5月22日，听了刘红云老师的统计课，非常多干货内容，于是整理笔记，对知识点进行梳理。
以下是所有内容的逻辑框架。
1. 首先针对标题，区分两组概念
（1）观测变量 vs. 潜变量
（2）调节效应 vs. 交互作用
2. 基于观测变量的分析：多元回归分析的方法
（1）什么是多元回归分析？
一个因变量与多个自变量间的线性依存关系
（2）两种情况
①两个连续变量
②连续变量与分类变量的交互作用
3. 两个连续变量
step1：对自变量和调节变量做中心化处理
Q1：什么是中心化处理？
将自变量X和调节变量W都减去各自的均值，转化成CX和CM
Q2：为什么要做中心化处理？
中心化后的变量CX与CXCW，CW与CXCW之间的相关降低，这有助于降低交互项（CX*CW）与其他变量（CX、CW）之间的共线性（non-essectial collinearity），回归分析的结果更稳定，也更具有可解释性。
step2：调节效应的分析过程
①中心化（具体过程看step1 Q1）
②计算CXCW交互项
③以Y为因变量，以CX，CM为自变量做回归分析
④以Y为因变量，以CX，CM，CXCW为自变量做回归分析
⑤看运行结果，交互项是否显著
step3：标准化估计需要注意的问题
我们用SPSS时候，我们到底结果是看非标准化系数（蓝色框框）还是标准系数（红色框框）呢?
答案：蓝色框部分
理由：我们要的是ZXZW，而不是ZXW（标准化系数是把X*W标准化了）
step4：简单回归系数的检验
以前我用的很不靠谱的方法就是在Excel画图，看看两条线是不是走势不一样来判定。
其实真正的简单斜率检验：对于调节变量取值高（高于均值一个标准差）或者取值低（低于均值一个标准差），自变量X对因变量Y的回归系数是否等于零？
4. 连续变量与分类变量的交互作用
by虚拟变量
参考文献：
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