[系统转发] 管理研究理论和贡献探讨 2

问题：有的论文将统计的显著性检验p<0.1标注为*(p<0.05,**;p<0.01,***),而以往一般看到的是p<0.05标注为*，这样使原本不显著的结果变得显著了。请问这样做说得过去吗？还是最好不要这样做？

Kenneth

myth，你管他是两颗星星，或是三颗星星。反正他要告诉你**是什么（p<??），***是什么。我的习惯是**是p<.05的。无论你用几颗星星，都不可能“使原本不显著的结果变得显著”的。我没有见过有人对星星没有注解的。

Kenneth

我可以想到两个原因：
1.他在路径模型外还有测量模型，所以对变数的相关进行了信度纠正（unreliability correction）。
2.他的模型中有抑制变量（suppressor variables，有关这个，请看我讲偏相关的日记）。

谢谢kenny的解答。不是很清楚您所说的“他在路径模型外还有测量模型，所以对变数的相关进行了信度纠正（unreliability ​correction）”，
您能具体解释或者展开一下吗，以便进一步理解？非常谢谢

Kenneth

SEM 里面包括了“测量模型”（就是CFA）与“路径模型”（path model）。“测量模型”讲的是指标与构念之间的关系；“路径模型”讲的是构念与构念之间的关系。当构念测量时信度不是1.0的时候，构念与构念之间的相关往往是低估了。SEM 里的测量模型（CFA）的部分其实就与我们平常把"因为信度不完全而导致的相关低估，调整到“信度是1.0的时候的构念相关”。所以，路径指数（path coefficient）就有可能大于相关系数了。

谢谢kenny的解答。不是很清楚您所说的“他在路径模型外还有测量模型，所以对变数的相关进行了信度纠正（unreliability ​​correction）”，
您能具体解释或者展开一下吗，以便进一步理解？非常谢谢

清楚了。谢谢kenny的解答。

问题：如果结果的显著性是小于0.1而大于0.05，这样宣称假设得到了支持的做法严谨吗？还是最好不要这样做（大于0.05的都算不显著，假设没有得到支持）？

Kenneth

Myth，正常的情形当然是这样。最严谨的会说“不显著”，如果对于某些特别的模型，有特别的原因，有时有人会说“marginally significant”(边缘性显著？？)。但是永远都不会说是“显著”的。

@myth and Kenny

不知道可不可以这么说：在报告分析结果的时候，显著性是一个方面，另外也非常重要的一个方面是power以及effect size。显著性的检验受到样本量大小的影响，有些时候可能只是marginally significant，但是可能这只是因为研究样本小的缘故。这个时候，如果自变量对因变量的effect size还比较大，在实践上有意义的话，即使显著性检验的结果只是marginal，这样的结果还是有必要值得重视并进行相应的解释。

Kenneth

Nanfeng，你这样讲是有点道理的，可是我建议还是比较小心一点为好。举个例子，如果你找到的效应值（effect size）蛮大，但是样本数（sample size）很小，所以显著度只有.10。如果我们因为效应值大，就下结论说这个关系虽然显著度只有.10，但是应该可能存在的机会还是大，那就有问题了。
因为当样本数小的时候，代表了随机误差大了，找到“很大的样本估计效应值”和“很小的样本估计效应值”的机会也增加了。所以“虽然样本估计效应值蛮大，显著度还是只有.10”。既然“蛮大效应值”和“蛮小效应值”出现的机会都增加了，我们就不应该在看见“蛮大的样本估计效应值”时，说它应该>0，而在看见“蛮小的样本估计效应值”时，说它应该=0。我想，更准确的讲法，应该是两种情形底下，我们都没有足够的证据，支持母体效应值不等如零（可是我们要考虑的，是我们的样本数很小，所以才导致这个结论）。

@myth ​and ​Kenny

不知道可不可以这么说：在报告分析结果的时候，显著性是一个方面，另外也非常重要的一个方面是power以及effect ​size。显著性的检验受到样本量大小的影响，有些时候可能只是marginally ​significant，但是可能这只是因为研究样本小的缘故。这个时候，如果自变量对因变量的effect ​size还比较大，在实践上有意义的话，即使显著性检验的结果只是marginal，这样的结果还是有必要值得重视并进行相应的解释。