做调节效应分析一定要把自变量和调节变量做去中心化处理吗?

Posted 2023-04-09

不一定，中心化处理只不过是为了能够方便解释而已，并不会影响各项回归系数。

数据中心化和标准化在回归分析中是取消由于量纲不同、自身变异或者是数值相差较大所引起的误差。数据中心化指的就是变量减去它的均值。数据标准化指的就是数值减去均值，再除以标准差。通过中心化和标准化处理，能够得到均值为0，标准差为1的服从标准正态分布的数据。在一些实际问题当中，我们得到的样本数据都是多个维度的，也就是一个样本是用多个特征来表征的。很显然，这些特征的量纲和数值得量级都是不一样的，而通过标准化的处理，可以使得不同的特征具有相同的尺度(Scale)。这样，在学习参数的时候，不同特征对参数的影响程度就一样了。简而言之，当原始数据不同维度上的特征的尺度(单位)不一致的时候，需要标准化步骤对数据进行预处理。数据预处理，一般有数据归一化、标准化以及去中心化。归一化：是将数据映射到[01]或[-11]区间范围内，不同特征的量纲不同，值范围大小不同，存在奇异值，对训练有影响。标准化：是将数据映射到满足标准正态分布的范围内，使数据满足均值是0标准差是1。标准化同样可以消除不同特征的量纲。去中心化：就是使数据满足均值为0，但是对标准差没有要求。如果对数据的范围没有限定要求，则选择标准化进行数据预处理；如果要求数据在某个范围内取值，则采用归一化；如果数据不存在极端的极大极小值时，采用归一化；如果数据存在较多的异常值和噪音，采用标准化。 参考技术A 不一定，中心化处理只不过是为了方便解释而已，并不影响各项回归系数。（南心网 调节效应中心化处理）本回答被提问者和网友采纳

混杂中介效应调节效应

前文讲过，混杂要满足三个基本条件：与X相关、与Y相关、不是X到Y因果链上的中间变量

举例：吸烟与肺癌，年龄与吸烟相关，年龄与肺癌相关，但是年龄不是吸烟与肺癌因果关系的中间变量

判断是不是混杂，在混杂有感中提到

 

中介效应：与X相关、与Y相关、是X到Y因果链上的中间变量

举例：工作满意度与业绩，创新氛围与工作满意度相关，创新氛围与业绩相关，而且，工作满意度增加，创新氛围提升， 业绩增加。

如何判断是否为中介效应：（知网上查询中介效应，多为心理学相关文献，所以遇到有关心理精神方面的变量需考虑中介效应）

 

 

需要检验3个模型：

1，X到Y的回归，Y=c1 X+e1

2，X.M到Y的回归，Y=c2 X+b M+e2

3，X到M的回归，M=a X+e3

 

（若a、b同时有意义则M是中介效应） 进一步根据哪些系数显著来选择，请查阅相关书籍

 

 https://zhuanlan.zhihu.com/p/49483170

https://www.jianshu.com/p/8fe99bec055a

 

 调节效应：调节效应会影响X到Y的程度

举例：开车速度和车祸发生，即使相同速度，喝酒比不喝酒发生车祸的概率要大。

调节效应多用分层来解决。