请教kenny,HLM中团队层和个体层，控制变量的处理

JBP加油

kenny,

    我在自学HLM过程中看到一篇英文文献(文献在附件中)，他采用HLM验证调节效应。我有两个问题的理解不是很确定，想请教您确认一下：

, D/ q/ R. i- b* c- |6 n1、我理解的是i-deals，OCB-1，OCB-O 是个体层面的变量，即level-1; 但是，文中似乎没用明确说，LMX,TMX,POS属于个体层面还是团队层面，我理解的是这三个变量是团队层面的即level-2, 您认为他们是哪个层面的？

2、第977页左下角指出，Group-level control variables, 把组织作为dummy variables:

(1)Table2中列出的，organization1(mean=0.69),这里的0.69是什么意思？

(2) Table3中列出的，organization2(mean=0.88*)，0.88代表什么呢，有什么实际含义吗？

(3)文章把organization作为控制变量，我按照一般的团队—个体两层面HLM模型试着写了下面的模型，您看看合适吗？（我主要不明白在HLM中，团队层面的控制变量organization 和个体层面的控制变量age,gender等如何体现在模型中？）

Level-1,
" e9 o2 ~6 m# ]/ F3 Q3 \OCB-Iij=β0j+β1j(i-deals)+ ij

Level-2,
β0j= + 01(LMX)+ 02(TMX)+

β1j= 10+ 11(LMX)+ 12(TMX) +U1j

以上公式中，怎么体现organization作为dummy variables，age,gender等作为个体层面的孔子和变量？

(4)organization作为组织层面的控制变量，在HLM的具体操作顺序中应当怎么处理呢？

xinting.J

JBP, 我的理解是这样的：

1.  i-deals, OCBI, OCBO, LMX, TMX, POS全都是个体层面的变量。他们用HLM的原因是，OCB是由一个leader给几个subordinates评的，所以评分之间不是独立的，不能直接用回归，用HLM是为了解决这个问题。这个原因作者在Analytical strategy部分的第一段就有写。
/ N* r" c4 z3 ?2 B4 o5 y
2.  (1) Organization作为可控制变量用dummy variable来表示的原因作者也写在P997上了：“Because we collected data from five different organizations, we used dummy variables for organization as control variables.” 因为样本来自5家企业，为了控制企业的影响，他们做了5个dummy variables, 其实可以看做是5个个体层面的变量， 第一个代表“我是否来自第一家企业”，第二个代表“我是否来自第二家企业”……所以，某个来自第四家企业的个体，在这五个变量上的值是0,0,0,1,0，所以你说的Table 2里Mean一栏的意思就很清楚了，代表来自这家企业的样本有百分之几。
(2) Table 3是回归的结果，回归中只需要放上面5个变量中的4个就够了，因为4个确定就已经可以知道第5个，在回归中，控制变量的回归系数的含义是“如果一个个体是来自这家企业的，对结果的影响有多大”
/ Z% p8 i$ V0 [/ A& `(3) 根据作者提出的模型，方程所有的变量都在level-1，level-2只有fixed effect。
(4)  对于真正的组织变量，如果组织的数量足够多（>30）, 应该单独放在更高一层。但本文作者称为organization的这个变量，实际是一个个体变量，表示每个个体的身份，和学历、性别这些变量的性质是一样的，所以就放置第一层了。
! I' x% I; z- l. M7 B  L
+ Y5 ~+ ~, ]: W+ z9 z% U不知道我有没有表达清楚。
+ a4 p3 G# R, h* Q7 x# i) D
* c" R% Z+ W9 q) ^: P+ t+ Q4 zXinting


0 a8 y) Z& S0 B/ O

helen526

Xinting,
1 }6 \: Z4 ^% Q% q$ z     非常感谢，你的解答对我很有启发。结合你的解答，我再重新阅读一遍文，然后再和你讨论。

JBP加油

Xinting,
    我同意你的解答“i-deals, OCBI, OCBO, LMX, TMX, POS全都是个体层面的变量”。同时，延伸出一个问题。文章作者是调查了，5个组织53个团队。他们通过dummy variables控制了组织层次的影响。那团队层面的影响如何控制呢？因为，他们的数据是每个团队的领导评价下属的OCB 啊？
" {2 r( k1 T4 I( k6 A  @( z9 X   Xinting否留一个你的邮箱给我，我想发一个东西给你参考，然后深入讨论这个问题。可实验了几次，都上传不了。你可以通过在论坛里发送消息给我。

xinting.J

回复 4楼 JBP加油 的帖子
JBP, 用HLM的一个优势就是，它会区分出哪部分variance是团队间，哪部分variance是团队内的个体间，所以已经相当于把团队间的variance控制住了，现在的变量只是用来解释团队内差异。所以，除非你想找一些变量解释为什么团队之间存在差异，否则就不用管它啦。

我的邮箱是 jiangyan@nju.edu.cn  
   

hongyan911

楼上原来是姜老师啊，看了邮箱才知道

Kenneth

回复 1楼 JBP加油 的帖子
7 G% d; e* N% ?9 i; U/ E1 sHongyan911,
4 t! @  P$ P* m1 m8 |  x: j$ |: e
/ g' L# e9 G! q. y' b1、我理解的是i-deals，OCB-1，OCB-O 是个体层面的变量，即level-1; 但是，文中似乎没用明确说，LMX,TMX,POS属于个体层面还是团队层面，我理解的是这三个变量是团队层面的即level-2, 您认为他们是哪个层面的？
. n" R) Y# r" ]; p; d7 ?Because employees were the most appropriate source for data on the three moderators (LMX, TMX, and POS), we chose to use supervisors as the source for the other independent variable (i-deals).  (p.976左)
+ |9 C) e, `5 r/ Y% B所有的变量都是个人层面的。前三个是员工填；Ideals是主管填。
/ j# l  Y, z! W, @# oBecause the same manager provided ratings for several employees, ratings were not independent. HLM allows proper modeling of this rater effect  (p.977右)
同一个主管评价几个员工的Ideals，他们恐怕有rater effects.
" l4 X: d" G( W/ t* }
2、第977页左下角指出，Group-level control variables, 把组织作为dummy variables:
1 m6 C5 i7 L6 i  R/ p7 v(1)Table2中列出的，organization1(mean=0.69),这里的0.69是什么意思？
6 \0 x& L7 Q0 `$ ?; j2 d9 @(2) Table3中列出的，organization2(mean=0.88*)，0.88代表什么呢，有什么实际含义吗？
无意义的。Mean of Organization1+2+3+4+5=1.0;
69% of data from organization1, 13% from organizaton2 etc.

: S& T! E' F) b0 z4 o(3)文章把organization作为控制变量，我按照一般的团队—个体两层面HLM模型试着写了下面的模型，您看看合适吗？（我主要不明白在HLM中，团队层面的控制变量organization 和个体层面的控制变量age,gender等如何体现在模型中？）

我不相信他们目前的做法是对的。他们根本就没有用HLM。目前的做法也不是HLM的正确方法。因为有了个人层面的organizational dummy，根本就不需要level-2的模型了。我猜以他们的 argument，以为害怕由Ideals而引起的correlated errors，可能的做法是：
  \. v1 x; s. r# ZLevel-1,
9 \2 i7 q$ j; r: T; J# \OCB-I=g00+ g10*age+g20*sex+g30*tenure+ g40*dyadic-tenure
          +g50*LMX+ g60*TMX+g70*POS+ g80*I-deals+g90*Ideals*LMX
         +g100*Ideals*TMX+rij
Level-2,
- E) s2 K- y" Z. cG00=g1000+u00
G80= g1001+u01
G90=g1002+u02
G100=g1003+u03
/ Z+ R) c3 t* Z' _
5 \9 d6 p, P+ B: k以上公式中，怎么体现organization作为dummy variables，age,gender等作为个体层面的孔子和变量？
(4)organization作为组织层面的控制变量，在HLM的具体操作顺序中应当怎么处理呢？
& f! f1 K9 J  x5 N* j我已经回答了。

- D; s2 e' p0 P9 o7 O   

JBP加油

kenny,
    “我不相信他们目前的做法是对的”，我也有些同感。我是猜想，文章作者既然在个体层面放入了组织标号作为dummy variable. 那么，为什么，他们还要有两层次的呢？他们的level 2 是不是用来控制团队层面的，这是由于他们只有5家企业，把企业作为第三层的话，他们的企业数目少很多。如果做个体-团队-企业，第三层的企业样本不够，所以才这么用的呢？
7 l& e( F' n; E8 t6 H+ x  }/ h( L     
8 J; x- G5 ~$ B( r- N6 Z1 j- C1 ]
0 x: t% z; x1 N

Kenneth

回复 8楼 JBP加油 的帖子
6 R& r& Z1 Q9 V0 _. N
5 g2 `2 x3 B9 H7 c' J6 e我不知道，我也觉得没有必要去猜想，知道如何做才对就好了。
! y8 _4 [9 o: t" U2 ~   

may307

Kenneth 发表于 2011-6-12 23:07
回复 1楼 JBP加油 的帖子
Hongyan911,

最近正好在做HLM，有同样的问题，所以把这个老帖子翻出来再请教一下Kenny。
" `/ T+ |7 b: ^3 ]0 @7 D' J
关于您回答的第3个问题，是不是如果不把organization在个体层面考虑在内，只用你猜的那个模型，同样也能解决数据本身的嵌套问题（一个领导rate多个下属）？如果是的话，是不是应该g10-g70都要放入level 2中估计组间差异？
: L0 M1 a; J& q  G6 ^3 v
如果按照作者的想法直接在个体层面控制organization的话，是不是直接在stata中用cluster regession就可以解决？
# X1 t" ?2 P" E$ A" A+ m
期望得到您的回复，谢谢