[系统转发] 管理研究理论和贡献探讨 2

Kenneth

（1）问：对于一个X与Y的关系，在原有理论的立基下，纳入组织层级或是团队层级的情境因素，这能否算是某种研究贡献？
回应：当然是贡献。但是贡献是大或小就要看（a）理论有否改变；（b）新变量的解释能力等因素了。

（2）何谓falsifiability？当我们提到X与Y的关系能否被falsified时? 又是什么意思？
回应：falsifiability （证伪）就是可以证明是错的。我猜「可证伪性」有两个条件（如果有人想到其他的条件，请补充）。第一、要有预测能力。如果像看面相一样，往往是「事後孔明」的话，就有很大的问题了。波普尔讲的“心里分析”就是一例。第二、要有一致性（consistency）。如果每次讲的解释都不一样的话，那就没意思了。所以，如果你说X影响Y的话。第一、要每次都是X，不可以今天是X1，明天是X2，后天是X3。第二、要看到X（发生）的话，一定可以看到Y（发生）的。如果你讲的是因果关系的话，更要多加一条，就是X是由你来操控的（manipulation）。     Kenny

Kenneth

问：什么因素会造成信度跟文献所报的有出入？我用现有的量表收集资料，结果发现某个构念的信度并不理想。这种情形是否暗示我回收的问卷出了问题，而非原来的构念的信度有问题？如果真是如此，是否我应重新收问卷？

回应：过去的学者发展一个新的量表，都经过很多次、多样本反复的验证，而且有模范数据（norm data）的。所以，如果你只收一个样本，跟人家不一样的话，我会说十居其九是你的问题。（当然，跨文化的研究要复杂一点，就比较难讲）。
可是，现在的研究人员往往在发表文章的压力底下，草草写了几道题，在一个样本里做了一个因子分析，就算发展了一个量表了，那就很难说了。可能连他自己都不一定可以重复量表的因子结构，更不要讲信度高低了。这个现象在二流杂志出现的频率更高（所以在文献中选量表也有一定的技巧的）。可是无论如何，量表是人家发展的，已经刊登了，你的结果跟人家不一样，吃亏往往都是你的。
话说回来，所有的研究都会有漏洞的，问题是大还是小。我想要看你的研究的整体贡献，才可以谈「低信度」可不可以接受。所以，如果（1）你的信度不是低得很过分；（2）你的研究的整体贡献是大的；（3）只是这个量表有问题，其他的构念都没有问题的话，那么可能不一定要重新收新的数据。不然的话，多收一次是在所难免的了。其实，多收一次数据，如果结果是一样的话，说不定你可能找到一个好的理由来修正人家的量表呢。   Kenny

1.所谓「贡献是大或小就要看（a）理论有否改变」。「理论有否改变」是什么意思？是指此研究达到theory testing 的目的而让理论更精致化吗？抱歉！我不太明白您的意思。
2.falsifiability （证伪）的前提，就您的说明，似乎是指能有系统且具预测力，是这样吗？对不起！我对于falsifiability （证伪）仍感困惑，即使上课老师也常提起，甚至您也予以说明。此外，一个理论希望能具备falsifiability的特质，是为了找出边界条件吗？

抱歉！上回忘了署名！谢谢答复。
何谓『模范资料（norm data）』？我第一次听到此名词，可以再说明些吗？谢谢！ 
针对84楼的问题与您87楼的响应，我有了下列的想法。1. 当一个新的构念产生时，为了量测此新构念，每个量表必「都经过很多次、多样本反复的验证」。可是，当运用MTMM方式检视新量表的区效度与收敛效度时，我的经验是有些数据未必全都能符合MTMM所要求的原则（例如：不同方法但测相同特质的数据应大于相同方法但测不同特质的数据）。这样的结果，仍可以被接受吗？2. 我发现管理研究常常会提出新的构念，但好玩的是似乎有些构念在概念上多有重复。面对构念意义有所重迭的情形，对于做研究选取适当构念，有什么原则可以依循呢？而且，构念能解释的范畴是否有一遵循的准则？为解释一个狭隘的现象就发展一个新构念，这也是可以被接受的吗？ 

Kenneth

问：何谓『模范资料（norm data）』？
回应：Norm data 的意思是作者会告诉你一般有不同背景的作答者（男性、女性、不同年龄的人）会在这个量表得到什么分数、平均分是多少、标准差（方差）是多少、这个量表的因子架构是怎样的、它跟其他相关的量表有什么关系等等。

问：当运用MTMM方式检视新量表的区效度与收敛效度时，我的经验是有些数据未必全都能符合MTMM所要求的原则。这样的结果，仍可以被接受吗？
回应：没有区分效度（discriminant validity）与收敛效度（convergent validity）的量表就是没有construct validity的测量。一个测量的工具如果没有证据证明它是在测量它要测的构念的话，还要来干什么呢？

问：面对构念意义有所重迭的情形，对于做研究选取适当构念，有什么原则可以依循呢？
回应：我的理解是做研究是从理论出发的。你的理论需要什么构念就用什么构念了。如果social identification theory 讲的人会尽量增加自己的self esteem，我们怎么会选用self efficacy呢？

问：构念能解释的范畴是否有一遵循的准则？为解释一个狭隘的现象就 发展一个新构念，这也是可以被接受的吗？ 
回应：我觉得这个问题跟上面的问题是一样的。问题不是“构念”是否可接受，而是构念背后的“理论”是否可接受。而“理论”是否可接受，在这个情形底下，重要的是研究的现象是否有意思。“狭隘的现象”不一定没有意思的，因为从“狭隘”的现象中找到的理论可能可以用到很多不同的情形底下。「元分析」（meta analysis）这个影响这么大的分析方法，原来的出处是员工选拔的一个小问题而已。  　　　Kenny

Kenneth

1.「理论有否改变」是什么意思？
如果多添加一大堆解释的变量，但是解释的机制（理论）完全没有改变，那怎可以叫做贡献呢？

2a. falsifiability （证伪）的前提，似乎是指能有系统且具预测力，是这样吗？
我学的是实证研究。如果你提出一个理论，就要按这个理论提出一些“预测”。我就会按数据来验证你的“预测”。数据支持你的“预测”，我就暂时相信你的理论。相反，我就不会相信你的理论。这就叫做“证伪”（ “证”明你是“伪”或“错”的意思）。有些理论是不可以证明为“伪”的。达尔文的进化论就是一个例子。你怎样可以“证明” 进化论是“错”（ 伪）的呢？答案是几乎不可能。

2b. 一个理论希望能具备falsifiability的特质，是为了找出边界条件吗？
不是。不可以证明是错（或伪）的理论不是“科学的”理论。请你看一看我开始的几个日志就会明白了。   Kenny

针对前面所提的MTMM方式检视新量表的区效度与收敛效度的问题，我遇到的问题如下：有少数几个「不同方法但测相同特质」的数据小于「相同方法但测不同特质」的数据，但「相同方法测相同特质」的数据仍是四类中最高的数据，且「不同方法测不同特质」的数据也都是最低的。如果这样的情形发生，我也要断定该量表没有construct validity吗？谢谢！

Kenny, 您好！三个问题向您请益：
1.阅读到用cross sectional data (横断资料) 检视因果关系或是中介效应的研究时，会发现研究者多会在 Limitation （限制）此部分加上一点，就是建议日后研究可以朝纵贯性研究（longitudinal study）着手。我想了解的是，用cross sectional data处理中介效应，有何做法可以减少他人对于因果效益的质疑？还是除了实验法、准实验法以及采用纵贯性资料，没有其它方法可以补救？
2.我很喜欢您理论与逻辑4「因果关系」的分享，可否请您推荐这方面相关的文献？谢谢！
3.上周上组织理论课时，有人询问为何resource-based view 仍被称为view 而非resource-based “theory”。想听听您的看法！其中一派的观点是认为因为resource很难量测，所以该观点尚称不上理论的层次。

问一个很蠢但我弄不清的观念：为什么「不可以证明是错（或伪）的理论不是“科学的”理论。」？为什么不是反过来说「可以证明是对的理论就是“科学的”理论。」？

谢谢您的说明与举例，很敬佩您！您列举的四种状况，我可以总结为构念的产生是反应现象的结果吗！？就新构念的贡献而言，如果新的构念能够让一个有意思的研究现象，增加理论上的解释力，就可算是具有贡献吗？另，发展一个新构念的量表，不论是依归纳法或是演绎法，是否一定要经过深入访谈此阶段？最后，理论有好坏之分，请问，构念也有吗？