[系统转发] 管理研究理论和贡献探讨 2

Kenny,我猜方程“工作绩效=b0+b1*组织承诺+b2*年资+(c1*b1)*年资”可能不是用来估计系数的方程，而只是“工作绩效”的路径分析式，其中每一个系数都可以在SEM中找到的。c1是在“组织承诺=c0+c1*年资”中估计出来的。是这样吗？ 

Kenneth

啊！聪明，聪明！但是如果是这样的话，邱先生(或是John对邱先生的引用)肯定是错了。以下是我的“猜想”：
方程（1）：    ​组织承诺= ​c0 ​+ ​c1*年资
方程（2）：    ​工作绩效= ​b0 ​+ ​b1*组织承诺
把方程（1）代进方程（2）里，得到，
       ​工作绩效= ​b0 ​+ ​b1*组织承诺
       ​工作绩效= ​b0 ​+ ​b1*(c0 ​+ ​c1*年资)
       ​工作绩效= ​b0 ​+ ​b1*c0 ​+ ​b1*c1*年资
如果「组织承诺」是「中介变量」，无论如何都不可能有
       ​工作绩效=b0+b1*组织承诺+b2*年资+(c1*b1)*年资
这条方程。
如果「组织承诺」既是「中介变量」，又是「调节变量」的话，那应该是：
方程（1）：    ​组织承诺= ​c0 ​+ ​c1*年资
方程（2）：    ​工作绩效= ​b0 ​+ ​b1*组织承诺 ​+ ​b2*年资 ​+ ​b3 ​(组织承诺*年资)
同样的，无论如何都不可能有
       ​工作绩效=b0+b1*组织承诺+b2*年资+(c1*b1)*年资
这条方程。
以我所看，唯一有可能比较像这条方程的是，
       ​工作绩效=b0+ ​b2*年资+(c1*b1)*年资         （就是除掉了「b1*组织承诺」这一项）
这条方程的意思是b2是「年资」对工作绩效的直接影响；(c1*b1)是「年资」透过「组织承诺」对「工作绩效」的间接影响。可是，当你一谈「年资」透过「组织承诺」对「工作绩效」的间接影响时，「组织承诺」这个中介变量就应该在方程中消失了。

Thank you, Xinxin.
Kenny,邱先生确实是检验年资的“调节作用”。相关书页扫描后发你信箱了。

Kenneth

John，谢谢你给我的几页描述。如果我没有误会邱先生在这几页的话，他是用了“调节” 和“调节变量”这两个词，但是他讲的百分百不是调节作用。在范例五中，没有年资时，组织承诺对员工绩效的影响是0.55。把年资加进了模型（在范例五的新模型中，组织承诺是年资与员工绩效的中介变量，“不是”年资是组织承诺对员工绩效的调节变量！）后，组织承诺对员工绩效的影响降到0.53了。但是单单这个结果不可以说明“组织承诺是年资与员工绩效的中介变量”，更不可以说“年资是组织承诺对员工绩效的调节变量”。

你给我的几页中有两处不对的地方。

第一， 在第二页中，作者说：『第二个概念模式，则是在组织承诺与员工绩效的回归模型中，增加了一个年资变项作为“调节变项”，如图ex5.2的范例五B路径图所示。』在多元回归中多加一个变量不叫“调节变项”。调节变量的意思是当这个变量的“值”改变时，组织承诺对员工绩效的影响会改变。比如，年资是5时，组织承诺对员工绩效的影响是.32；当年资是7时，组织承诺对员工绩效的影响是.02。这样的情形下，年资就叫做“调节”了组织承诺对员工绩效的影响了。

第二， 在第五页中，作者说：『范例五B中的beta系数为.53，较范例五A的.55为低，主要即因为年资变项的“调节效果”，造成了回归系数值些微降低。』书中这个讲的“调节效果”不是我们一般讲的“调节作用”。我猜他的意思是『年资的 “存在”改变了组织承诺对员工绩效的影响』。加进了年资，使得组织承诺对员工绩效的影响从0.55降到0.53，这个不是调节作用的结果，是一般的多元回归的结果。在正常的情形下，在多元回归里多加一个变量，其他变量对Y的影响就改变了，这不叫调节作用。

最近閱讀文章發現兩個方法上的問題。

1、調節變量(moderator)通常被定義為兩個變數的關係會因為這個調節變量而改變。我們一般可以看到如下的假說形式：

    X與Y之間的正向關係會因為M而強化。
或者
    M會正向調節X與Y之間的正向關係。
    
以上的假說應該沒有問題。

但考慮下列情形：
  Y = f (x1, x2, x3)

通常我們會在文章裡看到作者做如下的假說：

 H1:   The effect of x1 on Y is stronger than that of x2 and x3 when M = 1.
 H2:   The effect of x2 on Y is stronger than that of x1 and x3 when M = 2.

在這種情況下，作者也明白的指出M是調節變量。

我認為：M不是調節變量，因為我們並不知道x1(or x2 or x3)對Y的效果是否會因為M而改變。

請Kenny您認為這時候稱M為調節變量合適嗎？
如果不合適，有其他比較好的名稱來稱呼M嗎？

2、在檢定上述H1 and H2時，作者會使用
unpaired (i.e., independent sample) t-test
(未成對樣本、獨立樣本t檢定)來檢定
x1, x2, x3對y的效果是否有差異。

我認為這方法用在這也有些問題，因為獨立樣本t檢定適用在檢定兩個不同迴歸模式(由不同樣本資料所估計)的相同係數是否有差異。而不是檢定單一模式內不同係數之間的差異(這個檢定在Cohen et al的迴歸書籍內有介紹)。

以上兩個缺失在非頂級期刊重複出現，我想請教Kenny，他們這種用法也被接受，或是他們是缺失，
只是沒有被發現。

謝謝Kenny。

@回复 cabell  339楼 (Kenneth)

Journal of Business Research 2008年有一期special issue在討論formative vs. reflect model。

@Chien-Hsin
谢谢Chien-Hsin的文献指引！

Kenneth

Chien-Hsin,让我们把问题简化以方便讨论。x3在这个问题上没有特别的意义的，所以我们只谈M跟x1和x2对Y的影响。简化后，

 Ho:    当M=1时，x1对Y的影响大于x2对Y的影响
           当M=2时，x2对Y的影响大于x1对Y的影响
（注：这里只有一个假设，两句要一块用才是一个假设，不是两个假设）

这个假设表现了x1与x2跟Y的关系受着M的数值影响。对我来说，这还是一个调节变量的概念（虽然与我们传统看见的调节变量不一样）。

你说：『我認為M不是調節變量，因為我們並不知道x1(or x2 or x3)對Y的效果是否會因為M而改變。』这是个好问题，但是问的背景好像不对了。就算是传统的调节变量：
      Y = b0 + b1 X + b2 M + b3 X*M
我们可以肯定X对Y的不同作用“一定是因为M”吗？我猜答案还是“不肯定”。我们唯一知道的是「共变」，也就是当我们观察到M改变时，我们也同时观察到X对Y的影响改变了。相关型的分析永远都会遇到这样的问题。现在逻辑实证用的「结果“支持”了我们有理论根据的假设」，并不是「结果“证明”了我们的假设」。正因如此，理论在当中扮演了不可或缺的地位。

关于第二个问题，我完全同意你的看法。他应该用Cohen and Cohen, 2nd Ed., p.56-57的统计验证。不应该做简单的t-检验。

也谢谢你给的formative indicator的参考。最后，可否介绍给我知道你在哪里看到以上的分析？也许我可以用来做“错误示范”啊！  ：-）

Kenny您好，请问统计中什么时候使用单尾检验，什么时候使用双尾检验呢？一般来说，单尾检验对应的假设，有什么特点吗？或者说双尾检验有什么特点？按照我的理解，既然管理里面很多都是检验两个变量之间通过某种回归的系数显著性与否，那应该都是双尾检验才是，不知怎么出现了单尾检验？您能举几个实例吗？谢谢！

@阿南

關於單尾檢定，我的看法是，如果有很強的理論背景說明變量之間的關係一定是某個方向，而不會是某個方向，那「可能」可以用單尾檢定。我的評論是這也許是研究者的取巧方法，因為雙尾檢定的標準在他的研究沒有通過。