交互项原值去中心化

1. 做调节效应分析一定要把自变量和调节变量做去中心化处理吗

不一定，中心化处理只不过是为了能够方便解释而已，并不会影响各项回归系数。

数据中心化和标准化在回归分析中是取消由于量纲不同、自身变异或者是数值相差较大所引起的误差。数据中心化指的就是变量减去它的均值。数据标准化指的就是数值减去均值，再除以标准差。通过中心化和标准化处理，能够得到均值为0，标准差为1的服从标准正态分布的数据。在一些实际问题当中，我们得到的样本数据都是多个维度的，也就是一个样本是用多个特征来表征的。很显然，这些特征的量纲和数值得量级都是不一样的，而通过标准化的处理，可以使得不同的特征具有相同的尺度(Scale)。这样，在学习参数的时候，不同特征对参数的影响程度就一样了。简而言之，当原始数据不同维度上的特征的尺度(单位)不一致的时候，需要标准化步骤对数据进行预处理。数据预处理，一般有数据归一化、标准化以及去中心化。归一化：是将数据映射到[01]或[-11]区间范围内，不同特征的量纲不同，值范围大小不同，存在奇异值，对训练有影响。标准化：是将数据映射到满足标准正态分布的范围内，使数据满足均值是0标准差是1。标准化同样可以消除不同特征的量纲。去中心化：就是使数据满足均值为0，但是对标准差没有要求。如果对数据的范围没有限定要求，则选择标准化进行数据预处理；如果要求数据在某个范围内取值，则采用归一化；如果数据不存在极端的极大极小值时，采用归一化；如果数据存在较多的异常值和噪音，采用标准化。

2. 调节效应交互项是中心化后的变量相乘吗

调节效应交互项是中心化后的变量不相乘。根据查询相关信息显示交互作用是指存在两个自变量时，自变量A对于因变量的影响在另一个自变量B出现变化时也会出现变化。在交互作用中，两个自变量的地位是对称，变量A和B都可以被称为调节变量。但是在调节效应中，自变量和调节变量定位明确，两者不可互换。因此，可以将调节效应作为交互效应的特例。

3. 结构方程模型--数据中心化

有时在做结构方程模型进行交互项检验时，要对数据进行中心化。

那中心化怎么进行操作呢？

1.首先，打开spss软件，放入数据，分析>描述统计>描述，将需要中心化的变量放到右边，点击选项，选中平均值，确定，计算出变量平均值

结果：

可以看到结果已经算出来了

2.然后再拿原数据减去平均值，得到的结果另存为一个变量并命名

具体操作：点开转换>计算变量，给变量命名，然后输入表达式：变量-变量均值，点击确定

3.我们可看到得出的结果

4.测试一下数据是否中心化：

再计算Z的均值，看是否为0

可以看到，Z均值为0，数据中心化完成

文献：

真实自豪对人际信任的影响: 一个有调节的中介模型

4. 交互项中同一变量相乘需要中心化吗

需要。
将自变量和调节变量中心化之后用中心化的值相乘得到一个新的变量（即交互项的乘积）然后再放入回归。

5. 交互项去中心化后如何解释

winter_doll 10045 7 收藏2016-12-22
求助各位大神：
我在处理数据时候，因为多重贡献性将交互项进行了去中心化处理，请问去中心化后，系数该如何解释，并且，我的因变量和自变量是取的对数形式，能够直接用系数表明边际效应呢？
模型具体形式如下：
lny=alnx1+bx2+cx2*lnx1
其中，y,x1取对数，x2是虚拟变量，请问，此时的系数c能够说明边际效应吗？

6. 调节效应只是交互项中心化吗

不是。
调节效应不是交互项中心化，它们有一定区别，是中心化后的变量不相乘。在交互作用中，两个自变陆或量的地森悉让位是对称，变量A和B都可以被称为调节变量。
调节效应，本质是一种异质性效应，通俗来讲此局是X影响Y时因M而不同，例如员工培训X会影响员工工资Y，但员工工资X会受到性别的影响M。

7. 交互项去中心化是不是能变显著

交互项去帆如槐中心化可以使得模型更加准确，但并不一定能够显著提高模型的显著性。交互项去中心化的作用是消除不同变量之间的相关性，态友减小模型的多重共线性问题，从而更准确地估计变量对因变量的影响。在某些情况下，交互项去中心化可以增加模型的解释力橡橘和预测准确性，但并不一定能够显著提高模型的显著性，因为显著性取决于多个因素，包括样本量、数据分布、模型拟合度等等。因此，交互项去中心化可以作为提高模型准确性的一种手段，但并不是显著性检验的绝对保证。

8. 数据，交互变量一定要去中心化吗

不一定，中心化处理只不过是为了方便解释而已，并不影响各项回归系数。（南心网 调节效应中心化处理）

9. 交互项中心化控制变量需要中心化吗

不需要。交互项中心化控制变量不需要中心化。中心化的意思，是中心决定节点。节点必须依赖中心，节点离开了中心就无法生存。

10. 交互项中同一变量相乘需要中心化吗

需要的。
以Y＝a0+a1*X+a2*Z+a3*XZ——（模型1）为例，一般在做交互项的时候，进入模型的数据都是经过去中心化的，即X、Z、XZ都是经过去中心化的。