设为首页 登录 注册
首页 中人社区 中人博客
中人网>社区 › 圈子 › 专业圈子 › 管理 › 服事人的（路22:26） > 相关分析与回归分析
返回列表 发新帖
查看: 2135|回复: 7
打印 上一主题 下一主题

相关分析与回归分析

[复制链接]
hongyan911    

8

主题

5

听众

919

积分

秀才

Rank: 5Rank: 5

注册时间
2010-7-12
最后登录
2013-8-20
积分
919
精华
0
主题
8
帖子
118
跳转到指定楼层
楼主
发表于 2011-11-27 17:02:08 |只看该作者 |倒序浏览
) {; F$ w. {4 h# t1 L5 w" J
2 F9 {. B9 a- \2 E
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？1 ?7 s/ g9 N, Y7 x6 w# [9 ]

. M% d0 x% ?% \+ H" M9 U% A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。 抱歉，PDF格式的文件不让上传 >_<）
; b# z7 u( C. X+ P6 d: D' a% I, U+ g+ U6 d9 L- l
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！^_^  b9 D) S6 q8 w4 ^% o7 E% n

+ E' i( m3 _6 {( P+ ~3 |" B0 P& {) n0 [( F) B% I. Y5 q) T

本帖子中包含更多资源

您需要 登录 才可以下载或查看，没有帐号？注册

回复

使用道具 举报

Kenneth    

69

主题

220

听众

2万

积分

中人网专家

Rank: 50Rank: 50Rank: 50Rank: 50Rank: 50

注册时间
2003-1-21
最后登录
2016-11-27
积分
29016
精华
0
主题
69
帖子
1438

2009年度勋章

沙发
发表于 2011-11-27 21:00:29 |只看该作者
本帖最后由 Kenneth 于 2011-11-27 21:02 编辑
! z8 l( j7 c3 T2 b5 F& {, a+ `: r- b, T. Q. j
hongyan911，我猜要分开两件事来谈：0 W! u; t5 B( v8 y; a
: P+ a4 L* r( `5 I
（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）。
" s% C! j$ `: t, P( m
- S3 N! }' _7 z  d（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：! [- i7 G# P. j% S1 v, |
( f7 l4 v2 `9 A
层阶   X   Y0 `3 v9 b! ?; x
-----    ---  ---
7 S# o0 ~" U, m: n& P# s7 \  1      1   17 k; Q6 u, q4 F/ j9 ?& R5 z9 K  z7 q
  1      2   2  j7 z6 T8 ?$ i8 n- N5 A" s
  1      3   31 T- E% T# R/ s$ U: u- `% O% k
  2      1   32 ]; k0 }1 R1 O( o
  2      2   21 N' Z0 A: |- f9 K; M! w$ `6 _4 f
  2      3   1
, B4 {4 R' [4 o- Y$ u0 G! U0 e( ?0 [+ ]
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.
8 \5 l, `  y8 P- i9 I* b! ~* f
$ N  t, W4 i( z) r2 j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？
/ o1 h% p" U5 S% F* s8 q
回复

使用道具 举报

hongyan911    

8

主题

5

听众

919

积分

秀才

Rank: 5Rank: 5

注册时间
2010-7-12
最后登录
2013-8-20
积分
919
精华
0
主题
8
帖子
118
板凳
发表于 2011-11-28 12:23:17 |只看该作者
谢谢Kenny. 追问几题：
) B+ Q% q2 \  k$ S6 I6 a( F" Q: H  V: M3 c+ t) J2 m& L
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？
5 `9 \6 T1 }) a4 u, |% c$ {
8 {( l4 U* Z6 q9 |6 @% s2、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？! A3 }# M3 V& h& G* N* \& X
4 [( z0 [9 b; h
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）" x: t, Q8 v1 d4 J) d

本帖子中包含更多资源

您需要 登录 才可以下载或查看，没有帐号？注册

中人网社区招募“中国好版主”11月话费已送出
回复

使用道具 举报

hongyan911    

8

主题

5

听众

919

积分

秀才

Rank: 5Rank: 5

注册时间
2010-7-12
最后登录
2013-8-20
积分
919
精华
0
主题
8
帖子
118
地板
发表于 2011-11-28 12:54:55 |只看该作者
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?
回复

使用道具 举报

Kenneth    

69

主题

220

听众

2万

积分

中人网专家

Rank: 50Rank: 50Rank: 50Rank: 50Rank: 50

注册时间
2003-1-21
最后登录
2016-11-27
积分
29016
精华
0
主题
69
帖子
1438

2009年度勋章

5楼
发表于 2011-11-28 22:34:47 |只看该作者
本帖最后由 Kenneth 于 2011-11-28 22:36 编辑
, b2 p) h; h5 P( e- Y
hongyan911 发表于 2011-11-28 12:23
' y5 c$ p# \8 j7 X. A谢谢Kenny. 追问几题：
7 q9 _9 g4 n; M0 y0 d' ^* ?# ^6 h* r3 z+ P
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 ...

0 Q  q" Y! b# phongyan911，  m# m+ c. m$ J, l; L: Y0 l5 o
; @" }( O* A: f. f, Y2 \. X
（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。
6 W. ?9 l1 B) `+ F* M& O- f) f, L. \& j" }9 S/ h
（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 c7 p( i, n7 q$ }5 s  j+ B$ |& c2 w0 T4 R
（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。
9 z% L4 Q( H& V; N& k- a1 y! J5 a' v% m' n
（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。: H. \# E6 L  G2 C3 X

" ^2 @' h( w" @0 i; _6 N6 v祝你好运。
回复

使用道具 举报

hongyan911    

8

主题

5

听众

919

积分

秀才

Rank: 5Rank: 5

注册时间
2010-7-12
最后登录
2013-8-20
积分
919
精华
0
主题
8
帖子
118
6楼
发表于 2011-11-30 15:32:27 |只看该作者
Kenny，谢谢！再追问一题：
+ Z6 L& }' V5 z6 N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？
回复

使用道具 举报

Kenneth    

69

主题

220

听众

2万

积分

中人网专家

Rank: 50Rank: 50Rank: 50Rank: 50Rank: 50

注册时间
2003-1-21
最后登录
2016-11-27
积分
29016
精华
0
主题
69
帖子
1438

2009年度勋章

7楼
发表于 2011-12-1 09:22:02 |只看该作者
本帖最后由 Kenneth 于 2011-12-1 09:23 编辑
1 I5 o7 |7 G5 ?2 J1 E2 ?1 S! Q  ]4 P: W/ v. C4 G) I/ h
hongyan，; e2 r! g( J: x5 }, Y
1. 这应该算是 suppressor 吧。
' U9 M- e5 Y' U$ `3 u( A1 A' v2. 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。
5 G7 n) k0 K3 G& B' @( K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.
3 h- j- {& q( t! B, p' }
回复

使用道具 举报

hongyan911    

8

主题

5

听众

919

积分

秀才

Rank: 5Rank: 5

注册时间
2010-7-12
最后登录
2013-8-20
积分
919
精华
0
主题
8
帖子
118
8楼
发表于 2011-12-1 09:54:43 |只看该作者
GREAT THANKS!！！！
回复

使用道具 举报

返回列表 发新帖