调节作用分析流程
调节作用分析流程:
![](https://picx.zhimg.com/80/v2-ed30d0229778123ed19fdd3d82130958_720w.webp?source=d16d100b)
一、案例背景
某高校想要研究创业课程对大学生创业意愿的影响是否会受到大学生人格特质影响。此时共涉及3个主要变量,自变量创业课程、因变量大学生创业意愿、影响变量大学生人格特质。这样的研究需要进行调节作用分析。调节作用是指研究X对Y的影响时,是否会受到调节变量Z的影响。此项研究中的影响变量大学生人格特质就是本次研究的调节变量Z。
此次研究共收集调查了200为同学的相关信息,经过量表测试后,将这200位同学的人格特质分为以下四类:稳定型、随和型、开放型、外向型、谨慎型。并设有3个控制变量,收集的部分数据如下:
![](https://picx.zhimg.com/80/v2-159645f152dc35a8269b9f7e35186d21_720w.webp?source=d16d100b)
二、调节作用类型
调节作用的因变量一定是定量数据,由于自变量X和调节变量Z的数据类型既可以是定类数据也可以是定量数据,所以会出现四种不同的调节作用类型,如下表:
![](https://pica.zhimg.com/80/v2-b474814f9e4425e61cdcec7643f538b7_720w.webp?source=d16d100b)
当调节变量Z和自变量X均为定类数据时,此时选择SPSSAU的双因素方差分析进行调节作用分析。双因素方差分析得到调节变量和自变量的交互项,可以用交互项来解释调节作用。其余3种情况直接在SPSSAU的调节作用中选择数据类型后进行分析即可。
![](https://pica.zhimg.com/80/v2-b582ce569a4d9faefd3f67caed6f518a_720w.webp?source=d16d100b)
本次研究的自变量X创业课程为定量数据,调节变量Z大学生人格特质为定类数据,所以选择SPSSAU调节作用中的调节类型为X定量Z定类。
三、数据处理
进行调节作用分析,需要对数据进行一定的处理。通常对定量数据的自变量和调节变量进行标准化或中心化处理,对定类数据进行哑变量处理。因变量和控制变量一般不进行处理。
(1)标准化/中心化
当自变量和调节变量为定量数据时,通常对其进行标准化或中心化处理,如果不处理,很可能造成分析上的误差。SPSSAU默认对数据进行中心化处理,也可以在数据处理中选择标准化处理或者不处理。
![](https://picx.zhimg.com/80/v2-6b2a4441af68ceb4360fbc98a4e86272_720w.webp?source=d16d100b)
(2)哑变量处理
当自变量或者调节变量为定类数据时,需要对其进行哑变量处理后才能进行分析。有关哑变量设置的原因以及理论可以参考SPSSAU帮助手册说明:https://spssau.com/helps/otherdocuments/dummy.html
在第2步选择调节作用类型后,SPSSAU会自动对定类数据进行哑变量处理,不需要分析人员手动处理。只需要在分析前选择对应的调节作用类型即可。同样能够自动化处理的,还有调节作用分析中交互项的生成、简单斜率图等。
在本次研究中,调节变量Z为定类数据,所以SPSSAU将自动对其进行哑变量处理。
四、调节作用分析
确定好调节作用类型、进行完数据处理之后,就可以对变量进行调节作用分析。将对应变量放入分析框中,如下图:
![](https://pic1.zhimg.com/80/v2-a7b482c84dcf574f02a30810c5999ea4_720w.webp?source=d16d100b)
SPSSAU会输出3类分析结果,分别是研究变量处理说明、调节效应分析结果、简单斜率图分析结果,接下来将逐个分析。
(1)研究变量处理说明
因为不同的数据类型有不同的数据处理方法,所以该结果将SPSSAU对数据的自动化处理方法进行了汇总说明。如下表:
![](https://pica.zhimg.com/80/v2-d7cdfd8a7702f35f1998aa05dc0d4ccb_720w.webp?source=d16d100b)
从上表可知:本研究中调节变量(大学生人格特质)为定类数据,因此进行虚拟变量处理,自变量(创业课程)的处理方式为:中心化,因变量(大学生创业意愿)不处理 。同时控制变量1, 控制变量2, 控制变量3等3个控制变量,均不进行处理。
(2)调节效应分析结果
调节效应分析结果表格为本次分析的核心表格,见下表:
![](https://pic1.zhimg.com/80/v2-53e9e212d461b48b84330cf6454ff5b2_720w.webp?source=d16d100b)
上表为调节作用分析的核心结果,表格中共包括调节作用分析的3个模型。
模型1:包括自变量X,以及控制变量;
模型2:在模型1的基础上加入调节变量Z;
模型3:在模型2的基础上加入交互项(自变量X与调节变量Z的乘积项X*Z)。
因为在调节作用研究时,并不要求自变量X对因变量Y产生显著影响,所以模型1和模型2意义较小,一般不关注。模型3为调节作用的核心模型,如果交互项X*Z呈现出显著性,则说明调节变量具有调节作用。除通过分析交互项是否显著来判断是否具有调节作用,还可以查看模型2到模型3的变化过程中,F 值变化是否呈现出显著性,如果显著则说明具有调节作用。一般建议采用查看交互项显著性的方法进行调节作用的判断。
从上表分析结果来看,本次自变量创业课程未呈现出显著性( p=0.083>0.05)。说明在不考虑调节变量大学生人格特质的影响时,创业课程对于大学生创业意愿并不会产生显著影响关系,此种情况并不影响调节作用分析。
本次分析以稳定型大学生人格特质作为参考项进行研究,查看模型3中交互项显著性,分析得知,创业课程*大学生人格特质-随和和创业课程*大学生人格特质-开放为呈现出显著性;创业课程*大学生人格特质-外向和创业课程*大学生人格特质-谨慎呈现出显著性,说明外向型和谨慎型的人格特质会在创业课程对大学生创业意愿的影响中产生调节作用。查看交互项对应的非标准化回归系数来看,大学生外向型和谨慎型人格特质均会对大学生创业意愿产生显著的正向影响。
(3)简单斜率图分析
当调节变量为定量变量时,简单斜率图展示调节变量Z在不同水平时,自变量X对于因变量Y的影响幅度差异情况。Z在不同水平是指,Z分别取平均值,平均值+标准差,平均值-标准差;即Z取平均水平,高水平和低水平共3种情况。当调节变量为定类变量时,低水平代表参照项,高水平代表相应的调节变量。
本次分析大学生人格特质-外向和大学生人格特质-谨慎的简单斜率图如下:
![](https://picx.zhimg.com/80/v2-3877d3cdf956080b33b57d3841b9f6f4_720w.webp?source=d16d100b)
![](https://pic1.zhimg.com/80/v2-149efb3648ea7a6cba555fd036bfae3b_720w.webp?source=d16d100b)
从简单斜率图分析得知,在以大学生人格特质-稳定型为参照项(低水平)进行调节作用分析时,外向型和谨慎型大学生人格特质(高水平)都会在创业课程对大学生创业意愿的影响中呈现显著的正向影响。
五、总结
使用调节作用研究创业课程对大学生创业意愿的影响是否会受到大学生人格特质影响,调节变量为定类数据,SPSSAU默认对其进行哑变量处理。自变量为定量数据,对其进行中心化处理。分析调节效应分析结果中中模型3的交互项显著性,发现以稳定型人格特质为参照项,外向型和谨慎型人格特质会对大学生创业意愿产生显著正向调节作用,随和型和开放型并不会产生调节作用。