互動作用的深入剖析

互動作用的深入剖析

1、原理說明

互動作用（Interaction effect）指兩個或多個因素（比如A因素和B因素）對於某項（比如身高）的影響時，A因素和B因素各個水平之間是否存在著相互作用關係。比如A因素為性別，B因素為區域，男性並且北方群體時身高如何，男性並且南方群體時身高如何，也或者女性並且北方群體時身高如何，女性並且南方群體時身高如何。性別的2個水平（男和女），與區域的2個水平（北方和南方）之間有沒有互動。

簡單言之：身高效應 = 性別 + 區域 + 性別*區域。如果互動項（性別*區域）並不具有顯著性，此時說明具有互動效應。

互動效應的分析上，互動項的設定非常關鍵，其顯著性即代表是否存在著互動效應。接下來具體說明互動項設定。

2、互動項設定

第1部分簡要闡述互動作用的簡要應用，本部分介紹互動項的設定，如下表格說明：

A

定類

B

定類

。此時直接使用SPSSAU的雙因素方差進行研究即可，並且選中‘二階效應’即可，並不需要提前進行互動項設定處理。

A

定類

B

定量

。此時共有兩種處理方式，分別是‘定量轉定類法’和‘啞變數乘積法’，如下表格說明：

轉化成定類資料，相當於將定量資料進行分組，變相地變成定類資料，然後使用雙因素方差分析時，選中‘二階效應’即可進行分析。

啞變數乘積法時，將A因素進行啞變數處理，然後將得到的啞變數分別與B因素相乘，即得到互動項，至於後續分析方法，通常是使用ols線性迴歸。

A

定量

B

定類

。完全參照‘A定類B定量’即可。

A

定量

B

定量

。此時可分別將A或者B進行‘定量轉定類法’處理，也或者直接將A乘B得到互動項，至於後續分析方法，通常使用ols線性迴歸。

3、SPSSAU操作

第2部分中講述互動項基本原理，接下來講解SPSSAU操作，分別分為四部分。以及操作時使用資料如下圖：

上述案例資料的說明如下表格：

3。1 A定類B定類

A和B均為定類資料時，直接使用雙因素方差分析，並且選中‘二階效應’即可，最終透過互動項去判斷互動作用。如下圖操作：

二階效應事實上就是‘互動作用’，如果有更多複雜的操作需要，可考慮選中‘簡單效應’這種更復雜的分析功能。

3。2 、A定類B定量

A定類B定量時，如果希望將B轉化為定類資料，此時可使用SPSSAU資料處理->資料編碼功能，裡面提供範圍編碼或數字編碼等，如下圖所示：

SPSSAU->資料處理->資料編碼

資料編碼相對簡單易懂，暫不贅述。接下來說明‘啞變數乘積法’，其分為兩個步驟，第1步是生成啞變數，第2步是乘積。

第

1

步啞變數設定，

如下操作截圖：

SPSSAU->資料處理->生成變數，處理後得到5個新標題如下圖：

由於學歷是5項，因而其會得到5個啞變數

第

2

步

乘積

，如下操作截圖：

由於有5個啞變數，那麼重複進行的話就會有5個互動項，操作如上圖。

接著後續進行分析時，切記，有5個啞變數（或5個互動項），以及通常使用ols線性迴歸進行互動作用分析，那麼一定要少放1項（即參照項），至於是少放‘專科以下’，也或者‘博士’，由研究者決定，少放的該項即為參照項。將得到的互動項放入模型中即可，互動項的顯著性即可表示是否具有互動效應用。

3。3、A定量B定類

此部分內容參考3。2進行即可

3。4、A定量B定量

如果A和B均為定量，可分別將A和B進行轉化，設定成定類資料，參考3。2部分進行即可。

如果是直接相乘得到互動項，那麼操作如下圖，2個定量資料進行相乘得到1個互動項，操作如下圖：

接著後續進行分析時，通常使用ols線性迴歸進行互動作用分析，將得到的互動項放入模型中即可，互動項的顯著性即可表示是否具有互動效應用。