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: 2136|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
4 s- |5 Q+ Z! h! G
+ k# |0 k% K! M% d+ P2 T
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？
. f) K; L$ D8 o* }4 H% z# A6 W7 j( x# ^/ n6 `% e5 O
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 >_<）
/ r/ k' q& N4 A  Y4 d! t
; B1 P& n6 Y( _3 v/ M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！^_^7 G' V/ J2 T& H. j

- N" ~5 o2 Q% i2 n- {- e7 f- @/ Y) ^5 H; u" u- A! z& \

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
# j) f( P' O1 s" V' P% u2 i8 S' A: R$ c) d7 c
hongyan911，我猜要分开两件事来谈：; A# A5 ~7 d9 b+ S) s& [. b

$ n& o0 q( J$ F3 N（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）。
; X+ y# F' ^( X. X
! C' ^. I/ ?$ Q  m7 \) Z" L（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：
: k8 ~: j' `& U0 |1 u' }; K) [; w" }7 y
层阶   X   Y8 d% ?! p" k. \; L
-----    ---  ---
1 ~2 [1 w, `! U0 B  1      1   1
5 f  E/ R' E9 d4 O" Z: b& u  1      2   2
4 U, x+ b  H1 [7 d3 E, m5 }  1      3   3
# _2 l0 {, _/ f1 A8 d7 D  2      1   3+ l3 x" \/ R4 T5 F- ~) g: c
  2      2   21 o& ]# E. m! v$ J* h3 D% S
  2      3   1/ O( p8 R5 o. u( T0 G6 P, v

0 E) g) ^4 W& D: W' H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. # ]& v7 u5 I% z2 G

4 g1 f, y! _9 h& 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？
, b3 t$ R) W) \$ h7 f3 Q6 F$ 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
板凳
发表于 2011-11-28 12:23:17 |只看该作者
谢谢Kenny. 追问几题：
% o8 P8 S% F/ [4 [1 Z
, ^) y' Q( O6 v- l1 K1、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？
- P! S3 T: f' F+ O2 W9 w+ D. p9 Q
2、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 ^$ I% X& @: F: X  i( f  j2 o3 `4 \2 U, z( @( t
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）
: d2 |, }+ y1 j; U

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
' P  t' R: ]; {0 o; p
hongyan911 发表于 2011-11-28 12:23 / J$ p0 W2 ?. W. c% o& ?
谢谢Kenny. 追问几题：- _; p, Y8 Q; t5 X; Y& M, G
* D0 [* Y9 p$ F8 z6 r
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 ...

% T8 p1 b' u) _( _5 @. Yhongyan911，% J# H* a: e! ?5 k( Q, {( A

8 A% L8 G) T! z* a（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。
  c' X- y7 O2 |' m
; i9 n( d& d4 j5 y. D* Y/ w2 q（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。
/ i8 C- D$ `  H( y! q0 f- O6 q! S1 o  \) \- L- F5 P2 s. 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。6 {0 K# p2 b( ]% S1 `, o8 B! o* {/ k
! ^2 |; t( b, s( Y
（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。
# P/ X0 N" k9 J0 E) O  m1 V# Q7 Q, Q  e" G
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：
: u- O  N4 q: k& ^3 _% P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 " Z3 Y. v. Q0 R; h7 J

( a& E7 S0 [8 a3 Fhongyan，8 ~" K3 n) J2 a- j/ P: t7 I" J
1. 这应该算是 suppressor 吧。
- g0 m8 K5 `% l" V" d4 C2. 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。
8 T/ ]6 g9 a! v! ?) `& x, N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 a5 Z; e4 t% t- H
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