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& G
moderation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, m
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?
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+ \. x
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。
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