Wydaje się, że twoja metoda nie rozwiązuje problemu, zakładając, że „efekt moderujący” to zmiana jednego lub więcej współczynników regresji między dwiema grupami. Testy istotności w regresji oceniają, czy współczynniki są niezerowe. Porównanie wartości p w dwóch regresjach niewiele mówi (jeśli w ogóle) o różnicach w tych współczynnikach między dwiema próbkami.
Zamiast tego wprowadź płeć jako zmienną fikcyjną i oddziałuj na nią ze wszystkimi interesującymi współczynnikami. Następnie sprawdź istotność powiązanych współczynników.
Na przykład w najprostszym przypadku (jednej zmiennej niezależnej) dane mogą być wyrażone jako lista krotek gdzie są płciami, zakodowane jako i . Model dla płci to(xja,yja,solja)solja010
yja=α0+β0xja+εja
(gdzie indeksuje dane, dla których ), a model dla płci tojasolja= 01
yja=α1+β1xja+εja
(gdzie indeksuje dane, dla których ). Parametry to , , i . Błędy to . Załóżmy, że są niezależne i identycznie rozmieszczone przy zerowych środkach. Model łączony w celu przetestowania różnicy nachyleń ( ) można zapisać jakojasolja= 1α0α1β0β1εjaβ
yja= α +β0xja+ (β1-β0) (xjasolja) +εja
(gdzie rozciąga się na wszystkie dane), ponieważ gdy ustawisz ostatni termin wypada, dając pierwszy model z , a gdy ustawisz dwie wielokrotności łączą się, dając , co daje drugi model z . Dlatego możesz sprawdzić, czy nachylenia są takie same („efekt moderacji”), dopasowując modeljasolja=0α =α0solja= 1xjaβ1α=α1
yi=α+βxi+γ(xigi)+εi
i sprawdzenie, czy szacowany rozmiar efektu moderującego, , wynosi zero. Jeśli nie masz pewności, czy przechwytywanie będzie takie samo, dołącz czwarty termin:γ^
yi=α+δgi+βxi+γ(xigi)+εi.
Nie musisz sprawdzać, czy ma wartość zero, jeśli nie jest to interesujące: jest uwzględniony, aby umożliwić osobne dopasowania liniowe do dwóch płci bez wymuszania takiego samego przechwytywania.δ^
Głównym ograniczeniem tego podejścia jest założenie, że wariancje błędów są takie same dla obu płci. Jeśli nie, musisz uwzględnić tę możliwość, a to wymaga nieco więcej pracy z oprogramowaniem w celu dopasowania do modelu i głębszego zastanowienia się, jak przetestować istotność współczynników.εi
Wydaje mi się, że moderowanie zmiennej grupującej działałoby równie dobrze podczas porównywania współczynników regresji w niezależnych falach danych przekrojowych (np. Rok 1, rok 2 i rok 3 jako grupa 1 grupa 2 i grupa 3)?
źródło