两阶段法
先估计潜变量得分,再用这些得分构造交互作用项。稳健,且为 OpenPLS 的默认方法;对反映型和形成型构念都适用。
PLS-SEM 方法
PLS-SEM 中的调节效应:当某个效应取决于第三个变量
调节效应分析检验两个构念之间关系的强度或方向是否随第三个构念(即调节变量)的取值而变化。本页解释交互作用效应、如何解读它与简单斜率、各种估计方法,以及常见误区。
调节效应分析检验什么
在一个简单模型中,预测变量以一个固定系数影响目标。调节效应则问:这个系数本身是否取决于某个调节变量?例如,感知有用性对采纳的影响在年轻用户中可能比年长用户更强:年龄调节了从有用性到采纳的路径。
在机制上,调节效应会加入一个交互作用项,即预测变量与调节变量的乘积,作为目标的额外预测变量。显著的交互作用效应意味着:当调节变量变化时,预测变量到目标的关系也随之变化。
计算示例
以满意度作为调节变量,检验信任对忠诚的效应。交互作用项为正且显著(交互作用系数 0.16,p = 0.01)。绘制简单斜率可以看到:当满意度较低时,信任到忠诚的斜率较平缓;当满意度较高时,斜率较陡。
因此,在高度满意的顾客中,信任对忠诚更为重要:满意度强化了这一关系。
如何解读结果
调节效应报告交互作用效应:其系数、标准误、t 值和 p 值,通常来自自助法。
- 交互作用 p < 0.05
- 显著的调节效应:预测变量到目标的效应确实取决于调节变量。应解读交互作用,而不仅是主效应。
- 正向交互作用
- 随着调节变量增大,预测变量到目标的关系变强。
- 负向交互作用
- 随着调节变量增大,该关系变弱,甚至反转。
- 交互作用 p ≥ 0.05
- 没有调节效应的证据。报告直接效应,不要解读交互作用。
用简单斜率图来解读显著的交互作用:它显示在调节变量的低、均值和高取值处预测变量到目标的斜率,使调节效应的方向和大小变得具体。
估计方法
乘积指标法
通过将预测变量与调节变量的指标相乘来构造交互作用。需要反映型构念,在指标数量相等时效果最佳。
正交化
乘积指标法的一种变体,去除交互作用项与其组成部分之间的相关,以降低共线性。
简单斜率
它不是估计方法,而是解读显著交互作用的标准方式:在调节变量的不同水平上描绘预测变量到目标的关系。
逐步运行调节效应分析
- 指定你认为被调节的、从预测变量到目标的直接路径。
- 将调节变量和交互作用项(预测变量 × 调节变量)作为目标的预测变量加入。
- 估计模型,并对交互作用效应做自助法以得到其 t 值和 p 值。
- 若交互作用显著,绘制简单斜率,查看效应在调节变量各水平上如何变化。
- 报告交互作用系数、其显著性和简单斜率的解读,并在可能时报告交互作用的 f² 效应量。
常见误区
- 在存在显著交互作用时,把主效应当作无条件效应来解读。有调节效应时,主效应只是调节变量取均值处的效应。
- 把连续的调节变量切分成组,改用组间比较。这会丢弃信息;通常连续的交互作用项更好。
- 只报告交互作用系数而不给简单斜率图,使方向和大小不清。
- 忽略交互作用的 f² 效应量;即使交互作用显著,它也往往很小。
OpenPLS 中的调节效应
OpenPLS 提供一个使用两阶段法的调节效应面板。选择预测变量、调节变量和目标,它会加入交互作用项,报告基础模型与交互作用模型的路径,并给出交互作用效应及其自助法 t 值和 p 值,同时附上简单斜率图。免费,且在浏览器中运行。
常见问题
- 调节效应与中介效应有何区别?
- 调节效应依据第三个变量改变关系的强度或方向。中介效应通过位于预测变量与结果之间路径上的中介变量来解释关系。调节效应关乎效应"何时"成立;中介效应关乎它"如何"起作用。
- 什么时候用调节效应而不是多群组分析?
- 当调节变量是连续的,使用连续交互作用项(调节效应),因为为做 MGA 而将其切分成组会浪费信息。当分组确实是分类的(如国家或性别),使用 MGA。
- 什么是简单斜率图?
- 它是在调节变量的低、均值和高取值处计算的预测变量到目标关系的图。它把一个显著的交互作用系数转化为效应如何变化的具体画面。
延伸阅读
实用论述见 Hair, J. F., Hult, G. T. M., Ringle, C. M., & Sarstedt, M. (2022). A Primer on Partial Least Squares Structural Equation Modeling, 第 3 版, Sage。关于估计方法:Henseler, J., & Chin, W. W. (2010). A comparison of approaches for the analysis of interaction effects between latent variables using partial least squares path modeling. Structural Equation Modeling, 17(1), 82-109。另见 Memon, M. A., et al. (2019). Moderation analysis: issues and guidelines. Journal of Applied Structural Equation Modeling, 3(1), i-xi。