用层次回归法投稿SSCI专家反馈什么意思啊？（paper已accept，谢谢各位帮助！）

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

我用层次回归法做实证，模型1放入控制变量和自变量A、B、C、D，模型2在模型1的基础上加入交互项A*C、A*D、B*C、B*D。
    投稿SSCI评审专家的意见the model in the paper is alinear regression with interaction terms -- not a hierarchical linear model. Ahierarchical model has a two-stage regression which attempts to predict thebetas themselves. Multiplying this through in a single-stage model this meansthat the error terms themselves become interactions.
   求大神指教，专家是什么意思啊？？？！

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：accept 投稿SSCI SSCI EPT APE 层次回归法 SSCI

你的信息给出的太少。这部分意见，前部分的意思是，你这个模型不是HLM（多层次模型），而只是一个普通的回归模型。后面就不清楚了，你用的是什么软件？审稿人的全部意见能贴出吗

可能是你前面做了你的模型是hierarchical model的声明，专家指出这样声明不正确

你的模型不是层次分析，而是一个线性回归模型。层次模型的第一层可以是线性回归模型，而第二层是针对审稿人说的回归系数β进行建模。并且，你的模型1存在问题，模型1遗漏了交互项，导致其遗失在误差项中，致使误差项与解释变量相关（即所谓的内生性），进而导致参数估计量有偏且非一致，在此基础上的统计推断是有问题的。

2003201202 发表于 2016-8-14 18:05
你的模型不是层次分析，而是一个线性回归模型。层次模型的第一层可以是线性回归模型，而第二层是针对审稿人 ...

The results of the hierarchical regression model are
presented in Table 4. Model 1 includes the control
variables and the two explanatory variables reflecting
offshoring complexity: configuration complexity
and task complexity. We add the two moderating
variables—organizational design orientation
and offshoring experience—in Model 2. In Model
3, we add the interaction effect between the two
complexity variables and our two moderating variables.
这段文章来自Strategic management Journal，就是使用hierarchical regression model，为什么就是正确的呢？

2003201202 发表于 2016-8-14 18:05
你的模型不是层次分析，而是一个线性回归模型。层次模型的第一层可以是线性回归模型，而第二层是针对审稿人 ...

分层回归
    标准多元回归可以测量模型所解释的变异量的大小，它由复相关系数的平方（R2，即决定系数）来表示，代表了预测变量所解释的因变量的变异量。模型的显著性检验是将预测变量所解释的变异与误差变异进行比较（即F值）。
    但是，也可以采用相同的方式来比较两个模型。可以将两个模型所解释的变异之差作为F值的分子。假如与误差变异相比，两个模型所解释的变异差别足够大，那么就可以说这种差别达到了统计的显著性。相应的方程式将在下面详细阐述。
    分层回归就是采用的这种方式。分层回归包括建立一系列模型，处于系列中某个位置的模型将会包括前一模型所没有的额外预测变量。假如加入模型的额外解释变量对解释分数差异具有显著的额外贡献，那么它将会显著地提高决定系数。
    这个模型与标准多元回归的差异在于它可以将共同变异分配到预测变量中。而在标准多元回归中，共同变异不能分配到任何预测变量中，每个预测变量只能分配到它所解释的独特变异，共同变异则被抛弃了。在分层回归中，将会把重叠（共同）变异分配给第一个模型中的预测变量。因此，共同变异将会分配给优先进入模型的变量。

我理解的Hierarchical model 就是以上所说的分层回归，为什么不对啊，呜呜，好迷茫

到底不用的是什么模型，你仔细看看理论

分层模型（多层）模型是有专门指代的，你可以在论坛上下载下面的书看看（随便搜索，许多相关的书）
如果你做的不是人家的这个，那就不是多层或分层模型。

https://bbs.pinggu.org/thread-1340388-1-1.html
https://bbs.pinggu.org/thread-856506-1-1.html
https://bbs.pinggu.org/thread-2875082-1-1.html
https://bbs.pinggu.org/thread-1500830-1-1.html
https://bbs.pinggu.org/thread-2239349-1-1.html

lflf19890616 发表于 2016-8-17 22:27
The results of the hierarchical regression model are
presented in Table 4. Model 1 includes the c ...

这样回归是让人非常遗憾的，做计量经济学理论的学者几乎都不会这样做，在他们眼中，如果通过添加变量来构建两个以上的模型，这本身就是有问题的。理论计量经济学家认为，模型往往只有一个，应有了某一个，意味着拒绝了其他的模型，不同模型是不能兼容的，而且这也是可以检验的。但是做应用计量经济学即实证研究的学者，并不这样做，他们往往通过添加变量的形式来估计多个模型，其实这显然忽视了变量的内生性，因为在实际经济中，经济变量之间显然具有相关性。

“勇气”可喜！！没搞懂概念，就勇于发表以此概念为标题的“论文”！！！