首先看一下網路上對於調節迴歸的說明 調節迴歸分析（Moderated Regression Analysis），它是一種統計技術，目的是用來檢定調節迴歸方程式中的交互作用項，對於方程式的預測能力（Zedeck, 1971）。意即以自變項對應變項之迴歸分析，再將自變項加入調節變數與原自變數的交互項，以判定解釋能力有否增加；若在迴歸方程式中交互項的β值達顯著水準，即表示調節變數的交互作用效果成立（Kleinbaum et al., 1998）。此時可利用β值的正負向及大小來判斷所造成的干擾情形。
就統計模式而言，當一個迴歸模型中(假設應變數是Y、自變數是X1)若有另一個自變數(X2)會影響X1與Y之間之迴歸模型，此時自變數(X2)的效果稱之為調節效果(Moderator Effect)。
調節效果在調節迴歸模式的處理方式，是加入調節變項以及與自變項間的交互作用項(X1X2)，作法多是 X1 multiply X2，產生的Regression Model由原本的
Y = b0 + b1*X1
變為
Y = b0 + b1*X1 + b2*X2 + b3*X1X2
此時
b1*X1 = linear effect of X1
b2*X2 = linear effect of X2
b3*X1X2 = moderator effect of X2 on X1
Reference1. Arnold, H. J., "Moderator Variables：A Classification of Conceptual, Analytic, and Psychometric Issues" Organizational Behavior and Human Performance, Vol. 29, 1982, pp. 143-74.
2. Hair, J.F., Anderson, R.E., Tatham, R.L., and Black, W.C., ”Multivariate Data Analysis, Fifth Edition,” Prentice-Hall International, Inc.
3. Kleinbaum, D.G., Kupper, L.L., Muller, K.E., and Nizam, A., ”Applied Regression Analysis and Other Multivariable Methods,” Pacific Grove, CA: Duxberry Press, 1998. 接著是我個人的淺見 我也為了調節變項的檢驗困擾了滿久的,這邊要感謝分享有關調節變項文獻的人 以SPSS檢驗調節變項原理上是可行的,不過一般的文獻處理會用SEM來處理 不過如果已經將M ，X1，X2，X3 ，X4之值求出,可以將這五個視為顯變項進行處理,就是在誤差值那邊無法照顧到 不過數據結果漂亮時,用SPSS處理即可 這邊我分享我的方法 必須求出M ，X1，X2，X3 ，X4之離均差 得到5組新的數值 然後將其個別相乘 MX1,MX2,MX3,MX4 在迴歸模型中 得到 Y = b0 + b1*X1 + b2*M + b3*MX1 以此類推執行四次 如上面引用的文獻,當b3的係數值達顯著時,表示M和X1之間的確存在交互作用,即可以說明M對X1有調節作用 而在AMOS中表示時,則是將 Y = b0 + b1*X1 + b2*M 與Y = b0 + b1*X1 + b2*M + b3*MX1的R^2做比較,一般來說加入交互作用項後 迴歸模型的解釋力會提高,即可在圖形中將加入M之後所提高的解釋力在圖形上表示出 在檢驗調節作用後 ,我們可以將Y = b0 + b1*X1 + b2*M + b3*MX1中的M值代入1 , 0 ,-1的到三組迴歸方程式 利用EXCEL作圖 可以得到線圖,即是高M,中M,低M對整體方程式的調節效果,也可以依此解釋M與X1，X2，X3 ，X4的調節作用 希望這樣有幫上您的忙,有錯誤也希望各位先進不吝指教
lihoujian 金钱 +20 奖励继续交流解答难题，加油 2009-2-22 14:35:59 | 
