You are on page 1of 5

Regresion

Moderadora
Interacción
Moderación

Grupo de Investigación ISDE


Granada, 12 de enero 2009

Regresión
Lineal
Jerárquica
Regresión Moderadora

Variable
Moderadora

Variable Variable
Independiente Dependiente

Se comprueba si la relación entre dos variables


depende de una tercera (moderadora)

1
No confundir con Mediación:

Variable
Independiente

Variable
Mediadora

Variable
Dependiente

Regresión
Lineal
Jerárquica
Regresión Moderadora

Y = a + b1·X + b2·Z + b3·XZ

X = Variable Independiente
Z = Variable Moderadora
Pasos:
1º Centrar los valores de X y Z
2º Multiplicar estos valores
3º Introducir las variables por bloques (o por pasos)

Realizar ejercicio-ejemplo

2
Regresión
Lineal
Jerárquica
Regresión Moderadora

Resumen del modelo

Estadísticos de cambio
R cuadrado Error típ. de la Cambio en Sig. del
Modelo R R cuadrado corregida estimación R cuadrado Cambio en F gl1 gl2 cambio en F
1 ,492a ,242 ,222 14,73484 ,242 12,130 1 38 ,001
2 ,573b ,329 ,292 14,05225 ,087 4,781 1 37 ,035
3 ,634c ,402 ,352 13,44376 ,073 4,425 1 36 ,042
a. Variables predictoras: (Constante), Book_c
b. Variables predictoras: (Constante), Book_c, attent_c
c. Variables predictoras: (Constante), Book_c, attent_c, book_c_x_attent_c

Mejor si es mayor de 0,1

Comprobar si es significativo

Regresión
Lineal
Jerárquica
Regresión Moderadora
Coeficientesa

Coeficientes
Coeficientes no estandarizad
estandarizados os
Modelo B Error típ. Beta t Sig.
1 (Constante) 63,550 2,330 27,277 ,000
Book_c 5,738 1,647 ,492 3,483 ,001
2 (Constante) 63,550 2,222 28,602 ,000
Book_c 4,037 1,753 ,346 2,303 ,027
attent_c 1,283 ,587 ,329 2,187 ,035
3 (Constante) 61,602 2,319 26,570 ,000
Book_c 4,155 1,678 ,356 2,476 ,018
attent_c 1,333 ,562 ,341 2,372 ,023
book_c_x_attent_c ,735 ,349 ,272 2,104 ,042
a. Variable dependiente: grade

Comprobar si es significativo
Si el coeficiente de moderación es
significativo, existe Moderación

3
Regresión
Lineal
Jerárquica
Regresión Moderadora

Representación Gráfica:
Se calcula los valores de VD para los casos
Y = a + b1·X + b2·Z + b3·XZ

Z=+σ VD
X alto
Nivel Alto Z=0 VD
o Max. Z=-σ VD

Z=+σ VD
X alto
Nivel Bajo Z=0 VD
o Min. Z=-σ VD

Regresión
Regresión Moderadora Lineal
Jerárquica

Representación Gráfica

65
Y Alto nivel de atención
64
63
62 Medio nivel de atención
61
60
59 Bajo nivel de atención
58
57
56
-1,00 1,00
X

4
Regresión
Regresión Moderadora Lineal
Jerárquica

Efecto conjunto de X sobre Y:


bx total = b1 + b3·Z

Se calcula para cada uno de los valores de Z


(alto, medio, bajo):

Alto Z=+σ bx total = b1 + b3·Z


Medio Z=0 bx total = b1 + b3·Z
Bajo Z=-σ bx total = b1 + b3·Z

Regresión
Regresión Moderadora Lineal
Jerárquica

Para calcular si este efecto conjunto es


significativo: b1 + b3·Z
t=
SE b en Z
SE b en Z = [SE2 b11 + 2·Z·covb13 + Z2·SE2b33]1/2
Correlaciones de los coeficientesa

book_c_x_
Modelo Book_c attent_c attent_c
1 Correlaciones Book_c 1,000
Covarianzas Book_c 2,714
2 Correlaciones Book_c 1,000 -,444
attent_c -,444 1,000
Covarianzas Book_c 3,073 -,456
attent_c -,456 ,345
3 Correlaciones Book_c 1,000 -,442 ,033
attent_c -,442 1,000 ,042
book_c_x_attent_c ,033 ,042 1,000
Covarianzas Book_c 2,816 -,416 ,020
attent_c -,416 ,316 ,008
book_c_x_attent_c ,020 ,008 ,122
a. Variable dependiente: grade