[系统转发] 管理研究理论和贡献探讨 2

谢谢Kenny的纠正，我明白了。所以对于已经设好的一个alpha,双尾检验时就是两边临界值以外的面积和，单尾检验时就是一边临界值以外的面积和。这样看，如果要检验一个在理论上有明确方向的回归系数，从可证伪性上看，似乎是单尾更好的。但如果研究者想顺便探索一下数据中是否存在相反符号的关系，就可以用双尾（即备则假设是H1:b1≠0）。不过存在一个问题是，对于同一个alpha值，单尾检验更容易看到显著结果（即拒绝H0）。所以回到阿南前面的问题，只要研究者注明自己用的是什么检验，应该两种都可以的。

376楼：X->Y的影响是直接效应和间接效应的和。所以有显著的间接效应该也可以支持你的假设的。只是看起来有一点奇怪。如果检验只有X,Y两个变量的模型来支持这个假设会不会更直接呢？

377楼：我想你的理解可能是从统计角度的，就是在回归方程中，放进中介变量就看不到自变量的作用了。但Kenny书上这句话应该是从事物之间实际的相互影响上看的吧。如果M是X与Y之间的完全中介变量，那M不存在的时候，X是没有媒介可以影响到Y的。举个不太恰当的例子，我的头碰在了门上，接着就会觉得疼痛，感觉神经元传导信息的作用是完全中介变量，所以如果我的感觉神经元不工作了，我不管怎么碰都不会有感觉了。

请教Kenny一个关于用SEM检验中介变量的问题。是不是一定要检验a*b是否显著，如果我不关心中介效应的大小，那么只比较几个模型的拟合程度来检验中介效应可不可以呢（即M0:全模型，M1:通过mediator的路径都设为0，即只剩直接效应。M2：连接IV与DV的路径设为0）？谢谢您！

请教Kenny关于层级回归分析（hierarchical regression）的问题。
首先，我做了相关分析。自变量变量A、B和因变量Y在相关分析中，两两相关。其中，A与Y的相关系数为0.45，p<0.01. B与Y的相关系数为0.611（p<0.01）。
第二，做层次回归分析。Y作为因变量，第一层放入控制变量C1和控制变量C2，结果显示，模型的F值显著，C和D的回归系数显著，第二层继续放入A，B，结果显示，模型F值显著，delta R2为0.122（p<0.01）,但是A的回归系数不显著了（beta=0.031）。B的回归系数显著（beta=0.487，p<0.001）。（注：多重共线性检验结果显示，各模型中各变量容忍度（tolerance）均大于0.2， VIF均小于5）.请问我是否可以由此得出结论，（1）在控制C1和C2的前提下，A与Y相关不显著；（2）B与Y显著相关。如果不能得出结论（1）或（2），得出这样的数据结果可能是什么原因引起的呢？

Kenneth

John，你的问题的答案其实是另外一条问题！问题是什么叫做「x-->y」?这就直接关系到我在367楼讲的所谓「惘然」。如果要我定义什么叫做「x-->y」?我会说"根据理论abc......x会对y产生影响"。如果整个过程都可以在abc理论底下解释的话，x和在该理论底下的中介变量都应该是产生y的原因。以我肤浅的理解，这也是哲学上大部分对因果关系的定义。从这个角度看的话，就算x对y只有中介的影响，而没有直接的影响，我们也可以说「x-->y」。【我知道我这样讲很有争议性，我也欢迎有不同看法的老师、同学表达】
但是，如果单用流行的统计的角度，凡是可以画成x-->y和x-->m-->y的都叫中介关系的话，那么在一个SEM的路径图中，最左手边的一个自变量，与最右手的一个因边量就“肯定是”有因果关系，而路径图中间的所有变量都是中介变量了。所以答案就“肯定是”x-->y了。

Kenneth

John,我猜我在382楼已经回应了这个看法了。你同意否？

Kenneth

Xinxin， 我完全同意你的讲法。所以我在360楼回阿南时才说，双尾检验的要求比单尾高，为了审慎，一般编委都喜欢看见双尾检验。这好像变成了不成文的规矩了。相反，如果你要用单尾检验，就要明确的写出来，而且有强的解释为什么这样做。

Kenneth

Xinxin,我不肯定我明白你的问题。以我的理解M2只是一个底线（就是x与y根本没有关系），所以对中介变量的验证影响应该不大。真正影响你对中介变量的验证的是M0与M1的比较。可是，你做的其实不就是在验证Ho:a*b=0吗？严格来讲，你这个验证反而没有Ho:a*b=0好，因为你的Ho是a=0&b=0。我们本来就不需要这样严谨，随便a=0或b=0就够了，那岂不是回到a*b =0吗？

Kenneth

Twotwo,我觉得回答你的问题很复杂，而你也没有讲得很清楚。
第一、 你说：「A与y的相关是0.45」。A是第二阶的变量，y是第一阶的，这个“混阶层”相关不太可信。
第二、 你说：「A的回归系数不显著了」。同样的，A是第二阶的变量。你说它的“不显著”是什么不显著？是它影响C1、C2的斜率不显著，还是影响C1、C2的截距不显著？我猜两个都不是你要的东西。你应该要的是A影响b0j的effect size。这代表了A这个二阶变量怎样影响每一组内的“平均y值”。这跟A与y的相关是不一样的。
最后、除去了上面的考虑，如果不是因为“共线性”，我看不到你的结论有什么问题。A与B的相关大吗？

@回复 Twotwo 381楼 （Kenneth）
Kenny，首先多谢您的回答。
我想自己有概念混淆的问题，所以影响了您的理解。我把多元调节回归（moderated multiple regression）和层级回归（hierarchical ​regression）看成同一种统计方法了。如果您的允许，请您解释一下这两种方法的不同之处和适用范围好吗？我看到您在《组织与管理研究的实证方法》一书中第十四章分析调节变量检验的时候，提到多元调节回归分析是常用的检验调节作用的方法。而在举例中用层级回归说明调节作用的步骤。所以，我把这两个概念混淆了。
我研究的变量都是同一个研究层次，没有跨层次研究。希望检验A、B分别与Y是否存在相关关系。使用的是多元回归分析方法，在spss里面的操作就是，Y作为因变量，第一步放入控制变量C1，C2，第二步放入自变量A，B。第二步的结果显示，delta R2为0.112（p<0.01），但是回归系数A为0.031（不显著），B的回归系数beta=0.487（p<0.001）。在回归分析前我做了相关分析和多重共线性检验。
我的疑问是相关分析中A和Y是相关的，多元回归分析中，A的回归系数不显著，是否能够根据上述数据结果总结说，由于C1，C2和B的影响，A与Y相关不显著了。
第二个疑问是，A和Y相关分析显著，多元回归分析中，A的回归系数不显著的这个结果，有可能是什么原因引起的呢？