[系统转发] 管理研究理论和贡献探讨 2

对267楼一点更正：
交互项Beta系数是如果是负，意思是调节变量增加时，会减弱了原来自变量因变量之间的正向关系，或者是加强自变量因变量之间的负向关系，所以要看原来的关系。

266 Twotwo  (xinxin) Xinxin，您好！感谢您耐心和详细的答复。
您的答复很清楚。但是我希望确认一下操作，以免误报我的情况。
（1）关于题项合并到团队层面的问题。我的操作步骤如下：
A.在个人层面做因子分析，从而得知每个因子所对应的题项。计算因子所对应题项的均值，那么，计算所得的每个因子的分值作为构念的维度在个人水平的得分。
B. 计算ICC（1），ICC（2），Rwg值，把指标值不符合要求的组别删除。从而保证个人层面的数据可以合并到团队层面。
C. 通过SPSS中Aggregate指令，以团队组别作break，计算各个组别在各个维度的均值。从而得到各个维度在团队层面的得分。用这个得分作相关分析、回归分析，检验调节变量的作用。
请问上述操作步骤合理吗？

（2）相关分析检验的操作。因为我在吴明隆的书上看到，回归分析之间，要作相关分析的检验。以下是求相关系数的操作正确，如有错误或者更好的办法，请指出。
使用Analyze->correlate->bivariate->把控制变量、自变量、调节变量、因变量全部放入variables框中，从而获得相关系数矩阵。

为了清楚说明我碰到的问题，补充说明一下我的研究内容。研究问题是集体领导力与团队创新能力之间的关系，调节变量是信任的水平。上述三个变量都是运用已有的公开发表的量表测量的。控制变量是团队所在的行业和团队的人数。层级回归的步骤是：因变量是创新能力，接着，在block1加入两个控制变量，block2加入集体领导力和信任，block3加入中心化后的集体领导力和信任的交互项。结果，Model3的adjusted R square为0.465，标准误为0.409，R square change0.076，F change检验显著。ANOVA中model2和model3的F检验显著。回归系数中，模型2的beta值的t检验均不显著，模型3中beta值只有交互项显著。Tolerance都在0.2以上，VIF在5以下，CI值在model3最大到了51。我的理论假设是信任水平能增强集体领导与创新能力之间的关系。所以期望beta值应该是正的。现在，Beta值是负数，和理论估计刚好相反。我想是变量之间多重共线性的问题。但是不知道怎么解决。现在打算：
（1）删除选择都是一个数字的问卷。
（2）对题项作相关分析，把相关系数太高的题项删除。
（3）重新回收问卷（太可怕了）。
现在很彷徨，恳请您再指教。

Kenneth

看到了你的描述，我总体来讲很怀疑你的数据。在如何处理的问题上，我试试讲一点我的观察：
     第一、Xinxin 讲的对，CFA因该是在“总合前”before you aggregate the data（你叫做“分组前”）做的。主要原因有二：（1）你希望了解的是，在作答者心里，项目是否有一定的规律。（2）总合了以后，样本数（sample size）就变得很小了。我建议你在做任何的分析之前，都问一问自己“为什么”你要这样分析。不要单是人家说要ICC，你就计算ICC。人要CFA，你就做CFA。
     第二、总合后变量的相关会自然的增加的，这是一个必然的现象，因为随机的误差给你除掉了。但是如果一阶相关（Pearson first-order correlation）超过.75，那就很危险了。
     第三、我很少看见研究者会把Rwg低的组别删除的（除非你的小组数很大），因为组的数目（k）小了，可能比误差的影响更大。另外，对整个样本ICC只有一个数。你看ICC是不会知道“应该”删掉那一组的。
     第四、我没有“吴明隆的书”。不过我猜你讲的是在做回归分析以前，首先看一看「一阶相关系数」。这是对的。但是跟你讲的在“项目的层面”计算相关，把相关高的项目除掉，完全不同。正如xinxin说，我绝对不同意。
     第五、你尝试“删除选择都是一个数字的问卷”，这我是同意的。如果整个问卷的答案都是同一个选择，我猜很有可能填的人不很认真。
     第六、Change in R-sq=.076，F-值虽然显著，但是结果明显不强，很有可能是随机误差（尤其当你的小组数目k不是很大的时候）。
     第七、我希望你能了解，做数据分析，不是“要得到你想得到的结果”。你给我的印象是用尽各样的方法，把相关（或是结果）“变成”你希望的结果。那收集数据来干什么呢？不如说：「我觉得对就是对」不是更简单吗？一般的数据分析，某程度的“处理”（比方删除数据点、尝试用不同的方法来分析等）是可以接受的。但是，我希望我们“处理”不是为了得到我们预期的答案，而是希望得到一个更准确的估计。

回复 269楼 (Kenneth)
Kenny, 您好！多谢您的回复。我承认自己的确存在依样画葫芦的问题。因为没有系统学习研究方法论，所以很多问题都是一知半解，人云亦云。到了实际操作的时候，就是走一步算一步了。这也是我为什么很想去中大旁听您的课程的原因，希望自己对研究方法论有更系统的认识，而不是记住几个指标和操作。
第二，您提出一阶相关的问题后，我计算了各变量在个体层次上的相关系数，显著相关的系数在0.286到0.728之间。我看过一种说法，一般认为0.3以下为弱相关、0.3-0.7之间为中相关、0.7-1.0为强相关。请问相关系数是不是在0.3-0.7之间才是合理的，表明维度之间既有区分度，又有一定的相关关系？
第三，我是通过看组内的Rwg值，删除了一个组别。之前我没有说清楚这个问题。我看到一些论文上面只是报告Mean Rwg值，的确没有说通过Rwg值删除组别的情况。我当时删除这个组的原因是这个组别在一个四维度的构念中，三个维度的Rwg值都接近0，甚至出现负数。我估计该组成员的观点差别太大，不宜做团队层次的分析，所以把它删了。这样做不好吗？
第四，第五点回复我没有异议。
第六，小组数目k是46.我想这个数字的确不算大。所以我早前问您，团队层次的研究需要多少个组才合适。
第七，我想您的批评是有道理的，您的劝告和提醒我也是接受的。但是我不是想通过删除题项或者数据来变成我想要的结果，而是想知道碰到这样的问题有什么解决的办法，避免因为我经验不足而贸然把数据放弃的情况。

Kenneth

##第二，您提出一阶相关的问题后，我计算了各变量在个体层次上的相关系数，显著相关的系数在0.286到0.728之间。我看过一种说法，一般认 为0.3以下为弱相关、0.3-0.7之间为中相关、0.7-1.0为强相关。请问相关系数是不是在0.3-0.7之间才是合理的，表明维度之间既有区分 度，又有一定的相关关系？ 
**Twotwo, 你讲的我大致同意。Cohen看了很多社会科学的研究，做的结论是相关在.1至.2为低；.3至.4为中； .5至.6已经算高了。一般高于.7的，评审就会开始怀疑了。

##第三，我是通过看组内的Rwg值，删除了一个组别。之前我没有说清楚这个问题。我看到一些论文上面只是报告Mean Rwg值，的确没有说通 过Rwg值删除组别的情况。我当时删除这个组的原因是这个组别在一个四维度的构念中，三个维度的Rwg值都接近0，甚至出现负数。我估计该组成员的观点差 别太大，不宜做团队层次的分析，所以把它删了。这样做不好吗？ 
**如果是这样极端的，我也会同意你的做法。

##第六，小组数目k是46.我想这个数字的确不算大。所以我早前问您，团队层次的研究需要多少个组才合适。 
**能够有46个小组，应该是可以接受了。你是不是每一个组里面很少人呢？

##第七，我想您的批评是有道理的，您的劝告和提醒我也是接受的。但是我不是想通过删除题项或者数据来变成我想要的结果，而是想知道碰到这样的问题有什么解决的办法，避免因为我经验不足而贸然把数据放弃的情况。
**我是明白你的意思了。对不起，我用语可能重了一些。只要你是认真的试图撇除误差，以防贸然把数据放弃，那就是好了。

Kenny,我今天把近十天收到的13个组的样本和原来的46个组的数据合并（组内人数是3-9个，均值是5.4），同时审视了数据表，把填的全是一个分数的12个个人样本删除了。计算个体层面的变量相关系数是0.273-0.662.但是数据合并到团队层面的时候，相关系数就变化到0.301-0.805。绝大部分相关系数都在原来基础上增加0.1，甚至0.2。在46个组的样本中显著的调节变量，现在都变得不显著了。
我有以下一些疑问：
（1）对于团队层次的研究来说，要满足相关系数是0.3-0.7接受范围似乎有些困难，因为计算个体层次的数据怕低于0.3，到团队层次的时候又怕超过0.7。请问对于需要把个体层次的数据合并到团队层次的研究来说，相关系数一般不宜超过0.7的标准是对团队层次的数据而言吗？
（2）数据被删除的小组是在我监督下填写问卷的。我相信他们都是很认真填写问卷的。因为在他们填写问卷之前，我还跟他们解释了我要研究的概念，访谈了他们的团队合作情况，我和他们谈得比较愉快，他们应该对我是信任的，而且不是为了应付我而填写问卷的。出现这么极端的数据，我开始怀疑问卷量表的效度了。这当中，可能是问卷翻译质量的问题，也可能是原来问卷的提法不太适合中国人的思维。您觉得这当中可能还有什么原因吗？
（3）原有46个组的数据包括9个组的学生样本，37个组的企业样本。后来合并的13个组，有10个组的学生样本，3个组的企业样本。相对来说，后面13个组的数据质量相对较好，因为我已经跟小组联系人强调要耐心认真地填答问卷。但是两次数据结果显示，数据结果不稳定，我要验证的假设无法得到证明。我想应该重新出发了，重新审视和修订问卷，等“成熟”一点的时候重新收集数据。不过，我仍然担心，即使再次收集问卷，也难以避免问卷填答者填答问卷时，喜欢报喜不报忧的情况。我打算把问卷设计成关于团队合作情况的部分由团队成员填写，对于团队绩效的指标由团队领导填写。请问我利用现有的数据审视问卷题项的有效性时，还需要注意什么问题？

Twotwo,对不起，今天准备一点东东，没来得及答复你前面后续的问题。不过Kenny回复得好清楚啊，又学到了很多呢。:)

第一个问题，我也不太清楚现在期刊评审中团队层面的相关系数什么标准可以接受哦。 

第二个问题我觉得应该不会是翻译的问题，翻译不好会导致信度或效度降低，但如果全部选项一样，很明显是答题者不愿意认真阅读题项，或者是他们大概猜出你想问的都是一类问题。不过如果只是团队中个别人的问题，只要剩下的还够，就不用把整组都删掉的。

（3）你说后面13组数据质量较好是指你单独用它们作为一个样本分析吗？如果是团队层面，这肯定不够的哦，结果也不可靠，虽然可能恰好验证了你的假设。
     另外，如果团队绩效的指标能由团队领导填写，那样最好了，不过新的数据就不能与原来合并了。所以建议如果要收，还是保留原来团队成员自评绩效的题目，同时加上领导提供的数据，可以对照一下。
     最后还有一个小小的建议，再次收数据可以前再看看理论是不是真的没有问题，还有提供数据的公司是否有特殊的内部结构特征。领导力在这个公司真的能直接影响到团队创新吗？因为会影响数据的因素太多了，可能慎重检查一下再去收数据比较好。

Kenneth

Twotwo,听到你的分享，我多讲几句。
1. 我不希望我们定下一个标准，说相关一定要在.3与.7之间，不然就是有问题。当我说相关大于.7我开始有点怀疑的时候，我不是说这是一个标准。不如，你的数据不是同源的，而概念上也相差很远，就算r=.72我也不一定说部可以接受。
2. 你说的是对的。我上次已经讲过，把个人评分加总后计算相关，一般会大一点的，因为个人误差给消掉了。我不是定下什么.7是上限的人。我猜主要原因是我们看见的普通相关（Pearson correlation）是还没有计算信度的。一般信度会减低看见的相关，如果rxy=.8，rxx=.8，ryy=.8的话，真正的相关就是Rxy=1了。这与个人层面的数据或是小组层面的数据是无关的。反正Rxy=1就是不能接受了。
3. 如过你相信做答者是认真填写的话，就算他们所有问题都填同一个数目，你也不可以把数据删掉。
4. 一般企业的数据和学生的数据是不会混起来的。因为学生多是在一个虚拟的环境地下受测试，与一个经理在工作的环境的参数不一定完全一样。我建议你把学生与非学生数据分开来分析。如果分组后的k是太小的话，试试首先看一看估计参数（Effect size）是否如你所期望的，如果是的，但是统计结果不显著，那就可以多收一点数据看一看。如果原来的结果已经是离天百丈远的话，就可能是其它问题了。至于是什么问题，那就难说了。从模型错误、到测量错误、到作答者的问题、到企业的特征、环境因素、到分析时的认为错误......等什么都可能。
5. 我最常见的就是学生编码（coding）的错误。例如方向题没有注意、missing value的编码错误等。

mxwmba

   @《管理学研究方法》课程培训公告 ​邬老师, 什么时候进行下一期的培训啊！一定要参加

Kenneth

邬老师叫做《管理学研究方法》课程培训的公告​​,其实是我答应岭南管理学院做的一连串的演讲。它不是一个定期开办的培训课程。当然，我因为时间关系不能长期固定地“开班”，你可以发邮件给鄔老师，请他请不同的学者在不同的时间讲授类似的内容。