变量之间关系与分层

Gaolp

Kenny，
; @* D4 S0 G+ b
- w+ Q7 D) [6 L( o春节快乐。
4 U/ u7 t# {3 `5 o) c8 n
我今天遇到一个问题，我的研究中有两个变量：power distance orientation 和employee voice，他们之间是的相关系数是负的，但是并不显著；
) P! [$ t( O" I  z' v2 X$ `但是对nested data用mixed model进行分析时，power distance orientation 到employee voice的回归系数是正的，而且p value 显著。

这是由于什么原因造成的呢？
- z& V; \5 O$ ]- {/ r) B
Kenny及圈子里的各位，有人遇到过这种情况吗，怎么解释呢？

Gaolp

回复 4楼 xinting.J 的帖子
" N* T. g% a$ u2 E7 C; {! D
& p) ~8 |& V% ^! k
% @3 S& @& j- Q   谢谢！
employee voice在我的研究中是自评和他评都有的，power distance orientation跟自评他评voice之间的关系基本相同。理论方面就目前来看power distance orientation是与voice的应该是负相关的。
& }$ U, d/ s, l  N

xinting.J

Gaolp，如果出现这样的情况，大概只有两种可能，要么理论不准确，要么数据有问题。从理论上看，就你目前的了解，power distance对voice的影响是绝对的吗？如果不是，会不会有其它因素的调节，比如领导风格？我随便猜测一种可能：如果一个领导是民主式的领导风格，鼓励下属发表意见，那么是不是power distance orientation越高的下属越容易服从他的期望，进而发言较多呢？如果是数据的问题，测量不准确可能是一个主要的原因。你的调研过程是否可以保证员工基本说真话？还有，不知道是否两个变量都是员工自己填的，如果是，那么同源方差可能是正向关系的主要原因。
4 L- q1 V& q! k- u: g/ ?: e' ]
+ b& ^" A" @/ M7 t

Gaolp

回复 2楼 xinting.J 的帖子


8 i& h+ P* g& @* H: d% C" b    谢谢，我也在思考这样的问题，从数据上来讲可能是这样的；可是蛮奇怪的是power distance orientation与employee voice应该是负相关才合理；难道是employee voice的错误判断，而且员工自己和上司都有错误判断？

xinting.J

Gaolp, 相关系数为负，但不显著。这个结果可以解释为相关为0，接受了r=0假设以后，正和负都是一样的。
; r' I) q' `4 \
第二个做法，不知道你说的mix model 是不是multilevel model呢？是用HLM做的吗？如果是这样，那不同的结果是可能的。比如，可能是因为你的样本中有一些组比较大，这些组里的变量间关系对最后结果的影响就较大。因为HLM的原理是在各个组里分别做回归，再根据组的规模等参数加权平均的。
( F1 D  }5 I) W2 h+ i+ J
不知道是否合理？
$ G& u) e8 P& k$ J% ~