用Process做调节效应分析时还需要变量中心化吗

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

没做变量中心化之前

Model = 1
    Y = TSA
    X = avg外
    M = avgsart

Sample size
         30

**************************************************************************
Outcome: TSA

Model Summary
          R       R-sq        MSE          F        df1        df2          p
      .5314      .2824     4.7666     3.4104     3.0000    26.0000      .0323

Model
              coeff         se          t          p       LLCI       ULCI
constant  -152.7415    76.0772    -2.0077      .0552  -309.1255     3.6425
avgsart      7.3360     3.4875     2.1035      .0452      .1671    14.5049
avg外      16.7972     7.3466     2.2864      .0306     1.6956    31.8988
int_1        -.7225      .3380    -2.1374      .0421    -1.4173     -.0276

Product terms key:

int_1    avg外      X     avgsart

R-square increase due to interaction(s):
         R2-chng          F        df1        df2          p
int_1      .1261     4.5683     1.0000    26.0000      .0421

*************************************************************************

Conditional effect of X on Y at values of the moderator(s):
    avgsart     Effect         se          t          p       LLCI       ULCI
    19.3690     2.8035      .9666     2.9004      .0075      .8166     4.7904
    21.3939     1.3405      .5825     2.3012      .0296      .1431     2.5380
    23.4188     -.1224      .8254     -.1483      .8832    -1.8192     1.5743

Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.

******************** ANALYSIS NOTES AND WARNINGS *************************

Level of confidence for all confidence intervals in output:
    95.00

------ END MATRIX -----

做了中心化以后:

Model = 1
    Y = TSA
    X = avg外
    M = avgsart

Sample size
         30

**************************************************************************
Outcome: TSA

Model Summary
       R    R-sq     MSE       F     df1     df2       p
      .5      .3     4.8     3.4     3.0    26.0      .0

Model
           coeff      se       t       p    LLCI    ULCI
constant    17.7      .4    40.3      .0    16.8    18.6
avgsart       .1      .2      .3      .8     -.4      .5
avg外       1.3      .6     2.3      .0      .1     2.5
int_1        -.7      .3    -2.1      .0    -1.4      .0

Product terms key:

int_1    avg外      X     avgsart

R-square increase due to interaction(s):
      R2-chng       F     df1     df2       p
int_1      .1     4.6     1.0    26.0      .0

*************************************************************************

Conditional effect of X on Y at values of the moderator(s):
avgsart  Effect      se       t       p    LLCI    ULCI
    -2.0     2.8     1.0     2.9      .0      .8     4.8
      .0     1.3      .6     2.3      .0      .1     2.5
     2.0     -.1      .8     -.1      .9    -1.8     1.6

Values for quantitative moderators are the mean and plus/minus one SD from mean.
Values for dichotomous moderators are the two values of the moderator.

******************** ANALYSIS NOTES AND WARNINGS *************************

Level of confidence for all confidence intervals in output:
    95.00

NOTE: The following variables were mean centered prior to analysis:
avg外   avgsart

------ END MATRIX -----
不懂为何选择变量中心化以后小数只有一位了，这个位数在哪来能改变吗。而且从结果来看，原来有的负向调节关系好像没了？？？

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：调节关系 选择变量 中心化 个位数

好厉害的样子...是SPSS代码？市面上找不到SPSS代码的书籍，小哥你是在哪里学的

809669515 发表于 2018-8-22 13:11
好厉害的样子...是SPSS代码？市面上找不到SPSS代码的书籍，小哥你是在哪里学的

这是输出的结果

个人觉得应该中心化的

请问你解决了吗，我也遇到了这样的，得出的结果调节变量的系数是大于1的，这样有问题吗？

以我自身的操作经验来看，我曾经处理过数据，逐步回归方法检验调节效应，中心化和没有中心化处理后的结果没有差别，系数和显著性是一致的。没有用process做过中心化的数据，但我用process的bootstrap方法做中介效应和有调节的中介效应检验，得到的结果和逐步回归方法是一样的。系数和显著性没变，只是process输出的结果更精确到小数点后一位。以我目前学习的经验来看，不需要中心化。中心化是为了避免自变量和交互项的多重共线性。我都是用连续变量的均值做的。希望能够给到参考。

我用数据试着对照了一下process和分层多项式回归最后的模型的结果，发现不对变量进行处理就拉到process里进行分析的话，应该是不可以的。因为process算得的int_1项应该是没有把变量中心化或标准化，而是直接用原始分相乘的得到的，同样也没有对自变量或因变量进行中心化或标准化

中介分析
中心化或者标准化处理有助于降低计算过程的舍入误差，而舍入误差是多重共线性的其中一个原因，简单来看即中心化或者标准化的目的在于减少多重共线性问题。
《问卷数据分析：破解SPSS六类分析思路》 P11 P72
刚好学到这，书上说是需要进行中心化或者标准化的 ，供参考