作用◆多组结构方程模型检验步骤：•Model 1: 结构等价性(confingural invariance)。