调节变量为sas 分类变量回归，怎样做回归分析

来源：蜘蛛抓取(WebSpider) 时间：2016-12-10 14:24 标签： 线性回归 分类变量
苹果/安卓/wp
积分 106, 距离下一级还需 39 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 3 天连续签到: 1 天[LV.2]偶尔看看I
各位大神，我在写毕业论文，遇到点问题
自变量是程度高/低，调节变量是同伴有/无，因变量是连续变量。
是个2×2的实验
我要如何验证他们之间的关系呢？
而且，自变量和调节变量是可以互换的
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
& && &将自变量调节变量即变量的交互项纳入模型就行了呗。不过交互项纳入模型时需要以虚拟变量形式纳入。你这是2*2的交互，最后的结果是有一个参照组，会显示另外3组的结果。祝好运~
xddlovejiao1314 发表于
将自变量调节变量即变量的交互项纳入模型就行了呗。不过交互项纳入模型时需要以虚拟变量形式纳入。你 ...可是自变量与调节变量分类是（0，1），这样如何做交互呢？
No_Excuse. 发表于
可是自变量与调节变量分类是（0，1），这样如何做交互呢？有关系么？一样的交互啊！即交互后有00，01，10，11四组！
xddlovejiao1314 发表于
有关系么？一样的交互啊！即交互后有00，01，10，11四组！嗯。这个我明白。我是纠结一个问题：通常连续变量是将所有数据做均值再中心化处理后，做交互。然后回归分析。& & 那么我这个二分变量，做虚拟变量处理后4组的值就是0或1了呀？请问我的这个理解对吗？
No_Excuse. 发表于
嗯。这个我明白。我是纠结一个问题：通常连续变量是将所有数据做均值再中心化处理后，做交互。然后回归分 ...没有太明白你想表达的意思？你想表达类别变量做交互也要中心化么？还是你想表达类别变量的交互处理为虚拟变量后是0,1型的变量。如果是后者，不影响的。直接用就行的。如果是前者，类别变量也可以像连续变量一样标准化的。祝好运~
xddlovejiao1314 发表于
没有太明白你想表达的意思？你想表达类别变量做交互也要中心化么？还是你想表达类别变量的交互处理为虚拟 ...我的意思是后者。我明白了。非常感谢！
自变量和调节变量是可以互换的？能吗？
你这情况是用ANOVA吧？而且如果可互换，只是交互项而非调节吧？
用SPSS 中的univiarate 做多因素方差分析的全模型，即要加入交互作用项，如果交互作用项检验显著，即有调节效应
一级伯乐勋章
一级伯乐勋章
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
中级热心勋章
中级热心勋章
中级学术勋章
中级学术勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
高级学术勋章
高级学术勋章
高级信用勋章
高级信用勋章
特级热心勋章
高级热心勋章
特级学术勋章
特级学术勋章
特级信用勋章
高级信用勋章
无限扩大经管职场人脉圈！每天抽选10位免费名额，现在就扫& 论坛VIP& 贵宾会员& 可免费加入
加入我们,立即就学扫码下载「就学」app& Join us!& JoinLearn&
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师【图文】调节效应_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
评价文档：
上传于||暂无简介
大小：440.00KB
登录百度文库，专享文档复制特权，财富值每天免费拿！
你可能喜欢温馨提示！由于新浪微博认证机制调整，您的新浪微博帐号绑定已过期，请重新绑定！&&|&&
LOFTER精选
网易考拉推荐
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
阅读(3228)|
用微信&&“扫一扫”
将文章分享到朋友圈。
用易信&&“扫一扫”
将文章分享到朋友圈。
历史上的今天
loftPermalink:'',
id:'fks_',
blogTitle:'[转]不同自变量与调节变量类型所对应的分析方法',
blogAbstract:'
& & & & 调节变量(moderator)是个重要的统计概念,',
blogTag:'调节变量,变量类型,分析方法',
blogUrl:'blog/static/9',
isPublished:1,
istop:false,
modifyTime:0,
publishTime:9,
permalink:'blog/static/9',
commentCount:0,
mainCommentCount:0,
recommendCount:0,
bsrk:-100,
publisherId:0,
recomBlogHome:false,
currentRecomBlog:false,
attachmentsFileIds:[],
groupInfo:{},
friendstatus:'none',
followstatus:'unFollow',
pubSucc:'',
visitorProvince:'',
visitorCity:'',
visitorNewUser:false,
postAddInfo:{},
mset:'000',
remindgoodnightblog:false,
isBlackVisitor:false,
isShowYodaoAd:false,
hostIntro:'',
hmcon:'1',
selfRecomBlogCount:'0',
lofter_single:''
{list a as x}
{if x.moveFrom=='wap'}
{elseif x.moveFrom=='iphone'}
{elseif x.moveFrom=='android'}
{elseif x.moveFrom=='mobile'}
${a.selfIntro|escape}{if great260}${suplement}{/if}
{list a as x}
推荐过这篇日志的人：
{list a as x}
{if !!b&&b.length>0}
他们还推荐了：
{list b as y}
转载记录：
{list d as x}
{list a as x}
{list a as x}
{list a as x}
{list a as x}
{if x_index>4}{break}{/if}
${fn2(x.publishTime,'yyyy-MM-dd HH:mm:ss')}
{list a as x}
{if !!(blogDetail.preBlogPermalink)}
{if !!(blogDetail.nextBlogPermalink)}
{list a as x}
{if defined('newslist')&&newslist.length>0}
{list newslist as x}
{if x_index>7}{break}{/if}
{list a as x}
{var first_option =}
{list x.voteDetailList as voteToOption}
{if voteToOption==1}
{if first_option==false},{/if}&&“${b[voteToOption_index]}”&&
{if (x.role!="-1") },“我是${c[x.role]}”&&{/if}
&&&&&&&&${fn1(x.voteTime)}
{if x.userName==''}{/if}
网易公司版权所有&&
{list x.l as y}
{if defined('wl')}
{list wl as x}{/list}

我要回帖

更多关于 线性回归 分类变量 的文章

 

随机推荐