变量之间关系与分层

Gaolp

Kenny，

春节快乐。

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；
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？

Kenny及圈子里的各位，有人遇到过这种情况吗，怎么解释呢？
, q5 z# D5 e% ]4 c

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。
2 `8 b. i4 G6 o
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。

" a  y8 a. i3 h! _1 e不知道是否合理？

Gaolp

回复 2楼 xinting.J 的帖子

- }; w3 u) v7 [3 [
) N/ e4 t5 i$ p$ g: o, @    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，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。


2 L. b2 ^2 J3 H# Y, M% t& [

Gaolp

回复 4楼 xinting.J 的帖子
" ^* I, D* e+ o1 N) B3 R
$ ]0 y% N% U+ n. H7 q- x; O
2 x& z0 m! I; m& G   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。
4 \! k% m) d1 V+ O+ t# l1 m