文档介绍：调节效应重要理论及操作务实
一、调节效应回归方程：
调节效应是交互效应的一种，是有因果指向的交互效应，而单纯的交互效应可以互为因果关系；调节变量一般不受自变量和因变量影响，但是可以影响自变量和因变量；调节变量一般不能作为中介变量，在特殊是对样本数据按调节变量的类别进行分割，第二步则是回归分析。具体步骤见下图：第一步：对样本数据按调节变量的类别进行分割：
PICICOMP
PARANG
岳BLOCK应OBJECT
*CODING冷catagory令genderl砂gender2夕gender3莎Zscore(DIGIT)[ZDIGIT]3Zscore(CODING)[ZC...矗nanNaM4
Analyzeallcases,donotcreategroups
(*)Comparegroups
Organizeoutputbygroups
GroupsBasedon:
炉gender
Sortthefilebygroupingvariables
Fileisalreadysorted
CurrentStatus:Analysisbygroupsisoff.
,
主：选取的gender为调节变量，分别为女=0,男=1,当然在实际研究中可能有更多的分类,
Paste
Reset
Cancel
Help
大家完全可以用1、2、3、。这个窗口选取的两个命令是比较多组（compare
groups和按分组变量对数据文件排序(sortthefilebygroupingvariables)
第二步：选择回归命令并设置自变量和因变量
设置输出参数项如下图，勾取estimates\modelfit\Rsquaredchange：
第三步：看输出结果，分析调节效应，见表格数据
表格1
VariablesEntered/Removedb
genderModel
Variables
Entered
Variables
Removed
Method
0
1
COMPa
•
Enter
1
1
COMPa
•
Enter
Allrequestedvariablesentered.
DependentVariable:PICTCOMP
表格1显示了因变量是pictcomp，回归方法采用强行进入法（enter），共有两组回归方程,一组是女性（0），另一组是男性（1）。
表格2
ModelSummary
Mode
genderl
R
RSquare
Adjusted
RSquare
Estimate
ChangeStatistics
RSquare
Change
F
Change
df1
df2
Change
0
1
.349a
.122
.113
.122
1
102
.000
1
1
・489a
.239
.228
.239
1
69
.000
:(Constant),
COMP
表格2是回归模型的总体情况，男行和女性的两组回归方程具有显著效应（p〈.001），表明性别这一变量具有显著的调节效应。从表格数据可以看出，%%的方差变异，（注：此模型的数据是虚拟的，只是方便大家理解，无实际意义，实际研究中回归方程的自变量很少会只有一个的情况）。
表格3
Coefficientsa
genderModel
Unstandardized
Coefficients
Standardized
Coefficients
t
Sig.
B
Beta
01(Constant)
.943
.000
COMP
.342
.091
.349
.000
11(Constant)
.000
COMP
.490
.105