[系统转发] 管理研究理论和贡献探讨 2

Kenneth

问：很想了解您对于博士论文可以过关的标准是什么？香港中大的管理博士生如果能毕业，是否表示他们的博士论文达到了您期盼的水平？
回应：一篇博士论文，“一般”在美国的标准是可以分拆为三篇文章的宽度。所以，在“正常”情形底下，论文应该可以发表三篇文章为合适。当然，如果是很有深度的，就算只可以写一篇文章也可以接受的。深度我会用可以投到的杂志来定吧。一般可以有一到两篇到了“国际一流”杂志的水准为及格。最后一个问题要看是谁。如果是我的学生，那是必然的了。如果是其他老师的学生，我会用我的最低标准作为参考，也尽量专重同事的决定。  Kenny

Kenneth

问：当我们谈到研究贡献时，what’s new 跟so what 似乎是很重要的两个思考点。我的粗浅理解是what’s new可以指理论上的延展、修正或是补足，也可以是方法上的创新或改进，而在思考so what时，可以依理论、方法与实务意涵三方向着手。针对我上述的看法，请您指正！ 
回应：我是很大程度同意你的看法的。以下只是一点补充而已。What’s new 可能更重要的是“你讲的内容到底有多少是我不知道的”。我看见很多评审会问这个问题。从这个角度，就算你讲的是文献里没有的，如果是近乎常识（common sense），也没有很大意思。还有一些是吧零碎的东西拼凑起来，说没有前人同时研究这几个变量。用“我是不是不知道”这个标准，就会不及格了。
有了What’s new后，就证明你讲的真的是“新”的东西了。但是不是所有“新”的东西都有意思的。这个「贡献值」（degree of contribution）的问题是有点主观的。不过对于一个领域的专家来讲，决定一个新的东西在自己的领域有多大贡献，其实也不会是太难做的决定。举例，现在所有的电视都是长方形的，你当然可以做一个“新的”圆形的电视出来。可是我想没人会说这个是伟大的贡献吧。  Kenny

Kenny, 元分析(Meta analysis) 主要是用于找出导致相似的研究，结果却不同的调节变项（不知这解读对否？）。那是不是用于元分析的各个研究的IV与DV均要一样才可以？这类究的最少的样本数应为多少？谢谢

Kenneth

Wen, 我的看法跟你不完全一样。
（1）元分析(Meta analysis) 主要的目的不是找调节不同研究不同结果的调节变量，而是希望透过一大堆的研究，来求得母体（population）的效应值（effect size）的一个较佳的估计，因而得知母体的效应值是否为零的结论。找调节变量只是当效应值的方差大于零的时候才有意思的。
（2）如果自变量与因变量每一个样本都不一样，那是批评元分析的人的一般论调，我们是在比较苹果与橘子了。
（3）理论上，最少的样本数是2。实际上，我没有见过有人敢下一个标准。一般一个元分析总是研究一大堆的效应值的。比如，研究LMX的就会把跟LMX有关的所有自变量和因变量都一块做元分析。就算其中的一组的样本数是3，影响也不会很大。   Kenny

1.「元分析(Meta analysis) 是求得母体（population）的效应值（effect size）的一个较佳的估计，因而得知母体的效应值是否为零的结论。」如果不会花您太多时间，可以再针对这句话，教导我们一下？谢谢！
2.可否推荐1-2篇有关元分析的文献，让我们学习。谢谢！

Kenneth

Wen, 如果我们有10个研究，每一个求得 x与y的相关都不一样，元分析可以帮助我们：（1）求得一个以样本大小为权数的相关系数，这个估计的相关就是x与y母体的相关的最佳估值；（2）求得一个母体相关系数的方差。如果方差大于零，就代表在母体中有多于一个相关系数。在这个情形底下，我们就要找调节变量。
如果母体相关系数的方差是零，就代表在母体中只有一个相关系数。也就是说，在10个不同的研究找到不同的相关系数只是因为抽样的问题，他们母体只有一个相同的相关系数，这样就没有找调节变量的必要了。  
请看一看这两篇文章有没有用：
1.   Schmidt F.L., & Hunter, J.E. (1977).  Development of a general solution to the problem of validity generalization.  Journal of Applied Psychology, 62, 529-540.
2.   Rosenthal, R., & DiMatteo, M.R. (2001). Meta-analysis: Recent developments in quantitative methods for literature review.  Annual Review of Psychology. 52, 59-82.
Kenny

为什么没人问问题呢？先说我对于有关抽样的困惑吧！问题很不成熟，但仍请Kenny给我一些建议。谢谢！
我要检视公司的组织文化经由何种机制影响了员工的工作绩效。我没有要进行跨层次的研究，请问在抽样时，我是不是应该找越多家不同的公司为对象愈佳，每家只找一至二位员工填答？还是只找几家公司但每家抽较多位员工？如果是前者，我应至少找几家？又如果是后者，应找几家？又，如果我要进行跨层次的研究，抽样的标准有差吗？此外，产业别该如何拿捏？我比较有人脉的是某一产业，可以只针对这产业进行吗？如果可以，我应如何自圆其说呢？

Kenneth

这是一个很好的问题。说来惭愧，我自己在抽样方面一般是比较松懈。因为在香港要找企业做研究很难，所以多半是靠国内的关系来收集资料。因此不可以要求太高，一般都是用方便抽样法（convenient sampling）―― 意思就是有谁愿意给我们做，我们就到哪里去收样本。
话说回来，如果是理想的话，应该怎样做呢？抽样的方法是跟你要推广（generalize）的程度有关系的。你在一家企业抽样，就有危机是结果只在这企业是才是这样。如果你只对生产线的员工抽样，就有可能结果只对生产线的员工才是这样。所以，除非你是随机的抽样，不然的话，就总要向评审交代为什么你想这个样本是有代表性。所以很多时候作者会解释这个样本跟整个企业的员工的「年龄」、「性别」、「工龄」等都差不多。而没有特别的理由去怀疑这个企业有什么特性让研究结果不能推广到其他企业。因此，多研究几家企业总比在一家企业抽样为好。一般如果能做三四家企业就不错了。至于要做什么产业，原理也是一样的。  Kenny

继续请教Kenny一个问题，原来看到有的作者会解释样本跟整个企业的员工的「年龄」、「性别」、「工龄」等都差不多时，也不是非常明白。因为我们我们关注的总体似乎应该是所有员工的总体，而不单是这家企业；而且如果我们调查分析是变量间的关系，而不是均值的话，那么可不可以只在数据分析的过程中控制这些变量，而不对样本结构要求很高呢？谢谢！

Kenneth

(1)问：原来看到有的作者会解释样本跟整个企业的员工的「年龄」、「性别」、「工龄」等都差不多时，也不是非常明白。因为我们我们关 注的总体似乎应该是所有员工的总体，而不单是这家企业；
回应：如果你的样本连相对于整个企业都没有代表性的话，怎么可能可以代表所有企业的所有员工呢？因为你根本没有所有员工的总体的数据，所以这是你能做的最基本的比较和要求。

(2)而且如果我们调查分析是变量间的关系，而不是均值的话，那么可不可以只在数据分析的过程中控制这些 变量，而不对样本结构要求很高呢？
回应：我只是用了几个例子（如年龄、性别、工龄等）的人口特征（demographic characteristics），来说明你的数据「是有代表性」的（「有代表性」就是说跟「总体」population差不多）。这并不是说这些人口的特征会影响你的因变量，与控制变量一点关系都没有。当然，如果很多研究人员都希望控制这些人口特征变量，但是那是另外一回事了。   Kenny