如何用分組迴歸檢驗調節作用?
2022-05-23由 SPSSAU 發表于 林業
怎麼檢驗調節變數
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)。