重回帰分析で交互作用効果
- 1. 重回帰分析で 交互作用効果 2014.11.29 Hijiyama.R 日本学術振興会 広島大学大学院教育学研究科 平川真 @hirakawamakoto
- 2. 重回帰分析 ?複数の独立変数で従属変数を予測する ?= a + b1x1+ b2x2 x1 x2 y b2 b1
- 3. 交互作用効果 ?独立変数の効果が他の変数によって変わる e.g., *ただしイケメンに限る ?調整効果(moderation effect)とも xがyに及ぼす影響を、zが調整する z x y 调整変数(moderator)
- 4. 交互作用効果を表現する xとzの積を新たな変数としてモデルに加える ?= a + b1x + b2z + b3xz ?右辺をxに注目して整理 ?= (b1+ b3z)x + a + b2z ?xの傾きが、zの値によっても決まる
- 5. 積をとる前に中心化 中心化: 実現値から平均値を引く しないとx*zとx、zが強く相関? 多重共線の問題 中心化すると、相関がおさえられる ← x*z, -x*-z > 0; x*-z, -x*z<0 ID x z x_c z_c xz xz_c 1 1 5 -2 2 5 -4 2 2 1 -1 -2 2 2 3 5 4 2 1 20 2 4 4 2 1 -1 8 -1 5 1 1 -2 -2 1 4 6 2 5 -1 2 10 -2 7 5 2 2 -1 10 -2 8 4 4 1 1 16 1 M 3 3 0 0 xz xz_c x .77 .00 z .54 .00 x_c .77 .00 z_c .54 .00
- 6. 分析手順 1)変数の中心化 2)交互作用項を加えて重回帰分析 3)単純傾斜(simple slope)の検定 zの任意の値(平均±1SD) でxの効果を検討 ?基準を±1SDにずらして重回帰分析を実施
- 7. 分析データ 仮想データ(n=175) 測定変数: ?相手が好意を伝達してくる程度（独立変数: appeal） ?相手の外見的魅力（调整変数: nice） ?相手に対する好意度（従属変数: like） RQ: 好意を伝達してくる程度が好意度に及ぼす影響は、 外見的魅力によって調整されるか??
- 8. 変数の中心化 データセットのappealという変数からappealの平均を引き、 appeal_cという変数を作成しなさい、という意味 na.rm = T は欠損値を省く、という意味
- 9. 重回帰分析 lm関数を使用lm (従~ 独1 + 独2+ ???, データの指定)
- 11. 単纯倾斜の検定 +1SD変数は(平均+1SD) を引いて作成 -1SD変数は(平均-1SD) を引いて作成
- 12. 単纯倾斜の検定
- 14. 標準化係数が出したいです + 1SD -1 SD
- 15. 辫别辩耻辞诲パッケージ 大文字!! 独立変数 调整変数
- 16. 辫别辩耻辞诲パッケージ