[系统转发] 管理研究理论和贡献探讨 2

请问有谁知道有关『社会化』（socialization）此构念的量表？感谢告知！

@回复 步磊145、146楼（Kenneth）
Kenny,能解释一下两个方程中符号的代表意义吗？为什么和简单回归结果是一样？个体层面的数据肯定是比学校层次的数据多，回归时怎么处理呢？

cabell, 你问的问题恰好是我前面问过的，你可以先参考Kenny在141楼的答复哦。

另外关于式子中的符号：
yij = boj + rij   （1）
boj = r00 + r01 Wj + uoj   （2）
假设这里的群体层面是学校，则我们用j表示第j个学校，用i表示第i个个体，则yij为第j个学校第i个个体的因变量，b0j为第j个学校的截距，rij为个体层面的随机误差。但因为b0j这个截距是受学校层面的因素Wj影响的，所以我们需要第二层来表达，r00即Wj与b0j关系中的截距，r01是Wj与b0j关系的斜率，而u0j则是用Wj预测b0j时的随机误差。

这时把（2）带入（1）后会发现Yij = r00 + r01 wj + [rij+ u0j]，用文字说就是群体层面的变量W会直接影响个体层面的变量Y。当然我们的样本中个体的数据会比群体数据多很多，但由于因变量是个体层面的，分析层面仍是个体层面，所以同一个学校的所有个体可以使用相同的群体变量作为自变量,就变成普通的回归了。不知道我说明白没有 :-)

@求助者
Chao（1994）有关于一个社会化内容的量表

@cabell (xinxin)
谢谢xinxin，前半部分看明白了。但最后一句，“所以同一个学校的所有个体可以使用相同的群体变量作为自变量,就变成普通的回归了”，这是不是已经违背了普通线性回归中关于自变量的基本假设了？

Kenneth

刚刚写好，还没贴，就给xinxin 捷足先登了。:-(
既然写了，就画蛇添足，也贴上来吧。
Cabell，关于你的问题，我在#135, 136, 137, 140, 141, 142楼已经谈过了。
我用的是HLM的惯用符号。
   yij = boj + rij                         （1）
   boj = r00 + r01 Wj + uoj       （2）
中，yij是第j学校的第i学生的「学生感知服务质量」（第一层因变量）；
Wj是第j学校的「学校的服务氛围」（第二层自变量）；
boj 是第一层回归的截距;
rij 是j学校的第i学生的第一层回归误差；
r00 是第二层面的截距;
r01 是第二层面的斜率;
u0j 是第二层面的回归误差。
至于为什么和简单回归结果是一样，我在135楼已经解释了。
做简单回归时，分析的层面是个人层面。所有在同一学校的学生的Wj （即学校的服务氛围）都是相同的。如果有需要的话，请发一个电邮给我，我把141楼讲的数据寄给你练习一下。  Kenny

Kenneth

谢谢xinxin仗义出手，这次我要比你快了。:-)
我的理解是，线性回归从来没有限制自变量不可以相同的。其实刚刚相反，一般的固定作用回归（fixed effect regression，也就是我们常用的回归）就是假设我们不停地用几个一样的自变量数值的。
另外一个角度来理解这个问题，就是想像你是用回归方法（而不是用方差分析）来分析实验数据。同一个实验组的自变量数值是完全一样的。    Kenny

@回复 cabell 152楼 (Kenneth)
哈哈，谢谢Kenny和xinxin的解答。Kenny，邮件我发了。另还有一个问题，学习一般线性回归的时候只讲到了高斯模型对误差的假设，那一般线性回归对自变量有特定要求吗？

Kenneth

   yij = boj + b1j x + rij              （1）
   boj = r00 + r01 Wj + uoj       （2）
   b1j = r10 + r11 Wj + u1j       （3）
"boj 是第一层回归的截距;rij 是j学校的第i学生的第一层回归误差"——我不明白第一层回归的意义？是区分组差异和个体差异吗？
如果这种模型和简单回归没有区别的话，那多层线性模型是不是用于存在第一层自变量的情况？就是对其回归系数的影响？

Cabell, 其实我不太看懂你的问题，不过就我对HLM的认识，尝试猜测并解释一下吧。公式（1） 是第一层的回归，就是个人层面的回归，也就是「在每一小组“内”的回归分析」。如果我们把第j小组的个人数据来做一个（个人层面的）回归，我们就会找到第j小组内的截距（boj）和斜率（b1j）。比如，第一组的截距是bo1，斜率是b11。第二组的截距是bo2，斜率是b12。第三组的截距是bo3，斜率是b13等。
第二层的回归（公式2）是说每一组的截距（boj）其实是跟小组特征Wj有线性关系的。Wj越大，boj 就越大。用Wj来估计小组的截距的直线的斜率是r01, 截距是roo，误差是uoj。
同样的，公式3是说小组的斜率（b1j）是跟小组特征Wj有线性关系的。Wj越大，小组的斜率（b1j）就越大。用Wj来估计小组的斜率的直线的斜率是r11, 截距是r10，误差是u1j。
所以，简单来说，HLM 是首先在每一小组内先做一次回归。如果有n组，就有n个截距和斜率。这些估计叫做“第一层的估计”（level 1 estimates）。然后，我们再用小组的特性（Wj）来估计这n组的截距和斜率。这些估计叫做“第二层的估计”（level 2 estimates）。    Kenny

社会化可能用来指代不同的内容，程度或过程或内容，甚至是组织的措施。我猜可能你指的是内容吧。Cabel说的对，Chao(1994)是一个常用的量表，另外还有一个。我把两个一起放在咱们的blog邮箱里了。另外还放了一个有关组织社会化措施的量表 （socialization tactics） :-)

http://gmail.com 
account: sharingpaper 
pwd: blogpaper