SPSS混合设计调节模型分析咨询：重复测量与调节效应处理

核心结论 #

你的研究完全适配线性混合效应模型（Linear Mixed-Effects Model），这也是导师建议的原因——它能完美兼容「被试间连续自变量（人格特质）+ 被试内二分类调节变量（信任水平）」的重复测量设计，同时检验主效应与调节效应。

变量与设计匹配性说明 #

先明确变量属性和设计逻辑：

• 被试间变量：人格特质（连续型，Likert量表得分）
• 被试内变量：信任水平（二分类，低信任/高信任，每个被试重复测量）
• 因变量：谈判初始报价（连续型，5-15区间）
• 设计类型：被试内重复测量 + 被试间变量的混合设计

传统重复测量ANOVA存在球形假设、方差齐性等严格限制，且无法直接纳入连续型被试间变量做调节分析，混合效应模型则能解决这些问题，同时对数据分布的鲁棒性更强。

SPSS操作步骤（长格式数据推荐） #

1. 数据格式准备（长格式） #

每个被试对应两行数据，字段包括：

• 被试ID：唯一标识被试
• 人格得分：Likert量表的最终得分
• 信任水平：编码为0=低信任、1=高信任
• 初始报价：对应场景下的报价数值

2. 混合模型操作路径 #

1. 菜单栏选择：分析 > 混合模型 > 线性
2. 主体与重复设置：
   • 将被试ID选入「主体变量」，用于识别重复测量的单位
   • 将信任水平选入「重复」，点击「定义」，在「重复协方差类型」中选择「无结构」（样本量较小时可选「复合对称」）
3. 固定效应模型设置：
   • 点击「固定」，将人格得分、信任水平、人格得分*信任水平（交互项）选入「模型」面板
   • 确保主效应和交互项都被纳入（交互项就是你要检验的调节效应）
4. 随机效应设置：
   • 点击「随机」，将被试ID选入「随机效应」，默认保留随机截距即可（捕捉不同被试的基线报价差异）
5. 结果输出设置：
   • 点击「选项」，勾选「参数估计」「效应大小」，方便后续解读
6. 点击「确定」运行分析

关键结果解读 #

• 人格得分的主效应：看固定效应中人格得分的显著性（p值），若显著说明人格特质对初始报价存在直接影响
• 信任水平的主效应：看信任水平的显著性，若显著说明信任场景本身会改变报价
• 调节效应（交互项）：看人格得分*信任水平的显著性，若显著则证明信任水平会调节人格特质与初始报价的关系。此时需进一步做简单斜率分析，分别检验低信任、高信任场景下人格特质对报价的影响方向与强度

补充注意事项 #

• 若初始报价为整数且分布偏态，可考虑改用广义混合效应模型（SPSS路径：分析 > 混合模型 > 广义线性），选择泊松或负二项分布
• 提前清理极端值，避免影响模型稳定性
• 交互项显著后，可通过SPSS的「EM均值」功能或语法实现简单效应分析，更直观展示调节作用

内容的提问来源于stack exchange，提问作者breeks