Johnson-Neyman 표의 해석
교수님 안녕하세요, 일전에 연속형으로 조사한 경력을 범주화하여
조절변수로 사용하는 것을 문의드렸던 학생입니다.
교수님께서 연속형 변수는 그대로 투입하는 것이 좋다고 답변해주신 글을 보고
다시 연속형으로 조절변수를 투입하여 process macro model 1을 실행하였습니다.
Model: 1
Y: activity
X: teamwork
W: ORcareer
Model Summary
R R-sq Adj R-sq F p SEest
.503 .253 .237 16.244 .000 .350
Model
coeff se t p LLCI ULCI
constant 4.507 .030 149.286 .000 4.448 4.567
teamwork .383 .057 6.733 .000 .270 .495
ORcareer .001 .000 1.854 .066 .000 .002
Int_1 -.001 .001 -.974 .332 -.002 .001
Product terms key:
Int_1 : teamwork x ORcareer
Test(s) of highest order unconditional interaction(s):
R2-chng F df1 df2 p
X*W .005 .949 1.000 144.000 .332
----------
Conditional effects of the focal predictor at values of the moderator(s):
ORcareer Effect se t p LLCI ULCI
-74.257 .435 .074 5.886 .000 .289 .582
.000 .383 .057 6.733 .000 .270 .495
82.776 .324 .087 3.726 .000 .152 .496
Moderator value(s) defining Johnson-Neyman significance region(s):
Value % below % above
161.783 92.568 7.432
Conditional effect of focal predictor at values of the moderator:
ORcareer Effect se t p LLCI ULCI
-74.257 .435 .074 5.886 .000 .289 .582
-54.357 .421 .066 6.423 .000 .292 .551
-34.457 .407 .060 6.835 .000 .289 .525
-14.557 .393 .057 6.934 .000 .281 .505
5.343 .379 .057 6.603 .000 .266 .493
25.243 .365 .062 5.925 .000 .243 .487
45.143 .351 .069 5.114 .000 .215 .487
65.043 .337 .078 4.334 .000 .183 .490
84.943 .323 .088 3.657 .000 .148 .497
104.843 .309 .100 3.094 .002 .112 .506
124.743 .295 .112 2.632 .009 .073 .516
144.643 .281 .125 2.251 .026 .034 .527
161.783 .268 .136 1.977 .050 .000 .537
164.543 .267 .138 1.936 .055 -.006 .539
184.443 .252 .151 1.673 .097 -.046 .551
204.343 .238 .164 1.450 .149 -.087 .563
224.243 .224 .178 1.260 .210 -.128 .576
244.143 .210 .192 1.096 .275 -.169 .589
264.043 .196 .206 .954 .342 -.210 .603
283.943 .182 .220 .830 .408 -.252 .616
303.843 .168 .234 .720 .473 -.293 .630
323.743 .154 .248 .622 .535 -.335 .643
Data for visualizing the conditional effect of the focal predictor:
Paste text below into a SPSS syntax window and execute to produce plot.
DATA LIST FREE/
teamwork ORcareer activity se LLCI ULCI .
BEGIN DATA.
-.533 -74.257 4.219 .058 4.104 4.333
.000 -74.257 4.451 .040 4.372 4.529
.533 -74.257 4.683 .054 4.576 4.790
-.533 .000 4.303 .042 4.220 4.386
.000 .000 4.507 .030 4.448 4.567
.533 .000 4.712 .043 4.626 4.798
-.533 82.776 4.398 .047 4.304 4.491
.000 82.776 4.571 .049 4.475 4.667
.533 82.776 4.744 .082 4.581 4.907
END DATA.
GRAPH/SCATTERPLOT=
teamwork WITH activity BY ORcareer .
-----------
Some regression diagnostics
Min. Max.
fitted 3.946 4.975
residual -1.345 .796
t-resid -4.728 2.333
Shape of residuals
Skewness Kurtosis
Value -.915 1.546
se .199 .396
Bonferroni-corrected p for largest t-residual
t-resid p-value casenum
-4.728 .001 109.000
Most influential observations
casenum dfbeta
constant 49.000 -.008
teamwork 109.000 .050
ORcareer 137.000 .000
Int_1 109.000 .002
Variable tolerance and VIF
Tol. VIF
teamwork .908 1.101
ORcareer .719 1.391
Int_1 .781 1.280
Breusch-Pagan test of heteroskedasticity
Chi-sq df p
Normal 44.041 3.000 .000
Robust 25.499 3.000 .000
*********** BOOTSTRAP RESULTS FOR REGRESSION MODEL PARAMETERS ************
OUTCOME VARIABLE:
activity
Coeff BootMean BootSE BootLLCI BootULCI
constant 4.507 4.506 .030 4.448 4.566
teamwork .383 .376 .065 .269 .525
ORcareer .001 .001 .000 .000 .001
Int_1 -.001 -.001 .001 -.003 .002
*********************** ANALYSIS NOTES AND ERRORS ************************
Level of confidence for all confidence intervals in output:
95.0000
Number of bootstrap samples for bias-corrected bootstrap confidence intervals:
5000
W values in conditional tables are the minimum, the mean, and 1 SD above the mean.
1. Model 에서 Int_1 의 p값이 .332이더라도
Johnson-Neyman 표에서 p 값이 0.05이하인 구간에서는 독립변수가 종속변수에 영향을 미치고,
(경력 161.783(평균중심화 하지 않은 경우 248.040) 미만)
그 외 구간에서는 독립변수가 종속변수에 영향을 미치지 않으므로
경력의 조절효과가 있다고 해석할 수 있나요?
2. Johnson-Neyman 표에서 LLCI ULCI 범위가 안 겹치는 구간이 없으므로
248.040 경력 미만에서는 독립변수가 종속변수에 영향을 미침.
248.040 경력 이상에서는 독립변수가 종속변수에 영향을 미치지 않음. 의 차이만 있고,
경력에 따른 B 값의 유의한 차이는 없는 것으로 해석하는 것이 적절할까요?
3. 또한, N수가 148일 때 부트스트랩 옵션을 다음과 같이 설정하는 것이 적절할지 여쭙습니다.
감사합니다! 추운날씨에 건강에 유의하시기 바랍니다.
댓글
이일현 (2025-11-19 15:18:19)
1. 조절효과는 유의하지 않습니다.
Johnson-Neyman 은 마치 ANOVA 후의 Scheffe 사후분석 이라고 생각하면 됩니다.
2. 조절효과가 유의하지 않으므로 각 구간에서 유의하고 유의하지 않고 할 수는 있지만, 각 B 값은 유의한 차이가 없습니다.
3. 어떤 옵션이요?
Legacy document_srl: 308825 / Legacy URL: http://www.statedu.com/QnA/308825
댓글