Johnson-Neyman图通常简称为J-N图， 主要用于可视化调节效应。

调节效应可视化的最简单方法是“选点法”（Rogosa，1980）或“简单斜率”（Aiken 和 West，1991）方法，最简单的方法是选择调节变量的两个取值（“均值+标准差”和“均值-标准差”），并通过假设检验或构建置信区间来研究在这两个取值下， 绘制两条线来表示自变量与因变量的关系， 线的斜率就是简单斜率。尽管易于执行，但该方法的缺点很明显， 很多学生都问我， 为什么选择这两个取值（“均值+标准差”和“均值-标准差”）， 我其实没有很好的理由说服他们， 他们就是任意的选点。如果你把这两个选点的范围扩大， 比如使用两倍的标准差， 那么很可能扩大斜率的差异， 也就是说， 扩大调节变量的范围， 可以让本来不显著的调节效应变成显著。

Johnson-Neyman技术概括

调节变量简称M， 自变量简称X，因变量简称Y， 当调节变量M是连续的时，更合理的方法是 JN 方法（Johnson 和 Neyman，1936）。 JN 技术不是测试固定 M 值情况下简单斜率的显著性，而是考虑所有M的取值， 求得一个M的范围， 在该范围内， X对Y的影响是显著的（Bauer 和 Curran，2005）。JN图（J-N图）通过置信带图可以轻松了解调节变量的取值范围下，X对Y的影响是显着的。 “选点法”可以被视为局部“聚光灯”方法，而 JN 技术可以被视为全局“泛光”方法（Spiller 等，2013）。

J-N图已有方案的缺陷

如果你会编程（例如，R 或 SAS），则可以实现 JN 图（很多R包可以制作JN图）。但是我们的目标是让那些没有任何编程经验的人更广泛地使用 JN 技术。此外，我们的解决方案（一个Excel工作簿）是直接而简单的，因为用户输入数据和创建漂亮的图形之间只有一个步骤。确实存在一些用于实施 JN 的现成解决方案，但它们存在以下几个缺点之一。

• 最著名的是 SAS 和 SPSS 的 PROCESS 插件（Hayes，2013b）。这有一些问题， 一些研究人员无法使用 SAS 或 SPSS，因为这些软件的价格昂贵。
• SPSS绘图很丑，JN 图形输出需要“大量编辑”（Hayes，2013b，第 242 页）。
• 可以肯定的是，有免费的解决方案，但它们至少存在以下缺点之一：图形质量差，流程不够精简，需要用户事先完成线性回归，然后才能进行JN分析

技术细节

这部分介绍了JN方法的一些数学原理， 但是你可以不关心， 看不懂这部分不影响你使用我们提供的Excel工具。

最简单的调节效应模型可以用下面的公式表示：

Y代表因变量， X是自变量， M是调节变量。

因为X是我们关心的自变量， 我们可以将公式转换为X的函数：

这个函数形式是强调了M可以是一个取值， X是真正的变量。不如我们用更简单的替换来表达：

这样我们可以得到一个更简介的公式， 这是一个简单的一般线性回归模型， X的斜率（回归系数）就是ω1：

根据已有的回归方法， 我们可以推导出来回归系数ω1的标准误是：

因为知道了标准误， 就可以进行t检验， t值是：

根据这个公式， 我们可以求得M取什么值的范围可以让t值保持在显著水平（95%的置信区间）。

Excel绘制JN图

我们制作了一个Excel模板可以方便的绘制JN图，做法很简单。

首先可以被编辑的区域是深色的，如图：

你需要做的就是输入自变量、因变量、调节变量的数据， 然后设置显著性水平（大部分人设置为0.05），
最后设置横坐标和纵坐标名称。

到这里，你可能看到的图是混乱的，因为Excel不能合理的设置纵坐标的数值，
至少不能得到我们想要的样子， 那么我们需要手动设置坐标轴。

• 首先，我们注意表格中输出了坐标轴的一些建议参数，你可以参考

然后双击横坐标轴，这步操作就是为了打开图标设计侧边框，如果你点击的准确，就应当看到横坐标轴是选中状态，如图所示：

在右侧边出现如图所示的设计窗口：

我们已经给了你坐标轴的建议取值范围，他们与设计窗口的对应关系可以看下图：

你注意我们目前选中的是横坐标， 所以你设置的是横坐标， 当你设置完横坐标， 再选择纵坐标进行设置。

到此你的图就画好了， 如果图文看起来麻烦， 可以看下面的视频教程。

Johnson-Neyman图Excel绘制视频教程

Johnson-Neyman图如何解读

我们从网络上找到了几种JN图的类型， 我们可以分别写一下结论：

• 案例1： 当调节变量M的取值小于-1.7的时候，斜率是显著的；

  

• 案例2： 当调节变量M的取值大于1.5的时候，斜率是显著的；

  

• 案例3： 当调节变量在1到6之间的时候，斜率是显著的；

  

• 案例4： 当调节变量小于0.1或者大于4.8的时候，斜率是显著的；

  

• 案例5： 调节变量的所有取值范围下，斜率都是显著的；

  

• 案例6： 调节变量的所有取值范围下， 斜率都是不显著的；

  

工具从哪里下载

说明： 这个工具制作不易，所以我们设置了密码保护，你看不到计算过程，我们不会公布密码；
另外会收取几块钱小额赞助， 这样我们才能持续贡献有价值的统计工具。

下载地址： https://gf.bilibili.com/item/detail/1103347046