连续变量去中心化作交互项

① 虚拟变量与连续变量产生的交互项需要进行单位根检验吗

因果步骤法由Baron和Kenny ( 1986 )提出，其检验步骤分为三步。第一，X对Y的回归，检验回归系数c 的显著性，第二，X 对M的回归，检验回归系数a的显著性；第三，X和M对Y的回归，检验回归系数b和c'的显著性。如果系数c，a 和b都显著，就表示存在中介效应。此时如果系数c'不显著，就称这个中介效应是完全中介效应( full mediation) ；如果回归系数c'显著，但c'<c，就称这个中介效应是部分中介效应( partial mediation) 。中介效应的效果量( effect size) 常用ab/c或ab/c'来衡量。因果步骤法虽然被广泛使用，但该方法自问世以来，一直饱受争议。

② 在回归分析中什么是交叉变量或者叫交互项

这个是用来做调节效应分析的，
将自变量与调节变量中心化之后相乘即可得到交互项。

③ 怎么进行去中心化处理

根据侯杰泰的话：所谓中心化， 是指变量减去它的均值（即数学期望值）。对于样本数据，将一个变量的每个观测值减去该变量的样本平均值，变换后的变量就是中心化的。
对于你的问题，应是每个测量值减去均值。

④ 回归分析中，为什么连续变量之间就不能有交互项，分

可以有交互项的，机器人妹妹

⑤ 在回归分析中什么是交叉变量或者叫交互项（interaction terms）它有什么作用

交互项系数衡量的是一个变量对于“另一个变量对因变量影响能力”的影响，通常X1是mmy，比如X1是男女，X是智商，因变量是收入，其系数衡量的是智商对于提高收入的作用的性别差异

⑥ 老师，在回归分析中，为什么连续变量之间就不能有交互项，分析没有意义麻烦详细些，这块挺不懂的

确实，分析连续变量之间的交互项没有意义，理由如下：
首先，你必需要明白交互作用的定义和意义，这个你可以参考我的另一个回答：http://..com/question/271101881.html
然后，你可以想象一下，对于连续变量，应该会有很多个不同的数值，而每一个不同的数值就会被认为是一个分类，因此一个连续变量会被统计程序定义为有很多的分类。不难想象，两个连续变量进行交互分析时，会形成十分多的分类组合。在如此之多的分类组合之中，总会有一些分类组合由于偶然的原因而显示出显著性（这就是多重比较的问题），而只要有一个分类组合具有显著性，就会导致统计程序认为这两个连续变量之间具有交互作用，而实际上并非如此。此外，由于两个连续变量之间可以形成十分多的分类组合，也很难解释交互作用的意义，也就没有实际使用意义。

⑦ SPSS中Logistic模型的交互项分析

Logistic回归主要分为三类，一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。还有一种是因变量为有序多分类的logistic回归，比如病重的程度是高，中，低呀等等，这种回归也叫累积logistic回归，或者序次logistic回归。

⑧ 如何解释模型里的交互项的含义。解释的让我满意有加分

一般情况下，存在交互项需要先解释交互项，交互项不显著则对比未加入交互项之前的变化，
你至少要run出三条回归方程式：
假设自变量为X，因变量为Y，调节变量为Z
第一条回归方程式: Y=a1+b1(X)
第二条回归方程式: Y=a2+b1(X)+b2(Z)
第三条回归方程式: Y=a3+b1(X)+b2(Z)+b3(XZ)
在这之前，我还需要问下，你这都是连续变量还是虚拟变量？

⑨ 数据，交互变量一定要去中心化吗

不一定，中心化处理只不过是为了方便解释而已，并不影响各项回归系数。（南心网 调节效应中心化处理）

⑩ 变量和虚拟变量有交互项，该如何处理

通过那个 block 功能来做，你先把主要研究的自变量B 移到自变量对话框，然后点击一下 block的 next 就切换到下一层，然后再把A变量移入自变量对话框中，这样就是控制A的情况下，单独研究B对C的影响关系