多个调节变量必须同时放入模型吗？

模型假设中有两个调节变量，只将M1*A放入模型中时，调节效应显著，只将M2*A放入模型中时，调节效应显著，但是当M1*A和M2*A同时放入模型中时，M1和M2的调节效应均不显著。这该怎么解释？

A为自变量，M1和M2均为调节变量。

M1与M2是相似的指标么？中心化处理一下再放入模型呢？祝好运~

根据所阅读的文献，一般会逐个放入，然后再同时全部放入模型。有时候会出现单个放入结果显著，全部放入结果不显著的情况，主要是因为多个放入时，会降低显著性水平。一般地，如果单个放入，非常显著，则同时放入，基本上也会显著或边际显著。如果单个放入，就已经边际显著了，多个同时放入模型，则有很大的可能不显著。

Gloria1230 发表于 2019-1-27 15:41
根据所阅读的文献，一般会逐个放入，然后再同时全部放入模型。有时候会出现单个放入结果显著，全部放入结果 ...

您好，统计小白想请问一下，以楼主的题目为例，是只需要建立M1*A、M1*2这样的交互项吗？用建立M1*M2*A这样的交互项吗？谢谢！

phoebe9596 发表于 2019-9-28 13:25
您好，统计小白想请问一下，以楼主的题目为例，是只需要建立M1*A、M1*2这样的交互项吗？用建立M1*M2*A这样 ...

你好请问你最后是怎么建立交互项的？

Gloria1230 发表于 2019-1-27 15:41
根据所阅读的文献，一般会逐个放入，然后再同时全部放入模型。有时候会出现单个放入结果显著，全部放入结果 ...

请问您知道如果多个放入不显著的情况应该怎么解决吗

这种情况可能由以下几个因素造成：
1. 多重共线性
当两个调节变量 M1 和 M2 同时放入模型时，可能会出现多重共线性的问题。也就是说，M1 和 M2 之间可能存在较高的相关性，导致模型无法准确估计它们与因变量之间的关系。
2. 过拟合
如果模型中包含过多的预测变量（包括交互项），可能会导致过拟合。过拟合模型可能在训练数据上表现良好，但在新的数据上表现较差。
3. 效应大小
当两个调节变量同时包含在模型中时，每个调节变量的效应可能会减小。这可能是因为两个调节变量共同解释了因变量的一部分变异，导致单独一个调节变量的效应不再显著。
4. 样本大小
样本大小也可能影响模型的结果。如果样本大小相对较小，可能会导致模型的估计不稳定和不准确。
5. 理论支持
还需要考虑模型的理论支持。如果包含两个调节变量的模型没有得到理论的充分支持，那么这个模型可能不是一个好的模型。
解决策略：
检查多重共线性：可以计算方差膨胀因子（VIF）来检查多重共线性的问题。
理论支持：确保模型有足够的理论支持。
模型选择：可以考虑使用模型选择准则（如 AIC 或 BIC）来选择一个更合适的模型。
交叉验证：通过交叉验证来评估模型的泛化能力。
记得在解释和报告结果时要小心，并确保解释有理论和统计的支持。

请问楼主最后是怎么解决的呢

对于这种情况，楼主可以考虑试探一下二阶调节，即“调节的调节”。