分類變數如何去中心化

『壹』 自變數與調節變數都是分類變數時怎麼分析調節效應

根據自變數和調節變數的數據類型，可以分為以下四種情況：

『貳』 spss中，變數去中心化是變數減去該變數的均值，那麼zscore又是什麼呢

中心化是減去均值，Z分數是再除以標准差，二者都是中心化的方法。

『叄』 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。

『肆』 自變數是分類變數，調節變數為連續變數該怎麼回歸

1.如果 X 是一個真的 0與1變數，比如性別，那就把它當成是連續的處理。4 M# @+ S# n8 ]4 e
2. 如果 X 是一個人工的 0與1變數，比如高於平均 vs. 低於平均，那就有問題了。因為人工的二分可以用任何的人為標准。不同的分法會嚴重影響結果的。

『伍』 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）

『陸』 自變數和調節變數都是分類變數，怎麼分析

調節效應應該檢驗交互因子的系數，這個系數顯著，就可以說明調節效應了。你的這個模型找到文獻支持可以成立的excludedvariables（已排除的變數）你應該是第一張放兩個變數，第二張放3個變數，選擇的回歸方法是enter（進入）。但是spss不是按照你的順序去放變數，而是把你所選的所有變數都加到模型裡面去，在進行第一個回歸的時候把多出來的變數排除，所以會有這個表格出現。如果不想出現這個表格，你就分兩次做回歸，第一次放中心D中心H，出了結果再放中心D中心HD乘H，分兩次做就不會有了。