조절효과 관련 해석 문의
교수님 안녕하십니까
혼자 공부하고 책과 교수님 자료를 참고하여 분석하다가 도저히 모르겠는 부분이 있어 문의드립니다. ㅠㅠ
바쁘시겠지만 꼭 답변 부탁드립니다.
저는 태도, 주관적 규범이 의도에 영향을 미치고 지각된 행위통제(PBC)가 이 관계에 조절변수로 작용한다는 개정된 계획된 이론을 바탕으로 논문을 쓰고 있습니다. 조절효과를 보기위해 SPSS의 PROCESS macro를 이용한 조절효과 분석과 SPSS의 위계적 회귀분석(변수중심화 후) 모두 해보았습니다.
– 독립변수 : 태도, 주관적 규범
– 종속변수 : 의도
– 조절변수 : 지각된 행위통제
질문)
1) 가설 1 통계결과에서 독립변수-종속변수 p값 유의미, 조절변수-종속변수 p값 유의미, 상호작용변수-종속변수 p값 유의하지 않음 인데 -> 조절효과는 통계적으로 유의미하지 않았으니 가설 1은 기각되었다. 각 변수(독립변수 및 조절변수)의 종속변수에 대한 주효과는 유의미했다. 라고 해석하는 것이 맞을지요?
2) 가설 2 통계결과는 독립변수-종속변수 p값 유의미, 조절변수-종속변수 p값(=.961) 유의미하지 않음, 상호작용변수-종속변수 p값 유의미 인데요… 이 경우 상호작용변수가 통계적으로 유의미하여 조절효과가 확인되었으니 각 변수의 주효과 분석은 무의미한것으로 보고 단순기울기 분석으로 넘어가도 되는 것일까요? (가설1 결과에서 주효과가 유의미했지만 거설2에서는 유의미하지 않았는데도 불구하고요.)
3) 동일한 변수(조절변수)인데 왜 가설1 분석결과에서는 종속변수에 유의미한 예측변수로 나오고, 가설 2 분석결과에서는 유의미한 변수가 아닌 것으로 나오는 걸까요? ㅠㅠ 이걸 어떻게 이해해야 하는지 아무리 찾아도 잘 모르겠습니다.
4) 변수들간의 상관분석에서 지각된 행위통제(PBC)와 의도의 상관성은 유의하지 않았습니다(p=.295)
위계적 회귀분석에서도 가설1 분석결과는 독립변수(태도), 조절변수(PBC) 투입시까지 유의확률 F변화량이 <.001 이었다가 마지막 상호작용항 투입 시 .397로 조절효과 유의미하지 않음으로 확인되었습니다.
가설2 분석결과는 독립변수(주관적규범) 투입시 모형은 유의미하였으나(<.001) 2단계 조절변수(PBC) 투입시 유의확률 F변화량은 .619로 변화하였고, 마지막 3단계 상호작용항 투입하니 유의확률 F변화량 <.042 로 조절효과는 유의미한 것으로 확인되었습니다.
혹시 위와같은 분석결과( 가설2. 조절변수 투입시 모형 p값이 .05 이상이다가 상호작용항 투입시 다시 유의미해지는 경우)에 대한 저의 해석이 잘못된 것인지… ㅠㅠ 알려주시면 정말 감사하겠습니다.
PROCESS macro 분석결과는 아래와 같습니다.
Model : 1 (가설1)
Y : 의도1
X : M_VA (태도)
W : M_PBC (지각된 행위통제)
Sample
Size: 228
**************************************************************************
OUTCOME VARIABLE:
의도1
Model Summary
R R-sq MSE F df1 df2 p
.600 .360 .953 41.977 3.000 224.000 .000
Model
coeff se t p LLCI ULCI
constant 2.642 .067 39.226 .000 2.509 2.775
M_VA 1.048 .120 8.758 .000 .812 1.284
M_PBC -.160 .053 -3.026 .003 -.264 -.056
Int_1 .072 .085 .848 .397 -.095 .239
Product terms key:
Int_1 : M_VA x M_PBC
Test(s) of highest order unconditional interaction(s):
R2-chng F df1 df2 p
X*W .002 .719 1.000 224.000 .397
———-
Focal predict: M_VA (X)
Mod var: M_PBC (W)
Data for visualizing the conditional effect of the focal predictor:
Paste text below into a SPSS syntax window and execute to produce plot.
DATA LIST FREE/
M_VA M_PBC 의도1 .
BEGIN DATA.
-.676 -1.329 2.210
.000 -1.329 2.854
.676 -1.329 3.498
-.676 .000 1.933
.000 .000 2.642
.676 .000 3.350
-.676 1.329 1.656
.000 1.329 2.430
.676 1.329 3.203
END DATA.
GRAPH/SCATTERPLOT=
M_VA WITH 의도1 BY M_PBC .
*********************** ANALYSIS NOTES AND ERRORS ************************
Level of confidence for all confidence intervals in output:
95.0000
NOTE: The following variables were mean centered prior to analysis:
M_PBC M_VA
——————————————————————————————————————————————
Model : 1 (가설 2)
Y : 의도1
X : M_SN (주관적 규범)
W : M_PBC (지각된 행위통제)
Sample
Size: 228
**************************************************************************
OUTCOME VARIABLE:
의도1
Model Summary
R R-sq MSE F df1 df2 p
.536 .287 1.061 30.076 3.000 224.000 .000
Model
coeff se t p LLCI ULCI
constant 2.660 .068 38.994 .000 2.526 2.794
M_SN .372 .045 8.319 .000 .284 .460
M_PBC -.003 .053 -.048 .961 -.106 .101
Int_1 .069 .034 2.049 .042 .003 .135
Product terms key:
Int_1 : M_SN x M_PBC
Test(s) of highest order unconditional interaction(s):
R2-chng F df1 df2 p
X*W .013 4.198 1.000 224.000 .042
———-
Focal predict: M_SN (X)
Mod var: M_PBC (W)
Conditional effects of the focal predictor at values of the moderator(s):
M_PBC Effect se t p LLCI ULCI
-1.329 .280 .071 3.930 .000 .140 .421
.000 .372 .045 8.319 .000 .284 .460
1.329 .463 .054 8.635 .000 .357 .568
Moderator value(s) defining Johnson-Neyman significance region(s):
Value % below % above
-2.440 2.632 97.368
Conditional effect of focal predictor at values of the moderator:
M_PBC Effect se t p LLCI ULCI
-3.992 .097 .152 .639 .523 -.203 .398
-3.692 .118 .143 .827 .409 -.163 .399
-3.392 .139 .133 1.041 .299 -.124 .401
-3.092 .159 .124 1.287 .199 -.085 .403
-2.792 .180 .114 1.573 .117 -.046 .405
-2.492 .200 .105 1.907 .058 -.007 .408
-2.440 .204 .104 1.971 .050 .000 .408
-2.192 .221 .096 2.302 .022 .032 .410
-1.892 .242 .087 2.773 .006 .070 .413
-1.592 .262 .079 3.339 .001 .107 .417
-1.292 .283 .070 4.021 .000 .144 .421
-.992 .303 .063 4.842 .000 .180 .427
-.692 .324 .056 5.810 .000 .214 .434
-.392 .345 .050 6.900 .000 .246 .443
-.092 .365 .046 8.005 .000 .275 .455
.208 .386 .043 8.921 .000 .301 .471
.508 .406 .043 9.419 .000 .321 .491
.808 .427 .045 9.419 .000 .338 .516
1.108 .448 .050 9.042 .000 .350 .545
1.408 .468 .055 8.480 .000 .359 .577
1.708 .489 .062 7.880 .000 .367 .611
2.008 .509 .070 7.314 .000 .372 .647
Data for visualizing the conditional effect of the focal predictor:
Paste text below into a SPSS syntax window and execute to produce plot.
DATA LIST FREE/
M_SN M_PBC 의도1 .
BEGIN DATA.
-1.593 -1.329 2.217
.000 -1.329 2.663
1.593 -1.329 3.110
-1.593 .000 2.068
.000 .000 2.660
1.593 .000 3.252
-1.593 1.329 1.919
.000 1.329 2.657
1.593 1.329 3.394
END DATA.
GRAPH/SCATTERPLOT=
M_SN WITH 의도1 BY M_PBC .
*********************** ANALYSIS NOTES AND ERRORS ************************
Level of confidence for all confidence intervals in output:
95.0000
W values in conditional tables are the mean and +/- SD from the mean.
NOTE: The following variables were mean centered prior to analysis:
M_PBC M_SN
—— END MATRIX —–
Existing replies
이일현 (2023-07-15 12:09:54)
1.2. 예
3. 독립변수가 다르기 때문입니다.
두 분석에서 조절변수는 동일한 변수를 사용했지만, 독립변수가 서로 다릅니다.
따라서 그 독립변수의 영향력이 보정된 조절변수의 영향력이 다르기 때문에 B, SE 값이 달라지는 것입니다.
4. 조절효과가 유의한 경우 개별 변수의 주효과는 의미가 없습니다.
조절효과가 있을 대의 영향력에 대해 확인하고 해석해야 합니다.
조절효과가 유의한 경우, 조절효과가 없는 모형과 조절효과가 있는 모형은 완전히 다른 모형이라고 생각하면 됩니다.
따라서 두 결과는 서로 다를 수 밖에 없고요.
지금 결과를 보면 조절변수가 커질수록 독립변수가 종속변수에 미치는 양의 영향력이 강해진다는 것을 알 수 있습니다.
tara1128 (2023-07-18 16:23:37)
자세한 설명 정말 감사합니다 교수님! ㅠㅠ
참고해서 해석하겠습니다!
Legacy document_srl: 293317 / Legacy URL: http://www.statedu.com/QnA/293317