中人网

标题: 相关分析与回归分析 [打印本页]
作者: hongyan911    时间: 2011-11-27 17:02
标题: 相关分析与回归分析
[attach]288556[/attach]
! E6 Z% F5 x. A) I$ K$ M1 T+ l% g- h
请问Kenny和诸位：X和Y两个变量的相关分析不显著，可以做X预测Y的回归分析吗？
/ L, h8 s: u2 B; T- o9 |- v
9 p) c4 X8 g. a# x4 s在查文献时发现AMJ07有篇文献A MULTILEVEL INVESTIGATION OF ANTECEDENTS AND CONSEQUENCES OF TEAM MEMBER BOUNDARY-SPANNING BEHAVIOR，MARRONE et al，Academy of Management Journal, 2007, Vol. 50, No. 6, 1423–1439. 其中的假设5就是这种情况（见附件。[attach]288556[/attach] 抱歉，PDF格式的文件不让上传 >_<）
8 l: F$ ]' k- c/ Y7 X2 B3 d* l1 s, U# H/ _
有时会碰到相关显著但是回归却不显著（排除控制变量的影响），或者反之。这到底是神马情况呀？谢谢大家的帮忙！^_^: Q) \; E- ~( C+ a$ [
1 ^. ]8 R  |; e" e; u3 K
/ D7 J8 B# o  q! q2 X- ^  a: d$ w
作者: Kenneth    时间: 2011-11-27 21:00
本帖最后由 Kenneth 于 2011-11-27 21:02 编辑 / |" _7 M1 W# \* N6 X) w( V- n

8 `4 ?1 T1 M2 _2 M! U8 yhongyan911，我猜要分开两件事来谈：/ H) x6 I% o" c

& ?4 g: |) U! }  t（1）“有时会碰到相关显著但是回归却不显著（排除控制变量的影响），或者反之”，这唯一的解释就是 suppressor variable （相关不显著，回归系数显著）和 multicollinearity （相关显著，回归系数不显著）。* w: b# H0 F5 }% ]1 K0 F3 u* v  |
( T$ r* L1 k/ f4 \0 ?
（2）你提的问题我猜两者都不是，而是 multi-level analysis 的问题。你说的所谓“相关不显著” （r=-.04），是所有数据看成是单一层阶的运算结果。他们的分析，是多层阶的分析。也就是每一组做一次相关分析。比如数据是：
! ^+ e1 v1 Q3 Z) t$ x7 p$ d$ |8 v  w1 T+ @5 D
层阶   X   Y/ U0 S& r/ I1 b3 I0 m4 `' I* A2 g
-----    ---  ---$ I; B/ M: j0 X( o. G# x: Z% C: d
  1      1   1
/ H9 y( D# g2 g0 }# H8 }+ q  1      2   2" [$ Y  J0 U, ^& d& [+ ^0 }, o
  1      3   3+ o) u8 E5 F. m6 g- u
  2      1   3! S! S- X3 w# C
  2      2   2
' g6 H. F( P: k! ^8 x  2      3   1
  X" I8 t0 o2 C0 l
/ y) N$ u3 H1 v/ [. z2 u' L当你混合所有数据时，X与Y的相关可能是0. 但是在每一组内，XY相关都是1.0. ( R# T/ ^5 l+ S+ R5 v, J6 b$ q4 c& z

# F. E4 b6 ?4 G, ?4 q4 U3 d不过我觉得他们的结果很难明白，你要留意 0.22 是一个 γ（gamma, 也就是第二层变量预测第一层变量的结果），而不是一个平均的 β（beta, 也就是第一层变量预测另外一个第一层变量的结果）。简单来说，Pearson correlation 不显著在多层分析中显著是可能的。不过你要再细想一下他们这个 0.22 到底是什么？是组内的平均相关吗？' v( q" C2 B: u6 l* g
作者: hongyan911    时间: 2011-11-28 12:23
谢谢Kenny. 追问几题：  Z1 q1 M7 X; |2 r  u8 ~
' S( Q9 a- `7 ~( T& g& _
1、我查看了您原来有关“偏相关、半偏相关、压抑变量”的一个帖子（http://bbs.chinahrd.net/home.php ... o=blog&id=17971），最后讲到“压抑变量压抑（partial out）了自变量（x1）不能估计因变量（y）的误差部分，以致帮助了自变量估计因变量的能力了。”换言之，在此情形下相关分析不显著是不可以作回归分析的，是么？( W1 t7 T6 j: E" C3 G" Q8 k1 _

. u7 V! F. @# v1 A9 `  v( X2、您说“混合所有数据时，X与Y的相关可能是0. 但是在每一组内，XY相关都是1.0. ”我现在分析团队数据时碰到一例情形，将下属个体数据（X1和X2）聚合到团队层面，X1和X2与Y(团队领导评)的相关就不显著，这时还能进一步做回归分析吗？
5 C, I7 K0 U' b) ~7 q5 U# e0 U6 }8 x3 c1 H, u" J1 `( t6 ?( w& V
3、我又仔细看过前一问中谈到的文献，假设5的检验应该就是在同一层级（个体层级）啊，不知道为什么作者会在回归时将结果换成团队层级，而且低层级的变量可以预测高层级的变量吗？（上次附件的相关系数表没发完整，现补上）
* ?) T" f, e, @6 r
作者: hongyan911    时间: 2011-11-28 12:54
4、实际上我还碰到一个汗毛都竖起的情形，就是一个公认的前因变量（如ETHICAL LEADERSHIP,下属评）与结果变量(team performance，领导评)相关不显著，这该如何解释呢？是我的样本出问题吗?
作者: Kenneth    时间: 2011-11-28 22:34
本帖最后由 Kenneth 于 2011-11-28 22:36 编辑 6 E! j7 R, w1 Q. L
hongyan911 发表于 2011-11-28 12:23 4 j7 A9 e3 I- J( Q
谢谢Kenny. 追问几题：4 }: t4 k* s( B
. ]  x$ F% a8 J) o
1、我查看了您原来有关“偏相关、半偏相关、压抑变量”的一个帖子（http://communi ...

! _" y/ G" C6 J- Chongyan911，
5 H2 h7 H( n! u1 o) t: v7 G1 ?  X- Y6 ]5 ^
（1）我看没有「相关不显著就不准做回归」的规矩的。只是除非是 suppressor （或其他特别的原因），相关不显著的话，就代表回归系数不会显著而已。你喜欢做回归也无所谓 “不可以 ” 的。
5 A, K  }) a: C/ c2 [9 V
9 l  `6 k  a! u$ l7 {（2）我的态度也是一样。如果你的分析是团队的层面，而团队的X1和X2是不相关的，那除非是有特别的原因，回归系数也不会显著的。你还能做回归分析吗？如果你喜欢的话，当然可以。
+ d7 J& G, I  Z- G; d. G
! r1 v- {+ X5 k) u  h! o（3）我看最大的问题是当他们分析时，team member role overload 与 boundary spanning behavior 到底是个人层面的变量，还是团队层面的变量。我不知道，这要看他们的文章才知道。你说得对，在HLM中，低阶的变量是不可以影响高阶的变量的。
: K  B: m4 U- t: Z9 A2 l% O* z( E: _# L/ |5 v4 o
（4）你这个问题我什么都不知道，如何回答呢？可能是你测量有问题。可能是计算的错误。可能是你调查的企业有特性。可能是填问卷的人乱填。这背后有很多很多 “可能” 的解释的。我建议你再重新检验你的计算，coding，分析等有没有问题（经常的错误是把 missing value 9 也看成是真实的数据等）。如果查不出问题，就想一想你调查的企业有没有问题。再找不出来，就翻查数据，有没有特别的应答者有问题，跑回去问问他们填问卷时在想什么.......等。
2 H# p* d/ ^, T6 ^5 }3 g: z& L7 C' i- _! K# g$ U
祝你好运。
作者: hongyan911    时间: 2011-11-30 15:32
Kenny，谢谢！再追问一题：8 P$ q6 t9 {2 t7 g; H
相关分析中X1与Y相关显著，X2和Y相关不显著，X1和X2相关显著，但回归分析的结果显示两个前因（X1，X2）与Y的回归系数均是显著的，这时可以说X2对Y的预测力得到支持吗？不可以的话是因为存在 suppressor 的问题吗？若是有什么解决方案呢？
作者: Kenneth    时间: 2011-12-1 09:22
本帖最后由 Kenneth 于 2011-12-1 09:23 编辑
* j" }0 e- M3 s2 G  F7 \
2 H2 n1 Y# z' }/ h6 p6 P; {1 `3 Ihongyan，4 H1 P+ Q+ @5 m0 c3 K
1. 这应该算是 suppressor 吧。7 c1 W8 J# s5 Z; _, c2 K
2. 大部分的评审看的只是回归的结果。如果两个都显著就是显著了。所以，你不需要解决方案。+ C. Z* f& G8 `
注：多说一句，suppressor 我记得应该是把X2的 irrelevant variance partialed out，所以x1和x2同事显著的结果是真的，不是 artifactual statistical results.
1 l% k, V' o, |' t1 o0 [, Z' y2 Y
作者: hongyan911    时间: 2011-12-1 09:54
GREAT THANKS!！！！



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