自曝其短，先说说我对中介和调节的理解 看是不是有错误 这样才比较知道问题点在哪里XDD 我的理解是： 1.中介(Me) (a) X ..........> Y (b) (c) X ........> Me.......> Y .....................> (c') 检证步骤： (1) X和Y的关系显着(a) (2) X和Me的关系显着(b) (3) Me和Y的关系显着(c) (4) X和Me对Y的关系显着，c'值小於a 目前有的学者认为即使(a)不显着，X和Y也可能存在中介效应 有可能是因为(b)(c)的方向与(a)相反，才让(a)不显着 有些人甚至认为，只要X....>Me Me......>Y这两段有显着 中介效果就可以成立 2.调节（干扰）(Mo) (a) X ............> Y (b) Mo............> Y (c) X*Mo..........> Y 当(c)显着时，表示有调节效果存在 调节的意思就是，Mo会改变X与Y的关系，让强度和方向出现转变 我的研究设计是： （自变项）病情严重程度（连续）(X) （依变项）体重是否变瘦（二分，变瘦1/没瘦0) (Y) 用Logistic回归分析後 现在知道：X和Y的直接相关性不显着 （-2LL=13.938 Cox and Snell R平方=.043 Nagelkerke R平方=.059 卡方1.729(.189) B= -.087(.492)(不显着) Wals=.472 ExpB=.916） 之後又参考理论，找出另一个可能影响的因素：吃东西的量（连续）(M) 检测之後，X和M有显着的负相关 （R=.364 R平方=.132 adjR平方=.112 F=6.550* B= -.222* SE=.087 Beta= -.364） M和Y有显着的负相关 （-2LL=51.876 Cox and Snell R平方=.159 Nagelkerke R平方=.216 卡方=7.791** B= -.295* Wals=6.011 ExpB=.745） 所以现在知道，X.....>M, M......>Y这两段关系显着 X................>Y不显着 但我不确定「吃东西的量」到底属於 中介变项(Me)或调节变项(Mo)？ 所以两种检证方式都有用spss跑 1.如果是 中介(Me)： 我使用二元Logistic回归分析，把X和M一起放入共变量栏位 方法用 Enter法 跑出来的结果和单独只放X的来比： (1) 自变数只放 X -2LL=13.938 Cox and Snell R平方=.043 Nagelkerke R平方=.059 卡方1.729(.189)（不显着） X的 B= -.087(.492)(不显着) Wals=.472 ExpB=.916 (2) 自变数放入 X和M -2LL=43.398 Cox and Snell R^2=.303 Nagelkerke R^2=.413 卡方=16.269*** X的 B= -.173* Wals=6.379 ExpB=.841 M的 B= -.502** Wals=9.103 ExpB=.605 可以发现： X的显着程度提高，从 不显着 变成 显着 X的B值增加，从-.087变成-.173 M的B值大於X(-.502) R^2值变大 这样我可以说M是中介变项吗？？ （可是X的B值增加，而不是减少） 另外，如果它是中介变数，那要怎麽诠释？ (1)因为X....>M(负相关)，M.......>Y(负相关) 表示：病情越严重，吃的东西越少，进而会让体重变瘦 病情严重程度和体重变瘦成 正相关 (2)但把X和M一起放进去时，X...>Y 却呈现负相关 代表 病情严重程度 和 体重变瘦与否成 负相关 应该用哪一部分来做解释？因为(1)和(2)似乎是相反的 2. 如果是 调节 使用 二元Logistic回归 先放入 X，其次是M，第三是X*M 使用Enter法 跑出的结果是： -2LL=30,256 Cox and Snell R^2=.480 Nagelkerke R^2=.653 卡方=13.142*** Hosmer与Lemeshow检定：卡方=21.046** （似乎表示模型不佳） X的 B= -.689** Wals=8.530 ExpB= .502 M的 B= -1.730** Wals=7.224 ExpB= .177 X*M的 B= .108** Wals=6.915 ExpB=1.115 交互作用也有显着，这样表示M是调节变项？？ 那要怎麽诠释 X*M的B值是正的，X和M的B值是负的？ 另外，一个变项可以同时是 中介＋调节吗？ 我可以说：病情的严重程度(X)可能会让 体重变瘦(Y) 但必须视吃东西的多寡(Mo)而定 病越重，吃很多，体重不会瘦 越健康，吃很少，体重会变瘦......可以这样诠释吗?? 或是说：M的加入可以让X和Y之间关系强度增强，使其出现显着？ 又是落落长一篇 希望版友们能有耐心看完 万分感谢大家的回覆!! ※ 引述《winchin (撼动宇宙的第一小步)》之铭言： : 最近遇到一个问题，翻了许多资料後还是没啥头绪 : 所以上来请教有经验的板友 : 我的问题和中介效果、调节效果有关 : 内容有点长，里面的故事也都是另外举例的，还望大家能有耐心看完.. : 首先，简单说明一下我的主题 : 一开始我想检验「身体的健康程度」(X)和「体重是否变瘦」(Y)两者间的相关性 : X是连续变数，0非常健康-------->20病情严重，病越重，分数越高 : Y是二分的变数（变瘦1／没变瘦0） : 传统论点认为：健康越不佳，体重就会变瘦 : 所以检证的假设是：X和Y之间是 正相关 : 但跑了Logistic回归之後却发现，X和Y之间的相关性 不显着 且是 负相关 : 所以接下来我就想找看看有无其他的因素会影响X和Y间的关系 : 从过去理论文献当中 : 学者们提到「吃进去的食物性质与数量」(M)会影响「体重变瘦与否」(Y) : 因此我就列出三种食物（淀粉类M1、水果类M2、茶类M3）（连续变数） : 检验他们的相关性 : 结果呈现出： : 一，「健康程度」(X)和 淀粉类M1、水果类M2、茶类M3 都有显着的 负相关 : （病越重，吃得越少） : 二，只有 淀粉类M1 和 「体重变瘦」(Y) 之间有显着的 负相关 : 至於M2 M3都未显着 : （淀粉类的热量高，吃越少，越会变瘦；吃越多，越会发胖） : 所以我就知道 淀粉类M1 可能会影响X和Y的关系 : 为了确定M1确实有影响 : 因此我把 M1当成 控制变数，和X一起再跑一次 Logistic回归 : 结果显示： : X对Y的关联程度提升，而且负相关达到显着水准 : 我现在的问题点是： : 一，请问我把M1当成控制变数的做法 : 能不能用来判定 M1的确有着中介或调节的效果？ : （我不需要知道效果的强度，或完全中介与部分中介 : 只需要知道是不是有中介效果即可） : 二，我查到的资料在进行中介或调解效果分析时 : 依变项(Y)都是连续变项，或者分成三份以上的变项（用虚拟变项去跑） : 但我的依变项却是二分，0和1的变项 : 好像没办法用这种方式去检验？那有没有其他合适的方法？ : 三，大家常说的中介效果成立都是符合： : (a) X------->Y 显着 : (b) X------->M1 显着 : (c) X*M1---->Y : 但我的情况是： : (a)X------->Y 就已经不显着 : 但是 : (b)X------->M1 显着 : (c)M1------>Y 显着 : 那这样 X----> M1-----> Y 之间还有中介或调节的关系吗？ : 四，在这样的情况之下，该怎麽替 M1 定名？ : 它是 中介变数？调节变数（干扰变数）？还是......？ : 五，该怎麽诠释统计结果比较妥当？ : 目前比较确定的是： : 1. X和Y没有显着的直接相关（身体的健康程度不会直接让体重变瘦） : 2. M1和Y有显着的负相关（淀粉类吃越多，体重越胖0 : 吃越少，体重越瘦1） : 3. X和M1有显着的负相关（病得越重，吃东西的量越少） : 4. 把M1当成控制变项後，X和Y之间出现 显着负相关 : （病得越重，体重越胖0，身体越健康，体重越瘦1） : 如果只就2和3（X--->M1，M1---->Y）这两段来解释，是合乎理论预期 : （病得越重，淀粉类吃越少，淀粉类吃越少，则体重越瘦 : 所以病情越重 与 体重变瘦 之间有着正相关） : 但M1的角色是甚麽？可以把它称为中介变项吗？ : 另外，要怎麽解读 4 这一点？ : 它虽然凸显出M1的影响力，可是却和理论预期相反 : 而且也和结合2,3两段後的解释相反 : 在控制M1以後，X和Y呈现出显着的负相关 : （病越重，体重越胖？？？） : 我目前的解释方法是： : 病情的严重程度(X)在某种情况之下的确可能使得 体重变瘦(Y) : 但体重变瘦与否 必须视 淀粉类M1 吃的数量多寡而定 : M1是很重要的干扰或中介变项 : 倘若病情很严重，同时淀粉类吃很多，那麽体重变瘦的机率会增加 : 如果病情严重，但淀粉类吃很少，则变瘦的机率会下降 : 如果身体很健康，但淀粉类吃很多，会提高变胖的机会 : 如果很健康，但淀粉吃很少，会降低变胖的机会 : 请问这样的解释妥当吗？？ : 恳请版友们提供建议，万分感谢!! --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 112.105.52.213 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Statistics/M.1397730001.A.8DE.html ※ 编辑: winchin (112.105.52.213), 04/17/2014 20:14:11