多重迴歸分析 有時候會加入調解變項來探詢某種關係 假設身高為獨變項 依變項為身體質量指數 那麼研究者可以形成下面這樣一個粗略回歸等式(係數省略):

身體質量指數 = 常數 + 身高

如果這個時候 研究者想要了解不同性別的身高是否會影響身體質量指數與身高的相關模型  那麼要加入兩個獨變項(性別 性別*身高) 於是會形成以下的一個回歸等式:

身體質量指數 = 常數 + 身高 + 性別 + 性別*身高

問題來了 要怎麼輸入資料呢?

有學者建議要把連續獨變項(即 身高)中央化(centered) 類目變項虛擬化(dummy coding) 中央化即是觀察值減去變項平均數而形成了一個新的中央化變項 如果是二分類目 那麼編碼0與1(即 女與男)是可行的做法

然後中央化身高變項直接與性別變項相乘 就形成性別*身高交互作用變項(例如178*1 或 178*0......)

好 現在我們得到了所有變項的數字式資訊 然後帶入以上的回歸公式就變成:

身體質量指數 = 常數 + 中央化身高 + 性別 + 性別*中央化身高

可以使用階級回歸來探詢R squared change是否顯著而下結論(spss記得勾選)

有學者說變項不須中央化(如果沒有多重共線性的問題) 

探詢調解變項的影響可以運用階級回歸的概念

當然 中介變項(mediator variable)又是另一種截然不同的作法