自变量为定序分类变量，如何检验连续变量对它的调节作用

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

论坛里的大神好
我研究的问题，自变量是一个定序的分类变量，如职称，教授、副教授、讲师。由于三种职称之间的差异并不是等量的，他们可能不能简单使用0，1，2来代替，所以我使用的是两个虚拟变量来指代职称。
根据理论，假设职称大小对因变量有正向影响；
此外，假设调节变量A（连续变量）会正向调节职称大小对因变量的影响。现在主要有两个问题，想请教一下大家。

1、职称大小的正向影响的检验。如果教授、副教授的虚拟变量的系数显著大于零，那么可以说教授、副教授的影响大于讲师；然后比较教授和副教授的影响大小，可以采用的系数进行wald test. 不知道这样做是否正确。

2、调节变量A对职称大小的调节作用。
我目前做的是用职称的两个虚拟变量乘以调节变量A，系数都显示正向显著，但是总觉得单单只看乘积的系数的显著性不能反映问题。请论坛里的老师和同学们，帮忙看看如何才能做。
因为实在困扰了很久，所以向大家求助。

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

https://new.qq.com/omn/20180208/20180208G00AT2.html
如果这可以帮助到你，请帮我评分，评分选项在我回复页面的右下方。

您好，我现在在做自变量访问对应变量贸易量的影响，数据是100个国家与中国6年的访问和贸易数据（忽略其他非核心变量），每行数据为2014年 N国 访问 贸易，用引力模型做回归，访问是虚拟变量。
在此基础上，我对访问区分出访和来访两种，但是对于同一条样本，也就是某年某国，可能存在即出访又来访，也就是存在00,01,10,11,这4种组合情况，这种情况下，我回归的自变量，是构建有来访和有出访，这2个虚拟变量吗？
还是要严格分成，有来无出，无来有出，有来有出，这3个虚拟变量。
还是在第一种2个虚拟变量下，再加一个交叉？
想向您请教一下，确实是小白。。。

你好，你的问题涉及到了定序分类变量与连续变量交互作用的检验。对于你的两个问题，我有以下建议：

1、关于职称大小正向影响的检验：你的理解基本正确。可以通过设置教授（记为Prof）、副教授（记为AssocProf）和讲师（参照组，记为Lecturer）的虚拟变量，然后观察这些虚拟变量的系数来判断不同职称对因变量的影响。如果Prof和AssocProf的系数都显著大于0，并且通过Wald test，Prof的系数显著大于AssocProf的系数，那么可以认为教授影响最大，副教授次之，讲师最小。

2、对于调节变量A的检验：你的方法也是常见的做法，即将职称虚拟变量与A相乘形成交互项，然后观察这些交互项的系数是否显著。然而，仅仅看乘积项的显著性确实不能完全说明问题，因为这只能表明A对不同职称的影响有无差异，但无法直接反映调节作用的大小。为了更全面地理解调节效应，你可以计算“边际效应”，即在A的不同水平下，职称对因变量影响的变化。通过画出交互项与A的关系图，可以直观展示A如何改变不同职称对因变量的影响程度。

另外，你还可以考虑使用“简单斜率分析”（simple slope analysis）来检验A在不同职称水平上对因变量的效应是否显著不同。这将提供更具体的证据，证明A是如何调节职称对因变量的作用的。

希望这些信息能对你有所帮助！如果还有疑问，欢迎继续提问。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用