互動作用的深入剖析
2023-01-07由 SPSSAU 發表于 農業
怎麼由方差計算協方差
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。