研究方法专题 第一天内容

管理学实证研究方法工作坊吴隆增上海财经大学国际工商管理学院人力资源管理系办公室：工商管理学院518室Telmail:wulongzeng@课外参考书目1、刘军：管理研究方法:原理与应用，中国人民大学出版社，20082、黄芳铭：《结构方程模式》，中国税务出版社，2003年3、张雷等：《多层线形模型运用》，教育科学出版社，2005年4.吴明隆结构方程模型--AMOS的操作与应用重庆大学出版社5.吴明隆问卷统计分析实务--SPSS操作与应用重庆大学出版社学习目标

能看懂他人的方法学部分

基本学会写非常规范的方法学部分砍柴者言学会开车掌握一些细节的知识去解决现实研究中的操作性问题。我们权且把这些知识看作是一些“小技巧”。刘军：致力于解决方法学方面的“小技巧”：操作小技巧和写作方面小技巧。小技巧（1）上不了台面，理论贡献小，大牌教授往往不愿讲（2）很是隐形的知识，展开来讲确实有一些难度1.“研究范式”

(>1500papersinAMJ)SurveyResearch

70%Secondarydataanalyses

20%Qualitativeandcasemethods5%

Laboratoryexperiments

4%Quasiexperiments

1%试验研究更准确，但实地研究结论更有意义!二手数据完全是看菜吃饭！截面研究IVandDV都只收集一次且出于同一时间点Time-Laggedresearch

IVandDV都只收集一次，但是出于不同的时间点纵向研究在不同的时间点和较长的时期内反复收集IVandDV了解现象的发展过程比截面研究更容易做因果判断耗时费力，资金限制2.Survey分类:截面、Time-lagged与纵向研究3.ResearchModel(AnneTsui)Independent—Thecause,whetherDependent—TheeffectMediating—Theprocess,howModerating—Thecontext,whenControlThealternativecausesI.V.D.V.MedModControl

Thebenefit–itimprovescommunication,understanding,andaccumulationof(global)knowledge

Thecost–itlimitsthepossibilitydiscoveringsomethingnewanddifferent,orevenmayleadtoinaccurateknowledge

Thegoal–universalismwithparochialism–balanceandcreativity4.方法部分是八股文!5.方法学部分“写作和分析范式”

（一）样本（二）测量工具(信度和单变量效度)（三）变量之间的区分效度（四）Descriptiveanalysis（五）假设检验：Regression,SEM,andHLM（一）样本

Where：数据采集自那个企业Who：目标调查对象HowandWhat:（1）HR配合锁定调查对象（随机）（2）问卷收集几次、次与次之间间隔多长时间、每次什么内容（3）问卷填答完后的回收方式（4）问卷每次的回收率（5）最后的样本构成（6）样本的特征：年龄、性别、教育背景和层级等注意1：恰当的资料提供者必须确保提供数据的人是有能力提供可信和有效的相关数据。个人层面方面，关于个人的性格和态度的构念，由受访者直接提供可能是最恰当的，但关于工作绩效，其直属主管则更为恰当。关于机构层面的数据，一个普通的职员不一定了解机构的人力资源政策或机构的业绩。如果我们用邮寄方式要求机构填写这些数据，便不能没有其它的措施来确保数据提供者是否恰当的人选。注意2：非随机抽样在绝大部分的情况下，组织行为及人力资源管理的研究都无法做到完全的随机抽样。应该尽量避免太「随意」的抽样。应尽可能有一个抽样的标准。在讨论研究结果的部分，也应交待研究限制及可能对研究外部效度的影响。资源一：IACMR中文官方网站的量表库

网址:

资源二：《组织管理研究》的英文网站

网址:

ppfu@.hk00190/index.asp资源三：美国管理学会研究方法部的量表库

网址:

/wiki/Main_Page用户名：Wu密码：89949

（二）测量工具之一：量表来源1.找成熟的量表。看文献出处\各大网站的资源\老师和同学的资源资源四：台湾博硕士论文知识加值系统

.tw/cgi-bin/gs32/gsweb.cgi/ccd=AWXCy4/registry登入邮箱：wulongzeng@163.com密码：123456789资源五：Googlescholar/schhp?hl=zh-CN2.没有成熟的量表时可以发展量表参看刘军,吴隆增,许俊（2010)后面讲（二）测量工具之二：信度与效度信度：谈论的是稳定性的问题（多次打靶的结果是否一致）效度：谈论的是测量的准确性的问题（是否打在了靶上）。没有信度就没有效度，有信度也不一定有效度。

Constructvalidity内容效度区分效度收敛效度（Loading显著性）内部效度：关注过程是否可靠，结论是否可靠外部效度：特定结论是否可以进行推广，运用到现实生活中去（三）变量之间的区分效度分析（多题项的量表）I.V.D.V.MedModControl是否是亲兄弟区分效度:计算机认为两个construct是不一样的。CFI（>0.9），TCI(>0.9),RMSEA(<0.08最好<0.06)收敛效度：每个item的loading（因子载荷）需要比较高（0.5）信度和效度分析之后：数据简化

通过上述信度和效度分析，已经验证了每个变量都具有信度、效度以及变量之间存在着足够的区分效度。因此，可以用变量所包含的所有题项的均值的平均值来代替这个变量——这就为以后的描述性分析、相关分析和假设检验奠定了基础。（四）描述性统计分析a.均值和标准差（0.5以上）：一定要参照以往的研究（Mean值与已有研究的mean差别大，则数据可能有问题）b.相互之间的相关关系IVandDV

IVandMV

MVandDV

如何做correlationtable？1.计算均值。对每个construct按题项做平均，存入到数据表中2.数据按照以下方式排序。员工/公司背景性的控制变量重要的控制变量自变量中介变量调节变量DV如何做correlationtable？3.Correlate——Bivariate+meansandSD4.导出：双击+PivotingTrays+数据导出5.数据结果按照以下方式排序员工/公司背景性的控制变量重要的控制变量自变量中介变量调节变量DVIVandDV相关系数在0.20-0.30最合适IVandMV相关系数在0.30-0.50最合适MVandDV相关系数在0.30-0.50最合适任意两两变量之间的相关关系不能大于0.65Correlationtable重点关注的信息Mean值不能异常（五）假设检验：Regression,SEM,andHLM用SPSS回归来验证假设：主要解决同一层次的中介和调节问题（中介只有一层）用SEM来验证假设：主要解决同一层次的多层路径关系或者含有潜变量的模型（尽量不去涉及交互作用）HLM:线性模型主要解决跨层次数据的中介和调节问题

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=β0+β1X1+β2X2+ε其中：(1)β0为一常数；(2)β1代表了如果X1改变了一个单位，Y会改变的程度；(3)β2代表了如果X2改变了一个单位，Y会改变的程度；(4)ε代表了随机的误差；方差角度：最简单的情況

YX1X2ABC（1）如果A占Y的总变异量的比重愈高，那么β1便会愈大，反映X1对Y的影响愈大；（2）如果B占Y的总变异量的比重愈高，那么β2便会愈大，反映X2对Y的影响愈大。（3）C则是代表了X1及X2无法影响Y的部分，也就是ε的变异量了。因此C占Y的总变异量的比重愈高，以X1及X2来预测或解释Y的变异情况的能力（R2）便愈差。（4）A和B的部分是没有关系的，那就是说β1和β2是独立的，不会互相影响。最简单的情况:β1和β2是独立的方差的角度：更常见的情形

CYX2X1Dab（1）如果我们假设这个图中C占Y的总变异量与之前的图一样，那么，X1及X2对预测或解释Y的变异情况的能力也会与之前的图一样(即R2

=A+B=a+b+D)（2）β1和β2不是独立的，它们会互相影响，因为如果我们不考虑X2，β1便会较大；同样地，因为如果我们不考虑X1，β2便会较大。（3）这一点对我们了解真实的现象是很重要的，因为如果在真实的现象中，X1及X2都同时存在而对Y有所影响，但我们的理论却没有考虑X1及X2都同时存在的情形，那么我们的理论便不能正确地描述这些自变量和因变量的关系了。

Uniquecontribution常见的情形:β1和β2不是独立的主效应中介作用+SobelTest调节作用/cm/mediate.htm主效应、中介效应和调节效应的检验中介变量

中介变项(Mediator)的意思，就是说自变项对依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：X—M—Y。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。1.theIVpredictstheDV(c=totaleffect)Predictor:Helpingcontexts,DV:Helpgiving2.theIVpredictstheMED(a)Predictor:Helpingcontexts,DV:Responsibility3.theMEDpredictstheDV(controllingfortheIV)(b)Predictors:Helpingcontexts,Responsibility,DV:Helpgiving

4.cisreduced(tozero/not)controllingfortheMED(c’=directeffect)Sameequationas#3

IV:Helpingcontext

DV:Helpgiving

Med:responsibilitya

c’bcEstablishingMediationusingMultipleRegression中介中介变量的证据在对样本的回归的分析中，我们应该看到以下的结果(Judd&Kenny,1981；BaronandKenny,1986)：(1)M=b01+b11X+e1(2)Y=b02+b21X+e2(3)Y=b03+b31X+b32M+e3在第一个方程式中，结论应是：β11不等于零。在第二个方程式中，结论应是：β21不等于零。在第三个方程式中，最理想的结论是：β31等于零，但β32不等于零。如果这三个条件都符合，我们的结论便会是：M是X和Y的中介变项。放入中介变量加入控制变量加入自变量步骤1放入中介变量加入控制变量加入自变量加入中介变量步骤2放入中介变量加入控制变量加入中介变量步骤3自变量对中介变量自变量对因