94 / 274
多元迴歸的自變數比較與多元共線性之影響：效果量、優勢性與相對權數指標的估計與應用
94
的是在瞭解個別
IV
的效果，可以就各種係數的演算原理，配合
NHST
來說明個別
IV
是否「重要」或「有效」，例如相關係數及其
NHST
可以說明當不考慮其他
IV
時的
個別
IV
的效果與統計意義（結構係數的意義則與相關係數完全相同），相對之下，
迴歸係數及其
NHST
則完全排除其他
IV
的共變關係後再評估個別
IV
的重要性與統計
意義（淨相關與半淨相關也具有類似的特性）。但是，除非
IV
間完全獨立，否則這
些係數由於並未對於
IV
間的共變結構進行合理的分割與估計，因此無法基於
R
2
正交
分割的前提來判定
IV
的「相對重要性」，本文的模擬與分析結果支持了當
IV
間存有
複雜的多元共線性時，以
DA
與
RWA
最能反映
IV
的相對重要性。
另一個方法學上的重要議題，在於「機制」的探討應在指標技術的考量之上。對
於
IV
間所存在的高度共線性或增強／壓抑效果，未必僅是變數間的彼此干擾現象
(Confounding Effect)
的反映，也可能是變數之間存在著複雜的中介歷程或交互作用，
對於重視實務意涵的管理研究而言，尤其更需對
IV
與
IV
間以及
IV
與
DV
間的多重
複雜關係，更積極檢視中介作用
(Mediation Effect)
或調節效果
(Moderation Effect)
(Baron and Kenny, 1986; Hayes, 2013)
存在的可能性，而非僅以技術手段來進行共變結
構的分割與估計來解決多元共線性所存在的問題。
另一方面，
IV
間所存在的高度共線性（例如模擬研究
Case2
中的
r
12
= .90
）更可
能反映了這兩個
IV
是非常相似的概念而無法區分，此時研究者除了需再次檢視各
IV
的理論內涵與操作型定義，確認其各自存在的正當性與必要性，同時也可以從測量的
角度來檢驗兩者是否因為缺乏區辨效度
(Discriminant Validity)
而必須加以整合
(Hair et
al., 2006; Nunnally and Bernstein, 1994)
，此時最簡單的處理方式是取其一或將兩者加以
合併，而無必要將其同時保留於模型中造成共線性問題，事後才以統計方法來尋求補
救，過度仰賴甚至誤用了
DA
與
RWA
這些替代技術。
延續前述所討論的方法學議題，在實務意涵方面，本文所揭示的多元共線性威脅
與自變數的比較問題，其意義不僅應從方法本身來關切，更重要的是反映了管理議題
所存在的複雜與混淆關係，並非單以統計方法能夠解決，更重要的是能夠搭配理論觀
點與實務意義上的支持，才能相輔相成。例如在實徵資料分析中可看出，不同指標對
於哪一個
IV
能夠有效解釋薪資所得有不同的結論，此時能夠協助我們瞭解薪資差異
更需要理論的智慧與實務上的證據，甚至能夠據此開展研究課題的新頁。
四、研究限制與未來研究建議
為了瞭解不同型態的多元共線性如何影響各項指標的應用，本文同時採用了模擬
數據與實徵資料來進行分析說明。但是由於多元共線性的影響與壓抑效果的型態，會
隨著
IV
間的相關強度與組合關係的不同而有差異，對於各項指標與
RWA
及
DA
分析