如何用分組迴歸檢驗調節作用？

線性迴歸是使用最為廣泛的一種研究方法，其可用於研究X對於Y的研究。分組迴歸是線性迴歸的拓展，其實質就是線性迴歸。比如研究X對於Y的影響，研究檢視且對比不同組別時，X對於Y的影響是否有著不一致等。

當調節變數為定類資料，自變數為定量資料，就選擇用分組迴歸的方法進行分析。與分層迴歸相比，分組迴歸的結果含義更明確，也更容易解釋。

一、

研究背景

當前有一項研究，收集了200份調查問卷，用於研究工作忠誠度（Y）影響。自變數分別為薪水X1、福利X2、同事關係X3。現希望以學歷作為分組，研究薪水、福利、同事關係對於工作忠誠度的影響。

二、操作步驟

登入SPSSAU，選擇【計量經濟研究】——【分組迴歸】。

分組迴歸

分別將薪水、福利、同事關係三項放入X框；學歷放入分組項，工作忠誠度放入Y框。點選開始分析。

分組迴歸

三、結果分析

（1）分組迴歸模型

表1：分組迴歸模型

表1：分組迴歸模型

上圖展示的是，分組迴歸結果以及不同模型的比較情況。圖中共有四個模型分別是：整體迴歸模型，以及學歷分別為本科以下，本科和本科以上時3個組別單獨得到的迴歸結果。

從每個模型的樣本量中，也可以看出第一個模型為整體模型（樣本量200），另外3個模型樣本量總和為200。相當於分別篩選出對應學歷的樣本進行線性迴歸分析，其中本科以下樣本為64人，本科為115人，本科以上21人。由於分組迴歸會分散每個迴歸的有效樣本量，

建議每個組別樣本量較多時使用。

如何判斷組間係數的差異（即是否有調節作用）：

分組迴歸可分為兩步，第一步先針對整體進行分析，第二步針對不同組別時的迴歸結果進行分析。分析時可能出現以下情況：

①情況1：

當出現整體模型中X對於Y沒有影響。說明X對Y沒有影響（不顯著，p 值大於0。05），那麼第二步基本無意義。

②情況2：

當整體模型透過F檢驗，X對Y有影響。第二步出現部分組別下X對於Y有顯著影響，那麼可以直接以某組別時X對Y有影響，某組別時X對Y無影響，作為研究結論（即有調節作用）。

③情況3：

當整體模型透過F檢驗，X對Y有影響。第二步檢驗中每個組別下都有顯著的影響，需要進一步針對迴歸係數的差異進行檢驗，如果迴歸係數具有顯著性差異，則有調節效應，反著無調節效應。

根據上表結果，對整體迴歸模型進行分析：模型透過F檢驗，說明模型具有統計學意義，薪水和同事關係對工作忠誠度有正向影響關係。

對各分組迴歸模型進行分析：

當樣本學歷為本科以下時，薪水和同事關係會正向影響工作忠誠度；

當樣本學歷為本科水平時，薪水和同事關係會正向影響工作忠誠度；

當學歷本科以上水平時，薪水、福利、同事關係均不會對工作忠誠度產生影響，即說明本科以上水平的樣本，對於薪水、福利、同事關係的態度，並不會對他們的工作忠誠度產生影響。

透過上面的分析可得到學歷在薪水、同事關係對工作忠誠度的影響關係中起到了調節作用。

（2）迴歸係數差異檢驗

迴歸係數差異檢驗結果是對上表結果的補充。如果在上一步迴歸模型結果中，顯示在每個組別下X對於Y均有影響（顯著，p 值小於0。05），那麼可以透過檢驗對比迴歸係數，檢視影響幅度是否存在的差異。

如果迴歸係數的差異顯著，則在不同學歷情況下，X對Y的影響幅度有顯著性差異。也說明學歷在X對Y的影響中起到了調節作用。

上表格展示‘薪水’，‘福利’和‘同事關係’分別對於工作忠誠度的影響，以及區分不同學歷情況下時的迴歸係數差異情況。表格中加粗表示迴歸模型中有顯著影響的。

薪水對於工作忠誠度的影響，本科以下和本科時，薪水對忠誠度都有顯著的正向影響，此時可對比此2個迴歸係數（0。459和0。312）的差異幅度（t ＝1。268，p =0。207>0。05），說明本科以下，本科時，薪水對於忠誠都有正向影響，影響幅度並沒有明顯的差異。

同事關係對於忠誠度的影響，本科以下或本科時，同事關係對忠誠度都有著正向影響（迴歸係數分別是0。290和0。649），而且影響幅度有著顯著的差異（t ＝4。323，p =0。000< 0。01），說明同事關係對忠誠度有著正向影響，而且本科學歷（相對本科以下時）的影響幅度明顯更大。

總結：

綜上所述，學歷在薪水、同事關係對工作忠誠度的影響關係中起到了調節作用。

薪水對於工作忠誠度的影響，在學歷為本科以上或本科時，薪水對忠誠度都有顯著的正向影響，學歷為本科時以上並沒有影響。

同事關係對於工作忠誠度的影響，在學歷為本科以下或本科時，同事關係都會對忠誠度有著正向影響，且本科學歷時同事關係的影響幅度明顯更大；但是本科以上學歷樣本時，同事關係對忠誠度不會產生影響。

四、其他說明

分組迴歸可用於研究調節作用，同時SPSSAU也提供分層迴歸分析（進階方法->分層迴歸）或直接使用SPSSAU調節作用（問卷研究->調節作用）。