5月22日，聽了劉紅雲老師的統計課，非常多幹貨内容，于是整理筆記，對知識點進行梳理。
以下是所有内容的邏輯架構。
1. 首先針對标題，區分兩組概念
（1）觀測變量 vs. 潛變量
（2）調節效應 vs. 互動作用
2. 基于觀測變量的分析：多元回歸分析的方法
（1）什麼是多元回歸分析？
一個因變量與多個自變量間的線性依存關系
（2）兩種情況
①兩個連續變量
②連續變量與分類變量的互動作用
3. 兩個連續變量
step1：對自變量和調節變量做中心化處理
Q1：什麼是中心化處理？
将自變量X和調節變量W都減去各自的均值，轉化成CX和CM
Q2：為什麼要做中心化處理？
中心化後的變量CX與CXCW，CW與CXCW之間的相關降低，這有助于降低互動項（CX*CW）與其他變量（CX、CW）之間的共線性（non-essectial collinearity），回歸分析的結果更穩定，也更具有可解釋性。
step2：調節效應的分析過程
①中心化（具體過程看step1 Q1）
②計算CXCW互動項
③以Y為因變量，以CX，CM為自變量做回歸分析
④以Y為因變量，以CX，CM，CXCW為自變量做回歸分析
⑤看運作結果，互動項是否顯著
step3：标準化估計需要注意的問題
我們用SPSS時候，我們到底結果是看非标準化系數（藍色框框）還是标準系數（紅色框框）呢?
答案：藍色框部分
理由：我們要的是ZXZW，而不是ZXW（标準化系數是把X*W标準化了）
step4：簡單回歸系數的檢驗
以前我用的很不靠譜的方法就是在Excel畫圖，看看兩條線是不是走勢不一樣來判定。
其實真正的簡單斜率檢驗：對于調節變量取值高（高于均值一個标準差）或者取值低（低于均值一個标準差），自變量X對因變量Y的回歸系數是否等于零？
4. 連續變量與分類變量的互動作用
by虛拟變量
參考文獻：
Multiple regression:testing and interpreting interaction
Some Common Myths About Centering Predictor Variables in Moderated Multiple Regression and Polynomial Regression doi:10.1177/1094428111430540
Categorical Variables in Regression Analysis:
A Comparison of Dummy and Effect Coding doi:10.5296/ije.v4i2.1962