本帖最后由 有福有德 于 2013-9-26 11:01 编辑
在理论模型上,调节效应与交互效应是没有任何区别的,都是引入变量的乘积项,它们的唯一区别是理论假设上谁主谁次,而调节效应图的绘制同样也与这点密切相关。
现在不管用户使用的是潜变量的调节效应,还是显变量的调节效应,其最终都可以借助化潜为显的思想,绘制调节效应图,以视直观。
文件信息data:建立模型:因变量=交互项1+交互项2+交互项1*交互项2
2013-9-26 10:54:56 上传
注:v3的标签是交互项1,系二分类,v2的标签是交互项2,系四分类;v4的标签是因变量,系连续变量。
SPSS的操作:
2013-9-26 10:54:57 上传
操作:一般线性模型→单变量,分别将自变量与因变量放入相应的位置,点击绘制,在将相应的变量放入相应的位置。
SPSS输出:检验结果不显著,配合输出图形综合视之
2013-9-26 10:54:58 上传
2013-9-26 10:54:53 上传
SAS的操作:
ods graphics on;
proc glm data=data plot=meanplot(cl);
class v3 v2 ;
model v4=v3 v2 v3*v2/ss3;
run;quit;
ods graphics off;
2013-9-26 10:57:22 上传
2013-9-26 10:54:55 上传
SAS与SPSS的结果一致。
这个图可以很直观的观察到两个离散变量间的交互状况,几乎没有交互(其斜率基本相同),主要是交叉的地方很微弱。另外,如果是连续变量的话,往往也会将连续变量离散化后(像上图一样),在绘制这个图,以便更直观的显示交互关系或调节关系。 |