SchoolStore

调节效应:交互项、简单斜率与 ΔR² 怎么报告

W 调节 X→Y 时,中心化、交互项显著性、简单斜率图与表注的常见写法,并对照 SchoolStore 调节效应工具输出。

·约 8 分钟实证分析调节效应交互项研究生

为什么要中心化

构造 X×W 交互项前,常对 X、W 做均值中心化(或标准化),降低多重共线性,并使低/高 W 下的简单斜率更易解释。

中心化不改变交互项显著性,但会改变一次项系数含义——正文解释时应说明「在 W 的均值处,X 的边际效应为…」。

检验步骤

先跑主效应模型,再加入交互项;看 ΔR² 与交互项 p 值是否支持调节假设。

SchoolStore 调节工具会给出交互系数、ΔR² 与高低 W(±1SD)简单斜率,并附 Stata c.X##c.W 与 margins 对照。

图与表

简单斜率图不是必需,但答辩 PPT 中很直观:两条线分离明显且置信带不重叠时更有说服力。

表格可报告 b、SE、t、p 与 ΔR²;图注说明 W 高低取值(均值±1SD 或三分位)。

常见误区

交互项显著不等于「调节很强」——要看效应量与简单斜率差异是否具实质意义。

不要把显著的主效应解读为调节;调节的核心是 X 的效应随 W 变化。

相关工具

  • 调节效应在线调节效应:分层 ΔR²、中心化交互项、HC1 与简单斜率(均值±1SD),对照 Stata margins。服务调节效应实证分析。
  • OLS 回归在线 OLS 多元线性回归:系数、t/p、R²、F 检验,可选 HC1 稳健标准误,对照 Stata regress / vce(robust)。适用于实证分析主回归估计与制表。
  • 相关分析在线 Pearson / Spearman 相关矩阵与显著性,对照 Stata pwcorr、spearman。listwise 缺失处理,服务实证分析变量关系检验。

继续探索: 实证分析专区 · 更多实证指南

← 返回指南列表