主效应符号 & 交乘项符号
调节效应的解读 | 交叉项符号 | ||||
正相关 | 负相关 | ||||
主效应 （ 在未引入调节效应形成的交叉项之前 ） | 正相关 | 表明调节变量C强化了B对A的影响关系，即可以表达为变量C对B与A间的影响关系具有显著的强化或促进作用，具有显著的正向调节效应。 | 表明调节变量C弱化或抑制了B对A的影响关系，即可以表达为变量C对B与A间的影响关系具有显著的削弱抑制作用，具有显著的负向调节效应。 | 特殊情况：如果调节变量C的系数显著为正 | |
我们在分析调节效应时可以表达为：变量B和变量C在影响变量A中具有明显的替代关系。 （B和C对A的单独效应都是正，但B×C对A的效应是负，该现象表明B和C具有替代关系。）[1] | |||||
负相关 | 表明调节变量C削弱了B对A的负向影响关系，即可以表达为变量C对B与A间的影响关系具有显著的削弱或抑制作用。 | 特殊情况：如果调节变量C的系数显著为负 | 表明调节变量C强化了B对A的负向影响关系，即可以表达为变量C对B与A间的影响关系具有显著的强化或促进作用。 | ||
变量B和变量C在影响变量A中具有明显的替代关系[2] | |||||
“B和C 在影响A中具有替代关系”的两种情况： A= βB + γC -λB×C A= -βB –γC +λB×C [3] | |||||
[1]
[2]
A= -βB –γC +λB×C
[3] B的系数是指在未引入调节效应形成的交叉项之前的主效应。
调节效应时，中心化的好处
在分析调节效应时，有时候会碰到解释变量的系数不显著的情况，此时进行中心化是一个不错的选择。
交互项进行中心化的好处：在于方便解释估计系数的含义，因为如果解释变量是连续的，那么交互效应的大小会随不同解释变量的取值而改变，这时候一次项的系数和主回归是没有可比性的。中心化之后，交互项系数估计反映的是解释变量取均值时的估计结果，这时候一次项系数和主回归比较接近。
如果某个解释变量是0-1变量，是没有必要中心化的。
