交互項原值去中心化

1. 做調節效應分析一定要把自變數和調節變數做去中心化處理嗎

不一定，中心化處理只不過是為了能夠方便解釋而已，並不會影響各項回歸系數。

數據中心化和標准化在回歸分析中是取消由於量綱不同、自身變異或者是數值相差較大所引起的誤差。數據中心化指的就是變數減去它的均值。數據標准化指的就是數值減去均值，再除以標准差。通過中心化和標准化處理，能夠得到均值為0，標准差為1的服從標准正態分布的數據。在一些實際問題當中，我們得到的樣本數據都是多個維度的，也就是一個樣本是用多個特徵來表徵的。很顯然，這些特徵的量綱和數值得量級都是不一樣的，而通過標准化的處理，可以使得不同的特徵具有相同的尺度(Scale)。這樣，在學習參數的時候，不同特徵對參數的影響程度就一樣了。簡而言之，當原始數據不同維度上的特徵的尺度(單位)不一致的時候，需要標准化步驟對數據進行預處理。數據預處理，一般有數據歸一化、標准化以及去中心化。歸一化：是將數據映射到[01]或[-11]區間范圍內，不同特徵的量綱不同，值范圍大小不同，存在奇異值，對訓練有影響。標准化：是將數據映射到滿足標准正態分布的范圍內，使數據滿足均值是0標准差是1。標准化同樣可以消除不同特徵的量綱。去中心化：就是使數據滿足均值為0，但是對標准差沒有要求。如果對數據的范圍沒有限定要求，則選擇標准化進行數據預處理；如果要求數據在某個范圍內取值，則採用歸一化；如果數據不存在極端的極大極小值時，採用歸一化；如果數據存在較多的異常值和噪音，採用標准化。

2. 調節效應交互項是中心化後的變數相乘嗎

調節效應交互項是中心化後的變數不相乘。根據查詢相關信息顯示交互作用是指存在兩個自變數時，自變數A對於因變數的影響在另一個自變數B出現變化時也會出現變化。在交互作用中，兩個自變數的地位是對稱，變數A和B都可以被稱為調節變數。但是在調節效應中，自變數和調節變數定位明確，兩者不可互換。因此，可以將調節效應作為交互效應的特例。

3. 結構方程模型--數據中心化

有時在做結構方程模型進行交互項檢驗時，要對數據進行中心化。

那中心化怎麼進行操作呢？

1.首先，打開spss軟體，放入數據，分析>描述統計>描述，將需要中心化的變數放到右邊，點擊選項，選中平均值，確定，計算出變數平均值

結果：

可以看到結果已經算出來了

2.然後再拿原數據減去平均值，得到的結果另存為一個變數並命名

具體操作：點開轉換>計算變數，給變數命名，然後輸入表達式：變數-變數均值，點擊確定

3.我們可看到得出的結果

4.測試一下數據是否中心化：

再計算Z的均值，看是否為0

可以看到，Z均值為0，數據中心化完成

文獻：

真實自豪對人際信任的影響: 一個有調節的中介模型

4. 交互項中同一變數相乘需要中心化嗎

需要。
將自變數和調節變數中心化之後用中心化的值相乘得到一個新的變數（即交互項的乘積）然後再放入回歸。

5. 交互項去中心化後如何解釋

winter_doll 10045 7 收藏2016-12-22
求助各位大神：
我在處理數據時候，因為多重貢獻性將交互項進行了去中心化處理，請問去中心化後，系數該如何解釋，並且，我的因變數和自變數是取的對數形式，能夠直接用系數表明邊際效應呢？
模型具體形式如下：
lny=alnx1+bx2+cx2*lnx1
其中，y,x1取對數，x2是虛擬變數，請問，此時的系數c能夠說明邊際效應嗎？

6. 調節效應只是交互項中心化嗎

不是。
調節效應不是交互項中心化，它們有一定區別，是中心化後的變數不相乘。在交互作用中，兩個自變陸或量的地森悉讓位是對稱，變數A和B都可以被稱為調節變數。
調節效應，本質是一種異質性效應，通俗來講此局是X影響Y時因M而不同，例如員工培訓X會影響員工工資Y，但員工工資X會受到性別的影響M。

7. 交互項去中心化是不是能變顯著

交互項去帆如槐中心化可以使得模型更加准確，但並不一定能夠顯著提高模型的顯著性。交互項去中心化的作用是消除不同變數之間的相關性，態友減小模型的多重共線性問題，從而更准確地估計變數對因變數的影響。在某些情況下，交互項去中心化可以增加模型的解釋力橡橘和預測准確性，但並不一定能夠顯著提高模型的顯著性，因為顯著性取決於多個因素，包括樣本量、數據分布、模型擬合度等等。因此，交互項去中心化可以作為提高模型准確性的一種手段，但並不是顯著性檢驗的絕對保證。

8. 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）

9. 交互項中心化控制變數需要中心化嗎

不需要。交互項中心化控制變數不需要中心化。中心化的意思，是中心決定節點。節點必須依賴中心，節點離開了中心就無法生存。

10. 交互項中同一變數相乘需要中心化嗎

需要的。
以Y＝a0+a1*X+a2*Z+a3*XZ——（模型1）為例，一般在做交互項的時候，進入模型的數據都是經過去中心化的，即X、Z、XZ都是經過去中心化的。