[系统转发] 管理研究理论和贡献探讨 2

Kenneth

Tsai, 效应值 (effect size) 是一个估计的统计量的大小，也就是你要估计的效应的大小。如果研究的是相关，效应值就是相关系数。 如果做的是完全随机的方差分析，效应值就是MSB/MSW。如果做回归，效应值就是β系数。
考验力（Statistical power）是在一定的样本数下，能够测出这个效应值的能力。意思是母体效应值本来是不等如零的，你有多大的机会下“效应值不是零”的结论。

Kenneth

Tsai,“自相关”auto-correlation 是一些数据点与另外一些数据点的残差有相关，也就是残差不是随机的。它是透过检验残差来诊断的。
“共线性”multicollinearity 是一个自变量与另外一个自变量的相关太大了，以致影响了估计出来的β系数。共线性不是检验残差来诊断的，是用VIF（variance inflation factor）之类的检验诊断出来的。

Tsai88

@回复 Tsai88 466楼 （Kenneth）
谢谢KENNY的及时回复！！

Tsai88

KENNY啊，我还是不太明白partial correlation跟semipartial correlation有什么区别，回归中那些系数是前者，那些是后者呢？？

Tsai88

KENNY,您的ppt上提到一个Rkk=kRxx/1+(k-1)Rxx,这里面新的量表与原来的量表有什么要求嘛，是不是基本的维度不能变，在每个维度上加题项，按照这个公式题项加的的越多，信度越高，那你也讲过问卷不能太长，怎么在这两者之间平衡呢？？

Kenneth

Tsai, 
Multiple correlation （多重回归系数），partial correlation（偏相关系数）与 semi-partial correlation（半偏相关系数）最简单的分别是用画图，可是我在这里不能画，所以我就用符号来解释。

假设我们有y和x1,x2三个变量，r［y.12］ 就是求y与 “x1和x2”的相关。这叫做「多重回归系数」。

r［y1.2］ 就是求y与x1的相关，当（x2与y）和（x2与x1）的相关都排除（控制）以后。这叫做「偏相关系数」。所以r［y1.2］的意思是y和x2的相关不要了，x1和x2的相关也不要了，剩下来的y和x1的相关叫「偏相关系数」。

r［y(1.2)］ 就是求y与x1的相关，当只是（x1与x2）的相关控制以后，注意（x2与y）的相关我们不会控制的。这叫做「半偏相关系数」。所以r［y(1.2)］的意思是x1和x2的相关不要了（y与x2的相关海还是要的），剩下来的y和x1的相关叫「半偏相关系数」。回归中的回归系数是“半偏相关系数”。

如果你还是不明白的话，请跟我画以下的图。
（1） 画三个互相重叠的圆圈，上面的圆叫y，左边的圆叫x1，右边的圆叫x2。
（2） y 不与x1和x2重叠的独特部分叫a；
（3） x1 不与y和x2重叠的独特部分叫b；
（4） x2 不与y和x1重叠的独特部分叫c；
（5） 只是y 与 x1重叠的部分叫d；
（6） 只是x1 与 x2重叠的部分叫e；
（7） 只是y 与 x2重叠的部分叫f；
（8） y 与 x1和x2三个一同重叠的部分叫g。

多重回归系数r［y.12］= d + f + g
偏相关系数r［y1.2］= d 
半偏相关系数r［y(1.2)］= d + g

Tsai88

KENNY,原谅问题这么多，因为在整理你的笔记，遇到的困惑比较多，你说在做CFA时不允许有cross-loading,但是在lisrel报告结果时，修正指数明明就是指标在其他构念上的修正指数啊？

Kenneth

这叫 Spearman-Brown correction formula。 同一个量表中你可以增加测量的题目（当然是测的构念不变为原则）。测量的题目越多，信度越高。题目数量与信度的关系就是Spearman-Brown correction formula。
怎么在这两者之间平衡呢？？很简单。达到足够的信度（如.80左右）,测量的题目越少越好。

@Tsai88
这个问题可以替Kenny回答，两者的计算公式中分子一样、分母不同，差别在于semipatial是因变量所有变差、patial是因变量变差中扣除了控制变量对因变量的解释部分（也就是说前者大于后者、因此Semipartial小于Partial），而semipatial的平方就是我们常见的△R2

Tsai88

@Cabell
谢谢Cabell，那我通常说的beta系数是semipartial吗？？