有两个调节变量的检验

WIN7

各位好：
9 K& B" p3 y* R: _  R; c4 t, z尽管KENNY已经在调节效应检验方面说了很多次，但是还是在数据分析的时候遇到一个问题：我是检验X--->Y中两个调节变量M1和M2,我发现当分开检验时，只有M1和X的乘积项是显著的，而M2和X的乘积项不显著。当时，将两个调节变量以及与X的乘积项同时放入一个回归方程进行检验时，两个乘积项都是显著的？我应当如何汇报结果呢？
* N$ i0 `3 u9 o5 q% V9 a我查看了一些期刊，发现这两种检验的方式都有，但是现在看来，两种方式得出的结论可能是不一样的。
请教一下大家，谢谢！
7 q0 p% A( K; S3 w

scholar

Kenneth 发表于 2010-7-13 11:10
; R3 \: k: q# S2 I, [5 E6 G回归的一个很重要的假设是所有重要的影响因变量的主构念（Key constructs）已经放进模型里了。Missing key  ...

请教罗老师，如果是有两个自变量、两个调节变量的模型，这两个自变量要同时放进方程组里进行检验吗？

macone

Kenneth 发表于 2010-7-13 11:10
回归的一个很重要的假设是所有重要的影响因变量的主构念（Key constructs）已经放进模型里了。Missing key  ...

Kenneth老师，您好。最近我在研究中，也碰到了双调节作用的问题，数据分析的出现的问题是：X--->Y中两个调节变量M1和M2,分开检验时，M1和X的乘积显著，M2和X的乘积也显著。但是两个调节变量放在一起进行回归时，两个乘积项都不显著，这该如何去理解？

Kenneth

书童，我基本上是同意你讲的。回归系数是半偏相关系数。如果跟其他自变量没有相关的话，就无所谓 “偏与不偏” 了。因为 “偏”（partial）的意思是把它与另外的自变量的相关除掉以后，对因变量的影响。如果自变量完全不相关，各自对因变量的影响是垂直的，你放不放进模型只会影响Model R-square，不会影响回归系数的。不过，你讲的也不全对，因为我想这个新的自变量不一定要与因变量相关的。压抑变量（suppressor variable）就是一个例子。

NanfengLuo

回复 2# Kenneth 的帖子
# w& A' e3 h4 X# `/ g5 }! X

  P8 Z1 ?. o; s% W( VKenny, 您所说的missing key variables，是不是只要是没有放入方程那些dependent variable的重要independent variables就算？还是这样的key variables需要满足两个条件：（1）是要解释的dependent variable的重要independent variable; (2) 和已经放入方程的independent variable(s)相关。我记得confounding effect需要confounder既和dependent variable又和independent variable相关。您所提到的key variables是指confounder吗？
8 Y# d0 B9 }: ~
- X. N$ E" ~, [3 x$ c" }我在想的是，没有放入方程的变量即使和dependent variable相关，但是，如果这些未放入方程的变量不和研究所关注的independent variable相关的话，对于independent variable的coefficient的估计应该也没有影响。
* e( Q0 |% t4 Y) b8 c! o
0 I4 F; i9 C( m3 m比如，
6 K$ z. t9 x9 A6 o; G4 ~3 R
; I9 e, N% U* c* v& K7 qY = b0 + b1 X + e,

如果 Z 同样是 Y的重要自变量，但是 Z和X不相关的话，上面的方程中b1的估计不会biased。
! U1 _9 \( ~. @3 E) [+ t! @
当然，问题是，很难保证未放入方程的变量和indepedent variable不相关。这是不是很多研究在列举说明了dependent variable的重要影响变量之后，"没有说明它们与自己的研究的independent variable是否相关"，就直接将它们都作为control variables的原因？
( y8 d' }9 _. A: e0 t3 x& b

Kenneth

这倒不一定。在一个模型中加入新的变量是理论的问题。如果这么容易可以加入一个新的变量，发文章就简单了。 :)

WIN7

言之有理，谢谢！
. q) N0 H/ R; V只是感觉现在好多研究结论不够稳健，如果当时的研究只考虑一个调节变量，岂不是会得出相反的结论。

Kenneth

回归的一个很重要的假设是所有重要的影响因变量的主构念（Key constructs）已经放进模型里了。Missing key variables 是回归分析中不可以接受的东西。所以如果有两个调节项的话，我一定会同时考虑它们的。这就等如你要研究A和B对Y的影响。不会先做一个Y对A的回归，在做一个Y对B的回归分析吧。