1.首先要明白自己的调节和自变量是什么类别的

2.实操演练

在本次演练中，我们以自变量是二分变量，调节变量分别是连续变量和分类变量为例子，教大家进行调节效应的检验。

注意事项：
1.当自变量是二分变量是不用中心化
2.要先将调节变量中心化，在计算出其与自变量的乘积项。

2.1 当调节变量是连续变量时

例如，下面的自我监控水平是连续变量，可爱风格是二分变量，来做调节效应检验。

在我的数据里面自变量是xiushi，调节变量是ml，中介是adh.

2.1.1 将ml中心化

在直接在spss的计算变量里面讲自变量*ml中心化=交互项（这一步很简单啦，小伙伴如果不懂的可以留言，如果很多人不懂的话，我在出一个教程）

2.1.2 使用分层回归探讨自变量和ml的交互对adh的影响

打开spss——分析——回归——线性。

在第一层，我们将控制变量都放进去，

在第二层，我们将自变量放进去


在第三层，我们将中心化的调节变量放进去


在第四层，我们将交互项放进去


最后，在统计那边勾选这几个，就可以进行分析了

2.1.3 结果解读

1. 在结果表里面在模型4中，它的显著性是成立的，说明我们的调节和自变量是具有交互效应的。那么我们首先就可以汇报下面的F值了。比如在我的研究里面就是F（10，273）=7.740，p小于0.001，

2. 找到这个系数表中的模型4（此处为了数据保密就打马赛克啦）

倒数三行就分别是自变量、中心化的调节变量、交互项，红框的三个值非常重要。
圆圈的交互项显著性也是低于0.05，也说明了交互式显著的。

3. 我们需要找打这个专门做简单斜率分析的表格，将这些值分别粘贴进去。

4) 再往下，我们只需要填写自变量和调节变量的标准差就行，，这个可以去spss里面分析描述里面自行计算，粘贴进来就行了

5) 接下来我们需要填写这部分，需要找到刚刚回归分析中的系数相关性表格，

Excel中variance of coefficient of IV就是系数表中自变量对自变量的协方差
Variance of coefficient of interacting就是交互项对交互项
下一行就是自变量对交互项的协方差
所以，大家在这个系数相关性中找到这几个值粘贴进去就行。

Sample size是样本量
Number of control variable是控制变量，这两个大家填一下就行啦。

6. 然后就可以得到一个简单斜率图和下面的高低效应值
   

这里的B应该就是gradient的值

下期更新:

《2.2 当调节变量是分类变量时的检验方法》

喜欢的可以收藏、点赞，，，

你们的点赞就是更新的动力