Дві моделі, які ви вказали у своїй відповіді, можна повторно висловити, щоб зрозуміти, як ефект постулюється залежно від (або навпаки) у кожній моделі.Х1Х2
Першу модель можна повторно виразити так:
Y=β0+ (β1+β3Х2)Х1+β2Х2+ ϵ ,
що показує, що в цій моделі передбачається, що він має лінійний вплив на (керуючи ефектом ), але величина цього лінійного ефекту - захоплений коефіцієнтом нахилу - лінійно змінюється як функція . Наприклад, вплив на може збільшуватися по мірі збільшення значень .Х1YХ2Х1Х2Х1YХ2
Другу модель можна повторно виразити так:
Y=β0+ (β1+β3Х2)Х1+β4Х21+β2Х2+β5Х22+ ϵ ,
що показує, що в цій моделі вплив на (керуючи ефектом ) вважається квадратичним, а не лінійним. Цей квадратичний ефект фіксується, включаючи в модель як і . Хоча коефіцієнт вважається незалежним від , вважається , що коефіцієнт лінійно залежить від .Х1YХ2Х1Х21Х21Х2Х1Х2
Використання будь-якої моделі означає, що ви робите абсолютно різні припущення щодо природи впливу на (контролюючи ефект ).Х1YХ2
Зазвичай люди підходять до першої моделі. Потім вони можуть побудувати залишки цієї моделі проти та по черзі. Якщо залишки виявляють у залишках квадратичну картину як функцію та / або , модель може бути відповідно доповнена таким чином, щоб вона включала та / або (і, можливо, їх взаємодію).Х1Х2Х1Х2Х21Х22
Зауважте, що я спростив позначення, які ви використовували для послідовності, а також зробив явний термін помилки в обох моделях.