Ваш метод, по-видимому, не отвечает на этот вопрос, предполагая, что «эффект смягчения» - это изменение одного или нескольких коэффициентов регрессии между двумя группами. Критерии значимости в регрессии оценивают, являются ли коэффициенты ненулевыми. Сравнение значений р в двух регрессиях мало что говорит (если вообще что-то) о различиях в этих коэффициентах между двумя выборками.
Вместо этого, представьте пол как фиктивную переменную и взаимодействуйте со всеми интересующими коэффициентами. Затем проверьте на значимость связанных коэффициентов.
Например, в простейшем случае (с одной независимой переменной) ваши данные могут быть выражены в виде списка кортежей, где g i - это роды, закодированные как 0 и 1 . Модель для пола 0 есть(xi,yi,gi)гя010
Yязнак равноα0+β0Икся+εя
(где индексирует данные , для которых г я = 0 ) и модель для пола 1 являетсяягя= 01
Yя= α1+ β1Икся+ εя
(где индексирует данные, для которых g i = 1 ). Параметры α 0 , α 1 , β 0 , и & beta ; 1 . Ошибки являются ε i . Давайте предположим, что они независимы и одинаково распределены с нулевым средним. Комбинированная модель для проверки разницы в наклонах ( β ) может быть записана какягя= 1α0α1β0β1εяβ
Yя= α + β0Икся+ ( β1- β0) ( хягя) + εя
(где охватывает все данные), потому что когда вы устанавливаете g i = 0, последний член выпадает, давая первой модели с α = α 0 , а когда вы устанавливаете g i = 1, два множителя x i объединяются, чтобы дать β 1 , что дает вторую модель с α = α 1 . Таким образом, вы можете проверить, одинаковы ли наклоны («эффект замедления»), подгоняя модельягя= 0α = α0гя= 1Иксяβ1α = α1
Yя= α + βИкся+ γ( хягя) + εя
и тестирование ли оценочный модераторы размер , равен нуль. Если вы не уверены, что перехваты будут одинаковыми, включите четвертый термин:γ^
Yя= α + δгя+ βИкся+ γ( хягя) + εя,
Вы не обязательно должны проверить , является ли δ равен нулю, если это не представляет никакого интереса: он включен , чтобы отдельные линейные припадки в двух полов , не заставляя их иметь тот же перехватывать.δ^
Основным ограничением этого подхода является предположение о том , что дисперсии ошибок одинаковы для обоих полов. Если нет, вам необходимо включить эту возможность, а это требует немного больше работы с программным обеспечением, чтобы соответствовать модели, и глубже задуматься о том, как проверить значимость коэффициентов.εя
Я предполагаю, что модерирование группирующей переменной будет одинаково хорошо работать при сравнении коэффициентов регрессии для независимых волн поперечных данных (например, год1, год2 и год3 как группа1, группа2 и группа3)?
источник