spss中调节变量的去中心化

A. spss 中心化的意义

中心化的目的统一单位也就是统一量纲，因为不同变量之间单位不一样，会造成各种统计量的偏误。

首先计算变量的平均值

这样，对变量进行中心化的工作就完成了。

B. spss实现中心化处理、标准化处理和归一化处理

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

一、中心化、标准化、归一化简单描述

意义：数据中心化和标准化在回归分析中是取消由于量纲不同、自身变异或者数值相差较大所引起的误差。

原理：

数据标准化：是指数值减去均值，再除以标准差；

数据中心化：是指变量减去它的均值；

归一化：把数变为（0，1）之间的小数。

二、中心化处理

        数据的中心化是指原数据减去该组数据的平均值，经过中心化处理后，原数据的坐标平移至中心点（0,0），该组数据的均值变为0，以此也被称为零均值化。

三、标准化处理

        大型数据分析项目中，数据来源不同，量纲及量纲单位不同，为了让它们具备可比性，需要采用标准化方法消除由此带来的偏差。 原始数据经过数据标准化处理后，各指标处于同一数量级，适合进行综合对比评价。这就是数据标准化。

        基本原理：数值减去平均值，再除以其标准差，得到均值为0，标准差为1的服从标准正态分布的数据。

        在SPSS中，使用最多的就是Z-score标准化（0-1标准化）方法，这种方法给予原始数据的均值（mean）和标准差（standard deviation）进行数据的标准化。经过处理的数据符合标准正态分布，即均值为0，标准差为1。

四、归一化处理

归一化方法：

把数变为（0，1）之间的小数

主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速

把有量纲表达式变为无量纲表达式，成为纯量。归一化，也算是数据标准化方法之一。常见的计算公式如下，得到新数据范围在[0,1]之间，归一化由此得名。

C. spss中，变量去中心化是变量减去该变量的均值，那么zscore又是什么呢

中心化是减去均值，Z分数是再除以标准差，二者都是中心化的方法。

D. SPSS/PROCESS-调节效应

 想要学习更多数据分析知识，请关注“数据分析成长记”微信公众号，更多精彩文章等你来读！

01

模型说明

简单回归模型方程为：

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

调节分析就要做出自变量与调节变量相乘的项，只需依据这个项是否显著来判断调节效果是否显著。

02

SPSS回归调节效应

一般我们为了避免X*M0项与其他项有严重共线性，会先对这两个变量进行中心化，再相乘。

SPSS操作及结果：

按照上述调节检验步骤，做分层回归：

所得结果如下：

根据R2改变量我们可以判断调节项的作用大小，R2越大，则新增变量对因变量的解释力度越大。本次数据R2改变量不显著，即不存在调节效应。

交互项不显著，也说明不存在调节效应。

03

PROCESS调节效应

首先，查PROCESS说明书，确认我们要用的中介模型为Model1。

具体操作如下：

输出结果如下：

与SPSS分层回归输出结果一样。

调节效应显著的，后边还有个简单斜率检验，有兴趣的读者可以自己探索！

今天的分享就到这里啦，想要学习更多数据分析知识，请关注“数据分析成长记”微信公众号，更多精彩文章等你来读！

E. SPSS进行中介效应分析用标准化和中心化的区别

1、中介效应分析不需要数据中心化和标准化；
2、强行中心化或中心化，只有非标准化系数不一样，标准化系是一样的。

（南心 提供）

F. SPSS中心化到底是减去什么的均值

是的，减去该项目对应的个案的均值
然后用中心化之后的数据来做回归，不是中心化又加总

G. spss做回归都需要中心化吗

1、因变量不需要做中心化转换；
2、第一步是自变量进入回归方程；第二步是自变量和调节变量一起进入；第三步是自变量、调节变量、交互项一起进入；
3、将调节变量分成高低组,做自变量与因变量的回归分析,再比较高低组自变量对因变量的影响系数大小,进行斜率检验.

H. 我的因变量是多分类变量，自变量是连续变量，调节变量是连续变量，如何用spss做调节效应分析

1.如果自变量里面的分类变量是只有两个分类的，那你就把它跟其他定量自变量一起挪到自变量对话框就可以。
2.如果分类变量超过两个分类，有3个或以上时，需要实现设定哑变量或者是叫做虚拟变量。

3.这个需要自己重新编码，就是把每个分类单独一列，该项选择了就编码成1，其他的是0。

4.然后把这些单独设置的全部一起移入自变量对话框跟定量自变量一起做回归就好了。

I. 操作SPSS时怎么将变量中心化

有几种方法，这里介绍最常用的两种，一种是减去平均值，一种是z分数。
减去平均值：先进行一个description统计，得到描述性统计结果，有平均数和标准差。然后使用compute命令，新建一个变量=原变量-平均数。
z分数，和上面的结果差不多，只不过在新变量的基础之上除以标准差，得到一个分数。

问题是您的描述：一个变量有多个题项，这究竟是啥意思呢？想不出来。