process调节效应检验结果怎么看
做调节效应分析一定要把自变量和调节变量做去中心化处理吗？
做调节效应分析一定要把自变量和调节变量做去中心化处理吗？
不一定，中心化处理只不过是为了能够方便解释而已，并不会影响各项回归系数。
数据中心化和标准化在回归分析中是取消由于量纲不同、自身变异或者是数值相差较大所引起的误差。数据中心化指的就是变量减去它的均值。数据标准化指的就是数值减去均值，再除以标准差。通过中心化和标准化处理，能够得到均值为0，标准差为1的服从标准正态分布的数据。在一些实际问题当中，我们得到的样本数据都是多个维度的，也就是一个样本是用多个特征来表征的。很显然，这些特征的量纲和数值得量级都是不一样的，而通过标准化的处理，可以使得不同的特征具有相同的尺度(Scale)。这样，在学习参数的时候，不同特征对参数的影响程度就一样了。简而言之，当原始数据不同维度上的特征的尺度(单位)不一致的时候，需要标准化步骤对数据进行预处理。数据预处理，一般有数据归一化、标准化以及去中心化。归一化：是将数据映射到[01]或[-11]区间范围内，不同特征的量纲不同，值范围大小不同，存在奇异值，对训练有影响。标准化：是将数据映射到满足标准正态分布的范围内，使数据满足均值是0标准差是1。标准化同样可以消除不同特征的量纲。去中心化：就是使数据满足均值为0，但是对标准差没有要求。如果对数据的范围没有限定要求，则选择标准化进行数据预处理；如果要求数据在某个范围内取值，则采用归一化；如果数据不存在极端的极大极小值时，采用归一化；如果数据存在较多的异常值和噪音，采用标准化。
SPSS实例：[21]调节效应检验方法？
1.在spss中，打开线性回归的菜单，如图所示。
2.我们先将因变量【职业探索】、自变量【自我概念】、调节变量【社会支持】放入各自的框框。
3.点击下一层，设置第二个方程。
4.这第二层比第一层增加了一个交互项。
5.点击statistic，设置输出什么参数。
6.一定要选择R方改变量，点击continue，然后点击ok。
7.我们可以看r方的该变量，第二个方程，sig F change值小于0.05，证明调节效应存在。
8.我们看输出的结果，第一个红框是系数，也就是前面介绍的abcc，sig值是他们的显著性水平，交互项系数的sig值小于0.05，说明存在调节效应。