假设与模型如何给出？

zhouluyang

          文献读多了，会被一个一个冒出来的变量搅得头昏脑胀。这时候，最头疼的事情，就是，哪些变量应该纳入到我的模型中？我谈一些体会，其中也有不少困惑，请Kenny指正解惑。

0 k# o) B$ j' e

          假设，存在这样一种研究目的与理论背景。

          我想要研究X1、X2这两个变量对Y影响的mechanism。我想这个mechanism也可以理解为路径。我之所以如此研究，原因有二：第一，这两个变量对Y的管理很重要，有现实的管理意义；第二，现有的研究中，对这两个变量的研究不多或不充分或有缺陷。

. b5 M9 Q2 ~$ P3 S  p

        通过大量的文献阅读，从某些已有的研究结论（实证的结果或逻辑的推导）出发，得到以下发现：

          （1）X1、X2对Y之间可能存在某种显著的影响。

1 o; @, L/ e$ W8 H

        （2）X1与X2之间也存在某此关联，包括，X1对X2与Y的关系可能存在调节效应，X1对X2可能存在直接的效应。

        （3）M1可能对X1与Y之间的直接效应存在调节效应。

        （4）X2与Y之间可能还存在中介变量M2，即X对M2的直接效应可能显著，M2对Y的直接效应也可能显著。

, E& s  g3 C' T

        （5）除了上述X1、X2、M1、M2以外，已有的研究表明，C1与C2是对Y具有重要影响的两个变量；C3、C4、C5、C6、C7、C8对Y也有影响，但已有研究表明，其影响与C1与C2相比显得不那么重要。

        （6）已有的研究提醒我们，P1对X1有重要的影响，P2对X2有重要的影响。

  _9 @6 s" I+ I* ^

        下面我给出了两个理论模型图。图1将所有变量均纳入。图2只纳入了X1、X2、M1与M2。

        我认为，图2是正确的，图1是错误的。理由如下。

6 z+ B; S$ [3 _

        一项研究，一个Paper，其理论模型应该纳入哪些变量，由研究目的决定。由于本项研究的目的是考察X1与X2如何对Y产生影响，因此我们要考察的是从X1与X2到Y的影响路径，而不是从P1、P2到Y的路径。至于P1、P2到X的影响，乃至到Y的影响，最好的研究策略是再写一个Paper来关注它、考察它、研究它。如果要把P1、P2也纳入模型中，按这样的逻辑，研究就没完没了了，因为，P1也有前因变量，P1的前因变量还有前因变量….就没法研究了。

5 v' ]' U' j9 |: I9 k8 }

        C1到C8属于控制变量，在理论模型中不应该纳入。控制变量是模型的外生变量，如果纳入理论模型中，就变成模型的内生变量了。尽管在已有的文献中，C1、C2等变量与Y之间的关系可能显得很明确，但由于我们只考察X1与X2对Y的影响，因此，我们对C1与C2等对Y的具体影响是什么可以“假装不知”，在SEM分析中，直接在C1与Y之间、C2与Y之间画一个箭头纳入分析就好了，以至于C1、C2对Y的影响到底是什么可能不是很重要了（当然可以在文章的最后适当的讨论一下，但不是文章的论述重点）。

         最后，在SEM分析中，只须纳入C1与C2这两个控制变量就足够了，即如图3。因为，一个变量Y的前因变量，可能有无数。当我们确定只研究X1、X2这两个前因变量时，X1与X2及其路径中出现的M1、M2以外的变量，也无穷多。因此，我们挑选控制变量时候，只能将X1、X2、M1、M2以外，对Y有“重要影响”的变量纳入为控制变量加以分析处理。

        这是我最近的一点心得。我的理解正确吗？

        望Kenny指正。

1 T2 g$ f5 O4 U! ?

Kenneth

我不觉得这里有对于错的问题。难道研究　A->B->C　是错，只有　B->C　才是对吗？
; `/ }8 O2 _; l后者包含了前者，有什么问题呢？当然，有没有这个必要是另外一个问题。但是，别人多做了一点分析难道是错吗？
至于控制的问题，我同意当然是只要控制最重要的变量了。

zhouluyang

3 q  R  b; H3 l$ _, Y$ p5 `谢谢Kenny。感冒了，还是工作太忙？这么久没见到您了。
( W$ t3 I& U; C$ c8 f4 x9 V一、“至于控制的问题，我同意当然是只要控制最重要的变量了。”这句话，对我很重要。因为我正遇上这种问题。我想这应该是研究策略的问题吧。属于艺术范畴的东西吧。另外，能否谈谈你的理由？为什么只要控制最重要的就行了？听你的口气，好像是理所当然的问题，而我却是思考很长时间才这么想的。
二、“我不觉得这里有对于错的问题。难道研究　A->B->C　是错，只有　B->C　才是对吗？”我同意，这里没有对错的问题。但是，从写作与文章的角度来说，如果研究目标在于考察B的影响，那么，再将A对B的影响也纳入文章中，除非很有必要加以补充说明，我认为，A也在行文中加入，可能就会使文章偏题了。这也就是你说的“是否必要”的问题了。

Kenneth

zhouluyang 发表于 2012-2-14 00:10
( w8 }. Q( \, a7 D; v谢谢Kenny。感冒了，还是工作太忙？这么久没见到您了。
7 o' f5 o! Y1 m4 {4 |# g一、“至于控制的问题，我同意当然是只要控制最重要 ...

: Y4 E- D* n0 y1 N! p9 Z1. 不重要的变量对Y的影响本来就很低，控制了影响不大，不控制也罢。
8 n) w% r6 ~+ p8 p5 O0 a2. 你这样讲是对的，但是假设是作者把两组的效应一视同仁，等同的来研究，同样的重视。

zhouluyang

1 ^) U8 J; f" V0 [& _) k"不重要的变量对Y的影响本来就很低，控制了影响不大，不控制也罢。"这句话给了我很多的启发。非常感谢。
1 }* h3 Q- H: ]8 t8 ~  o进一步地，我再询问一下：
6 e6 n! F" _: X! S  F以您的研究经验，纳入模型中的控制变量，通常是几个？1个，还是多个？
5 _2 c- ?' H/ a% F6 [
在我最近的研究中，简单起见，假如我的研究模型是X——>Y；依据已有的文献，在我所研究的变量X以外，有3个被认为是重要的或最重要的对Y有影响的前因变量，因此我将这3变量均作为控制变量。不知妥否？

Kenneth

zhouluyang 发表于 2012-2-15 12:50
"不重要的变量对Y的影响本来就很低，控制了影响不大，不控制也罢。"这句话给了我很多的启发。非常感谢。
进 ...

8 c. c0 z$ |& p, E4 o& D' ezhou,

7 C7 d0 @' f( ~8 x6 [; |& K1. 通常是几个？1个，还是多个？

6 L' I+ t9 {% K- J0 ]很少是一个，通常是几个。
+ I% r( Q8 w3 k! B5 S0 m5 z
9 ?7 b4 w% g' L( `9 f2. 依据已有的文献，在我所研究的变量X以外，有3个被认为是重要的或最重要的对Y有影响的前因变量，因此我将这3变量均作为控制变量。不知妥否？

我会这样做。

zhouluyang

Kenneth 发表于 2012-2-16 09:28
zhou,

0 g- ]3 q) }* e# u# }% ?1. 通常是几个？1个，还是多个？

  A, ~6 D" K- o' q2 iKenny,
7 S( E0 ^% ~" |" w# I# W也许是我突发奇想的问题。
& B6 S3 [6 p  y( t! v我现在很想知道，我的三个控制变量，是否已经充分了。
$ H+ L) c; o8 _5 B( }$ w, ^  K2 ~0 d我在SEM中，逐步累积地添加三个控制变量，当添加到最后一个控制变量时，模型的系数估计值已经变化很小了。但是，我如何证明，模型的这最后一个控制变量，对模型的系数估计值 已经没有显著影响了呢？
9 E! S3 M9 [, ]; z5 W我不知道我的意思表达清楚没有，因此，我再换个方法说一下。
! z+ h3 d  N& M
+ V' v) g# ?& V) _. N2 @/ ?(1)Y=a0+a1X1+........+e1
4 \2 i! |) B0 P(2)Y=b0+b1X1+b2X2+........+e2
0 i7 [% a5 a* \$ r- P+ _上面这两个模型，模型（1）中，当模型中只有一个作为我研究目标的自变量X1时（省略号中的变量为控制变量），X1的系数估计值用a1表示；当我在模型（1）的基础上再额外添加一个自变量X2（即最后一个控制变量）形成模型（2）时，X1的系数估计值用b1表示。
& Z2 k' k9 I* T% U+ |  O/ K( J
问题：
我在SEM中估计两个模型，
( z; ~+ P: E! Y8 `5 w我该如何检验a1与b1之间无显著不同?（比如，a1=0.61，b1=0.60，我应该采用什么方法来检验这个0.61与0.60之间是没有显著不同的呢？）

Kenneth

zhouluyang 发表于 2012-4-14 10:51
Kenny,
* B% F8 i. k$ C# G/ r" }也许是我突发奇想的问题。
6 k& P' m+ q  ]: h. T! A/ L; J我现在很想知道，我的三个控制变量，是否已经充分了。

# S1 z( q4 M7 E( ]我虽然觉得这样做没有很大的意义，但是如果你要的话，可以：
1. 模型自由估计b1时，b1=0.60，模型卡方是 C1；
2. 你可以在同一个模型，把b1限制为 b1=.61 （由你设定，不是估计出来的），模型卡方是 C2；
2 `0 K9 P; v. F5 }* |8 |" e这两个模型是嵌套的，可以用卡方差来验证。

allevon

我还有一个想法，控制变量越多，会导致统计功效下降，并且在研究样本容量一定时，会导致很多原本显著的估计参数，变成不显著！所以，从这个角度看，控制变量并不是越多越好！当然，控制变量的选择，是一个理论问题。

zhouluyang

Kenneth 发表于 2012-4-14 16:53
我虽然觉得这样做没有很大的意义，但是如果你要的话，可以：
1. 模型自由估计b1时，b1=0.60，模型卡方是  ...

谢谢KENNY，我试试。