AMOS 分析的时候，假设

自变量X1，X2 ，X3， X4，调节变量M ， 因变量Y

是否用M分别乘以X1 ，X2， X3， X4 的结果，分别,作为4个自变量，进行回归？

但是，M ，X1，X2，X3 ，X4都是潜变量，如何乘呢？

SPSS 又如何分析呢？

或者是否可以对潜变量进行乘积呢？谢谢 ，

求救，谢谢

我也遇到此类问题，请明白的人给我们给予指点，不胜感激！

请支招

我是利用Hierachical Regression,步骤如下：

第一步：输入自变量；

第二步：输入调节变量；

第三步：输入自变量（标准化值）×调节变量（标准化值）。

注意：上述步骤在spss里面可以实现。

看加入调节变量后的交互效用是否显著，以及和之前没有加入交互作用的回归值相比较，如果变小但仍然显著，则证明这个调节变量的调节效用是显著的。

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

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

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！

AMOS 分析的时候，假设

自变量X1，X2 ，X3， X4，调节变量M ， 因变量Y

是否用M分别乘以X1 ，X2， X3， X4 的结果，分别,作为4个自变量，进行回归？

但是，M ，X1，X2，X3 ，X4都是潜变量，如何乘呢？

SPSS 又如何分析呢？

或者是否可以对潜变量进行乘积呢？谢谢 ，

同问！