[系统转发] 管理研究理论和贡献探讨 2

谢谢Kenny的答复。不知道我原来理解的是不是有一些错误。我的理解是，我们分层抽样保证样本结构与总体一致这种做法虽然是为了保证样本有代表性，但它背后隐含了一个假设，即用来分类的这些重要的属性特征可能会对我们研究的结果变量会有影响，所以才需要关注，使得在样本中找到的结果不要因为这些人口变量的结构与总体不一致而发生偏差。所以我一直以为，从另一个角度说，这本身也是控制人口变量对结果影响的一种方式。这样理解是不是不太准确呢？

是的！谢谢。但我并不确定是否正确解读了「早星星」119楼的问题。

我一直弄不清是否要检定群组或是组织对个人的效应时，就必须使用HLM?是不是一旦我的研究问题有涉及非个人层次的构念，就需考虑用跨层次的统计方法？先致谢了，Kenny！

Kenneth

如果性别对因变量（Y）有影响，只有女的对Y有影响，男的不会。如果你抽样是是一半男、一半女，是否已控制了性别的影响呢？  Kenny

Kenneth

我已经讲了，我写这几点是针对review paper而写的，不是讲empirical paper的literature review 的部分。至于那几篇文章有什么好，我也不是百分百知道主编为什么会接受，或者更正确的讲，为什么评审会喜欢。评价自己的东西往往是难的。我只可以猜测一下。因为要花点时间去解释，而且很多原因是这个特别的领域的问题，跟方法没有关系的，等我有空的时候再慢慢分析吧。   Kenny

Kenneth

你的问题就好像在问研究两个变量的关系是不是一定要用相关分析一样。研究群组层面的变量对个人层面的变量的影响，问题是跨层面的，当然是要用跨层面的研究方法咯。但是不是一定要用HLM呢？那当然不是了。就像我上面的例子，你不喜欢相关分析，你可以用回归分析或是结构方程建模，但是万变不离其中，他们都是基于相关分析的工具（其实这个例子不太好，因为你是可以用主成分分析法的）。同样，你不喜欢用HLM，可以用跨层次的结构方程，或是其他的跨层次模型工具，但是来来去去都是跨层面的研究工具。你希望用简单的回归分析，不是不可能，但是不恰当。    Kenny

Kenneth

Wen，针对你问的几篇文章，我的回应如下。
1.JAP(2004)与LQ(2002) 都是关于情商Emotional Intelligence (EI)的。我猜两篇文章做的都是差不多，为要建立EI的研究地位。LQ(2002)的主要贡献是针对文献里错把EI当成是性格的一种表现。我们发展了量表，为要表明过去的研究结果是因为它们没有好好的把EI定义好，一致量表中混杂了很多性格的意味。所以在分析的时候就有EI是性格的一个维度的错误结果。JAP(2004)是第一篇用“非自评”的方法来证明EI是可以预测有关的变量的。我们叫父母评孩子的EI，叫同事评当事人的EI，也证明了就算没有CMV的问题，EI还是有预测能力的。
2.AMJ(2005)是第一篇解释LMX与Transformational leadership变革型领导关系的文章。过去研究LMX的人从不会理会变革型领导。但两者在领导学里面都有极大的影响了和贡献。我们的贡献就是揉合两个看似独立的研究领域。
3.AMJ(2007)其实我的贡献不多。我是第三作者因为我是这篇文章得到了R&R后才参加的。我主要的贡献是加进了失业率作为调节变量（这是一位评审的意见），并从新用ＨＬＭ做过一次分析，并解读分析的结果。理论的部分大部分不是我写的。我“猜”这篇文章其中一个理论的贡献是开始解释为什么HPWP会影响其他的变量。而且HPWP影响turnover也是一个新的结果。      
4.最后，你们问怎样写一个一流的文献回顾（literature review）这个问题我不会回答。根据不同的文章，解决不同的问题，和不同的贡献，文献回顾可以完全不同。如果简单的讲，就是利用回顾现成的文献，来解释为什么你在这个研究是由贡献的吧。       Kenny

Mr. SEM,
我在133楼因为时间关系，草草回了你的问题。我讲了我的看法，却没有解释，现在补上。
一般「群组」对「个人」的效应可以写成以下三条方程：

Yij = b0j + b1j xij + eij            (1)
boj = r00 + r01 wj + u0j       (2)
b1j = r10 + r11 wj + u1j       (3)

把 （2） 和（3）代进（1），我们有

Yij = [ r00 + r01 wj + u0j ] + [ r10 + r11 wj + u1j ] xij + eij

Yij = r00 + r01 wj + u0j + r10 xij + r11 xij wj + u1j xij + eij

Yij = r00 + r10 xij + r01 wj + r11 xij wj + [ eij+ u0j + u1j xij ]                  （4）

从上式我们看见了，如果「群组」对「个人」的效应有影响时（也就是方程2和3 成立），「个人层面」的因素（xij）和「群组层面」的因素（wj）和它们的交互作用（xij wj）都同时影响Yij。不单如此，就算你把三个变量都放进回归里，一层的回归分析（方程4）还是有问题的，因为它的误差项是[ eij+ u0j + u1j xij ]，里面不是完全随机的。eij是随机的；u0j也是随机的；但是（u1j xij）并不是随机的，它是xij的一个函数。所以方程（4）不可以用普通的回归分析来估计。也正因为这个原因，我说它是不恰当。      Kenny

谢谢您进一步的说明解释。对于HLM的相关知识，我涉猎很少。我不懂为何您说「但是（u1j xij）并不是随机的，它是xij的一个函数。」？

Kenneth

u1j 是一个随机项。举例来说，它应该是正态分布的（我们的假设），它的平均值是0，方差是τ11。随机的意思是理论上来说，它可以是-∞到+∞，虽然它很大可能是在0附近，而且有99%的机会是在（+-3τ11）附近。但是，现在这第三个项目是（u1j ）×（xij）了（第一和第二个随机项目是 eij和u0j）。意思是它再不是随机的等如什么都可以。比如u1j可能随机的等如.01（很小），但是如果xij=10,000 的话， （u1j xij）就变成是100（蛮大）了。由于这个项目是随着xij而改变的，所以我说「它是xij的函数」。同一个理由，它就变成不完全随机了（因为它受着xij的影响，不是随着机遇等如什么都可以了）。      Kenny