連續變數去中心化作交互項

① 虛擬變數與連續變數產生的交互項需要進行單位根檢驗嗎

因果步驟法由Baron和Kenny ( 1986 )提出，其檢驗步驟分為三步。第一，X對Y的回歸，檢驗回歸系數c 的顯著性，第二，X 對M的回歸，檢驗回歸系數a的顯著性；第三，X和M對Y的回歸，檢驗回歸系數b和c'的顯著性。如果系數c，a 和b都顯著，就表示存在中介效應。此時如果系數c'不顯著，就稱這個中介效應是完全中介效應( full mediation) ；如果回歸系數c'顯著，但c'<c，就稱這個中介效應是部分中介效應( partial mediation) 。中介效應的效果量( effect size) 常用ab/c或ab/c'來衡量。因果步驟法雖然被廣泛使用，但該方法自問世以來，一直飽受爭議。

② 在回歸分析中什麼是交叉變數或者叫交互項

這個是用來做調節效應分析的，
將自變數與調節變數中心化之後相乘即可得到交互項。

③ 怎麼進行去中心化處理

根據侯傑泰的話：所謂中心化， 是指變數減去它的均值（即數學期望值）。對於樣本數據，將一個變數的每個觀測值減去該變數的樣本平均值，變換後的變數就是中心化的。
對於你的問題，應是每個測量值減去均值。

④ 回歸分析中，為什麼連續變數之間就不能有交互項，分

可以有交互項的，機器人妹妹

⑤ 在回歸分析中什麼是交叉變數或者叫交互項（interaction terms）它有什麼作用

交互項系數衡量的是一個變數對於「另一個變數對因變數影響能力」的影響，通常X1是mmy，比如X1是男女，X是智商，因變數是收入，其系數衡量的是智商對於提高收入的作用的性別差異

⑥ 老師，在回歸分析中，為什麼連續變數之間就不能有交互項，分析沒有意義麻煩詳細些，這塊挺不懂的

確實，分析連續變數之間的交互項沒有意義，理由如下：
首先，你必需要明白交互作用的定義和意義，這個你可以參考我的另一個回答：http://..com/question/271101881.html
然後，你可以想像一下，對於連續變數，應該會有很多個不同的數值，而每一個不同的數值就會被認為是一個分類，因此一個連續變數會被統計程序定義為有很多的分類。不難想像，兩個連續變數進行交互分析時，會形成十分多的分類組合。在如此之多的分類組合之中，總會有一些分類組合由於偶然的原因而顯示出顯著性（這就是多重比較的問題），而只要有一個分類組合具有顯著性，就會導致統計程序認為這兩個連續變數之間具有交互作用，而實際上並非如此。此外，由於兩個連續變數之間可以形成十分多的分類組合，也很難解釋交互作用的意義，也就沒有實際使用意義。

⑦ SPSS中Logistic模型的交互項分析

Logistic回歸主要分為三類，一種是因變數為二分類得logistic回歸，這種回歸叫做二項logistic回歸，一種是因變數為無序多分類得logistic回歸，比如傾向於選擇哪種產品，這種回歸叫做多項logistic回歸。還有一種是因變數為有序多分類的logistic回歸，比如病重的程度是高，中，低呀等等，這種回歸也叫累積logistic回歸，或者序次logistic回歸。

⑧ 如何解釋模型里的交互項的含義。解釋的讓我滿意有加分

一般情況下，存在交互項需要先解釋交互項，交互項不顯著則對比未加入交互項之前的變化，
你至少要run出三條回歸方程式：
假設自變數為X，因變數為Y，調節變數為Z
第一條回歸方程式: Y=a1+b1(X)
第二條回歸方程式: Y=a2+b1(X)+b2(Z)
第三條回歸方程式: Y=a3+b1(X)+b2(Z)+b3(XZ)
在這之前，我還需要問下，你這都是連續變數還是虛擬變數？

⑨ 數據，交互變數一定要去中心化嗎

不一定，中心化處理只不過是為了方便解釋而已，並不影響各項回歸系數。（南心網 調節效應中心化處理）

⑩ 變數和虛擬變數有交互項，該如何處理

通過那個 block 功能來做，你先把主要研究的自變數B 移到自變數對話框，然後點擊一下 block的 next 就切換到下一層，然後再把A變數移入自變數對話框中，這樣就是控制A的情況下，單獨研究B對C的影響關系