中人网

标题: 为什么突然不显著了？ [打印本页]
作者: Kenneth    时间: 2010-10-28 16:13
标题: 为什么突然不显著了？
朋友，你遇到的问题是原来x1,x2都各自影响y，为什么同时放进回归方程，突然两个都不显著了？
; q4 ~* E" @7 Q  v9 t1 e. |[attach]25365[/attach]' }1 X+ ]& t: l, C3 w, _! |. x9 B+ m
在 ppt 中第一个公式是只有x1在预测y。它的回归系数其实就是相关系数。我们假设相关 (ry1，也就是y与x1的相关) 是显著的。就是黄色的A的部分。& D3 a$ g7 G5 x0 k7 N! }
   
: x5 r2 F( U; ~; H& p    多加了x2后，回归系数 b1 已经不再是“y与x1的相关”这么简单了。它是一个半偏相关系数。从公式可以看见， 回归系数 b1变成了    ry1 减掉「x2 对 y      解释能力」乘于「两个x 的相关」。简单来说，你可以想像这个新的回归系数是 “控制了x2后，x1对y 影响”。
* X+ [8 S, p2 j; }# O/ S+ e; F7 M: k1 M   
/ r, K' X) {, X8 B  {     我不否认，x1自己对y 是有影响的，但是控制了x2后，x1对y的影响就是完全不同的意义了。如果x1与x2是很大相关的话，    控制了x2，x1对y可能就没有影响了（因为x2能够解释y    的能力是黄色的部分,多加了x1后，两个加起来还是同样是黄色的部分）。控制住x2，x1对y就没有影响了。x1与x2的相关越大，这个现象越严重。在统    计上，我们叫做“共线性”collinearity。如果是很多变量的共线性，就叫做多元共线性 multicollinearity。
# O1 w  Y( O3 Q    2 }" G1 d; V6 C0 ~
    解释了这个现象后，如何面对你的问题呢？问题是x1与x2是不是在你的研究中同时影响y呢？如果是的话，那没有什么可以做了。因为事实是    “控制住x2，x1对y就没有影响了”。另外一个方法，就是首先做多元分析，然后再补充以一元分析（一个一个变量来研究），并说明是因为共线性才有这样的    结果吧。（其实共线性是可以测的，有一个叫做VIF variance inflation    factor）的测验可以检验共线性是否严重的。你在统计的书一定可以看见的。: t* ]0 Y5 c" \8 {
本帖最后由 Kenneth 于 2010-10-28 16:14 编辑 4 ^1 k4 l! B4 t8 u: ]1 a

/ v! k8 R% r% C' o
作者: jkliang    时间: 2010-10-28 23:43
感謝Kenny的教學，我跟著問一個很基礎的問題，尚請Kenny與大家教導。
9 ?- b  z' i: l0 S' f3 P2 t: Y( y! A我的問題是，控制變數和調節變數有什麼不同？我知道在統計上一個是放入x2，一個是放入x1與x2的乘積項，但是在研究中該如何進行解讀？控制變數(x2)的意義是說，在研究中會影響到x1與y之間關係的變數在分析的過程中必須被「控制」，這可不可以解讀成：因為x2會影響到x1與y的關係，所以x2調節了x1與y的關係呢？就如Kenny所說明的範例，當加入x2後，x1與y的關係不見了！這個可以說x2調節了x1與y的關係嗎？我猜，是不是必須依照研究的理論假設而定？
作者: chienhsin    时间: 2010-10-29 11:34
回复 2楼 jkliang 的帖子
  |2 |% t8 M3 N9 z9 m9 ]3 X# F0 v+ {# ~  v( ~1 t2 c. ]0 ]
/ l9 ?$ o) b3 W
    我想二者不太一樣。
& u; e- A  t& X9 U- @7 `- ^: \
" Z. Z9 W% ?, i& Gmoderation是對「關係強度或方向」的影響，在迴歸分析裡面就是對beta weight的影響，但調節變項X2不一定對X1或Y個別有影響。
/ n; F: f( C9 {3 u6 L) [4 G& z7 w; y# i0 f( _1 n. M7 f2 y+ Z
控制變項因為已知對Y有關係，因此需要被控制。+ H8 P/ G& w/ M7 |  a) V0 Q
本帖最后由 chienhsin 于 2010-10-29 11:38 编辑
' W0 s. g  l& w& u9 G- w
3 v2 {0 ~8 k8 q
作者: bow7    时间: 2010-11-1 20:13
kenny,你好，刚刚看到你发的这个帖子，很受启发，非常感谢。我现在正在做一个课题，有几个问题想请教你：1、数据收集回来之后，做共线性检验，共线性很严重，该怎样处理呢？我知道可以用数据标准化降低共线性，但是我不知道这样做对最终的分析会有何影响。2用SPSS做探索性因子分析的时候，大多数变量都归到一个因子的下面了，这是不是说明数据的样本源有问题，而且因子之间的区分效度不高？该如何处理这种情况？3、在结构方程中，是否可以用X指标，直接做对Y潜变量的直接效应？也就是表示因果关系的直线箭头由指标直接指向潜变量。4、http://bbs.chinahrd.net/forum.php?mod=viewthread&tid=280559如上述链接中，图4－4－5，和图五，在结构方程中是否可以构建这样的模型？以上几个问题，请指点。谢谢！ 本帖最后由 bow7 于 2010-11-1 20:16 编辑
0 I) i1 W* ~9 w& K
* z2 x- E5 j. F  r' }( f
作者: Kenneth    时间: 2010-11-2 11:02
bow7，
; Q8 L6 H! }: F, m1、数据收集回来之后，做共线性检验，共线性很严重，该怎样处理呢？
  E* M8 H# d+ w& d6 x6 Z( e我猜这代表了你的模型有问题，就是有几个变量是“重复”的。在模型中删掉不要的变量吧。" I: B! ~* z  ~% Y) t
; @! V+ p7 _! t6 S* m5 x3 i# @% I
2用SPSS做探索性因子分析的时候，大多数变量都归到一个因子的下面了，这是不是说明数据的样本源有问题，而且因子之间的区分效度不高？该如何处理这种情况？
# y& ?+ e7 u; g  T# D/ e( c' J( {& m是的。问题与上面一样。我猜有两个原因：（1）你收回来的全是态度，你是用态度来估计态度，而这些态度都是非常接近的。如果是的话，你的模型本身就可能是非常 common sense，有问题。（2）你有同源方法偏差的问题。所有变量都是从同一个人问回来的。我自己不觉得有什么解决方法。如果你真的没有办法，可以看一看 Podsakoff, P.M., MacKenzie, S.M., Lee, J., & Podsakoff, N.P. (2003). Common method variance in behavioral research: A critical review of the literature and recommended remedies. Journal of Applied Psychology, 88, 879-903./ o  u5 H" B' ?. f; ]

' @& d5 w3 s! J$ s2 L+ \. x3、在结构方程中，是否可以用X指标，直接做对Y潜变量的直接效应？也就是表示因果关系的直线箭头由指标直接指向潜变量。7 o+ H7 w6 k9 a4 I
不可以。指标是用来估计它所代表的潜变量的。# `8 {" J8 K% X- R# k1 O
) y& }& |, e( c$ `4 h4 s  l
4、我根据你的 link，结果是接回这一页，所以不知道什么是图4－4－5，和图五。- h$ d5 b0 E4 l$ D9 x" N
作者: bow7    时间: 2010-11-2 19:15
非常感谢kenny及时的回复，让困扰了我一段时间的问题得以解决。也非常抱歉，出现操作上的错误。现在我将图4－4－5和图五导入了。请看下面两图。在结构方程中是否可以构建这样的模型？谢谢！[img][/img] 本帖最后由 bow7 于 2010-11-2 19:17 编辑 ! M. R5 j4 n3 }( Y8 d4 r

% T4 Q; c" |; m* e2 y' t& }' Q( Q
作者: Kenneth    时间: 2010-11-9 20:48
回复 6楼 bow7 的帖子, |  I! W6 o1 V

3 O6 e) U, Y1 E- T: }* j; Z, E" Q! o/ v& n
    bow7,我现在可以看见图形了。但是，我不明白你的意思。什么叫做：在结构方程中是否可以构建这样的模型？为什么不可以呢？你担心什么？
作者: bow7    时间: 2010-11-18 09:21
kenny，你好，非常感谢你的指导，这个问题已经解决了。不是担心什么，而是在用lisrel做的过程中，出现了一些问题，以致让我以为这个模型不可以构建呢。谢谢kenny！



欢迎光临 中人网 (http://bbs.chinahrd.net/) Powered by Discuz! X2.5