Introduction 

to Quantitative Methods

Business and Management MBA Programme
BAM0MBA—116
Week 5
Dr. Sang‐Bum Park
February 2021
 Contents
• What is quantitative research?
• The core of quantitative research
– Variables
– Relationships between variables
– Validity
• Research modeling
– Mediation model
– Moderation model
• Regression analysis
– SPSS
– Stata
 Types of research

Quantitative
Empirical
Research Qualitative
Conceptual
Quantitative research
Phenomenon

Interpretation Theory

Testing Hypothesis
 Quantitative research
• The core of qualitative research
– Quantification
– Relationships between variables
 Variables
• Variables
– “Variables are central to research. Most research 
is concerned with relationships between 
variables” (Schwab, 2005: 12).
– “[C]haracteristics of objects or events that can 
take on two or more values” (Schwab, 2005: 12)
• Ex. Relationship between education and financial 
success
 Variables
• Conceptual variables
– At the level of abstraction and theoretical ideas
– Also called constructs
– Ex. education
• Operational variables
– At the level of operation and empirical studies
– Represented by measures
– Ex. The number of years a person has attended 
school
 Operationalization

The number 
of years 
Education
attending 
school

Conceptual variable; Operational variable;
Construct Measure
 Variables
• Dependent variables (Y)
– Outcomes, effects, consequences
– “Variables that researchers seek to understand, 
explain, and/or predict” (Schwab, 2005: 12)
• Independent variables (X)
– Predictors, causes, antecedents
– “Those thought to influence or at least predict 
dependent variables” (Schwab, 2005: 12)
 Relationship

X Y
Independent variable Dependent variable
Exploratory variable Response variable
 Relationship

Y
Dependent variable

“Dependent variables 
typically are influenced 
X by more than one 
Independent variable independent variables” 
Exploratory variable (Schwab, 2005: 13)
 Empirical research model

Independent Dependent
Causal conceptual relationship
Conceptual X’ Y’
The measures X and Y
should validly represent 
their respective 
constructs X’ and Y’
(Schwab, 2005)

Operational X Y
Empirical relationship
 Validity
• Validity
– “In research, when a conclusion or inference is 
true” (Schwab, 2005: 20)
• Construct validity
– “Present when there is a high correspondence 
between cases’ scores on a measure and the 
mental definition of the construct the measure is 
designed to present” (ibid.)
 Validity
• Internal validity
– “Present when variation in scores on a measure of an 
independent variable is responsible for variation in scores on a 
measure of a dependent variable” (Schwab, 2005: 20)
– A research is internally valid when “the estimated coefficients 
are unbiased and consistent, and if standard errors are 
consistent” (Stock & Watson, 2012: 381).
• Internal statistical validity
– “Present when an empirical relationship is not due to chance” 
(ibid.)
• Threats to the internal validity of a regression study
– Omitted variables, functional form misspecification, errors‐in‐
variables (measurement errors), sample selection, simultaneous 
causality (see Stock & Watson, 2012: 378‐380).
 Validity
• External validity
– “Present when findings obtained in a research 
study, other than statistical generalization, are 
correctly generalized” (ibid.)
– A research is externally valid when “its findings 
can be generalized beyond the population and 
setting studied” (Stock & Watson, 2012: 381).
 Research modeling
• Research modeling using boxes and arrows

Sign Meaning

Relationship; 
Direction of influence or cause

Variable
 Regression model
• Simple regression model
– Explaining y in terms of x
– 0 1
– Ex. score  0 1attend

Classes attended Score on final exam

X Y
Independent variable Dependent variable
 Regression model

𝑦 𝛽0 𝛽1𝑥 𝜇

X
 Regression model
• A simple wage equation (Wooldridge, 2013)
– wage  0 1educ
• If wage is measured in dollars per hour and educ is 
years of education, then 𝛽1 measures the change in 
hourly wage given another year of education, holding 
other factors (e.g., innate ability) fixed.

Education Wage

X Y
Independent variable Dependent variable
 Stata
. reg wage education age married

Source SS df MS Number of obs = 1343

F( 3, 1339) = 151.77
Model 13539.2278 3 4513.07592 Prob > F = 0.0000
Residual 39815.6669 1339 29.7353748 R-squared = 0.2538
Adj R-squared = 0.2521
Total 53354.8946 1342 39.7577456 Root MSE = 5.453

wage Coef. Std. Err. t P>|t| [95% Conf. Interval]

education .9039021 .0508566 17.77 0.000 .8041349 1.003669

age .1506831 .0195798 7.70 0.000 .1122727 .1890935
married -.2577743 .3606118 -0.71 0.475 -.9651999 .4496513
_cons 6.018625 .8945944 6.73 0.000 4.263666 7.773584

The result is statistically significant if p‐value is lower than 5% (p < 0.05).
SPSS
 Comparison
wage Coef. Std. Err. t P>|t| [95% Conf. Interval]

education .9039021 .0508566 17.77 0.000 .8041349 1.003669

age .1506831 .0195798 7.70 0.000 .1122727 .1890935
married -.2577743 .3606118 -0.71 0.475 -.9651999 .4496513
_cons 6.018625 .8945944 6.73 0.000 4.263666 7.773584
 Mediation and moderation
Mediation Moderation
• Mediator or intervening  • Moderator or interaction 
variable variable
• A variable serves as a casual  • A variable changes the 
chain in the relationship  strength and/or direction of 
between independent and  relationships between 
dependent variables independent and 
dependent variables
 Mediation
• Full mediation
– The relationship between an independent and dependent 
variable operates only through a mediator variable. 
– The independent variable has no direct effect on the 
dependent variable.
• Partial mediation
– The relationship between an independent and dependent 
variable operates partially through a mediator variable. 
– The independent variable has a direct effect on the 
dependent variable and an indirect effect through the 
mediator.
 Baseline

Weight of computer User satisfaction

X Y
Independent variable Dependent variable
 Moderation

Type of computer
(Laptop: 1, Desktop: 0)

Weight of computer User satisfaction

Y = X * Mo
 Moderation

Mo

X Y

1. X → Y
2. X + Mo + X * Mo  → Y
The condition of Step 1 can be relaxed.
Coefficient of X * Mo in Step 2 should be statistically significant.
 Mediation

Price

Weight of computer User satisfaction
 Mediation

Me

X Y

1. X → Y
2. X → Me
3. X + Me → Y
The condition of Step 1 can be relaxed.
Coefficient of X in Step 3 should be nonsignificant (full mediation) or smaller than 
coefficient of X in Step 1 (partial mediation). 
 Causal relationship
• Causal relationship needs more sophisticated 
estimations.

Relationship

Causal 
relationship
 Quasi‐experiments
• Differences‐in‐differences (DiD)
• Instrumental variable estimators
• Regression discontinuity estimators
 References
Schwab, D. P. 2005. Research methods for 
organizational studies (2nd ed.). Mahwah, NJ: 
Lawrence Erlbaum.
Stock, J. H., & Watson, M. W. 2012. Introduction 
to econometrics (3rd ed.). Harlow, U.K.: Pearson 
Education.
Wooldridge, J. M. 2013. Introductory 
econometrics: A modern approach (5th ed.). 
Cengage Learning, Canada: South‐Western.
Q&As