为什么突然不显著了？

Kenneth

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？
2 ]/ d/ ~# X# k3 x6 n, }% P
; V; C4 ~3 ]7 F/ K3 }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。
  ?: b# S/ M: ~; L+ D   
    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”。
( t$ b. a. P( q. H   
     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。
5 T/ S. W$ [( @0 `' q' a" F   
    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。
7 j' D' ?( Z) i: d4 g& |
# `# }; `3 \( O

bow7

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！

Kenneth

回复 6楼 bow7 的帖子


& G; R4 ^$ n) j, U6 E  W3 G' \    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？

bow7

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]
; s' I/ e+ p# l$ E( T
% T9 F5 f# H) n$ b! f

Kenneth

bow7，
, s) ^' v4 `" Z2 b1、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？
% U' Z7 d$ c, ~5 p- |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。
) ~: L" u: [4 r. T4 A7 d4 C/ b' }
$ b& |6 F. ?* M5 i( M) R. D2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？
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.
- v' s7 m  X0 p* u! I) m7 c! ]; R- M
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。
( D7 T& l: T  G  p; Z- r6 _不可以。指标是用来估计它所代表的潜变量的。

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。

bow7

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！

* h" }$ S; A5 i! q: W3 n7 w

chienhsin

回复 2楼 jkliang 的帖子
+ n4 B$ m( v9 e! `8 P" L: b
' T9 U9 H+ O4 t9 |9 C+ m
+ k* e$ i2 i$ U: J9 f    我想二者不太一樣。
5 n9 L; `" T; K0 o+ v: p
7 B8 G% n9 }) mmoderation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。

2 T: W5 l% x4 w' C控制變項因為已知對Y有關係，因此需要被控制。

5 c, `# W; }/ q; d" x0 @
6 j+ H: p/ v% H& N1 p

jkliang

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。
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？