[系统转发] 管理研究理论和贡献探讨

Kenneth

1. Twotwo问“视觉”（perspective）的含义？是不是指看问题的角度？请您从研究方法论的角度再解释一下好吗？是不是“从同一个视觉，用不同的理论，解释同一个现象的论文不算是好论文？” 
回应：对我来讲「视角」（不是“视觉”）是看事情的角度。「视角」是「理论」的前身。「理论」是「视角」成熟发展的结果。研究者如果你暂时没有理论，我希望你起码有一个视角。我举个例子，你可能想从「人权」的角度来评价毛泽东（一个视角），但是你到目前还没有想好一套完整的逻辑来论证从人权的角度来看，毛泽东是好是坏、是对是错（也就是没有理论了）。
2. Twotwo问：「理论的创新是怎么实现的？……但是我发现这些模型都只是从一个角度解释现象，譬如，有人说这一行为对……有作用，有人说 对……有作用，有人说 对……有作用……」
回应：换了一个因变量“不代表”你有一个新的视角，这可能是同一个视角的不同表现而已。根据「社会交换」的视角，上司下属的关系会影响工作表现、组织公民行为、员工的满意度……等。在这里视角从来没变，还是「社会交换」。
3. Twotwo问：有什么方法或者指标比较不同理论的解释力大小？ 
回应：把不同的变量放进同一个回归分析，看那一个更能估计因变量。
4.您说“尽量发展单一层次的理论，因为简单性（parsimony）是好理论的一个基本特征”，请问，你所指的理论的层次的含义是什么？
回应：比如，我们用个人的能力（General Mental Ability）就可以很大程度的解释员工的表现，根本不需要小组或企业层面的变量来帮助我们解释员工的工作表现。  Kenny

谢谢Kenny和Eleven的耐心回复，我很同意你们所说的。
关于管理科学中的“设计科学”的性质，我没有说清楚，我指的是它有一部分研究目的与自然科学有所不同，大概和机械工程比较像吧。我同意Kenny的说法，如果说客观性，我理解科学都是我们假设世界是客观的然后去做研究，而我们的研究手段又是有限的，很难说哪个学科研究出来的是真正客观的现象。管理学从诞生起就不仅仅为着寻找规律而存在的，而是人们希望在寻找基本规律的基础上设计出最完美的组织。也就是一个寻求最优解的过程。我猜这也是管理学研究中我们常用的结果变量其实只有很少几个的原因。但如果我们潜在的目标是寻找最优解，而我们的研究方法和建构的理论只停留在寻找基本规律这一步，是不是不够的呢？但就算多走一步，设计的这一部分是不是理论能够承担的呢？还是只能靠管理者艺术性地去选择工具和解决问题了呢？有些不太明白了。

kenneth, 问个技术性问题，这两天我和同学在看两本博士论文（都是美国大学的）计算组合信度（composite reliability）ρc和AVE值的计算公式时，发现有人使用的是非标准化λ系数，有人使用的是标准化λ系数，请问，在计算上述两个指标时到底应该用的是哪个系数才是准确的？公式中的残方差呢？

Kenneth

tianyang,请给我多一点资料，你是用什么方程式来计算「组合信度」（composite reliability）呢？  Kenny

Kenneth

Yang, 其实我不太明白你用“最优解”的意思。我的理解管理学一直在做的都是“客观的现象”的。科学里面分开（如果真的要分的话）基本科学和应用科学。同样的，管理学的研究也有些是研究“基本管理现象”的，也有比较应用的。前者比如研究激励理论的、研究心理契约的、研究主管下属关系的、研究社会教育（socialization）的等（其实很多组织行为的研究都属于这一类）。后者比如如何遴选、怎样做面试、哪一个评估的方法好、人才流失（其实大部分的人力资源管理研究都属于这一类）。当我们问“为什么”（why）的时候，多半是前一类；当我们问“如何”（how,what）的时候，多半是前一类。你给我的印象是管理学只是研究管理者应该做什么，员工才有表现，企业才会赚钱的（你的最有化是不是这个意思？）。当然，很多时候这些都是最终目标，但是中间的整个过程都是很有意思的。这就好比研究化学反应到最后都会产生洗发水、肥皂、化妆品、贴纸、药品等。你会说化学的研究也是“最优解”吗？   Kenny

最近一周太忙，没有时间到这里来看。发现多了很多内容，特别是kENNY、Eleven的辩论，非常有意思。然后我花了两天时间一点一点看完了，深有感触。从价值观的角度，这里我也说一点个人的体会吧：
1、中间我记得ELEVEN反复讲到实践应用/解决方法的问题。对与这个问题我是这样理解的：其实社会中的每一个人都在为问题做出自己的贡献，比如企业家、管理者、学者。但每个人关注的问题是不一样的。比如员工离职问题，管理者可能在想怎样不让有效员工离职，采用什么管理工具，当他在寻找这个管理工具的时候，根本不会从AMJ的某篇文章中去找。但作为一个学者，你考虑问题必然是该研究目前进展到了什么程度了，我应该如何作出自己的理论贡献。如果作为一个学者，整天想如何为企业出谋划策，我觉得很可能弃长就短（一个学者整天在学校里，怎么可能对现场的情况比现场的管理者更熟悉呢？）但学者的工作绝对不是没有意思的，通过他的研究，一方面在理论领域作出自己的贡献；另一方面可以提供一种INSIGHT，而增加管理者对该问题的透彻理解。至于什么管理工具，学者未必去管这件事情。如果他要去管，很可能是不合适的，甚至是有害的。比如说对于某个社会问题，应该如何如何，但实际上任何一个社会问题的解决都要受限于很多条件。如果你仅仅根据某个条件就说政策上要如何如何，那很可能在实践中是行不通的。
那么是否说一个学者的贡献就没有意思呢？以前我也是对这个问题很疑惑的，但有一次美国一个学者的讲座令我豁然开朗。在一次面对高级经理人的讲座上，他说：如果你要我讲对企业的具体问题的解决，我可能不如你；但你如果到讲台上你讲的一定比不上我。因为你的企业的问题是个别的，而我的讲的具有规律性，能够使每个人获得新的知识。姑且不论他说的是否夸张，但是我觉得他定义出了一个学者的价值。
2、另外，对于思考问题的角度这个问题，我记得当我于005年在西安交通大学参加方法论研讨班的时候就听KENNY讲过这个问题，他说研究的贡献在于理论的视角不同，当时我似懂非懂。直到现在我也一直在思考这个问题，什么是角度。后来有一次我发EMAIL给TSUI，她就把我的EMAIL转给了WHETTEN。后者的回信中总之就一句话：文章不在于你包含了多少理论，关键在于你提供了多少INSIGHT。然后我就继续思考这些问题，对于身边所有的现象都在思考这个问题，我个人感觉对于视角的问题东西方的感觉存在不同。就象为应对新劳动法，华为公司的做法众说纷纭。有的人从效率的角度认为是完全合理的；有的人从人性的角度认为是不合理的。不同的角度得到的结论完全是不一样的。当然这里不涉及理论，但我想理论的角度应该也差不多是这个意思，一个理论的真正贡献应该是可以用很简单的语言来表达的。
3、我谈一下贡献的来源。我个人感觉首先是实践（因为实践中的问题具有更多的问题导向的性质兼现象导向，对于同一个问题，不同的人完全可以得到不同的视角。其次是文献。我个人感觉在大陆大部分人的文献基础偏弱，掌握的文献并不是很多，就在谈贡献。但是实际上，你的研究也许前人早已经做过，只不过用了不同的表达方式而已。
但这里产生贡献的路径与这里BBS上他人观点不同。我觉得贡献主要是理论贡献，可能是该贡献对于实践人员有指导意义，但这种指导意义应该是属于理论贡献的范畴。记得在前不久广州的IACMR的年会上，我问： Terence.Mitchell,我们大陆经常说理论贡献与实践贡献，你更加经常偏重哪一点。他没有直接回答，说：他不知道什么叫实践贡献，他就关注理论贡献。否则，绝对不可能在他主编的杂志上发表。令我大跌眼镜！
所以呢，现在我依然不能说出具体是什么来，我所做就是小心翼翼，不住的探索。也许现在与国际学者交流的机
会太少了，如果多的话，可能对于这个问题会更加清晰。
这里纯粹是个人的一点主观感想，如果有不对的，请多包涵。另外，也想请教大家对这个问题的看法。谢谢！

@回复 loutianyang (Kenneth)
    Kenneth,谢谢先！我们在报告测量模型时都要计算组合信度（composite reliability）与方差析出量（Average Variance 
Extracted,简称AVE值，ρv ）,前者公式为ρc=（Σλ）2/[（Σλ）2+Σ(δ)];后者AVE=Σλ2/[Σλ2+Σ(δ)],其中λ即构念（construct）与测项(item)的载荷系数，δ是item的测量误差。
Q1:公式中λ应该是标准载荷系数还是非标准的？因为看到两个相反的计算方法迷惑了
Q2:AVE值表明的是测项的总方差到底有多少是构念（因子）所贡献的，所以一般要求大于0.50，这我能理解。但是现在我研究模型中一共7个构念中，其中3个构念（结果变量）达不到这个要求，只有0.45左右，是否意味着这个研究结果就“死”了，肯定通不过评审的要求，还是说如果是探索性研究也能宽容一点？

 有一个问题我始终没有明白：
在这里看到了KENNY与大家对于调节效应的分析，学到了很多，从技术的角度而言，已经越来越清楚了。但在文献中，我还发现了一些与调节效应貌似不同但实际上作用机制非常类似的词语，如权变效应（contigent effect)、情境（context)。这两个词语在文献中出现的时候，我们可以从语义上来说，是非常不一样的。但是从统计的角度，在做回归分析时，好象与调节、交互效应是大同小异的（我也好象似懂非懂）。我的问题是：这些词语在文献中出现的时候到底想强调什么，应用的环境有什么不同？与调节效应等有什么不同？如何更准确的把握住这些不同的概念？
衷心请教KEENY，也请教大家！Hailiu

还有第二个问题：
Kenny, 在进行正式的回归模型分析之前， 我们需要对数据进行检查。好象这个问题在数据分析中是非常重要的，但我们具体在做时一般做的很粗糙。
比如检查数据的正态性、ERROR的等方差性、不相关性等（具体记不全了），总之，就是古典线性回归可以运用OLS的经典假设。但在具体做的时候，我发现做的方法是不同的：有的人对RESIDUAL做以上检验，有的人对原数据做以上检验。我的问题是：（1）应该对原数据做以上检验还是对残差做以上检验？（2）具体做检验的时候，最重要的是检验哪几项？（3）具体做的时候您是如何做的？

大家的意见呢？请KEENY与大家指教！谢谢！Hailiu

@回复 loutianyang (Kenneth) 
   Kenneth,我看到的文章最多饮用的就是两篇文献，其一，Fornell,C.,& Larcker,D.F.(1981).Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research,18；(1),39-50;其二，Bagozzi,R.P.,&Yi,Y.(1988).On the evalutation of structural equation models.Journal of the Academy of Marketing Science,16（1），74-94。
    另外，就是第二个问题（你忘记回答了），研究当中对于构念的信度和效度指标是否十分看重？就比如说模型中7个潜变量（latent construct）中有3个潜变量的AVE值（评判construct信度和效度的重要指标）如果没有大于0.50，论文评审是否可以接受呢？有没有发表的论文中它的个别测度的变量AVE值也是低于0.50的？谢谢！