[系统转发] 管理研究理论和贡献探讨 2

@诚征白纸 Kenneth
kenneth，昨天到今天把你的日志文章和这里的讨论差不多都看了，深受启发，对你耐心帮助大家非常钦佩和感动。
我想试读你的书，因为我就是那种没有数理和统计基础的文科生。
已发你邮件。希望也能得到最近在南大讲课的讲义。非常感谢。

如果交互项系数为负(显著的),X对Y的系数反而增强了(也就是说,放了交互项后X对Y的回归系数比没有放交互项时的系数还大),还有可能啊?
另外,我也是纯文科出身的,想试读Kenny的书,可以吗?

Kenneth

Shirley,

如果 
y = a0 + a1X
y = b0 + b1X + b2M + b3X*M

两个公式同时求导数derivative，我们有：
a1 = b1 + b3M   

交互项系数[就是上面的a1]为负(显著的),b3还可以是正的。要看b1是什么。

请发一个电邮给我。我把文章及给你。

Kenny,谢谢您的回复。如果 ​
y ​= ​a0 ​+ ​a1X
y  =  b0  +  b1X  +  b2M  
y ​= ​c0 ​+ ​c1X ​+ ​c2M ​+ ​c3X*M
 
a1为正（显著），b1为正(显著，b1小于a1）,b2为负（显著），c1为正（显著）、c2为正（不显著），C3为负（显著），但是却出现了c1大于a1、b1的现象，是不是我数据出现了问题？

@shirley

一般而言，放進越多變項，效果會減弱才對。
以你的結果而言，效果會變大，而且影響方向也改變，有可能是貢獻性造成的。

究竟變項間的基本關係是什麼，你可以先看相關係數的結果。

按照之前大家的建議，自變項需要先mean centered，再處理 interaction term，再放進去迴歸模式。

Kenneth

Shirley, b1大於a1，是不寻常的，但是不是不可能的。只要M是一个suppressor variable就可以了。其实，条件是Rmy>Rxy*Rmx。（这、我在博客上已经讲过了）。同样道理，c1大与b1也是不寻常的，但是应该还是有可能的。
你问我：「是不是我数据出现了问题？ 」
我只可以说是奇怪，但是却不是不可能的。如果你已经做了“中心化”，我猜也没有别的事可以做了。

做了中心化处理,VIF值都小于5,不是共线性的问题.我想如果从统计角度能解释通,从理论角度却很难解释.困惑.

正如Kenny所说,M是个干扰变量,但是M的干扰作用不是应该让X对Y的影响减弱而不是增强吗?

Kenneth

Shirley,抑制变量（supressor variable）的定义是一个与y很小相关的变量，当加进回归模式后会令原来在模型中的自变量的影响增加的。我在网上找到一篇讲suppressor variable的文章。你可以看一看。
http://mlrv.ua.edu/1997/V24_N1_A3.pdf

Tsai88

kenny
     我想问关于Rwg的问题，你我记得你上课讲 Rwg算出来的结果小于0的算作0，大于1的算作1，但是我看到Answers to 20 Questions About Interrater Reliability
and Interrater Agreement这篇文章中作者在第7个问题的解答中讲大于1和小于0的 negative values都算作0，究竟哪个是正确的呢？另外我的研究做出来RWG大于0.5的组占了89%,大于0.7的组占了81%，五个ICC1都大于0.25，五个ICC2中有两个最小的为0.45，这样的结果可以接受吗？