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？
! h. H- J  K3 I7 Q( f( M/ u4 C* `
9 _1 l8 _' m5 j' v0 E" m3 v  E; W+ |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。
   
    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”。
   
/ U* @# H* r7 M& q3 O     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。
   
    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。
# z/ Y5 B) M/ j( u' k. u+ t4 H

) p7 ^; i. b4 |

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。
+ y2 M0 v" `/ j; `3 p7 f) D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？

chienhsin

回复 2楼 jkliang 的帖子
8 P9 H7 v" H3 i, a/ ^% c

    我想二者不太一樣。
% s  [) u; z# n# N$ y, l
6 y  Q5 ~; t4 a4 S- }4 s5 Jmoderation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。
$ n. ]/ K2 C% N
. S  G" \7 V4 \. [& S控制變項因為已知對Y有關係，因此需要被控制。
4 H- ]( A- x9 ]$ ]% i8 `7 W' B1 L

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！

Kenneth

bow7，
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？
8 o# H% ~/ o9 B* o+ i4 ?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。
9 r7 Y2 x' o) v8 q
" [3 B* d" \  k) h. J& N2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？
+ D3 s. h) L" U& ~& F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.
, Z' V6 T3 {% C- U% P& y
' w. I' C; V' c% w1 |( Q3、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。
' k: r/ o, K2 E! G4 o6 c% f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。
* i7 a) O8 W# P; O

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]

+ T* m: D6 ?+ j1 D. W

Kenneth

回复 6楼 bow7 的帖子


1 L7 e8 v. ?0 u! N3 S    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

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！