[系统转发] 管理研究理论和贡献探讨 2

Kenneth

holladam，欢迎你来，我好像第一次看见你的名字在博客上。：-）
我想澄清一下。你说的是“随着时间的增加” 同样的X对Y的影响会变小。还是，当X的值越大时，X对Y的影响会变小？

如果是前者，既然你已经说了“随着时间的增加”XY的关系才会改变。在同一个时间里，XY的关系是直线的。那除了把时间放进模型里，还可以做什么呢？当然，我说把时间放进模型里，不是　Y=b0+b1X+b2t+b3x*t 这么简单。因为你要处理data dependence 的问题，所以要用时间序列的模型了。这个我很少用，你大概要翻一翻计量经济学的书了。另外，SEM 中的 latent growth model 也可以处理这样的问题的。
如果是后者，那么X与Y的关系，应该可以用一个简单的非线性函数来代表。只要你把X与Y的关系定位非线性就可以了。比如 Y=log(x) 可以吗？

kenny，谢谢您的指导，我指的是第一种情况。这么晚了，让您回复我的问题，非常感谢。

kenny， 在做调节变量的时候，如果主效应不显著，而交互项显著，请问这种情况讨论部分该怎么讨论呢？

Kenneth

方方，你要的是调节作用，不是主效应，所以在调节作用下没有主效应没什么问题的。如果你没有假设主效应，可以（1）把结果写出来就可以了；（2）甚至不提也无碍。

谢谢kenny及时的答复。呵呵，还有一个问题：在进行调节变量检验的时候，如果自变量x，因变量y，调节变量z，使用方程y= a0 + a1x + a2z + a3xz 来检验时，实际上这个方程同样可以理解为是另外一种情况，即：自变量为z，因变量y，调节变量x，因为这个时候进行检验的话同样是使用上面那个方程。若通过上面那个方程进行检验的话，那我怎么排除我研究的问题不是第二种情况呢？谢谢。

Kenneth

如果X->Y,你验证的方法是 y = aX (假设X与Y都标准化的)。如果Y->X,你验证的方法是 X = bY (假设X与Y都标准化的)。其实， 两个都是验证rxy的。那你怎么知道是X影响Y，还是Y影响X呢？这个问题更你的问题的答案是完全一样的。是不知道！其实很多时候，到底是什么调节什么是很难分的。

好的，谢谢kenny的答复。

kenny:
   现有论文报告会中存在的疑惑提问如下：
      1,关于构念的测量。一个构念在不同的文献里有不同的测量方法，这篇文章在测量因变量时把几种方法都用上了，原文说：为了保证多元化战略概念反映的完整性和减少数据某些系统性缺陷的影响，本研究用四种测量多元化的指标构成一个多元化潜变量，进行最后的模型估计与分析。我认为四种方法并不是构念的四个维度，也就是这四种方法有可能只是共同测量了该构念的某一个维度，你认为可以在一篇文章里用不同的方法测量一个构念吗？报告人argue这几种方法的a系数很高，我记得你讲过即使a 系数很高，也可能测量的不是同一个东西。
    2,本文用的理论是关于企业内部的（RBV），文章control了许多外部变量如产业，地区等，有人说既然你关心的是企业内部的因素导致因变量，那么就没有必要控制住外部因素，是这样吗？
    3，本文是用上市公司的数据做，说企业有冗余就会做多元化，并谈到第一大股东的治理理论，本文想用一个反应企业内部因素的企业成长理论来解释，即做假设时全部用企业内部因素导致因变量，但是在解释假设时却根据市场需求等外部因素进行解释，这种做法有问题吗？
    4，本文的因与果反过来的话理论上很好解释，也很符合常识，但是这样就不有趣了（就多元化导致冗余不有趣，而不同的冗余导致不同的多元化是有趣的），有人质疑作者前面之说以假设用企业内部因素来做，解释时又用外部因素来解释，正是因为这与常识相反的因果关系很难解释，并且质疑作者存在data- driven的问题。我认为data-driven并不涉及学术道德的问题，如果我们通过data发现一个有别与常识的现象，又能找到理论去解释也是一条作出理论贡献的路径，由于你对学术道德很强调，所以我想问问你的看法？并且由于本文的假设是有悖常理的，虽然作者用理论去解释他的主效应，但是不能很好地 argue相反假设，即常识。有人质疑这正是因为data-driven导致的，上次有一个教授过来报告论文也是这种类型，但是她是先有一个假设，然后来 test的，因此她可以在研究设计时可以控制相反假设即控制住相反假设后看主效应。
    5，自变量是（冗余）会导致因变量，有实业界人士质疑说企业做多元化并不是因为有冗余，就像早上起来跑步并不是因为你有两条腿一样，另外有人建议把冗余做调节变量就解决了这个问题，但是作者认为这样就无趣了，也失去了潜在的创造理论贡献的机会，（文章题目叫做中国企业有闲钱就多元化吗？？）你认为这个问题该怎么办呢？

Kenneth

Tsai, 您好。我的回应如下：
1.构念的测量。你觉得你把「指标」和「维度」混起来了。作者用四个测量的方法，每一个方法加总，然后把加总的结果变成一个新的“指标”（不是维度），这样就有“四个指标”了。他然后求这四个指标的共同因子，作为构念的估计。我想在一个条件底下，这样做是合理的。条件就是“四个量表都是在测量同一个构念的全部”。因为每一个“新指标”都是在估计这个构念的“全部”的一个方法（只是有误差而已），把四个“新指标”的因子定义成为构念的估计是非常合理的。可是如果合用四个量表如果是为了“反映构念的完整性”，那么作者就是暗示了每一个量表都是不完全的（content invalid），那把它们的共同因子定义为构念的测量就有问题了。我打个比喻，一个瞎子在摸象的鼻子，一个瞎子在摸象的肚子，把它们的共同因子（因子是0，因为象的肚子与鼻子无论形状结构都不一样）定义为象就很有问题了。至于什么叫“减少数据某些系统性缺陷”就不可理解了。为什么用一个量表是因为避免“数据”的系统性缺陷呢？数据是抽样的问题，与量表无关的。

2.我不同意研究“内部的”因素时就不要控制“外部的”的因素。其实，应该是刚刚相反。影响企业的因素有外在的，也有内在的。当你在比较不同企业的“内在”因素时，你要肯定他们的“外在”因素是一样的。我又打个比喻。你要验证“狗吃东西越多，体积就越大”，如果一头是牧羊狗，另外一头是西施狗（一生都是很小的），真么比较呢？

3.根据你说的，理论是“因为市场需求（P），所以企业内部会有什么什么改变（X）”， 这是解释P与X的关系。假设是如果有X,那么企业就会有什么什么结果（Y）“。这是假设X与Y的关系。前面的理论可不可以“同时解释X为什么影响Y”？

4.（a）我不明白你的意思。如果研究讲的X→Y是常识，不有趣。这个研究就是不有趣，没有贡献了。为什么还要去想翻过来Y→X是不是很有趣呢？他的研究到底是“多元化导致冗余”还是“不同的冗余导致不同的多 元化”？

4.（b）我是做微观研究的，不敢某然评价宏观研究的方法。因为我知道很多人都是这样做宏观的研究的。如果你问我的意见，我就“就事论事”，说我的观点。Data mining (不是 data driven) 在西方是可以接受的。但是，他的目的是theory building，不是 theory testing。如果我从数据库中发现了X与Y的关系，也想到从中发展一套理论出来的话，那是很好的。可是，你不可以说你有“证据支持”你的理论。 你要把这个发展出来的理论用到其他地方，才有资格这样讲。不然，hypothesis testing 就完全没有意思了。因为你是分析的数据，看见结果，然后才骗人说我有这个“假设”（其实是验证了的分析结果）。如果你讲的data-driven approach 是可以接受的，为什么不直接告诉人家，我把数据做了不同的分析，发现了这个结果，而是要先写“假设”呢？

5. 你讲的是“因果”与“相关”（causation and correlation）的问题。到底「多元化」与「冗余」是相关的关系，还是因果的关系？ 如果是因果，哪一个是因？哪一个是果？既然三个理论都可以解释现象，最好的方法就是用time-lagged design，看一看「多元化（t）」对「冗余（t+1）」的影响和「多元化（t）」对「冗余（t+1）」的影响。问卷或数据库的先天缺憾是难说因果，用时间序列分析是我们常用来减小这个缺憾的方法。

第三个问题是理论是不同的冗余导致不同等多元化水平，冗余是企业内部的东西，但是作者在解释假设时用了市场需求这个外部因素来解释，这样有问题吗？
第四个问题a是 常识讲a-b,大家都知道了，也有人研究，但是b-a是一个有趣的现象（本文研究的是不同种类的冗余导致不同的多元化水平），但是怎么去argue不是b-a呢，当然本文也做了lag处理，比如review问你的文章通过lag得到b-a,但是用二手数据做a-b的lag同样可以得出结果，怎么办呢？
  不好意思，我还有一个问题：关于怎样做假设的问题？本文做了一个假设2a(考虑调节作用)是在调节变量某个水平下，自变量的某两个类型对因变量影响没有显著差异？即做了一个零假设，可以吗？有人质疑即然假设他们没有显著差异就不必要做了，底下的交互图就不用了。另外，做零假设时不是做a检验，而是做b检验，怎么构造统计量呢？