[系统转发] 管理研究理论和贡献探讨 2

    kenny,您好，请教您几个问题：
    第一，我看国内许多利用上市公司数据进行实证分析的文章，在提出变量后，大多并没有计算各变量的相关系数矩阵，后来看国外的文献也存在这种现象。是不是上市公司数据可以不用计算相关系数矩阵呢，还是另有别的原因？
    第二，进行线性回归的时候，很多利用上市公司的文章似乎也很少提到对于共线性、异方差以及自相关等问题，是不是这些已经在构思时已经考虑了，或者另有其他原因呢？
    第三，回归分析中自变量与因变量的分布是否有什么要求，我看许多书上都不一致。
    看过kenny的博客，才感觉真真找到了家园。
    谢谢kenny。
    

Kenneth

提督大人，你问的都是很好的问题。能够问这样的问题，代表你的统计修为有一定的水平了。所以，我不要班门班门弄斧，如实的告诉你好了。
第一、 不报告相关系数矩阵，是训练的不严格。没有相关系数，将来人家怎样做元分析（meta analysis）呢？
第二、 进行线性回归的时候，不提共线性、异方差以及自相关等问题我猜有两个原因。（1）一般能找到期望的分析结果时已经很开心，“不敢”再看其他的分析了。（2）在一般的情形底下，回归分析对于违反假设（包括共线性）是蛮robust的（对不起，不知道robust的中文翻译）。意思是当回归的假设是错的时候（比如自变量是相关的），对估计不会影响很大。不过，正确的态度是首先应该看一看像VIF这一类的指标的。（3）一般的抽样都是随机的。除非在设计上看出有“自相关”的可能，一般都会假设没有问题的。另外，对于上市公司的分析这问题应该不大，因为一般都会把（t-1）的因变量作为其中一个自变量。
第三、 以我模糊的记忆，回归里的自变量应该没有要求。因变量对于每一个自变量的分布应该是正态分布，平均是预期的因变量，方差是一个常数（等分散性，homoscedasticity）。但是如果你谈的是相关系数的话，就好像要求双变项常态分配（bivariate normality）了。
Kenny

Kenny, 请教您一个问题:什么是研究问题?能否请您尽可能详细具体地并举例说明?.

Kenneth

早星星，你这个问题真的把我考起了。最简单的说，「研究问题」（research question）就是要「研究」的「问题」了。其实我不知道怎样才是“尽可能详细具体地并举例说明”。你给我的感觉有点像猜灯谜。我要知道你在想什么，才可以给你一个“你期望的”答案。如果什么指引都没有，真的要我再定义的话，我就把「研究问题」定义成为你做这个研究的目的，是为了解决什么问题。解决问题的目的跟你要解决的不同问题有关，比如：
（1） 你可能要解释一个管理现象。如果是这样的话，你的问题就变成了“你提的理论的内容是什么”（理论是用来解释管理现象的）？用Whetten（1989，Academy of Management Review）的框架，理论包括：
（a） What（什么）？要解释这个管理现象要考虑什么因素或变量？
（b） How （如何）？这些因素或变量如何联合起来产生该现象？
（c） Why（为什么）？背后运作的机制是什么？如何运作？为什么会这样？
（d） Who, where, when （谁、哪里、何时）？有没有其他的边际条件影响该理论的运作？
（2） 你研究的题目可能要从新定义一个构念。你可能基于文献或理论，点出现存的问题，重新定义一个构念（像Van Dynn, 1992年重新定义OCB一样）。
（3） 你研究的题目可能要发展一个新的量表或是测量的工具来测量一个构念（像Farh, Zhong & Organ, 2004 发展一个中国的OCB 量表一样）。所以你可能会用归纳（induction）或演绎（deduction）的方法来发展一个新的测量工具。
（4） 你可能在方法上改进，重新验证一个已经知道的研究问题（比如用结构方程建模，而不是用回归分析）。
（5） 你可能在不同层面研究同一个现象，比如从个人的「自我效能」(Self-efficacy)到团体的「小组效能」(Group Self-efficacy)
（6） 你可能希望总结一下某一个领域的研究结果（回顾，review）。
…… 这样下去，不同的研究问题，数之不尽。其实，只要你打开任何一本主流期刊，每一篇文章都是在问一个或几个「研究问题」的。你可以从它「假设」推导它的「研究问题」是什么。另外，一般好的文章在导论的最后都会写这篇文章的「特别贡献」。一篇文章的「贡献」就是它的「研究问题」了。   Kenny

   kenny您好，对您真诚、及时、详细并幽默的解惑，真的很感动，能直接向您这样的高手求教是我的荣幸。呵呵，又有三个问题：
   第一，实证数据取得后，什么时候应该进行数据的标准化？按照我的理解，既然数据都是用来验证正相关或者负相关的假设，也就无所谓追求实际的意义是什么，所以还不如一开始统统都标准化，但实际上我看有的论文在列相关矩阵的时候，并没有这样，而是对有关变量的均值以及标准差也列示了，那为什么不统统都标准化呢，有啥原因吗？
   第二，在《组织与管理研究的实证方法》中，您提到调节变量的检验中，为避免共线性问题，在构造方程的时候，自变量以及因变量应是未中心化的，交叉项是标准化的。我的疑惑是，如果自变量以及因变量不是同一个量纲层次上的，因避免共线性如果不是使用标准化的，对结果是否是否有什么影响？
   第三，在论坛中提到，论文主要还是要基于理论，首先要基于理论来解释现象，理论蕴含变量，而不能多个理论杂糅，以此为基础进行研究，这样才能体现出“理论贡献足”。我的疑惑是，每一个领域的理论毕竟是有限的，如何基于有限的理论来探索许多复杂的现象并予以实证，如何寻求突破点呢？另外，要是借助其他学科的理论来解释并予以实证，通常的一般做法是怎样？
    第四，都说中国的问题不同于西方国家的，所以照搬国外的肯定是不对的。那么中国的特殊背景主要有哪一些呢，诸如：面子、关系、二元经济、一股独大、官府意志都是，在企业行为研究中（比如企业汶川地震捐赠），有哪一些诸如此类的特殊背景呢，kenny，您能列示一下吗？
    第四，这个问题与第三个问题是承接的。在考虑了中国的特殊背景之后，将其纳入经典理论中，要想“理论贡献足”的话，该如何突破？
    看过您这个博客，我真的很激动。再次感谢kenny。

Kenneth

     第三，在论坛中提到，论文主要还是要基于理论，首先要基于理论来解释现象，理论蕴含变量，而不能多个理论杂糅，以此为基础进行研究， 这样才能体现出“理论贡献足”。我的疑惑是，每一个领域的理论毕竟是有限的，如何基于有限的理论来探索许多复杂的现象并予以实证，如何寻求突破点呢？另外，要是借助其它学科的理论来解释并予以实证，通常的一般做法是怎样？ 
回应：这是一条大问题，可以用来考资格考试了。不过简单的回答是，我并不反对同时验证几个理论。比如，影响企业行为的可能是「资源理论」（RBV），也可能是「博弈论」（game theory），也可能是「交易成本理论」（transaction cost theory）。如果你在验证一个新的视角时可以同时控制了这三个理论，那是不可多得的。我只是说不一定有这个必要。我的意见是尽量让新的理论视角有一个“出头”的空间。所以，如果你是提一个新的视角出来，只要我看不见（主观的）跟现有的三个理论有严重的重叠，我会接受你单单验证你的心视角，而不需要同是控制这么多现成理论。等你的新观点慢慢有明显的证据，被人家接受以后，我们就可以用你的新视角跟现成的理论比较，看看哪一个更能预测企业的行为了。
你说“每一个领域的理论毕竟是有限的”，那正是提新的视角的大好机会。有些领域理论已经太多了（像“领导学”），要提一个全新的视角就很难了。
“如何寻求突破点呢？”我一直的建议都是一样。第一、多与企业接触，不要闭门做车。第二、多看其他学科（如社会学、人类学、经济学）的东西，看看可不可以借过来用。第三、就是个人的洞见和领受了。多与人讨论，多听、多读、多体会、多接触，有一个敏锐开放的心，这个万变不离其中的真理。
“要是借助其它学科的理论来解释并予以实证，通常的一般做法是怎样？”这个问题我不太明白。我唯有用一个例子来解释。我可能辩说开普勒（Johannes Kepler）的行星运行定律是可以运用在核心企业与网络企业的关系上。一个核心企业为了减低运输的成本，其网络企业都是跟它的距离差不多的。所以、其网络企业在地图上应该大致是一个椭圆形围绕该核心企业。如果我的辩说是有道理的，到底可不可以把「开普勒定律」应用到企业上就是一个实证的问题了。

      第四，都说中国的问题不同于西方国家的，所以照搬国外的肯定是不对的。那么中国的特殊背景主要有哪一些呢，诸如：面子、关系、二元 经济、一股独大、官府意志都是，在企业行为研究中（比如企业汶川地震捐赠），有哪一些诸如此类的特殊背景呢？ 
      
回应：这是一条更大问题，是考资格考试的好题目了。我个人是一个「普遍主义者」（universalist）。我的信念是在西方找到的很多管理理论，其实是完全可以用在中国的。这个问题可以分成两个部分来讲。
（1）第一、什么叫做“中国的特质”？可能是我的训练吧，我的看法是人类的“共通性”，比他的“跨文化性”要大得多。意思是，管一群中国人和外国人，他们类似的共同法则比文化的差异要大。所有的人都是给他“激励”他就会努力的干。所有的人都是我（主管）对你好你（员工）就对我好，帮助我完成任务。
（2）第二、我的看法是「企业的文化」的影响不一定比「国家的文化」为低。一个重关系（teamwork）的企业，就算在一个完全的个人化的社会也会引起员工真诚的合作的。
（3）第三、我的观察是中国人是一头变色龙。一个跑到外资企业工作的中国人，跟一个在国有企业工作的中国人是不一样的。（当然、自我选择也可能是一个重要因素）。曾经有一位学者跟我打赌，再过50-100年后，在全球一体化的大浪潮冲击下，「中国式的管理」将完全消灭。还记得「乡镇企业」的研究在上一个世纪如雨后春笋，但是现在这些研究跑到那里去呢？
不过，话说回来，我也不是说「跨文化研究」完全没有意思（我自己也做很多）。不过知己知彼，做的时候要知道自己在做什么。就算单是要贡献这50到100年的中国发展，也不会是没意思的。
最后，你发觉我没有回答你最后一个问题。因为它牵涉太广了。我是有看法的，不过篇幅所限。如果你有兴趣，请多给我一点引子（最好有你的意见的），我们下一篇再讨论。好吗？    Kenny

Kenneth

回复 南方提督222楼 (Kenneth)
您好！你越问越专业，越广泛，我的感觉像在考博士班的资格试一样。：-） 唯有尽我书包里的东西跟你分享一下吧，希望能令你满意。

    第一，实证数据取得后，什么时候应该进行数据的标准化？那为什么不统统都标准化呢，有啥原因吗？ 
回应：我同意你讲。既然有兴趣的是相关，做不做标准化其实没有分别。不过，有时候不标准化是有好处的。比如，在一个7-分量表中，如果平均是6.2，那就表现了数据非常不平均了。同样的，有时候有些变量的标准差特别小，也令人怀疑数据的质量。

    第二，在《组织与管理研究的实证方法》中，您提到调节变量的检验中，为避免共线性问题，在构造方程的时候，自变量以及因变量应是未中心化的，交叉项是标准化的。我的疑惑是，如果自变量以及因变量不是同一个量纲层次上的，因避免共线性如果不是使用标准化的，对结果是否是否有什么影响？ 
回应：首先，我的中文不太好，什么叫做“不是同一个量纲层次上”？我的了解是在做回归分析的时候，任何的“直线转换”（linear transformation，比如“中心化”）都不会影响系数的显著性的。我们可以随便把x变成a(x)+b都不会影响回归系数的显著性的。但是，调节项如果“中心化”后，共线性就可以减低了（Aiken, L.S. & West, S.G.，1991，Multiple Regression: Testing and interpreting interations, Newbury Park:Sage.）。何乐而不为呢？如果不“中心化”，上次我讲了，回归分析是蛮robust的，一般情形不一定有影响。但是当共线性较严重时，我的经验是可能显著的x和m（调节变量）当加进x*m后，三个变量都可能不显著的。……<待续>

    Kenny，您好，首先还是感谢您无私的回复，占用您的时间，多谢了！这次我的问题是这样的：
    第一，首先还是回到上次最后一个问题：在考虑了中国的特殊背景之后，将其纳入经典理论中，要想“理论贡献足”的话，该如何突破？比方说，在中国的公司治理当中，“一股独大”就是一个特别的现象，因为一股独大，就滋生出了很多与西方公司不同的问题，诸如资本结构的选择、企业社会责任行为的目的等等都不一样，甚至极端的情况下，与国外的许多现象是截然相反的。就诸如此类的问题，可能就难以完满解释，那么要想有理论贡献的话，是不是就是修正理论的情境适用性，或者其他什么办法？针对此问题，或者也可以换一句话说，在将国外经典理论来解释中国现象的时候，可能更多应该注意哪些问题，进一步，要想检验并予以实证的话，发现与国外不一样，这样贡献有意思吗？
    第二，我看一些质量比较好的期刊的文章，尤其是实证的文章，总有这种感觉，如果看看文章的假设，即使实证予以检验了又怎样，因为想想基本上也是那么回事，很难找到一种激动人心的感觉，相反反而是那些“说说”的文章（比方说AMR）比较有意思。当然实际上不是这么回事情，这些实证文章自有它的妙处，Kenny，您认为造成我持这种观点的原因是什么？我也说不清楚，当然这与自己的水平不够有关系，您能大体教我几招欣赏一篇实证文章的妙处何在吗？
    第三，我目前的研究主要是偏向针对上市公司的二手数据的，这与通常管理里面问卷调查获得的一手数据的研究应该有点差别。Kenny，您能谈谈针对二手数据的结构方程与一般问卷所使用的结构方程的使用差异吗？
    第四，一个关于统计的问题。在线性回归中，如果是一元的话，要是数据经过标准话之后，相关系数与回归系数是相等的，要是数据未标准话的话，那么回归系数等于相关系数乘以自变量以及因变量的标准差（自变量与因变量的协方差）；如果是二元或者多元以上的话，若数据已标准化，回归系数就是该自变量与因变量的偏相关系数，如果未标准化的话，那么回归系数是否等于偏相关系数乘以该自变量以及因变量的标准差呢，对这一点不是很肯定，请您确证或者解释一下。
    真的很辛苦kenny了，向您问候！

Kenneth

谢谢您的关心，我已经慢慢恢复过来，现在像个“人”了。如前一样，你的问题很有深度，不容易回答，我试试吧。

第一， 在将国外经典理论来解释中国现象的时候，可能更多应该注意哪些问题，进一步，要想检验并予以实证的话，发现与国外不一样，这样贡献有意思吗？ 
回应：严格来说，理论无分中西与国内国外。我常常说，我们讲的所谓“中国现象”很多都可能是现有理论（所谓“西方理论”）的延伸，或是边际效应。举例来说，不是“中国人”没有「自我」概念（self concept），而是在群体性比较高的文化里面，个人的「自我」就不明显了。又比如不是“中国人”的家长式领导是不是有用，「家长式领导」的研究在南美州很早已经有了。你讲的“一股独大”也不是“中国”的现象。所以，如果要发展理论的话，应该问的问题是到底是“一股独大”影响了企业行为？还是“中国企业的特色”影响了企业行为？还是“一股独大”在“中国”影响了企业行为？还是“发展中的国家的控股特色”影响了企业行为？还是“不完全的市场竞争条件”影响了企业行为？理论是抽象的，单单说“中国”跟“西欧”不一样不是理论贡献，解释和证明它们问什么不一样才是理论的贡献。从我的经验，如果我们从这个角度来看的话，大部分的“西方”理论还是合适的。在中国（发展中国家、重团队、重关系的文化）这个环境底下，可能要修改一下。就好像是从“完全竞争”推广到“不完全竞争”。所以，简单的回答你的问题，“这样贡献有意思吗？”，是“有的”。但是，有一个条件，就是你是在推广“理论”，而不是单单的证明有分别。请注意，我讲的是推广「理论」，不单是一个简单的解释。

第二， 我看一些质量比较好的期刊的文章，尤其是实证的文章，总有这种感觉，如果看看文章的假设，即使实证予以检验了又怎样，因为想想基本上也是那么回事，很难找到一种激动人心的感觉。您能大体教我几招欣赏一篇实证文章的妙处何在吗？ 
回应：我觉得很难教你什么秘诀，因为我的感觉跟你的一样。：-（
如果你有留意最近几年的学术杂志，不停的讲的就是我们要“理论贡献”（theoretical contribution）、“有趣的”（interesting）和“实用的”（relevant）。但是在这个要求“数量”的社会里，哪里有时间想一个有理论贡献的研究出来呢？为了发表，最实用的战略就是「方法无破绽、贡献有一些」。如果方法有问题，或是结果不如意的话，你的理论有多漂亮也没用的。因为这是违反了“实证逻辑”的方法。我不停的说西方是走歪了，就是这个原因。本来最理想是在AMR发表的理论，就在AMJ里面验证的，但事实上很少是这样。

第三， 您能谈谈针对二手数据的结构方程与一般问卷所使用的结构方程的使用差异吗？
回应：你已经把我问倒了，我的「书包」里没有这件东西。二手数据跟一手资料其实没有很大的分别，我知道的就是二手数据往往是有横向的（cross-sectional）与纵向的（longitudinal）的数据同时存在，统计上叫做panel data。本来，我已经想研究一下panel data的分析方法（主要是随机项相关的问题，也有层面的问题）很久了。但是我是主要做调研的，学了也没有机会用，所以就一直搁置下来了。

第四， 在线性回归中，如果是二元或者多元以上的话，若数据已标准化，回归系数就是该自变量与因变量的偏相关系数，如果未标准化的话，那么回归系数是否等于偏相关系数乘以该自变量以及因变量的标准差呢? 
回应： 为了简单一点，我就拿两个x来做例子吧。如果我们把y回归到x1和x2去。x1的标准化回归系数是：
           β1 = (ry1 - ry2 r12) / (1 - r12^2)
注：ry1 是y与x1的相关；r12^2 是r12的平方；/ 是除的意思。
所以，当x1与x2不相关时（r12=0）β1就是ry1；回归系数就是y与x1的相关系数。
上面的公式有点像「半偏相关系数」（semi-partial correlation）,但是「半偏相关系数」的公式是：
           r y(2.3) = (ry1 - ry2 r12) / sqrt(1 - r12^2)
注：r y(2.3) 是半偏相关系数；sqrt 是平方根。分母多了一个“平方根”。
如果是没有标准化的数据的话，回归系数就是：
          b1 =β1 × Sy / S1
注：Sy 是y的标准差；S1 是x1的标准差。
Kenny

kenny，非常感谢您，劳累您了。在美丽的西子杭州真诚的祝您身体健康！快乐！您就是我们的榜样。