[系统转发] 管理研究理论和贡献探讨

感谢Jane针对调节作用中β系数值的含意进一步的分享！更明白了！ 
也谢谢何总的说明。此外，新朋友Peter Li 针对日志"理论与逻辑3"，有精采的分享放在日志上，大家别错过了。     Cecilia  

Kenneth

Andy, 你大概走漏了眼。 我在讲「调节作用」的日志中的“几点注意”的（1）已经讲了。在测验调节变量时，“画图的目的是“讲解”互动的关系，不是任何形式的验证。”而计算女性的公式是Y=2.5-0.38X；男性的公式是Y=2.6+0.17X；纯粹是为了“画图”，没有半点的验证的意思。因为统计验证已经在验证X*M的时候做了。
如果对于女的来说Y=a1+b1X； 对于男性来说，Y=a2+b2X。我们是用Y = a + b X + c M + d X*M中的参数d（即X*M的系数）来验证调节作用，这时候样本量就等于原来的样本大小。但是如果用分组来估计b1和b2，样本大小就变成是原来样本的一半（假设一半是男，一半是女），误差就大的多了，统计考验力（statistical power）就大大减少了。所以，如果d是显著的话，b1（或者是样本的估计值-0.38）就是不等于b2 （样本的估计值是0.17）无需进一步的测验。
（注：我曾经听同事说竟然有国际杂志的评审要他验算-0.38和0.17是不是在统计上不一样，以表示调节作用真实存在，多么可悲！）Kenny

Kenneth

中文最易懂的就是我的书了（希望是吧:-)） 。对不起，我不看中文书的，所以不能推荐什么书给你。
不过，我可以尝试把我书中「因子分析」这一张的初稿（这一个章已经写完）分段贴在日志上。只是有很多图和公式，不知道博客系统是否容许。无论如何我会试试，请您等一等。只是有两个条件：
（1）您（或者其他读的朋友）要给我修改的意见，比如是什么讲得不清楚、用什么方法表达会更好、什么漏了没有讲 ......等。
（2）请不要下载后编辑起来大量分发给别人。因为第一这是初稿，第二，这样做就没人买我的书了。 ：-（
以下是一些简单的回答：
（1）我贴上日志的初稿会解释什么是因素、因素分数、载荷、共同性等。也会解释为什么要做因子分析。
（2）Cluster analysis是「聚类分析」。我会解释因子分析跟聚类分析有什么不一样。
（3）当因子是不相关时应该用「正交转轴」；如果它们是相关的，可以用「斜交转轴」。
（4）共同性是因子与变量的相关的平方，与信度有一点关系，但是不明显。
希望您看完我的初稿后会清楚一点。 Kenny

Kenneth

(1)预测力 是「相关系数」的平方。它代表了Y的改变（方差）有多少可以被X的改变（方差）来解释。
「相关系数」的定义是「标准化的协方差」。「协方差」（covariance）是两组变数同时变动时的状态。比如每当X增加多少的时候，Y是不是同时会增加？如果是，它们的「协方差」就是正的，反之就是负的。那X增加的时候，Y会增加多少呢？如果X增加“X平均值”的3倍的时候，Y也会增加“Y平均值”的3倍的话，X与Y的变化就是完全一致了。这个共同变化的形态就叫做「协方差」。当X与Y的变化方向是相反的，「协方差」的数值就是负数。可是问题出现了，如果X改变5公分，Y会改变5公分的话，当Y不是用公分，而是用公里来量度的话，X改变5，Y才改变.005！所以，量度单位影响了「协方差」的数值。本来是“X改变5，Y会改变5”（两者的单位都是公分），但是现在是“X改变5，Y只改变.005”（当Y的单位变成公里时）。所以「协方差」（covariance）受量度单位的影响。「标准化」是一个让我们无论用什么单位来量度的时候「协方差」都不会改变的技巧。所以，「相关系数」跟「协方差」是一样的东西。只是「相关系数」不受量度方法的影响而已。
明白了「相关系数」（correlation, r），“X对Y有很好的预测力”就很容易理解了。“X对Y的预测力”其实就是「相关系数」的平方。记着「相关系数」是「协方差」，也就是当X改变的时候，我们知不知道Y会怎么改变、改变多少？如果是完全知道Y会改变多少的话，「相关系数」r=1。如果知道了X改变时，我们完全没有能力知道Y会怎么改变和改变多少的话，r=0。所谓的预测力（prediction），就是这「相关系数」的平方。至于为什么是平方，就要用数学公式来解释，在这“评论的空间”博客系统不容许我打进数学公式和符号，有机会在日志里才可以解释了。
(2)调节效用检验的是Y = a + b X + c M + d X*M 中的参数d。d这个东西的统计考验力（statistical power）本来是可以用数学计算出来的。意思就是当d（这个偏相关系数）有多大的时候，样本数应该有多大才可以把它测出来。但是因为太复杂了，一般我们都不会计算，也就是源用我们的一般习惯：个人层面的分析起码要N=200到300；组织层面起码要N=100到200（本来应该是起码300和200的，我说200到300和100到200是宽松了）。到底这样做（就是N=200）是不是可以保证当d不等如0时，一定可以用统计测出来呢？其实是不得而知的。
(3)sample size 就是样本数N。你做问卷的话，收了200 分问卷，删除不可以做分析的数据，剩下的就是你的样本数Ｎ。 Kenny

Kenneth

（1）Andy，你很有趣，五个W是Whetten 所提出的，怎么要我解释What 是什么呢？：-）不过既然你问到，我就猜一猜吧。我凭我的猜测，What 可能是变量之间到底有“什么”关系（“What”are the relationships among the constructs？）。
（2）「是否需要在理论的定义下考虑增加“可证伪性”」是一个好问题。我们当然可以把“可证伪性”看成是理论的定义的一部份。但是这样做有一点问题，“可证伪性”是Popper 的观点，不是每一个科学哲学家都同意的。虽然我借用了，但是我还不敢把“不能证伪的”都不准叫做理论。我个人来说，极其量我只能说“不能证伪的”都不是“好”的理论，或者说“不能证伪的”都不是“科学的”的理论而已。不过，我会真的在想一想这个问题。谢谢您的意见。Kenny 

Kenny，您的解释实在非常清楚，太谢谢了。真得很相信如您开玩笑说的「中文最易懂的就是我的书了（希望是吧:-)）」（但这样说话，会不会有些狂啊？:) :-) 开个玩笑，别见怪 ！）。再请教 ㄧ个！ number of sample, size of sample 与 sample size 意思一样吗？ 

Kenneth

(1)问：Twotwo的问题是否可简化为『指用了不同的理论视角解释同一个现象』？还是同一视觉真可以包括不同的理论观点？？我搞胡涂了! 
回应：你是对的！是我糊涂了。两个模型是用了「两个不同的视角」来看同一个现象。
(2)问：在量表的设计，我应包含哪些构念？我是不是要把现有的其它对于此因变量有解释力的自变量都要在量表中呈现？进行统计检测时，再将他们以控制变量处理？ 
回应：这是个困难的问题。我“目前”想到的回应是“不需要的”,只包含你自己的理论已经足够了（但是在这个问题上，我不是百分百肯定我是对的。其实很多我讲的，我都不敢说肯定是对的：-））。「逻辑实证论」（empirical positivism）［如果你给这些词嚇着了，请原谅。其实我一直都想讲一讲这些西方研究方法的根本假设和进路，只是一直都没有时间。人是有限的，请忍耐一点，有时间的话我会总结一下的。如果我忘记的话，请提醒我。］讲的是理论→假设→数据验证→结论，要求的是推论的“逻辑”性，和验证的“实证”性。所以在发展理论的时候，只要我们的推论是严格逻辑的，也用了数据来严格验证我们的理论就足够了。我举个例子，当爱恩斯坦提出光是波来解释「光电效应」的时候，他没有要同时推翻了光是粒子的理论。
但是话说回来，第一、能够同时验证其他的理论一定是更好的。第二、当不同的理论慢慢建立起来后，比较不同的理论的解释能力也是一个必经的阶段。或者，说不定我们可以发展一个更基本的理论来统一目前的所谓不同的理论。所以，物理学才有“统一场论”的发展。您觉得这样看合理吗？ Kenny

Eleven，我提到“调节变量背后的机制可能很复杂”是受了Kenny前面讨论什么是理论的启发。也想听听大家的意见。

举个例子，如果一位研究者在A国和B国分别收集数据，检验情感承诺对离职倾向的影响，发现“国家”这个变量对上述关系确实有调节作用。如胡朔先生一样，他也可以想出一大串的解释来说明为什么两国会存在这样的差异，语言不同，经济发展水平不同，劳动力市场不同，社会规范不同，个人的工作价值观不同，甚至气候不同都可能编出一个吸引人的故事。但实际的原因是什么我们却不知道，所以这样的故事在理论上是没有很大意义的。于是我们需要直接去分析和检验到底发生了什么使我们看到这样的差异。而我说的就是这一个步骤中的复杂性。

比如，语言不同可能是原因，因为它使得人们对字面意思相同的量表背后含义的理解可能完全不同，所以在A和B国测出的情感承诺可能都不是一个东东，这种情况是“调节变量”影响了构念本身；劳动力市场可能是一个原因，因为在劳动力的买方市场中，员工不可以自由的根据自己的情感因素选择工作场所，这时是因为有了其它自变量的影响使得情感承诺这个自变量对于离职倾向的影响减弱了，这种情况是“调节变量”改变了几个自变量对因变量影响的组成结；甚至天气都可能是一个原因，假设已经有研究结果发现天气会影响一个地区人们的性格，寒冷地区的人们有较强的忍耐力（爱斯基摩人被称为“永不发怒的人”），气候温和湿润的地方人们性格偏向温柔、活泼和多愁善感等，草原气候使人们豪迈直爽，这时“国家”的调节作用的实际原因是，“情感承诺－离职意向”这个关系在某些性格的人身上会较强。上面的例子只是想说明，调节变量可能由于不同的原因影响了自变量－因变量的关系，具有理论贡献的调节变量应该能够直接解释它为什么改变了自变量－因变量的关系。在这个例子中，用“国家”作为调节变量是不可以实现这一步的。

不知道我有没有说明白哦。

(1) 问题1. 我是否可以将「妈妈打我」视为从浅的层面说明「我感到痛」，而「我的神经受到刺激」则视为深的层面说明「我感到痛」?
回应：“深与浅”是我创出来的词，没什么特别的目的。其实，我开始的时候我已经讲了。我还没有一套完整的工具来处理这个问题。我唯一目的只是说因与果可以从很多不同的“角度”来看而已。当我用“深与浅”这两个字的时候，越“浅”的理论是代表越接近现象的理论，越“深” 的理论是代表越抽象的理论。其中没有高低的意思。
(2) 问题2. 这深的理论层面或浅的理论层面的定义是指什么呢？ 
回应：我在问题一上面讲了我的想法，不过我没有很清楚的定义。因为以我粗浅的知识，我没有资格讲「因与果」的方法论。（有很多哲学的书的名字就叫做“因果论”Causality，其中一本的作者花了大概2公分厚的整本书的时间去处理这个问题！）如果您有困惑的话，我们就不用深、浅这等字，改用“不同的”理论好吗？

(3)问题3. 我想了解的是当此因果关系加入了中介变项的考虑时，在理论层次的推展上，就连贯性而言，是应由较深的层次推至较浅的层面？或是反之？  
回应：您好像是把我讲的因果的“层面”（或是简单的叫做因果的不同“看法”）看成是不同时间次序的中介变量。我“暂时”不觉得一定是这样。如果是的话，您的问题就变得很简单了。因为我的了解哲学家讲的「因」一般都是“最接近Y的叫做因”。如果X1→Ｘ2→Ｘ3→Y的话，我们一般会叫X3做Ｙ的因。让我举一个例来说明我目前的看法。你回家打开门，孩子会叫你一声“爸爸”。他叫你爸爸的原因是什么呢？（１）是你的太太他是他的妈妈。（２）我们社会的习俗是看见长辈要问候。这两个解释应该是在不同的层面的，一个是“通俗”的现象层面的，一个是“社会文化层面”的，。你可以把这两个解释写成X1→Ｘ2→Ｙ吗？  Kenny

(4)问题4. 请问态度与动机到底谁是因谁是果呢？我常常分不清！ 
回应：对不起，这个我没有明确的答案。我大概的“感觉”是态度可能是动机的其中一个原素吧。例如，你喜欢你的女朋友（我假设你是男的），这个态度，所以你就有追求她的动机了。但是我另外一个“感觉”是我们好像很少吧“动机”作为一个构念来研究的。动机对我来说更像一个概念多于构念。不过，您这个问题已经帮我回答了上一个问题了。有时候Ｘ１与Ｘ２是互为因果的，有时候它们根本没有因果关系，不一定可以写成X1→Ｘ2→Ｙ的。

(5) 问题5. 这个例子可以算是从三个不同层次的因解释同一个果吧 (应不是属于在同一层面的不同宽度吧) ？
回应：我已经讲过，我还没有一个完整的系统。如果你觉得“宽度”与“深度”让你困扰的好，我们就通通把他们叫做“不同的”（层次、广度、深度？？？）理论吧。

（6a）问题6. 当我就理论层次说明这三个因时，我应依循什么做理论的推展（其实我实在分不清这三个中介变项：「理性认知与感性感受」、「工作态度」、「工作动机」有理论层次的深，浅之分吗）？ 
回应：如果你真的要分的话，我“猜” 「动机」是一个很范的词。「感受」与「态度」就像我说你是一个“好”人，好在什么地方呢？如果「感受」是价值观（beliefs）的话，它好像是更基本不容易变的东西；如果「感受」是感觉（feelings）的话，它就是跟「动机」一样是很范的词。「态度」（attitudes）可能是价值观（beliefs）的结果。心理学中有一个叫做「理性行为理论」（theory of reasoned actions）好像分析了它们之间的关系。我在讲一次，其实我用“层次”这个字，最主要是希望讲出理论有极抽象而广泛的「大理论」，到非常精确微小的「小理论」而已。

(6b) 另外，理论的层面应不是等同于理论的层次（level of theory）吧？
回应：我不知道你讲的“理论的层次（level  of theory）”是指什么。这个请你教一教我。如果“理论的层次（level  of theory）”是讲理论从现象到抽象的分别的话，我猜我应该是讲它吧。不过这个跟“分析”的层次（level of analysis）完全不一样，请不要混乱。
(7) 问题7. 但是否理论的层面与构念的层次要考虑彼此的适切性？
回应：对！这正正是我想说的。我用苯环（benzene ring）的例子就是要讲明这个意思。
(8) 问题8. 是不是有些理论只能用于说明某些层次的现象？我如果用制度理论说明人在组织中求生存，这样的应用妥适吗？
回应：我“目前”的看法是所有的理论都“只能用于说明某些层次的现象”。难道有一个理论可以说明所有层次的管理现象么？Kenny