Stata 调节效应怎么做：交互项与调节效应图
更新于
Stata 调节效应通过回归交互项表达条件斜率变化。本站「调节作用分析」自动中心化并构建交互项，给出层次回归、ΔR²、简单斜率与条件效应曲线，不运行命令。
下面结合本例核对主效应参照、交互项与写作边界。未显著不证明不存在调节。
调节效应的数据要怎么排
数据应为一行一家企业的截面表。以下结果来自本站演示数据（模拟生成，不代表真实研究结论）：本例取 85% 随机子样本（随机种子 23），N=212。本例变量名称用于说明企业研究的写法，底层仍为模拟生成的演示数据，不代表企业调查。
| 列名（本例） | 角色 | 放进哪个区 |
|---|---|---|
| 企业价值 | 因变量 | 因变量 (Y) |
| 数字化投入 | 自变量 | 自变量 (X) |
| 政府支持 | 调节变量 | 调节变量 (M) |
| 上市年限 | 控制变量 | 控制变量 (可选, 定量) |
样本量与参数个数之比要足够：本例 212 个观测、5 个参数，比值 42.4，满足每参数不少于 20 例的经验下限，样本量经验规则不保证检验功效，仍需结合预期效应与设计判断。
调节效应怎么做
- 上传数据，在方法列表里找到「调节作用分析」。
- 把四类变量按上表拖进「因变量 (Y)」「自变量 (X)」「调节变量 (M)」「控制变量 (可选, 定量)」；产品自动中心化自变量与调节变量并构建交互项，无需手工生成。本次标准误选普通，另可选 HC3。
- 点开始分析，报告依次给出相关与共线性前提、层次回归（模型 1 到 3）、简单斜率与条件效应图、效应量、结论五张卡。
Stata 调节效应的中心化与交互项怎么读
中心化前，数字化投入的 VIF 为 38.021，政府支持为 42.887，交互项为 81.936；中心化后分别降到 1.008、1.023 和 1.024，上市年限始终是 1.009。中心化只平移不缩放，不改变交互项系数，它让主效应对应于调节变量的均值参照，本例也减轻了乘积项的非本质共线，但并非对任意数据都能消除共线性。
层次回归里，模型 1 只含自变量与控制变量，模型 2 加入调节变量，模型 3 再加入交互项。交互项系数 B 为 0.0503，95%CI [0.0374, 0.0632]，p<0.001，标准化系数 0.4088，调节效应显著。ΔR²（模型 3 减模型 2）为 0.1633，ΔF 检验 F(1, 207)=59.176，亦显著，效应量 f² 为 0.2859，介于中（0.15）与大（0.35）之间。交互项为正，说明政府支持每升高 1 个单位，数字化投入对企业价值的条件斜率增加 0.0503。
前提检验里，残差 Shapiro-Wilk W=0.9838（p=0.016）提示非正态；无偏性依赖条件均值等假设，无法由样本量单独保证。Breusch-Pagan LM=6.734（p=0.151）未拒绝同方差，Durbin-Watson 为 1.8623。
简单斜率与 Johnson-Neyman 曲线怎么读
简单斜率把调节变量取在三个水平上看自变量的效应：政府支持取低水平（均值减 1 个标准差，43.9225）时，数字化投入的斜率为 0.0263（标准误 0.0775，p=0.735），不显著；取均值（52.2332）时斜率为 0.4442；取高水平（均值加 1 个标准差，60.5439）时斜率为 0.8622，后两项均显著。相邻水平间斜率的差等于交互项系数乘以调节变量的标准差，本例约为 0.418。
只看三个点依赖人为选定的调节水平，Johnson-Neyman 给出的是连续的条件效应曲线：它标出在给定模型与检验水平下条件斜率区间是否跨零。相邻取值的检验并非独立重复实验，解读应限定在样本覆盖范围。
简单斜率图中的三条预测线分别对应三个调节水平，不是置信区间边界。下一张 J–N 图展示连续的条件斜率与区间，二者纵轴的对象不同。
读这张图时区分蓝色点估计与两条区间边界，判断显著性应看区间是否跨越零参考线。点估计本身穿过零线的位置，和区间开始完全位于一侧的位置不是同一个阈值。
下表另列逐层模型的样本内拟合。增加变量后的拟合变化与某条路径的因果解释是不同问题，比较时还应确认三个模型使用相同的记录。
论文里怎么写
可以照这个句式写，数字换成自己的结果：
将数字化投入与政府支持中心化后构建交互项并控制上市年限。交互项系数为 0.0503（95%CI [0.0374, 0.0632]，p<0.001），ΔR²=0.1633（f²=0.2859），调节效应显著。简单斜率分析表明，政府支持较低时数字化投入的效应不显著（斜率 0.0263，p=0.735），较高时显著为正（斜率 0.8622）。
调节效应常见错误
- 把中心化当成必需的统计修正：先明确主效应参照与实际共线情况，平移变量不改变交互项系数。
- 把交互项不显著读成没有调节：交互效应的检验功效低，需要更大的样本。
- 只看三个水平的斜率：补充 Johnson-Neyman 曲线，才能知道显著的区间。
开通会员后可导出 Word / PDF 报告、使用 AI 解读。导出后仍应核对本次样本与变量设置。
延伸阅读
常见问题
- 调节效应为什么要先中心化？
- 中心化使主效应对应于调节变量的均值等有意义参照，并可能减轻非本质共线性。它只作平移，无法消除任意共线性，也不是含交互项回归有效估计的必要条件。
- 交互项不显著，就说明没有调节作用吗？
- 未检出交互效应不证明其不存在。检验功效取决于效应大小、测量误差、变量分布和设计，应报告交互项区间，并保留不显著与不可估计的不同状态。
- 本站有 stata调节效应代码 吗？
- 没有，本站不运行命令或脚本，调节效应通过「调节作用分析」菜单完成，拖入因变量、自变量、调节变量与控制变量，报告自动给出交互项、简单斜率与条件效应曲线。