一、spss调节效应标准
还是应该小于0.05。如果在0.1与0.05之间，也只能是边缘显著呀，不算显著的。它的意义可能在于让你能够增加被试或再控制其他条件，可以会出现有意义的结果。
二、spss调节效应分析第三步模型显著，主效应显著，交互项不显著什么意思
得到交互作用的项，然后再作图
三、中国企业组织表现的创业精神举例
改革开放激活了中国民众的创业精神，推动了创业浪潮的向前发展。从创业星火的出现，到改革开放历史上第一次下海经商热潮的涌起，再到全民创业时代的来临，当今的中国已经成为创业活动十分活跃的国家。硬币的另一面是，逐步深化的改革开放也使得企业之间的竞争加剧升级，中国创业活动的成功机率较低，相对而言，创业对中国经济还没有发挥出应有的作用。所以，中国呼唤更加理性、更加科学的创业活动，于是，以提升创业绩效为终极目的的创业管理研究应运而生了。但是由于创业管理研究尚处于“青春期”，还没有形成一个得到公认的理论框架，所以，理论上未能对创业绩效的提升给出具有说服力的解答。曹之然博士的专著《创业绩效影响因素研究》在这方面进行了尝试，得出许多颇具理论意义和实践指导价值的结论。细读该书之后，笔者认为，这是创业领域理论研究的重要成果，是一部体系完整、观点新颖、内容丰富，对企业家构建创业型企业有较强指导性，具有较高学术水平的创新之作。
阅读该书后不难发现，该书有诸多创新之处：其一，修正了基于合约的创业绩效理论。作者在考虑交易费用的基础上重新界定了合约隐含的价值量，将合约的内涵拓展为创业企业与广义的利益相关者之间的合约，提出了理论上应该用“合约相关者价值”而非“合约相关者剩余”来测度创业绩效的大小，对操作上可以用合约的相对数量和质量测度创业绩效的高低进行了更加严谨的逻辑推理。修正后的创业绩效测量理论不仅反映了创业本质，而且它还同时关注到了组织与利益相关者，顺应了绩效测量理论的发展趋势。其二，建构了rsg创业绩效结构模型。作者认为企业的合约相关方会涉及到更加广义的利益相关者，如果仅用员工承诺与客户信任测度合约质量，那么就会导致创业绩效的损失，所以采用了能够体现广义利益相关者对企业全面评价的声誉维度，并保留了在创业研究领域中认可度比较高的生存、成长维度。其三，建构了创业绩效影响因素关系模型。作者提炼出机会识别、合约精神、参考框架等影响创业绩效的三大变量，并建构了由机会识别与合约精神的交互效应和参考框架的调节效应共同组成的创业绩效影响因素关系模型。与以往模型相比，作者所创建的模型用机会识别与合约精神的交互效应弥补了只用单一某个变量解释创业绩效的不足，用参考框架的调节效应拓展了其应用领域。
由于研究问题的复杂性，作为一部探索性著作，该书还存在一定的不足，比如：由于访谈样本和数据采集的局限性，该研究的外部效度有待进一步验证；由于横截面数据不足以反映真实的因果关系，未来研究可以考虑用纵向研究补足等。当然，瑕不掩瑜，本书仍不失为一部研究创业领域理论的创新之作。
四、转载 如何看待2*2析因设计中的交互效应问题？
在自变量B的两个水平上，自变量A从A1到A2的变化引起的因变量的变化趋势一致，只是变化幅度不一致。这里的交互效应掩盖了自变量A在自变量B不同水平上的效应量的差异。很明显，在B1上平上，A的效应量大于其在B2水平上的效应量。图d,图a:交互效应显著，A的主效应也显著，这时A的效应方向可能会被交互效应歪曲。在a图中，A的变化在B1的水平上引起了因变量的显著变化，但在B2水平上却未引起因变量的变化，这就是说A的变化不是在任何情况下都会引起因变量的变化的，它依赖于自变量B的水平；在d图中，虽然A的变化在B的两个水平上都引起了因变量的明显变化，但是变化的方向正好相反，从其主效应看，A的水平提高可以促进因变量分数的提高，但实际情况是，当A在B1水平上提高时，反而会导致因变量分数的下降。所以在这种情况下，显著的交互效应掩盖或歪曲了自变量A的作用机制：它在B的不同水平上效应量是不同的。图c、e、f：交互效应显著，A的主效应却不显著，实际上是交互效应掩盖了A的效应。我们从这些图示中可以明显看到A的效应，但方差分析结果却会显示A的主效应不显著，这是因为A在B的两个水平上的效应方向相反，计算A的主效应时A1和A2的差异量被掩盖在了平均过程中。 所以，如何依据自变量主效应和其与其它自变量的交互效应来进行结果分析呢？这一点很简单：当方差分析结果显示A的主效应及A与其它自变量的交互效应都不显著时，则说明A的效应真的不明显；当方差分析的结果显示A的主效应不显著但A与其它自变量的交互效应显著时，则说明A其实是对因变量有明显作用的，即A的效应其实是存在的，只不过其效应的大小和方向依赖于其它自变量的不同水平。-----就是主效应和与其它自变量的交互效应都要看。应该记住，一个因子的主效应是对其在另外一个因子所有不同水平下观测分数的平均而得到的，而这种平均的结果可能很难准确地反映每种具体实验处理的效应。“总之，交互效应可能会掩盖或歪曲两个因子中任何一个因子的主效应。因此，只要是交互效应达到了统计学上的显著性水平，你在就主效应问题作出结论前都要仔细考察具体的数据变化。