spss中調節變數的去中心化

A. spss 中心化的意義

中心化的目的統一單位也就是統一量綱，因為不同變數之間單位不一樣，會造成各種統計量的偏誤。

首先計算變數的平均值

這樣，對變數進行中心化的工作就完成了。

B. spss實現中心化處理、標准化處理和歸一化處理

轉自https://blog.csdn.net/shouji111111/article/details/88675289

一、中心化、標准化、歸一化簡單描述

意義：數據中心化和標准化在回歸分析中是取消由於量綱不同、自身變異或者數值相差較大所引起的誤差。

原理：

數據標准化：是指數值減去均值，再除以標准差；

數據中心化：是指變數減去它的均值；

歸一化：把數變為（0，1）之間的小數。

二、中心化處理

        數據的中心化是指原數據減去該組數據的平均值，經過中心化處理後，原數據的坐標平移至中心點（0,0），該組數據的均值變為0，以此也被稱為零均值化。

三、標准化處理

        大型數據分析項目中，數據來源不同，量綱及量綱單位不同，為了讓它們具備可比性，需要採用標准化方法消除由此帶來的偏差。 原始數據經過數據標准化處理後，各指標處於同一數量級，適合進行綜合對比評價。這就是數據標准化。

        基本原理：數值減去平均值，再除以其標准差，得到均值為0，標准差為1的服從標准正態分布的數據。

        在SPSS中，使用最多的就是Z-score標准化（0-1標准化）方法，這種方法給予原始數據的均值（mean）和標准差（standard deviation）進行數據的標准化。經過處理的數據符合標准正態分布，即均值為0，標准差為1。

四、歸一化處理

歸一化方法：

把數變為（0，1）之間的小數

主要是為了數據處理方便提出來的，把數據映射到0～1范圍之內處理，更加便捷快速

把有量綱表達式變為無量綱表達式，成為純量。歸一化，也算是數據標准化方法之一。常見的計算公式如下，得到新數據范圍在[0,1]之間，歸一化由此得名。

C. 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。

D. SPSS/PROCESS-調節效應

 想要學習更多數據分析知識，請關注「數據分析成長記」微信公眾號，更多精彩文章等你來讀！

01

模型說明

簡單回歸模型方程為：

Y=i+c1*X+c2*M0+c3*X*M0+e

調節分析就要做出自變數與調節變數相乘的項，只需依據這個項是否顯著來判斷調節效果是否顯著。

02

SPSS回歸調節效應

一般我們為了避免X*M0項與其他項有嚴重共線性，會先對這兩個變數進行中心化，再相乘。

SPSS操作及結果：

按照上述調節檢驗步驟，做分層回歸：

所得結果如下：

根據R2改變數我們可以判斷調節項的作用大小，R2越大，則新增變數對因變數的解釋力度越大。本次數據R2改變數不顯著，即不存在調節效應。

交互項不顯著，也說明不存在調節效應。

03

PROCESS調節效應

首先，查PROCESS說明書，確認我們要用的中介模型為Model1。

具體操作如下：

輸出結果如下：

與SPSS分層回歸輸出結果一樣。

調節效應顯著的，後邊還有個簡單斜率檢驗，有興趣的讀者可以自己探索！

今天的分享就到這里啦，想要學習更多數據分析知識，請關注「數據分析成長記」微信公眾號，更多精彩文章等你來讀！

E. SPSS進行中介效應分析用標准化和中心化的區別

1、中介效應分析不需要數據中心化和標准化；
2、強行中心化或中心化，只有非標准化系數不一樣，標准化系是一樣的。

（南心 提供）

F. SPSS中心化到底是減去什麼的均值

是的，減去該項目對應的個案的均值
然後用中心化之後的數據來做回歸，不是中心化又加總

G. spss做回歸都需要中心化嗎

1、因變數不需要做中心化轉換；
2、第一步是自變數進入回歸方程；第二步是自變數和調節變數一起進入；第三步是自變數、調節變數、交互項一起進入；
3、將調節變數分成高低組,做自變數與因變數的回歸分析,再比較高低組自變數對因變數的影響系數大小,進行斜率檢驗.

H. 我的因變數是多分類變數，自變數是連續變數，調節變數是連續變數，如何用spss做調節效應分析

1.如果自變數裡面的分類變數是只有兩個分類的，那你就把它跟其他定量自變數一起挪到自變數對話框就可以。
2.如果分類變數超過兩個分類，有3個或以上時，需要實現設定啞變數或者是叫做虛擬變數。

3.這個需要自己重新編碼，就是把每個分類單獨一列，該項選擇了就編碼成1，其他的是0。

4.然後把這些單獨設置的全部一起移入自變數對話框跟定量自變數一起做回歸就好了。

I. 操作SPSS時怎麼將變數中心化

有幾種方法，這里介紹最常用的兩種，一種是減去平均值，一種是z分數。
減去平均值：先進行一個description統計，得到描述性統計結果，有平均數和標准差。然後使用compute命令，新建一個變數=原變數-平均數。
z分數，和上面的結果差不多，只不過在新變數的基礎之上除以標准差，得到一個分數。

問題是您的描述：一個變數有多個題項，這究竟是啥意思呢？想不出來。