Una manera simple de pensar sobre esto es: ¿La correlación (o pendiente de regresión bivariada) entre sus variables difiere entre los grupos, por ejemplo, ¿la correlación entre sus variables X e Y es diferente para hombres y mujeres? ¿Tiene (como dijo Bob Rosenthal) “diferentes pendientes para diferentes personas”?
Una forma preliminar fácil de ver la moderación (moderación por sexo, en este ejemplo) es dividir sus datos en dos grupos y obtener sus correlaciones X, Y por separado para el grupo masculino y el femenino.
Si designa a X como el predictor, entonces si la correlación X, Y es diferente para los hombres que para las mujeres, se podría decir que el sexo modera la asociación predictiva entre X e Y, o que el sexo y X interactúan como predictores de Y.
Si desea probar la importancia estadística de la moderación (también llamada interacción), necesita más análisis.
Puede tener moderación / interacción entre diferentes tipos de variables: ambas variables involucradas en la interacción pueden ser categóricas; uno puede ser categórico y el otro cuantitativo; o ambos pueden ser cuantitativos (la evaluación de la interacción / moderación es más difícil cuando ambas variables son cuantitativas).
ANOVA es la forma más conveniente de evaluar la moderación cuando ambos predictores son categóricos; La regresión funciona mejor si ambos predictores son cuantitativos.
Tenga en cuenta que la moderación en la regresión y la interacción en ANOVA factorial son esencialmente lo mismo: la naturaleza de la asociación entre la variable predictora X1 y la variable de resultado Y difiere entre los puntajes en la variable moderadora X2, o, para usar la terminología de ANOVA, el patrón de significa que a través de los niveles del factor A es diferente para los grupos dentro de los niveles o grupos en el factor B.
Si tiene dos predictores categóricos (llámelos Factor A y Factor B) y desea saber si B modera el efecto de A, o para decirlo de otra manera, si existe una interacción entre A y B como predictores de Y, usted simplemente ejecute un ANOVA factorial (con Y como la variable de resultado) y observe la interacción A x B. Si la interacción A x B es estadísticamente significativa, entonces un gráfico o tabla o gráfico de barras de los medios de la celda lo ayudará a descubrir la naturaleza de cualquier moderación o interacción.
Si tiene dos predictores cuantitativos X1 y X2 y desea saber si X2 modera el “efecto” de X1 en Y, crea una nueva variable que es X1 * X2 (es mejor ‘centrar’ los puntajes en X1 y X2 antes de multiplicar es decir, restar la media de X1 de todas las puntuaciones de X1). Luego configura una regresión para predecir Y a partir de X1, X2 y el producto X1 * X2. Si el coeficiente de pendiente para el producto X1 * X2 es estadísticamente significativo, entonces tiene evidencia de una posible interacción. Puede ser más complicado evaluar la naturaleza de las interacciones cuando ambos predictores son cuantitativos (ver el libro de Aiken & West sobre Interacción en regresión múltiple).
Si tiene una variable categórica codificada ficticia A como una variable independiente y una X2 cuantitativa como variable independiente cuantitativa, usted forma los productos de variables ficticias multiplicadas por predictores cuantitativos e incluye estos en sus análisis de regresión como predictores.
(Todo esto supone que se cumplen los supuestos de regresión y ANOVA; de lo contrario, los resultados de los análisis pueden ser engañosos).
