„Umiar” a „interakcja”?

14

Natknąłem się na te dwa terminy, które są używane zamiennie w wielu kontekstach.

Zasadniczo moderator (M) jest czynnikiem wpływającym na zależność między X i Y. Analiza moderacji jest zwykle wykonywana przy użyciu modelu regresji. Na przykład płeć (M) może wpływać na związek między „badaniem produktu” (X) a „zakupem produktu” (Y).

W interakcji X1 i X2 oddziałują, aby wpływać na Y. Ten sam przykład tutaj jest taki, że na „badania produktu” (X1) wpływa „płeć” (X2) i razem wpływają one na „zakup produktu” (Y).

Widzę, że z umiarem M wpływa na relację XY, ale w interakcji M (która w tym przypadku jest płcią) wpływa na inne IV.

Pytanie : Jeśli celem mojego projektu jest sprawdzenie, w jaki sposób płeć wpływa na relacje między X i Y, czy powinienem stosować moderację lub interakcję?

Uwaga: Mój projekt dotyczy korelacji między X i Y, a nie związku przyczynowego między X i Y.

Adhesh Josh
źródło
6
Terminologia taka jak „płeć wpływa na związek” może wprowadzać w błąd. Z nielicznymi wyjątkami ludzie nie zmieniają płci (a kiedy to robią, wątpię, aby wpłynęło to na ich wzorce zakupów badawczych). To, co wydaje się, że chcesz wiedzieć, to „w jaki sposób związek między X i Y różni się ze względu na płeć?” Pierwsza rzeczą do zrobienia jest, aby wykresy rozrzutu Y przed X w podziale na płeć i porównać je. To, co robisz dalej, zależy od celów swoich badań. W przypadku wielu aplikacji możesz po prostu przestać charakteryzować dwa wykresy rozrzutu.
whuber
Dzięki, kurwa. Zadałem nieco inne pytanie, aby wyjaśnić moje zamieszanie.
Adhesh Josh
1
Rekord nie wykazuje żadnej istotnej zmiany w pytaniu.
whuber

Odpowiedzi:

19

Powinieneś uznać te dwa terminy za synonimiczne. Chociaż są one używane w nieco inny sposób i pochodzą z różnych tradycji w statystyce („interakcja” jest bardziej kojarzona z ANOVA, a „zmienna moderatora” jest bardziej kojarzona z regresją), nie ma rzeczywistej różnicy w podstawowym znaczeniu. W rzeczywistości statystyki są wypełnione synonimami, które pochodzą z różnych tradycji, które oznaczają to samo. Czy powinniśmy nazywać nasze zmienne X „zmiennymi predykcyjnymi”, „zmiennymi objaśniającymi”, „czynnikami”, „zmiennymi towarzyszącymi” itp.? Czy to ma znaczenie? (Nie, nie bardzo.)

Sposób na zastanowienie się nad tym, czym jest interakcja, polega na tym, że gdybyś wyjaśnił swoje odkrycia komuś, użyłbyś słowa „zależy”. Stworzę historię przy użyciu twoich zmiennych (nie mam możliwości dowiedzieć się, czy jest to dokładne, czy nawet wiarygodne): Powiedzmy, że ktoś pyta: „jeśli ludzie badają produkt, to czy go kupują?” Możesz odpowiedzieć: „Cóż, to zależy. W przypadku mężczyzn, którzy szukają produktu, zazwyczaj kupują go, ale kobiety lubią patrzeć i myśleć o produktach dla siebie; często kobieta bada produkt, ale nie mam zamiaru go kupować. Tak więc związek między badaniem produktu a jego kupnem zależy od płci ”. W tej historii zachodzi interakcja między badaniami produktu a płcią, lub seks moderuje związek między badaniami a zakupami. (Jeszcze raz, Nie wiem, czy ta historia jest zdalnie poprawna i mam nadzieję, że nikt się nią nie obrazi. Używam tylko mężczyzn i kobiet, ponieważ o to chodzi. Nie chcę forsować żadnych stereotypów).

gung - Przywróć Monikę
źródło
Dzięki Gung. I ta historia też ma sens. Oczywiście nie ma stereotypów; to tylko przykład.
Adhesh Josh
Dzięki @gung za wspaniałe wyjaśnienie, wciąż mam jedno pytanie do tego efektu moderatora: czy to możliwe, że nachylenie „badań” i „płci” nie jest znaczące, a interakcja jest znacząca? Zakładam, że taka możliwość istnieje, ale nie mogę sobie wyobrazić takiej sytuacji. Czy możesz dać mi wskazówkę?
yue86231
2
@ yue86231, kiedy masz w modelu termin interakcji, główne efekty (tj. badania i płeć tutaj) są nachyleniami, gdy inna zmienna ma wartość 0. Może pomóc ci przeczytać moją odpowiedź tutaj: Co znaczy „wszystko inne” równa „średnia w regresji wielokrotnej?
gung - Przywróć Monikę
4

Myślę, że masz w większości rzeczy poprawne, z wyjątkiem części dotyczącej „w interakcji, M (która w tym przypadku jest płcią) wpływa na inne IV”. W interakcji (prawdziwy synonim efektu moderatora - nic innego) nie ma potrzeby, aby jeden predyktor wpływał na drugi, a nawet był skorelowany z drugim. Wszystko, co implikuje „interakcja” (lub „moderator”), polega na tym, że sposób, w jaki jeden predyktor odnosi się do wyniku, zależy od poziomu drugiego predyktora.

rolando2
źródło
0

Interakcja kontra moderacja

Zarówno efekty moderacji, jak i interakcji są do siebie bardzo podobne. Matematycznie oba mogą być modelowane przy użyciu terminu iloczynowego w równaniu regresji. Często naukowcy używają tych dwóch terminów jako synonimów, ale między interakcją a moderacją istnieje cienka linia. Różnica między nimi jest zasadniczo podobna do różnicy między współczynnikiem korelacji a współczynnikiem regresji.

Kiedy mówimy, że X i Z oddziałują w ich wpływu na zmienną outcome Y i istnieje żadna prawdziwa różnica między rolą X i Z roli . Oba są uważane za zmienne predykcyjne. Następnie identyfikujemy ten efekt jako efekt interakcji.

Natomiast w przypadku, gdy mamy wyraźne rozróżnienie między zmiennymi predykcyjnymi a moderatorami (na podstawie teorii) i jesteśmy zainteresowani zobaczeniem wpływu predyktora na odpowiedź (wpływ moderatora), efekt ten jest znany jako efekt moderacji . Należy starannie wybrać termin, który bardziej odpowiada na pytanie badawcze.

Szczegółowe porównanie tych warunków znajduje się w http://learnerworld.tumblr.com/post/147085936920/interaction-moderationenjoystatisticswithme

i

http://learnerworld.tumblr.com/post/147089718705/mediationmoderationinteractionenjoystatisticswithme

Dr Nisha Arora
źródło
-1

Myślę, że najbardziej ogólnym modelem, jaki można napisać w odniesieniu do moderacji zmiennej z „w relacji między y i x”, jest:

y = f (x) + g (z) + h (x) z

Efektem krańcowym x jest f '(x) + h' (x) z, więc efektem moderacji jest h '(x).

Mikrofon

Mike Tsionas
źródło