管理研究.ppt
- 文档编号:2504379
- 上传时间:2022-10-30
- 格式:PPT
- 页数:62
- 大小:2.18MB
管理研究.ppt
《管理研究.ppt》由会员分享,可在线阅读,更多相关《管理研究.ppt(62页珍藏版)》请在冰豆网上搜索。
管理实证研究方法目录回归分析复杂混合模型多层线性模型Bootstrapping回归分析回归分析的数学方程自变量与因变量成线性关系(LinearRelationship),假如X1及X2(IndependentVariables)是Y(DependentVariable)的原因,那么它们的关系可用以下方程式代表:
Y=0+1X1+2X2+其中:
(1)0为一常数;
(2)1代表了如果X1改变了一个单位,Y会改变的程度;(3)2代表了如果X2改变了一个单位,Y会改变的程度;(4)代表了随机的误差;中介效应中介变量中介变量(Mediator)的意思,就是说自变项对因变项的影响是透过中介变项的,如果M真的是X和Y的中介变项,那么,它们的关系应该是:
XMY。
这里有三个因果关系的条件:
X是M的原因之一;X是Y的原因之一;X对Y的影响是透过M的。
C代表自变量对因变量的影响(C=总效应)a自变量对中介变量的影响b中介变量对因变量的影响C代表加入中介变量后,自变量对因变量的影响(C=直接效应)完全中介:
控制了中介变量的影响后,自变量对因变量不再有影响部分中介:
控制了中介变量的影响后,自变量对因变量的影响降低IV:
HelpingContextDV:
HelpGivingMed:
Responsibilityacbc运用阶层回归建立中介模型1.自自变量量对因因变量的影响量的影响因变量因变量控制变量控制变量下一张下一张自变量(自变量(X)统计量选择统计量选择R方变化方变化从COEFFICIENTS表表中得到标准化系数和标准化系数和SIG,T1.96显著,SIG1.96显著,SIG1.96显著,SIG0.05显著从ANOVA表表中得到F值,F值越大回归方程越有意义从MODELSUMMARY得到R2三维调节效应检验案例WorkplaceIncivilityandInterpersonalDeviance:
TheRoleofHostileAttributionBiasandNegativeReciprocityNormsWorkplaceIncivilityHostileAttributionBiasNegativeReciprocityNormsInterpersonalDeviance三维交互作用画图:
首先分别产生两个调节变量的二维交互图首先分别产生两个调节变量的二维交互图再通过赋值转化为两个二维交互图再通过赋值转化为两个二维交互图多多层线性模型性模型多多层线性性模型模型(HLM)25学校校风学校校风个人能力个人能力个人努力程度个人努力程度学习成绩学习成绩组织层面个体层面HLM处理的研究问题u当影响因变量(DependentVariable,Y)的自变量是來自两个或两个以上层次。
u因变量是在第一层次而不是第二或更高层次时,才可运用多层线性模型的分析方法。
26第一个层次直接影响第一个层次的自变量(即X)对因变量(即Y)的影响,回归模型如下:
0j是此模型的平均常数。
如果我们有N个学院,那么我们便有N个b0j及b1j的数据,这些数据不可能对每一学院都一样,所以它们会形成一个分布。
如果我们要看不同的学院在平均的Y是否一样,在抽到的样本中,我們可以用b0j的分布來测试0j的变异量(我們一般以00代代表表)是否等于零的假设,如果我們沒有证据推翻此一假设,那么便可接受学院层面的因素(即W)对Y没有直接影响。
rij是回归分析的随机误差,因此是随机及常态分布的。
27Yij=0j+1jXij+rij第二层次的直接影响W对0j的影响,我们需要用以下回归模型來分析:
00是此模型的平均常数u0j是此模型的随机误差。
如果01在统计测试中,我们接受01不等于零的结论,那么便验证了W对Y的影响。
280j=00+01Wj+u0j第二层次的调节影响如果我们的理论是W会调节(Moderate)X对Y的关系,那么我们便应该分析W对1j的影响,我们需要用以下回归模型來分析:
00是此模型的平均常数;u1j是此模型的随机误差(2分布)。
如果11在统计测试中,我们接受11不等于零的结论,那么便验证了W对对X和Y的关系具有调节作用。
如果1为正,11为正,那代表W的增加会加强X对Y的影响;如果1为正,11为负,那代表W的增加会降低X对Y的影响。
1j=00+11Wj+u1jHLM建模与分析基本上而言,基本上而言,多层线性多层线性模型模型(HLM)就是就是针对以上对两个针对以上对两个层次层次要要独立进行独立进行分析的分析的缺点缺点,而,而将两层次将两层次的分析的分析同时进行同时进行。
当影响因变量当影响因变量(DependentVariable,Y)的自变量来自两个的自变量来自两个或两个以上层次。
因变量是在第一层次而不是第二或更高层或两个以上层次。
因变量是在第一层次而不是第二或更高层次时,运用多层线性模型的分析方法次时,运用多层线性模型的分析方法是方便且高效的是方便且高效的。
30HLM建模步建模步骤1.MakeNewMDMFile-StatPackageInput2.默认默认HLM23.命名命名A.MDM4.Level-1Specification-BrowseChooseVariable5.Level-2Specification-BrowseChooseVariable6.SaveMDMTFile7.三个按钮各按一下三个按钮各按一下31321.创建文件MakeNewMDMFileStatPackageInputHLM2命名A.MDM33Level-1Specification-BrowseChooseVariable。
ID是组或者公司的代码;InMDM是要选入的变量。
Level-2Specification-BrowseChooseVariable。
ID是组或者公司的代码;InMDM是要选入的变量。
保存,保存,SaveMDMTFile,三个,三个钮按一下按一下2.建立模型建立模型单击结果变量,右键,选为OutcomeVariable36LevelTwo高层变量AddVariableGrandCentered先放入控制变量,再放入自变量,LevelOne个体层次变量右键选择AddVariableGroupCentered。
373.运行模型运行模型RunAnalysis384.结果分析1.从FinalEstimationofFixedEffectswithRobustStandardErrors得到,StandardError,P-ValueforEachInterceptandVariable392.从中中间位位置置得到2(当前模型中第一层上的随机变异)和(第一层的变异包括第一层的截距和各个斜率系数在第二层上的变异)。
403.从FinalEstimationofVarianceComponents得到2,DF和P-Value。
4.从降低的降低的R2/原来的原来的R2计算得到PseudoR2ChangeforLevelOne,PseudoR2ChangeforLevelTwo其余操作41图表,表,选择FileGraphDataLinePlot,ScatterPlot调出出结果表,果表,选择FileViewOutput对基本基本设置置进行行调整,整,选择FilePreferencesHLM案例案例分析42ServantLeadershipandCustomer-OrientedOCBHLM补充案例充案例143交易型领导、团队授权氛围和心理授权影响下属创新绩效的跨层次研究采用HLM验证的交易型领导、团队授权氛围和个体心理授权对下属创新绩效的跨层次回归分析结果。
HLM补充案例充案例244实际收入水平、收入内部比较与员工薪酬满意度的关系因变量:
因变量:
工资满意度和福利满意度自变量:
自变量:
实际工资水平和实际福利水平调节变量调节变量:
传统性第一层次控制变量:
第一层次控制变量:
年龄、性别、婚姻状况和教育水平第二层次控制变量:
第二层次控制变量:
企业所有制形式和部门规模拓展拓展阅读uHLM操作手册操作手册u张雷、雷雳、郭伯良张雷、雷雳、郭伯良.多层线性模型应用多层线性模型应用.教育科学出版社教育科学出版社u(美)克雷伏特、(美)克雷伏特、(美)里夫著、邱皓政译(美)里夫著、邱皓政译.多层次模型多层次模型分析导论分析导论.重庆大学出版社重庆大学出版社u(美)(美)StephenW.R、AnthonyS.B著,郭志刚等译著,郭志刚等译.分层分层线性模型:
应用与数据分析方法线性模型:
应用与数据分析方法.社会科学文献出版社社会科学文献出版社Bootstrapping47复复杂混合模型混合模型有中介的调节,有调节的中介,有时两者图形一致。
两者所用的统计工具和得到的形式是一样的(详见Bootstrapping),但是理论解释完全不同。
Bootstrapping操作操作-变量中心化量中心化48生成新的数据库(6组)各变量的中心化可以直接从直接从编辑器器上修改上修改即可,也可以由转换-计算算变量量-输入入-粘粘贴得到自变量中心化ComputeIVc=IV均值调节变量中心化ComputeMoc=Mo均值中介变量中心化ComputeMec=Md均值因变量中心化ComputeIMoc=IVc*Moc自变量*调节变量中心化自动生成中介变量*调节变量中心化自动生成全选,右右键运行运行Bootstrapping操作操作-对中介中介变量的回量的回归49由一组数迭代成一千组数(生成新的数据)根据一个抽样来模拟1000次该抽样的结果。
直接点击编辑器上第二模块直接点击编辑器上第二模块,运行运行,得到非标准化数据得到非标准化数据第一列非标准化的回归参数,对应输入第四模块第一列非标准化的回归参数,对应输入第四模块Bootstrapping操作操作-对结果果变量的回量的回归50由一组数迭代成一千组数(生成新的数据)根据一个抽样来模拟1000次该抽样的结果。
直接点击编辑器上第三模块直接点击编辑器上第三模块,运行运行,得到非标准化数据得到非标准化数据第一列非标准化的回归参数,对应输入第五模块第一列非标准化的回归参数,对应输入第五模块Bootstrapping操作操作-数据数据导入和入和结果果输出出51将相关数据到进BSResultsandTables的文件中。
黄色部分黄色部分是输入部分BoostrapResult1第一组数据,复制粘贴1000组数据;BoostrapResult2第一组数据,后面的复制粘贴1000组数据;调节变量标准差(正、负)。
紫色部分紫色部分是输出部分:
A1-A5、B1-B5、C1-C5橙色部分橙色部分是显著性:
只要两只要两组乘乘积为正,就是正,就是显著著Bootstrapping操作操作-结果分析果分析52有中介的调节:
需要满足中介四步以及C1、C4和C5显著有调节的中介:
C1、C2必须显著,C4必须显著。
复杂混合模型有中介的调节有调节的中介MediatedModeration有中介的调节l目的:
目的:
交互项通过什么因素影响因变量。
l检验方法:
检验方法:
Bootstrapping!
检验逻辑与方法和普通中介效应的检验一样,只是这里的自变量是一个交互项而已。
l假设提法:
假设提法:
MediatormediatestheinteractiveeffectsofIVandMOonDV.54有中介的有中介的调节中介四步以及中介四步以及C1、C4和和C5显著著55POSandUPB:
TheMediatingRoleofMoralJustificationAbusiveSupervisionandFamilyUnderminingPerceivedOrgani
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 管理 研究