[系统转发] 管理研究理论和贡献探讨 2

Kenneth

既然 myth是斗胆回应，我就冒死回应吧！ 
Sandy的第一个问题很难回答。我觉得myth的答案已经非常好了。谢谢！我大概还可以再加一句。「能够被回答的」就是问题。但是我们是做行为科学的，所以要再多加一个限制，就是「能够用科学方法回答的」就是研究问题。我猜我们大部分情形不是问 “不是研究的问题”，而是不在问“好的”研究问题。什么是“好”呢？那就很难定义了。我试试写几点吧：
（1）我觉得英文中的“insightful”（有洞见）这个字就最能代表什么是好了。一个好的研究问题，更有可能可以带出一个“有洞见”的理论，和一个“有洞见”的答案。
（2）“问题的新旧”（合时）也是一个重要的因素。哥白尼提日心说的时候是惊天动地的。你现在当然可以问土星的卫星是不是真的围绕土星在转，但是很可能是已经过时了。
（3）“问题的大小”（贡献）也是很重要的。国际天文学联盟用香港中文大学学生陈嘉键的名字为太阳系一颗小行星命名，以表彰陈嘉键他发现该行星的贡献。但是，在理论贡献来讲，多发现一个颗小行星有怎么样呢？相反，有些问题是几乎不可以解的，有些事要你穷一生的时间才勉强可能解的。做这一类研究的人要事先知道自己的局限。
（4）“问题产生的可能答案是否有用”是考虑的因素。我们不竟是做“管理”的研究的。到最后，研究的结果应该可是影响管理界的。
（5）最后，“问题是否有趣”也是考虑的因素。大家都有兴趣知道答案的问题，就更可能是有趣的问题。

Sandy的第二个问题也很难回答。我的建议是“精简”（parsimony）是研究理论的一个重要特点，除非不得已，不要放太多的“中介变量”。一般的理论一个中介变量已经足够了。如果真的要处理多于一个中介变量的话，结构方程建模应该是最简单的处理方法了（我没有见过用回归分析来回答这个问题的）。    Kenny

很受益，谢谢。会慢慢消化！

    幸好这几天刷新的不是很快，哈哈，太开心了，还能看到之前自己的留言。感谢Kenny和xinxin的回复，简直是超音速。
     又遇到问题，期待Kenny和各位朋友再帮帮忙。感谢感谢！
     第一个问题是接之前关于修正指数方面的问题的。在侯杰泰老师写的那本书里看到一个关于单纯型模型的例子，这个例子的第一次模型拟合时，拟合指数都不是很好，但允许各个潜变量误差之间相关后就好了很多。书中也解释说到“若理论上认为这些误差间存在相关分析结果显示模型拟合改善很多，那么我们应该设定所有这些误差相关自由估计”。我的问题是如果现在是编制一个新的量表，在做CFA的第一次模型拟合时，拟合指数也不是很好，但是允许某些题项的误差间存在相关模型的拟合也是改善了，但问题是这时并不如前面提到的例子可以有理论支持（因为是新量表），那怎么办呢？应不应该让它们的误差之间相关呢？如果应该，那是不是也应该让那些对立模型的误差之间相关？这样好像又回到之前怎么判断好与不好的问题上了……

    第二个问题是与SEM的潜变量的性质有关。现在好像看到很多用SEM的例子中潜变量都是连续变量。如果因变量是类别变量还可以用SEM吗？还是应该用逻辑斯谛回归？
    
    最后发发牢骚，这个论坛实在太好，所有回复都让人深受启发。如果国内的导师每个都像kenny一样热心，我想国内的研究生研究能力和学习水平会进步很快。太多不负责和不关心学生的老师了……无语     

Kenneth

第一个问题：对不起，中文不好。什么叫「相关模型」和「对立模型」呢？至于你的问题，我的回应如下：
如果x1与x2是两个测量潜变量F的测量项目。
x1 = λ1 F + ε1
x2 = λ2 F + ε2
理论上ε1与ε2是随机并没有相关的。所以x1只测量F（权重是λ1）,剩下的是随机误差（ε1）。同样的，所以x2只测量F（权重是λ2）,剩下的是随机误差（ε2）。如果ε1与ε2相关是什么意思呢？就是x1和x2除了是测量F以外，它们还是“同时”在测“一点其他的东西”（至于是什么就不知道了）。你能接受这样那个的一个测量工具吗？

第二个问题：如果因变量是类别变量还可以用SEM吗？还是应该用逻辑斯谛回归？ 回应：SEM不是什么特别的东西，它其实只是一组的回归分析而已。回归分析遇到的问题，在SEM会同样遇到的。  Kenny

呵呵，Kenny，不好意思，是我写的不好，没有下标点，相关和模型之间其实是有个逗号的。至于对立模型是alternative model（上次的回复中好像提到？）

回应：SEM不是什么特别的东西，它其实只是一组的回归分析而已。回归分析遇到的问题，在SEM会同样遇到的。
那是否意味着在这种情况下应该用逻辑斯谛回归而不是SEM？

谓了方便您答复，我把您当初于结构方程建模中的「参数估计」的答复，节录部份PO在此处

回复 研究生 8楼 (Kenneth)   /   2008-9-18 20:52:00
关于你的问题，我想分开几个方面来回答。
第二、 我们要看你到底在做什么研究。如果研究目的是预测（prediction）的话，一般“只有一条主线”的要求可能低一点。因为我们的目的是尽量预测因变量的方差，多用几个视角大概也可以接受。但是如果研究的目的是解释（explanation）的话，我们要解释为什么X（自变量）会影响Ｙ（因变量），一般一个视角已经足够（视角就是你的理论）。、、、
第三、 如果我们同意研究的一大目标是发展理论（theory building）或验证理论（theory testing）的话，干嘛要那么多构念混在一起呢？如果一大堆的构念互相牵连，原因是一大堆不同的理论的话，你在发展什么理论？验证什么理论呢？
第四、 听你所说的，我有一个感觉，你是在做「现象」的研究，而不是在做「理论」的研究。如果你研究的目的，是要把一个现象的千丝万镂的关系弄个明白的话，你在研究的其实是一个「模型」，而不是一个「理论」，那讲什么视角呢？     

想完全消化，但仍有困惑，再次就教！谢谢！
1. 大部分的学术研究目的应是属于「解释」，对否？如果研究目的是「预测」，是否是较偏向实务的研究？
2. 发展理论与验证理论的差异在哪里？如果我在原有的理论观点下，找出了中介变项或是边界条件，这应是属于验证理论的研究，是吗？但如果我是在不同于以往的理论视角下，找出了中介变项或是边界条件，这能算是发展理论吗？
3. 「你是在做「现象」的研究，而不是在做「理论」的研究。你在研究的其实是一个「模型」，而不是一个「理论」」。能麻烦您敎我如何区分何谓模型？何谓理论？我看了您相关的日志，似乎仍不那么清楚。尤其是您如何从我的叙述就知道我研究的其实是一个「模型」？ 
4. 看完您的响应，除了感谢，还有更多的挫败与困惑。到底学术研究是件啥东西啊？好没有信心、、、

Kenny,不好意思，还是不太明白关于类别变量在SEM的做法。可以详细解释一下吗？如果因变量是类别变量，在SEM中需要怎样处理呢？有什么步骤吗？
    还有一个问题，在SPSS软件中，如果用binary logistic regression做类别变量是两类的回归，但是如果类别变量是3类呢？用Multinomial Logistic 那个么？可是不能选择变量的进入方式是逐步还是全部一次过进入了，而且报告的格式好像和binary的不同。类别是3类是是否也可以变成2类那样去做？例如包括上升、不变和下降这3类时，变成上升和不变的比一次，下降和不变的比一次，上升和下降的比一次？

Kenneth

问：那是否意味着在这种情况下应该用逻辑斯谛回归而不是SEM？
回应：我的了解是在SEM是不可以做逻辑斯谛回归的。但是好像如果把方差-协方差矩阵转换成“tetrachoric correlations”（对不起，1.我不知道中文是什么；2.我自己没有做过，所以详细情形也不肯定），就可以用普通的SEM来分析。  Kenny

Kenneth

1.大部分的学术研究目的应是属于「解释」，对否？如果研究目的是「预测」，是否是较偏向实务的研究？ 
回应：也不一定。离职的研究中“预测”离职是一个大问题。但是却非常理论，不是实务的研究。预测股票市场的波动是「预测」，但是也可以很理论。

2. 发展理论与验证理论的差异在哪里？如果我在原有的理论观点下，找出了中介变项或是边界条件，这应是属于验证理论的研究，是吗？但如果我是在不同于以往的理论视角下，找出了中介变项或是边界条件，这能算是发展理论吗？ 
回应：应用理论是在现有的理论底下应用在不同的现象当中。发展理论是创作一个新的理论来解释一个现象。这根有没有中介变量和边际条件没有关系。

3. 能麻烦您敎我如何区分何谓模型？何谓理论？我看了您相关的日志，似乎仍不那么清楚。尤其是您如何从我的叙述就知道我研究的其实是一个「模型」？  
回应：
（a）XMY 是一个模型。解释为什么他们有这样的关系需要理论。
（b）我说我“觉得”是这样，我并不是“知道”你在研究一个模型。

4. 看完您的响应，除了感谢，还有更多的挫败与困惑。到底学术研究是件啥东西啊？好没有信心、、、 
回应：我做研究生的时候连什么叫理论和模型都不知道。其实，我做了副教授好几年对这些还不是很清楚。甚至现在我还不敢讲我已经掌握了。我做了十几年的所谓“研究”还是这样，你为什么要没信心呢？   Kenny

Kenneth

Grace，第一个问题我在62楼已经回答了。最近很忙，不能替你去找“tetrachoric correlations”的东西，你可能要自己试试了。
Binomial跟multinomial是不一样的。也没有人刻意把multinomial的东西压缩成Binomial来处理的。还是花点时间去学一学multinomial regression 为好。学了以后这就是属于你的知识了。 ：-）    Kenny