Kiedy przeprowadzamy analiz\u0119 regresji<\/a> , cz\u0119sto chcemy zrozumie\u0107, jak zmiany zmiennej niezale\u017cnej wp\u0142ywaj\u0105 na zmienn\u0105 zale\u017cn\u0105. Jednak zmienna moderuj\u0105ca mo\u017ce czasami wp\u0142ywa\u0107 na t\u0119 relacj\u0119.<\/span><\/p>\n Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce chcemy dopasowa\u0107 model regresji, w kt\u00f3rym u\u017cywamy niezale\u017cnych zmiennych godzin sp\u0119dzonych na \u0107wiczeniach w ka\u017cdym tygodniu,<\/em> aby przewidzie\u0107 zmienn\u0105 zale\u017cn\u0105 pozosta\u0142ego t\u0119tna<\/em> .<\/span> <\/p>\n Wierzymy, \u017ce wi\u0119cej godzin sp\u0119dzonych na \u0107wiczeniach wi\u0105\u017ce si\u0119 z ni\u017cszym t\u0119tnem spoczynkowym. Jednak\u017ce na t\u0119 zale\u017cno\u015b\u0107 mo\u017ce wp\u0142ywa\u0107 zmienna moderuj\u0105ca, taka jak p\u0142e\u0107<\/strong> .<\/span><\/p>\n Mo\u017cliwe, \u017ce ka\u017cda dodatkowa godzina \u0107wicze\u0144 powoduje wi\u0119kszy spadek pozosta\u0142ego t\u0119tna u m\u0119\u017cczyzn ni\u017c u kobiet.<\/span> <\/p>\n Innym przyk\u0142adem zmiennej moderuj\u0105cej mo\u017ce by\u0107 wiek<\/strong> . Jest prawdopodobne, \u017ce ka\u017cda dodatkowa godzina \u0107wicze\u0144 powoduje wi\u0119kszy spadek pozosta\u0142ego t\u0119tna u os\u00f3b m\u0142odszych ni\u017c u os\u00f3b starszych.<\/span> <\/p>\n Zmienne moderacyjne maj\u0105 nast\u0119puj\u0105ce w\u0142a\u015bciwo\u015bci:<\/span><\/p>\n 1. Zmienne moderuj\u0105ce mog\u0105 mie\u0107 charakter jako\u015bciowy lub ilo\u015bciowy<\/strong> .<\/span><\/p>\n Zmienne jako\u015bciowe<\/a> to zmienne, kt\u00f3re przyjmuj\u0105 nazwy lub etykiety. Przyk\u0142ady obejmuj\u0105:<\/span><\/p>\n Zmienne ilo\u015bciowe<\/a> to zmienne, kt\u00f3re przyjmuj\u0105 warto\u015bci liczbowe. Przyk\u0142ady obejmuj\u0105:<\/span><\/p>\n W poprzednich przyk\u0142adach p\u0142e\u0107<\/strong> by\u0142a zmienn\u0105 jako\u015bciow\u0105, kt\u00f3ra mog\u0142a potencjalnie wp\u0142ywa\u0107 na zwi\u0105zek mi\u0119dzy godzinami nauki a pozosta\u0142ym t\u0119tnem, podczas gdy wiek<\/strong> by\u0142 zmienn\u0105 ilo\u015bciow\u0105, kt\u00f3ra mog\u0142a potencjalnie wp\u0142ywa\u0107 na t\u0119 zale\u017cno\u015b\u0107.<\/span><\/p>\n 2. Zmienne moderacyjne mog\u0105 na r\u00f3\u017cne sposoby wp\u0142ywa\u0107 na relacj\u0119 pomi\u0119dzy zmienn\u0105 niezale\u017cn\u0105 a zmienn\u0105 zale\u017cn\u0105.<\/strong><\/span><\/p>\n Moderowanie zmiennych mo\u017ce mie\u0107 nast\u0119puj\u0105ce skutki:<\/span><\/p>\n W zale\u017cno\u015bci od sytuacji zmienna moderuj\u0105ca mo\u017ce moderowa\u0107<\/em> zwi\u0105zek mi\u0119dzy dwiema zmiennymi na r\u00f3\u017cne sposoby.<\/span><\/p>\n Cis<\/em><\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2<\/em> 1<\/sub><\/span><\/p>\n Je\u015bli podejrzewamy, \u017ce inna zmienna, Z<\/em> , jest zmienn\u0105 moderuj\u0105c\u0105, w\u00f3wczas mo\u017cemy dopasowa\u0107 nast\u0119puj\u0105cy model regresji:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> 1<\/sub> + \u03b2 2<\/sub> Z<\/em> <\/sub> +<\/em> \u03b23XZ<\/sub><\/span><\/p>\n W tym r\u00f3wnaniu sk\u0142adnik XZ<\/em> nazywany jest sk\u0142adnikiem interakcji<\/strong> .<\/span><\/p>\n Je\u017celi warto\u015b\u0107 p<\/a> wsp\u00f3\u0142czynnika XZ<\/em> w wyniku regresji jest istotna statystycznie, oznacza to, \u017ce istnieje istotna interakcja pomi\u0119dzy X<\/em> i Z<\/em> , a Z<\/em> powinno zosta\u0107 uwzgl\u0119dnione w modelu regresji jako zmienna moderuj\u0105ca.<\/span><\/p>\n Ostateczny model zapisaliby\u015bmy w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em> <\/sub> +<\/em> \u03b23XZ<\/sub><\/span><\/p>\n Je\u017celi warto\u015b\u0107 p wsp\u00f3\u0142czynnika XZ<\/em> w wyniku regresji nie jest istotna statystycznie, w\u00f3wczas Z<\/em> nie jest zmienn\u0105 moderuj\u0105c\u0105.<\/span><\/p>\n Mo\u017cliwe jest jednak, \u017ce wsp\u00f3\u0142czynnik Z<\/em> jest nadal istotny statystycznie.<\/span> W tym przypadku po prostu uwzgl\u0119dniliby\u015bmy Z<\/em> jako kolejn\u0105 zmienn\u0105 niezale\u017cn\u0105 w modelu regresji.<\/span><\/p>\n Nast\u0119pnie napisali\u015bmy ostateczny model w nast\u0119puj\u0105cy spos\u00f3b:<\/span><\/p>\n Y<\/em> = \u03b2 0<\/sub> + \u03b2 1<\/sub> X<\/em> + \u03b2 2<\/sub> Z<\/em><\/span><\/p>\n Jak czyta\u0107 i interpretowa\u0107 tabel\u0119 regresji<\/a> Zmienna moderatora to typ zmiennej, kt\u00f3ry wp\u0142ywa na relacj\u0119 mi\u0119dzy zmienn\u0105 zale\u017cn\u0105 a zmienn\u0105 niezale\u017cn\u0105 . Kiedy przeprowadzamy analiz\u0119 regresji , cz\u0119sto chcemy zrozumie\u0107, jak zmiany zmiennej niezale\u017cnej wp\u0142ywaj\u0105 na zmienn\u0105 zale\u017cn\u0105. Jednak zmienna moderuj\u0105ca mo\u017ce czasami wp\u0142ywa\u0107 na t\u0119 relacj\u0119. Za\u0142\u00f3\u017cmy na przyk\u0142ad, \u017ce chcemy dopasowa\u0107 model regresji, w kt\u00f3rym u\u017cywamy niezale\u017cnych zmiennych godzin […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-1462","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation1.png\")
<\/p>\n![\"Przyk\u0142ad](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation2.png\")
<\/p>\n![\"Moderowanie](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/moderation3.png\")
<\/p>\n W\u0142a\u015bciwo\u015bci zmiennych moderacyjnych<\/strong><\/span><\/h3>\n
\n
\n
\n
Jak testowa\u0107 zmienne moderacyjne<\/strong><\/span><\/h3>\n
Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak u\u017cywa\u0107 zmiennych fikcyjnych w analizie regresji<\/a>
Wprowadzenie do zmiennych myl\u0105cych<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"