包含二次项的调节效应

tiesuoqiao 发表于 2019-1-25 12:47
中心化并不能减少共线性

就是为了解释的时候方便

你好，感谢你的热情回复。
我尝试中心化后再进行平方，然后再进行交互，
结果是平方项和平方交互项均为负向显著，但是一次交互项并不显著，所以这个又应当如何解释呢，感谢

中西優香 发表于 2019-1-24 21:00
我最终没有做调节效应，所以这个问题还没搞懂

谢谢你，我估计我还得看文献寻找解决方法。

hopeship 发表于 2019-1-30 11:25
你好，感谢你的热情回复。
我尝试中心化后再进行平方，然后再进行交互，
结果是平方项和平方交互项均为 ...

我的理解是，你的模型为

a x + b x^2 +c z +d  xz + e x^2 * z

x   z 都中心化后， 多数系数都和某个变量的平均值有关
x 系数a显著的含义是  在 x 和 z 都达到平均数的时候的时候 x影响显著
b 显著的含义是 当 z是平均数的时候 x^2影响显著
c 显著的含义是  当 x 是平均数的时候 z影响显著
d 显著的含义是 当 x 是平均数的时候   xz交互影响显著
e 显著的含义 和 x z 是否平均无关

不显著并不代表结果差，
比如a 不显著，只能说明在一个点（x平均，且z平均）上x不显著，不代表x就不显著，比如当z 和 x取高或者低值的时候，x的影响可能很显著

其实是可以计算的，一个平面，x轴和z轴，各个点上x 和 z分别的影响，以及是否显著

你如果不中心化，那么上述系数的含义是 x z 为0的时候是否显著，问题是这些变量可能无法为0

tiesuoqiao 发表于 2019-1-30 23:48
我的理解是，你的模型为

a x + b x^2 +c z +d  xz + e x^2 * z

新年好！
谢谢您热情详细的回复，现在对于系数有更深刻的理解了。
e应该是可以理解为x^2与z的交互影响的显著性吧

我目前的假设是：
1、X与Y是倒U型关系，X存在一个值，Y达到最大值，但是它并非均值，比如信息量，并非越大越好，达到一个值之后，多的信息量就变成负担，会导致信息过载。
2、Z调节的是 (X-f)^2，也就是当信息量 离这个最佳值f越远，Z的负向影响越大，但是f值对于不同的个体来说，又是不一样的。
目前我的问题是，这种情况是否还是可以用以下式子来建模。
a x + b x^2 +c z +d x*z + e x^2 * z
想要验证我的假设，中心化后的系数呈现何种形态才是我想要的结果呢？
现在自己的研究有点陷入了僵局
如果设定虚拟变量高低的话，应当是不需要中心化的吧。
再次感谢您的回复：）

hopeship 发表于 2019-2-12 11:44
新年好！
谢谢您热情详细的回复，现在对于系数有更深刻的理解了。
e应该是可以理解为x^2与z的交互影响的 ...

y=a x + b x^2 +c z +d x*z + e x^2 * z

对x偏导得到marginal effect of x on y： ME(x)=a + 2b*x + d*z + e*2x*z = (a+d*z) + 2*x * (b+d)

倒U意味着 ME(x) 先大于0然后小于0，和x轴的交点是 x0= - (a+d*z)/(2b+2d)
你必须验证这个x0 在数据x的上下限之间。否则，要么都>0，要么都<0, 就不是倒U
还得验证ME先大于0然后小于0，否则，就是正U

tiesuoqiao 发表于 2019-3-15 00:39
y=a x + b x^2 +c z +d x*z + e x^2 * z

对x偏导得到marginal effect of x on y： ME(x)=a + 2b*x + d ...

你好，请问二次项交互系数e应该如何解释呢

hopeship 发表于 2019-2-12 11:44
新年好！
谢谢您热情详细的回复，现在对于系数有更深刻的理解了。
e应该是可以理解为x^2与z的交互影响的 ...

你好 我的论文模型跟你的差不多，想知道这个问题你解决了吗 可否交流一下 谢谢！