[系统转发] 管理研究理论和贡献探讨 2

早星星

问:Kenny,非常感谢您为中国管理研究乃至世界管理研究所做的卓越贡献.想请教您一个问题:能否请您举例详细介绍如何绘制二维交互作用图?

早星星

问:请问如何写一个符合A类国际期刊要求的文献综述?

依循着「抽样的方法是跟你要推广（generalize）的程度有关系的」这大原则，我大致明白我问题的答案。谢谢。
针对您115楼117楼的回复，希望您可以再多敎一些。1. 如果我是进行跨层级的研究，家数至少要多少？每家员工至少需多少？2. 在便利抽样下，依您的经验，有哪些说法可以说服读者与评审该现象是可以概括（generalize）至其它产业的？3. 您提到「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。」，这里的「另外一回事」是指哪回事？我对控制变项的理解是当某些变项对于我研究想探讨的DV有解释力，但这些变项并非是我想探讨的，这时，我才需将它以控制变项处理。（不知这样的认知对否？）但为何我发现常常很多研究并不是因为如此，可是仍将人口变项作为控制的项目。

Kenneth

问:请举例详细介绍如何绘制二维交互作用图。
回應：
如果你的問題是M調節X→Y的關系。驗證調節變量（或交互作用）都是看X*M項是否顯著。所以要在你的數據內建立一個新的變量，叫做XM（是等于X*M）然后做以下回歸：
     Y = bo + b1 X + b2 M + b3 X*M 
（注意：X與M一定要在回歸方程里，不可以單單以Y向X*M做回歸）。如果系數b3是顯著的話，就有交互作用的證據了。接著，我們要看一看交互作用的形式是怎樣的。所以就要做你講的「二维交互作用图」。做的方法有兩個：
（1）把數據按M的大小順序排列，然后找M的中位數（暫時叫做Mo）。把數據以Mo 為中心分為兩組。用M<Mo的一半數據做一個回歸分析，假設叫做：
Y = c0 + c1 X   (M<Mo)
同樣，用M>Mo的一半數據做一個回歸分析，假設叫做：
Y = d0 + d1 X   (M>Mo)
這兩條直線就是你用來畫「二维交互作用图」的兩條直線。
（2）另外一種方法是先找M的平均數（暫時叫Me）和標準差（s）再把數據按M順序排列。然后再把數據分成三組：
第一組是M < (Me – s)
第二組是 (Me – s) < M < (Me + s)
第三組是 M > (Me + s)
然后用第一組和第三組的數據各自做一個Y對X的回歸。假設結果如下：
Y = f0 + f1 X              [M < (Me – s)]
Y = g0 + g1 X              [M > (Me + s)]
這兩條線就是你用來畫「二维交互作用图」的兩條直線。
方法一把數據分成「高M組」和「低M組」。方法二只用極端的M的數值來畫線。可以叫做「很高M組」和「很低M組」吧。     Kenny

Kenneth

问:请问如何写一个符合A类国际期刊要求的文献综述?
回應：這個問題很難回答。主要的目的是要看你做的是什么“文献综述“（例如是定性的還是定量的）；你做“文献综述”的目的是什么（例如是發展理論，還是總結過去的知識）；和你到底要發到什么 “A类国际期刊”？（例如Journal of Management算不算“A类国际期刊”？）我姑且從以下幾個角度來講一下吧。
（1）如果你希望到Academy of Management Review這一類的期刊的話，在總結過往的文獻之余，如果沒有新的理論的貢獻的話，是很難發表的。所以你會發覺AMR的很多文章都在總結文獻以后提出新的（理論性的）假設的。
（2）如果你是做定量的元分析的話，就看你要到什么期刊了。有一些會接受一些純粹的元分析的。比如Journal of Applied Psychology, Journal of Management 等。有一些一定要在元分析以后，再做理論的開發和驗證的（比如是Academy of Management Journal）。
（3）如果你是想做定性的總結分析的話，綜述是“好”還是“不好”就要看你總結出來的是什么東西了。重要的是我看完你的綜述以后，到底我學到了什么東西？一個綜述的最主要目的不是你幫助我看了過去的文章，所以我不用再看。我常常看見有人寫綜述的時候，會講：「過去的文獻可以分為兩大類。第一類是研究什么什么，得到的結果大概是什么什么。第二類是研究什么什么……」然后到最后就老套的講一講這些研究一般的缺點等等。如果這樣就叫做好的綜述的話，我很難想像什么的綜述不可以在一流的期刊上發表了。所以對我來講，好的綜述的三大要求是（1）一針見血。意思是你看見人家不一定看見的現象。（2）承先啟后。你看見文獻里的問題，而同時可以提供出路。更重要的是可以為整個領域打出一些新的路向。（3）自立門戶。最理想的當然是總結了整個文獻以后，你可以建構一些關于這個文獻的初步理論了。      Kenny

Kenneth

（1）問：如果我是进行跨层级的研究，家数至少要多少？每家员工至少需多少？
回應：我猜你講的“跨层级研究”應該是multilevel analysis吧。我對HLM不很熟悉，印象中沒有見過有人敢厘定between-group（組間）和within group（組內）的樣本大小的一個“一般性”的標準（就好象type I error < .05；NNFI>0.9等）。以我有限的認識，樣本的大小跟你的設計、statistical power和effect size都有關系。其實無論組間也好、組內也好，HLM都只是一個回歸分析。如果你的樣本數是3，你的回歸分析的樣本量就是3。你可以想象一個只有樣本量等如3的回歸有多可信嗎？
我猜其中一個更重要的問題是在有限的資源的前提下，到底是“組間”的樣本量比較重要，還是“組內”的樣本量比較重要？其實HLM在估計的過程里會自動的看“組間”與“組內”的誤差，因而作一個加權的估計。不過話雖如此，我好像看過一篇文章講過一般的情形，“組間”的樣本量應該比“組內”的樣本量更重要（你可以參考Tom Snijders的其中一篇講這個問題的文章 http://stat.gamma.rug.nl/sampling.pdf）。

（2）問：在便利抽样 下，依您的经验，有哪些说法可以说服读者与评审该现象是可以概括（generalize）至其它产业的？
回應：我不太喜歡你這樣問。這個問題好像違背了我們做研究的目的。我們的目的不是「在既有的情形底下」，去想一些“方法技巧”去說服評審。相反的，我希望講的是在便利抽样下，有什么方法才知道自己的樣本是不是有代表性。這個問題我115到117樓已經講過了。

（3）問：我对控制变项的理解是当某些变项对于我研究想探讨的DV有解释力，但这些变项并非是我想探讨的，这时，我才需将它以控制变项处理。但为何我发现常常很多研究并不是因为如此，可是仍将人口变项作为控制的项目。 
回應：這是個好問題。你在這里講的態度是對的。理論上是我們知道應該有影響的變量，而又跟我們的理論無關的，我們才會控制。我看很多時候我們根本不知道人口变项對因變量有沒有影響。所以「以防萬一」，就把它們都控制了。所以有人才會建議，首先把重要的人口变项（如性別、年齡等）都控制，然后在第二次的分析時再把不顯著的人口变项剔除（雖然這個我倒不太同意）。       Kenny

如果依照您对于好的文献综述提出的这三大要求回顾您过去的研究（例如：JAP(2004)、AMJ(2005)、AMJ(2007)、LQ(2002)），请问您觉得哪一个研究的文献综述最符合这三点？最适合我们学习？此外，如果可以再重新进行这些研究，您最想改进哪一个？为什么呢？
希望您不要把我的问题解读为我在挑战您。这问题是我老师在敎我们进行文献评论时，最常问我们的。难得刚好您今天提及这问题，很想听听作者您的看法。希望您不会误解，更希望您别要求我先讲我的看法 :-(。谢谢。
非常谢谢您123楼的教导与指正。

Kenneth

問：如果依照您对于好的文献综述提出的这三大要求回顾您过去的研究（例如：JAP(2004)、AMJ(2005)、AMJ(2007)、 LQ(2002)），请问您觉得哪一个研究的文献综述最符合这三点？最适合我们学习？
回應：在我回應以先，我要澄清一下。我“以為”「文献综述」的意思是“literature review”。如果是的話，我從來沒有寫過 review paper。但我回應你的122樓的時候，我一直講的都是review paper，而不是empirical piece。你引的 EI、LMX、SHRM文章（希望我沒有記錯）都不是review paper來的。所以，你到底想我講什么？     Kenny

真抱歉！看来我没把我的问题说清楚！
首先，122楼的提问人不是我。我是看了您的响应才有124楼的问题。其次，empirical piece不是都包含了您所谓的文献综述（literature review）这部分吗？我只是想了解您怎么发展您empirical research中文献综述此部分。这就是我想你讲的。
如上述的文字说明仍让您困惑，我很愿意“亲口”向您再说明！再次致歉！！

Kenneth

OOPs! Wen, 看来要吗是你错，要吗是我错了。我是读了「早星星」的119楼的问题：「如何写一个符合A类国际期刊要求的文献综述?」后，以为他（她）的意思是问「如何写一篇符合A类国际期刊要求的“review paper”?」。所以才回答了三个我想到的原则：一针见血、承先启后、自立门户。看来你的解读可能更准确。「早星星」的问题更可能是：「如果写一篇实证（empirical）的文章，前面的literature review的部分应该怎样写？」那我的三个原则就不适合了。你是问我后者的问题吗？   Kenny