基于大数据元分析的调节效应识别：基础模型与实证检验

doi:10.3772/j.issn.1000-0135.2024.05.005

情报学报

2024, Vol. 43

Issue (5): 553-562 DOI: 10.3772/j.issn.1000-0135.2024.05.005

情报理论与方法

本期目录 | 过刊浏览 | 高级检索

基于大数据元分析的调节效应识别：基础模型与实证检验

林伟杰¹, 周文杰^2,3,5, 魏志鹏^4,5, 杨克虎^4,5

1.北京交通大学经济管理学院,北京 100044
2.中国人民大学信息资源管理学院,北京 100080
3.西北师范大学商学院,兰州 730070
4.兰州大学基础医学院循证医学中心,兰州 730030
5.兰州大学循证社会科学交叉创新实验室,兰州 730030

Identifying Moderation Effects via Meta-Analysis of Big Data: Basic Model and Empirical Testing

Lin Weijie¹, Zhou Wenjie^2,3,5, Wei Zhipeng^4,5, Yang Kehu^4,5

1.School of Economics and Management, Beijing Jiaotong University, Beijing 100044
2.School of Information Resource Management, Renmin University of China, Beijing 100080
3.Business School of Northwest Normal University, Lanzhou 730070
4.Evidence-Based Medical Center of School of Basic Medical Sciences of Lanzhou University, Lanzhou 730030
5.Cross-Innovation Laboratory of Evidence-Based Social Science of Lanzhou University, Lanzhou 730030

摘要
图/表
参考文献
相关文章 (1)

全文: PDF (1241 KB) HTML (1 KB)
输出: BibTeX | EndNote (RIS)

摘要作为实证研究中识别因果关系的一种重要方法，调节效应检验有助于揭示自变量和因变量之间的深层次关系，然而该方法存在无法获得真实效应值且外部效度低等问题。受限于原始研究与生俱来的缺陷，循证领域亟待发展出新的调节效应识别模型。本研究采用大数据循证理念，利用循环方法对控制变量进行排列组合，从而模拟了“穷尽”所有可能的原始研究设计，对全部可能的变量间关系进行了回归分析并记录所有效应值。进而，使用元分析法对全部原始效应量进行全覆盖式合并，以获得真实的效应值，以此提升调节效应结果的外部效度。最后，本研究以信息贫困研究为例，详细展示了大数据循证视角下调节效应识别的所有流程。本研究的主要贡献在于完善了大数据循证理念下的元分析方法体系，从大量原始研究效应中提取了真实效应值，提高了调节效应的外部效度与因果关系识别的可靠性。

	服务

	把本文推荐给朋友
	加入我的书架
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	林伟杰
	周文杰
	魏志鹏
	杨克虎

关键词 ：大数据元分析, 调节效应, 循证社会科学, 因果关系

收稿日期: 2023-07-29

基金资助:国家社会科学基金重大项目“循证社会科学的理论体系、国际经验与中国路径研究”（19ZDA142）。

作者简介: 林伟杰，男，1996年生，博士研究生，主要研究方向为循证社会科学；周文杰，通信作者，男，1973年生，教授，博士生导师，主要研究方向为循证社会科学，E-mail：wj_lp@sina.com；魏志鹏，男，1982年生，博士研究生，主要研究方向为循证社会科学；杨克虎，男，1957年生，教授，博士生导师，主要研究方向为循证社会科学；

引用本文:

林伟杰, 周文杰, 魏志鹏, 杨克虎. 基于大数据元分析的调节效应识别：基础模型与实证检验[J]. 情报学报, 2024, 43(5): 553-562.
Lin Weijie, Zhou Wenjie, Wei Zhipeng, Yang Kehu. Identifying Moderation Effects via Meta-Analysis of Big Data: Basic Model and Empirical Testing. 情报学报, 2024, 43(5): 553-562.

链接本文:

https://qbxb.istic.ac.cn/CN/10.3772/j.issn.1000-0135.2024.05.005 或 https://qbxb.istic.ac.cn/CN/Y2024/V43/I5/553

1 周文杰, 赵悦言, 魏志鹏, 等. 基于文献证据检索的循证研究效度检验机理探析[J]. 图书馆建设, 2023(1): 25-33, 43.
2 杨克虎. 循证社会科学的产生、发展与未来[J]. 图书与情报, 2018(3): 1-10.
3 Hull C L. Aptitude testing[M]. Yonkers-on-Hudson: World Book Company, 1928.
4 Ghiselli E E. The validity of occupational aptitude tests[M]. New York: Wiley, 1966.
5 Findley M J, Cooper H M. Locus of control and academic achievement: a literature review[J]. Journal of Personality and Social Psychology, 1983, 44(2): 419-427.
6 Baron R M, Kenny D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1986, 51(6): 1173-1182.
7 Aiken L S, West S G, Reno R R. Multiple regression: testing and interpreting interactions[M]. Newbury Park: Sage Publications, 1991.
8 Zedeck S. Problems with the use of “moderator” variables[J]. Psychological Bulletin, 1971, 76(4): 295-310.
9 McClelland G H, Judd C M. Statistical difficulties of detecting interactions and moderator effects[J]. Psychological Bulletin, 1993, 114(2): 376-390.
10 方杰, 温忠麟, 欧阳劲樱, 等. 国内调节效应的方法学研究[J]. 心理科学进展, 2022, 30(8): 1703-1714.
11 Cohen J, Cohen P, West S G, et al. Applied multiple regression/correlation analysis for the behavioral sciences[M]. 3rd ed. Hillsdale: Erlbaum, 2003.
12 Zellner A. An efficient method of estimating seemingly unrelated regressions and tests for aggregation bias[J]. Journal of the American Statistical Association, 1962, 57(298): 348-368.
13 Asante-Appiah B, Lambert T A. The role of the external auditor in managing environmental, social, and governance (ESG) reputation risk[J]. Review of Accounting Studies, 2023, 28(4): 2589-2641.
14 江艇. 因果推断经验研究中的中介效应与调节效应[J]. 中国工业经济, 2022, 39(5): 100-120.
15 Saunders D R. The “moderator variable” as a useful tool in prediction[C]// Proceedings of the ETS Invitational Conference on Testing Problems. Princeton: Educational Testing Service, 1954: 54-58.
16 Saunders D R. Moderator variables in prediction[J]. Educational and Psychological Measurement, 1956, 16(2): 209-222.
17 Evans M G. A Monte Carlo study of the effects of correlated method variance in moderated multiple regression analysis[J]. Organizational Behavior and Human Decision Processes, 1985, 36(3): 305-323.
18 Champoux J E, Peters W S. Form, effect size and power in moderated regression analysis[J]. Journal of Occupational Psychology, 1987, 60(3): 243-255.
19 Chaplin W F. The next generation of moderator research in personality psychology[J]. Journal of Personality, 1991, 59(2): 143-178.
20 钱锡红, 杨永福, 徐万里. 企业网络位置、吸收能力与创新绩效——一个交互效应模型[J]. 管理世界, 2010(5): 118-129.
21 胡望斌, 张玉利, 杨俊. 同质性还是异质性: 创业导向对技术创业团队与新企业绩效关系的调节作用研究[J]. 管理世界, 2014(6): 92-109, 187-188.
22 Bauer D J, Curran P J. Probing interactions in fixed and multilevel regression: inferential and graphical techniques[J]. Multivariate Behavioral Research, 2005, 40(3): 373-400.
23 王艳, 何竺虔, 汪寿阳. 民营企业并购的协同效应可以实现吗?[J]. 会计研究, 2020(7): 64-77.
24 李倩倩, 宋文静. 保持一致还是维持平衡——抑制放纵消费对后续放纵倾向的影响研究[J]. 南开管理评论, 2022, 25(6): 128-138, 中插23-中插24.
25 温忠麟, 侯杰泰, 马什赫伯特. 潜变量交互效应分析方法[J]. 心理科学进展, 2003, 11(5): 593-599.
26 温忠麟, 侯杰泰, 张雷. 调节效应与中介效应的比较和应用[J]. 心理学报, 2005, 37(2): 268-274.
27 方杰, 温忠麟, 梁东梅, 等. 基于多元回归的调节效应分析[J]. 心理科学, 2015, 38(3): 715-720.
28 卫旭华. 组织与管理研究中的元分析方法[M]. 北京: 科学出版社, 2021: 121.
29 周文杰, 林伟杰, 魏志鹏, 等. 循证视角下的偏倚识别: 基于Egger拓展模型的大数据元分析[J]. 情报学报, 2024, 43(4): 491-502.
30 于良芝. “个人信息世界”——一个信息不平等概念的发现及阐释[J]. 中国图书馆学报, 2013, 39(1): 4-12.
31 周文杰. 基于个人信息世界的信息分化研究[D]. 天津: 南开大学, 2013.
32 Stanley T D, Doucouliagos H. Meta-regression analysis in economics and business[M]. New York: Routledge, 2012: 86-92.