2020年5月22日19：00-20：30，在疫情未开学的情况下，课题组研一研二同学一起在线学习了北京师范大学教授刘红云老师直播的“调节效应分析方法的进展和应用”，下面就本次讲座的框架和重点进行梳理。

这次讲座主要从应用的角度介绍社会科学研究中，调节效应分析方法的古往今来以及调节变量在解释变量之间关系的重要性。大框架为：

（一）调节效应的应用趋势及其简介

（二）调节效应常用分析方法及其进展

（三）如何应用调节效应做一个好的研究

在第一节中，刘老师指出近40年来，关于调节效应的运用越来越多，在心理学研究中中介和调节的结合是热点。调节效应指的是第三者变量M取值不同，自变量X对结果变量Y的影响程度不同。调节和交互作用往往会混淆，不过两者最主要的区别为调节作用要根据理论模型确定变量角色X和M，而在交互作用里X和Y的位置可以互换。中介（mediate）效应和调节（moderate）效应因英文的相似，会被初学者混用，中介效应指的是X对Y的影响通过M 起作用。

在第二节中，根据是否在模型中考虑自变量和调节变量的测量误差，可分为基于观测变量的分析（方差分析和回归分析）和基于潜变量的分析（结构方程模型）。在这两类分析下再细分，因为自变量和调节变量的类型不同带来处理方式的差异，最终带来统计模型差异，主要表现在构建交互作用效应所用的方法的差异。老师重点强调了去中心化，虚拟编码和乘积指标法，具体方法步骤见附件PPT。至于调节效应和中介效应的结合，分为被调节的中介和被中介的调节，前者运用较多，后者较难阐述，解释易混淆。 

在第三节中，如何应用调节效应做一个好的研究？首先要明确研究问题，好的调节效应要建立在概念模型上，也就是要有理论依据；其次在研究设计上，对于收集数据方案的合理性进行说明即检验力的分析，重点是在预期的效应量上要合理确定样本量大小，可以借助软件根据拟采用的方法计算检验力（具体方法资源见PPT）。然后在数据分析，要注重变量的中心化，更推荐基于潜变量的分析，因为它更好处理了测量误差具有较高的检验力。最后在结果解释上，要从1）效应量；2）主效应；3）显著的调节效应，用简单斜率图等形式对这三方面进行解释说明。

高质量研究应当回避的几大类问题为：1）测量误差；建议文章中要报告X*M的信度；或者考虑测潜变量调节的方法。2）样本中变量的取值分布范围是否包含所有可能取值；实际做不到则要对样本局限性进行说明。3）分类调节变量，各组样本量是否接近。4）统计检验力低；尽量对检验力进行估计和报告。5）将连续变量转换为分类变量；不应因为数据分析或解释的便利，将其做分类的处理，除非变量本质上的解释需要将其分类。 6）主效应的解释；调节效应显著，优先解释调节效应，如果要解释主效应，则应在包含交互作用的全模型中分析，解释为在M=M0的条件下，X对Y的影响。

讲座结束后同学们就自己的想法在学习群里进行了集体探讨，余老师也在线为我们解答疑惑，这场讲座给我们提供了很好的学习方向和材料，还需往深处挖掘才能提升自己的统计分析能力。大家一致认为知识的道路上永无止境，需要保持一颗谦虚和渴求知识的心态勇敢努力前行。

编辑：李君

审核：陈晨