[系统转发] 管理研究理论和贡献探讨 2

感激kenny和xinxin的解惑。耗费了您们的宝贵时间。您们帮我厘清了调节变量上几个困惑：

1. 不存在“调节出来的u型关系”这种说法，是自己概念弄混淆了，确切的说，调节变量无论如何也不会调出一种u型关系出来，是吧？

2. 判断是否有调节效应，一般说来，主要是通过交叉项判断，至于具体判断这种调节机制，是通过kenny的“画图法”以及xinxin的“旋转法”来得出，无论是kenny所说“增强型”以及“干扰型”调节，还是量、方向抑或两者综合的调节，其实都是从调节机制中得出来的，是吧？

接下来的问题是这样的，前面讨论调节变量作用的时候，是建立在这样的前提下：该变量在取值区间内要么不起调节作用，要么在取值区间内起调节作用。我想现实中可能有这样一，种情况，当某变量取值在一定范围时，对x影响y起调节作用（比如调节变量取值大于m1的时候），而当该变量不在这个范围的时候（比如取值小于m1）就不起调节作用。这种情况下，可以通过什么方法检验到呢？

Kenneth

xinxin 的转铅笔法很精彩。等我时间空一点把他画出来，放在书上。可以借我版权吗？ ：-）

Kenneth

也感激你的提问，这也是难得的勇气。
1. 不存在“调节出来的u型关系”这种说法，是吧？  
回应：是的。
2. “增强型”以及“干扰型”调节，还是量、方向抑或两者综合的调节，其实都是从调节机制中得出来的，是吧？
回应：是的。
3.可能有这样一种情况，当某变量取值在一定范围时，对x影响y起调节作用（比如调节变量取值大于m1的时候），而当该变量不在这个范围的时候（比如取值小于m1）就不起调节作用。
回应：你这个是“假想”的，还是真的研究问题？如果是“假想”的，我就简单回答一下。我的感觉是没有在>m1有调节作用，<m1「没有」调节作用的讲法。调节作用永远都是在m1的所有值而言的。「如果x与y的关系在m1的不同值下“有不同”的关系，那m1就是一个调节变量」。因为在：
y = a0 + a1x   中
a1 会因着 m1 的值而改变。那什么就做「在m1<1时没有调节作用」呢？

Kenneth

我想了一想，大概明白你一直在讲什么了？一般我们讲的调节作用是“线性的”。你是不是想将一些调节变量的调节作用是“非线性的”。比如，如果：
y = a0 + a1 x   并 m 是调节变量。一般我们会说当 m 越大时， a1就越大。而这个m 与a1的关系是“一级线性的”（linear）。如果你要验证quadratic（二次的）调节关系， 那就不是：
  y = a0 + (b0+b1m) x    那么简单了。 二次的关系就变成：
  y = a0 + (b0+b1m+b2m^2) x    ，展开来， 就变成：
  y = a0 + b0 x + b1m*x + b2 x*m^2    ，展开来， 就变成：
所以调节回归就要多了一个 x*m^2 项。  
如果是你讲的这么不规则的一个函数，m<1,  m不影响x-y关系，m>1, m 对 x-y  的影响是直线的（或是二次的）,那就要：
（1） 找出这个「转捩点」
（2） 分析「转捩点」前是什么关系，「转捩点」后是什么关系
不过，我对这个不太乐观。因为同一个问题，我们用的不是等比量表。从理论上来看，你怎会知道「转捩点」是3还是3.15呢？

当然可以啦, 就在此授予版权啦 8－P  如果能帮到更多同学了解这个问题，那再好不过了。而且，经过您再改编一下，一定会更清楚。也谢谢您的鼓励。

Kenny您好，打扰您了，求教关于回归的问题：

如果我想分析企业家的背景特征对于企业多元化战略的影响，其中企业家的特征包括企业家的年龄、学历、职业背景、任职时间以及性别，回归的的时候，现在就面临着两种方法上的选择，

其一，将企业家背景特征的五个变量以及相关控制变量一起与因变量企业进行回归，如果某个变量显著，就说某个背景特征变量与因变量关系显著；

其二，将企业家的五个变量依次与控制变量对因变量进行回归，最后将五个变量一起纳入与控制变量一起对因变量回归。

问题是：

1.采取哪一种方法比较好或者说相对合理一些？

2.假设采取第二种方法进行回归的话，出现下列情况怎么办：如果职业背景单独与因变量进行回归显著，但是五个整体一起回归的时候不显著，那么在下结论的时候，职业背景与因变量是显著相关还是不相关；或者是，如果职业背景单独与因变量进行回归不显著，但是五个整体一起回归的时候职业背景与因变量关系显著，那么在下结论的时候，职业背景与因变量关系是显著相关还是不相关。

谢谢！

Kenneth

方方，不用这么客气吧。不然我也打扰你读一读我下面的回应了。：-）
1. 你问的是「一元回归」与「多元回归」的分别。一般来说，「多元回归」给我们的结果是“控制了其他变量以后”该变量对y（因变量）的影响。所以，如果你想知道的是「控制了年龄、学历、职业背景、任职时间以后，企业家的性别怎样影响企业多元化战略」，那就要用「多元回归」（第一种方法）了。相反，如果你想知道的是「不考虑其他变量（如年龄、学历、职业背景、任职时间），我只想知道企业家的性别怎样影响企业多元化战略」，那就用「一元回归」（第二种方法）了。在研究领域上，大部分时间我们都希望知道“控制了其他变量以后，某自变量对因变量的影响”的，所以正常情形下，都会用第一种方法（就是，将企业家背景特征的五个变量以及相关控制变量一起与因变量企业进行回归）。
2. 好了，五个背景特征变量一同回归时，常常出现的情形是本来“一个一个回归时，显著的背景特征自变量”，现在不显著了。那就代表是「控制了其他变量以后，该背景特征不影响企业多元化战略」。举个例子，「年龄」和「任职时间」往往有很大的相关。当二者一同放进一个回归里时，原来显著的 「年龄」，现在不显著了。很大可能是真正影响「企业多元化战略」的是「任职时间」，而不是「年龄」。当「年龄」不跟「任职时间」一同放进回归里时，「年龄」的显著是因为它跟「任职时间」（真正有影响的变量）有很大的相关而已。所以，我们的结论是「年龄」对「企业多元化战略」没有影响，但「任职时间」对「企业多元化战略」有影响。
3. 你讲的第三个情形，也就是原来x1单独在回归里是不显著的，加进了x2后，x2是不显著的，但是x1“反而变成显著了”。这样的情形极其罕有，在研究方法上叫x2做suppressor variable（抑制变量）。既然你不是真实的遇到这问题，我就不谈了。
4. 最后，我有一个小小的建议。你的研究问题是「什么背景特征影响企业多元化战略」？为什么你会想「背景特征」会影响「企业多元化战略」呢？如果给你找到「年龄」或是「性别」会影响「企业多元化战略」，你是不是就满意呢？我肯定下一个问题就是「为什么性别会影响企业多元化战略」？「为什么“女性”的企业家会比较用多元化战略」？你可能在研究里会写一下因为“女性”……所以女性企业家会比较用多元化战略。但这不是你的研究结果。它只是你做完研究以后的猜测而已。所以，如果能够在收集数据以前，好好的想一想有没有一个系统模型，可以帮助你了解「背景特征是如何的影响企业多元化战略」，那不是更好吗？当然，如果你已经做了这一步的话，那就更好了。

@回复 369楼 (Kenneth)

Kenny:「...如果替代假说是b1>0，那就会用单尾测验；如果替代假说是b1≠0，那就会用双尾测验。」

所以我曾見到paper裡面說：
One-tailed significance level is applied because we test directional hypotheses based on theory.

因為理論已經排除另一方向(e.g., b1<0)的可能性，因此我們可以用單尾檢定。



 

Kenneth

Chien-Hsin, 是的。

Kenneth

Oops! 我忘记在这里宣传一下。我在6月1日至6月6日在南京大学会再讲一次「管理学的科学研究方法」。从什么叫科学管理研究，到实用的统计工具（如结构方程建模）都会讲一点点。有兴趣者可与南京大学贾良定老师联络。他说已经准备了一个能容300人的教室，同时旁边还有两个小教室可以直播。应该是不收费用的。这是我今年最后一次讲学了。希望有兴趣的同学尽量参加。   Kenny