[系统转发] 管理研究理论和贡献探讨 2

管理里面如果备则假设是x与y正相关，那已经表明方向了啊，照此应该使用单尾检验才对啊，不过很多文章似乎用的都是双尾检验啊。

@回复 Chien-Hsin  352楼 (Kenneth)

Kenny，非常謝謝。

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

***接著以上您舉的假說，我再舉個極端的例子。有可能x1強度是不受M影響，僅是x2強度會因為M而變大、變小，那麼為什麼研究者不明白指出M影響的是x2的效果。這讓我隱約想到，樣本有可能無法支持M對x2的效果，因此需要找x1做基準來比較。


***關於Cohen，我的書是第三版，在p.640，在同一個樣本內，兩個不同自變數係數差異的檢驗。

错误示范:

***
paper #1: Yi and Goong (2008), "The Electronic Service Quality Model...," Psychology & Marketing, 25(7), pp. 587-601.

Note: 作者檢定H1 and H2的方法是錯的，但H3 and  H4是正確的。H1 and H2是within sample比較不同自變數效果的差異，如同上面的例子。H3 and H4是across sample檢定相同自變數的效果差異。

paper #2: Shih (2008), "Contagion effects of ...," Technological Forecasting and Social Change, pp. 78-90.

 

Kenneth

双尾检验的要求比单尾检验高一点，我猜是审慎吧。

阿南，你发现有的时候他们用双尾、有时用单尾，会不会是因为他们用的统计量不同呢？

以检验线形回归方程回归系数的显著性为例，我们不是直接检验我们看到的正的或是负的Beta系数，而是要通过计算一个统计量来检验的。我记得F检验和t检验都可以用来实现这个目的（具体计算统计量的公式你需要查一下书，讲回归系数显著性检验的部分应该都有）。计算出来的F统计量（都大于0）或t统计量（有正有负）就可以用来检验了。统计量F与t之间的关系F=t*t。

如果看一下F和t分布的形状，你会发现，检验F统计量时一定只能用单尾，因为F分布的曲线只有右边是开口的，所以你设置的检定水平alpha值(如.05,.01)只是指右边开口的部分。而检验t统计量时，t计算出来可能有正有负，t分布是一个以0为中心，左右对称的单峰分布，两边开口的，一般的表上只列出了正的部分，所以一般都是用|t|来查表。这时，双尾和单尾的区别只是在于设置检定水平alpha时要稍微注意，如单尾的.05相当于双尾的.01, 单尾的.025相当于双侧的.05。

不知道这样说是否合理呢？

Chien-Hsin，我明白你的意思。我也基本上同意的。但是从假设的表达来讲，作者没有讲错。他只是说当M=1时，b1比b2大；M=2时，b1比 b2小。其中可能是b1不变，b2改变了、也可能是b2不变，b1改变了、也可能是b1和b2同时都变了。你唯一可以说的，就是他不够精确，不是一个“很好的验证 ”而已。可能在分组测验之前，应该做一下以下的分析：
y ​= ​b0 ​+ ​b1 ​x1 ​+ ​b2 ​x2 ​+ ​b3 ​x1*M ​+ ​b4 ​x2*M
看看b3和b4是否显著，就可以回答你的问题了。 ​
这个问题我猜虽然是statistical ​power低了一点，最简单的方法还是分组测验。因为他原来要测的是（x1-x2)*M，也就是M有没有调节两个变量的differences ​in ​effect ​size。（x1-x2)这个difference ​score的问题，在文献已经搞到一塌糊涂了，我猜还是不要碰为妙。

对不起，改正一下我362楼的最后一句话 （算术都不会做了:) ）：

单尾的.05相当于双尾的.1, 单尾的.025相当于双尾的.05。

谢谢xinxin，比方说 我现在提两个假想的假设如下

学习成绩与努力程度正相关
学习成绩与学校好坏正相关

现在建立回归方程，Y=常数+ax1+bx2，其中x1与x2分别是努力程度与所在学校

最后回归算出a与b，我要是检验其显著性的话，用单尾还是双尾？ 

怎么我看一般的文章中提到的都是双尾呢？是我理解有问题还是其他？谢谢！

Kenny,关于中介变量问题。X到Y的路径中，已经检测到M1是完全中介变量，那么还有没有必去探索M2在X-->Y中是否有中介效应？（部分或完全中介作用）
或者换一种问法，M是X对Y的完全中介变量，M由M1和M2两个维度组成，其中M1完全中介，同时M2完全或部分中介也存在？有没有这种可能？
顺便请Kenny比较详细的解释一下“中介效应”是怎么回事？是M传递了X对Y的影响，还是X影响M、M又影响了Y呢？我明白方法上的中介检验，但要解释这个过程就有点说不明白了。谢谢Kenny。

XinXin:謝謝。

你說：这个问题我猜虽然是statistical ​​power低了一点。

能不能說得更明白一些？謝謝。

Kenneth

Johnson,以下是我的回应：
1. 如果M1与M2是一个多维构念的两个维度，我看不见M1的中介影响和M2的中介影响有什么“一点性”的关系。所以除非我误解了你，不然的话，答案是肯定要。
2. 你有兴趣的是“M是不是X->Y的中介变量”，还是“M1和M2是不是X->Y的中介变量”？如果是后者的话，一般M1与M2的相关可以是很低的（比如r=.35)。M1与其他变量的关系可以与M2很不一样的。
3. 最后一个问题是我教方法论时遇到最大的问题。我学回来的是前者。“中介效应”是“X对Y的影响是透过M”。但是现在的文献中（尤其是由统计学者写的文章），很多时候把“X影响M、M又影响了Y”也叫做中介作用。在这个情形下，如果X直接影响Y，M就叫部分中介，否则M就叫完全中介。我个人不同意后面的讲法，也不觉得两种讲法是一样的。不过、持後面的想法的声音太多，连「中介关系」的大师 David A. Kenny (不是我这个小土豆Kenny) 也是这样讲，自己觉得有点惘然。