调节效应分析（自变量为连续变量）

一、什么是调节效应

调节效应就是说因变量与自变量的关系受到第三个变量即调节变量的影响。

举个栗子：

之前很火的电视剧《三十而已》，许太太和许幻山之间是夫妻关系，第三者林有有出现之后，许太太和许幻山离婚，第三者的出现影响了原来两个变量之间的关系，即调节变量调节了自变量跟因变量的关系的方向和强弱。

模型图：

二、数据处理

自变量既可以是分类变量也可以是连续变量。

处理1：自变量如果是连续变量需要先进行标准化，是分类变量不需要进行标准化。

处理2：调节变量也需要进行标准化。

有些教程会说是进行数据中心化，不过，数据标准化操作比中心化更简单，而且比中心化的结果看起来更好。根据本教程的话，最好是进行数据的标准化，后面结果描述的代码是按照标准化的结果来写的，这样直接拿来主义就好喽。

数据标准化的spss操作：

1分析>描述统计>描述

2放入自变量和调节变量并勾选另存为变量，确定就可

三、调节效应spss操作

工具：process 3.3，没有process的话在孤光看影视后台回复process插件获取

操作：

1分析>回归>process

2放入自变量，因变量和调节变量，选择模型1，勾选bootstrap

3点击options>左侧前几个都勾上（其实没必要选这么多，都选上省事），右侧勾选正负一个标准差和均值

四、结果解读

1.

图一

图二

图三

五、结果文字描述：

代码版：

X = input('自变量：') # 传入自变量
Y = input('因变量：') # 传入因变量
W = input('调节变量：') # 传入调节变量
INT = input('交互项系数') # 传入交互项系数，即int_1的系数
INT_PV = float(input('交互项显著性')) # 传入交互项显著性
INT_daorxiao = str(input('交互项显著性> or <')) # 填入“ >” 或“ < ”
INT_lst = [INT_daorxiao, str(INT_PV)]
a = ''INT_P = a.join(INT_lst)
INT_ppd = '' if INT_daorxiao == '<' else '不'
SD_1 = input('-1SD显著不，显著填空，不显著填不') # 调节变量-1SD时，p值>=0.05，输入“不”，若<0.05，直接回车
SD_1R = float(input('-1SD时的系数')) # 传入调节变量-1SD时，effect的值
SD_1_qushi = '上升' if SD_1R > 0 else '下降'
SD_1_PV = float(input('-1SD时显著性')) # 传入调节变量-1SD时，对应的p值
SD_1_daorxiao = str(input('-1SD时显著性> or <')) # 填入“ >” 或“ < ”
SD_1_lst = [SD_1_daorxiao, str(SD_1_PV)]
b = ''SD_1_P = b.join(SD_1_lst)
SD_1_ppd = '' if SD_1_daorxiao == '<' else '不'
SD1 = input('+1SD显著不，显著填空，不显著填不') # 同上
SD1R = float(input('1SD时的系数'))
SD1_qushi = '上升' if SD1R > 0 else '下降'
SD1_PV = float(input('1SD时显著性'))
SD1_daorxiao = str(input('1SD时显著性> or <'))
SD1_lst = [SD1_daorxiao, str(SD1_PV)]
c = ''SD1_P = c.join(SD1_lst)
SD1_ppd = '' if SD1_daorxiao == '<' else '不'tiaojie = '为了检验'+W+'在'+X+'和'+Y+'之间的调节作用，使用PROCESS Model 1进行回归分析（见表1）。结果显示，'+X+'与'+W+'的交互项能显著预测'+Y+'（r='+INT+',P'+INT_P+'）；'+W+'取-1SD时调节作用'+SD_1+'显著，+1SD时调节作用'+SD1+'显著，且'+X+'和'+W+'交互项结果'+INT_ppd+'显著。因此，'+W+'的调节效应显著。'
print(tiaojie)
jdxl = '简单斜率检验发现，对于低'+W+'的个体（-1SD），随着'+X+'水平的增加，其'+Y+'的水平呈'+SD_1_ppd+'显著'+SD_1_qushi+'趋势（r='+str(SD_1R)+',P'+SD_1_P+'），即'+X+'每提高一个标准差，'+Y+'就会增加'+str(SD_1R)+'个标准差；对于高'+W+'的个体（+1SD），随着'+X+'水平的增加，其'+Y+'的水平呈'+SD1_ppd+'显著'+SD1_qushi+'趋势（r='+str(SD1R)+',P'+SD1_P+'），即'+X+'每提高1个标准差，'+Y+'提高'+str(SD1R)+'个标准差。也就是说，'+X+'对'+Y+'水平的影响随着'+W+'的不同水平而改变。'
print(jdxl)