[系统转发] 管理研究理论和贡献探讨 2

Kenneth

宇航,你当然可以这样做，但是这样做的话有“测量的”问题（不是理论的问题）。因为：
F1 = a1*Q1 + a2*Q2 + a3*Q5 + a4*Q6
F3 = b1*Q1 + b2*Q3 + b3*Q5 + b4*Q7
F1与F3这两个因子是有“先天性”的相关的。因为它们大家都有Q1和Q5这两个成分。简单来说，无论这两个因子背后所表达的构念是什么，在你测量它们的时候，你已经“弄到”它们有必然的相关了。
让我举个例子，如果我有两个构念organizational commitment（OC）和turnover intention（TI）。OC用两道题来测：
   Q1.我对这个企业非常投入。
   Q2.我对这个企业的归属感很高。
TI也是用两道题来测：
   Q3.我对这个企业非常投入。
   Q4.我有想过要离职。
结果我发现4道题分成两个因子，而Q1同时在两个因子有高载荷。研究结果是OC和TI的相关很高。我就下结论说一个员工的归属感与他的离职倾向有很强的关系，这样你同意吗？

谢谢Kenny。您的意思我理解了。我明白该如何做了。多谢您的指导，谢谢~

问：在考虑同一层次的两个变量交互作用影响第三个变量时，这两个变量中无论哪个变量作调节变量都是可以的，并且他它们在实证上分析步骤一样，一般评判标准是有理论解释即可；但是在考虑跨层次的交互作用时也是这样吗，因为个体层次或高层次变量做为调节变量的分析步骤完全不同，比如在有理论支撑个体层次变量对因变量的主效应时，同时也有理论支持高层次对因变量的主效应时，我想研究跨层次的交互作用，该用谁来做主效应有什么判别标准吗？ 高层次的做调节效应叫（contextual effect）,个体层次做主效应叫什么呢？我看一般讲HLM的文献讲到个体层次是否可以做调节变量总是选择按下不表，可否推荐涉及到这个的文献。

Kenneth

Tsai,一个高层次的变量W影响因变量Y。那么一个低层次的自变量X怎样去调节这个跨层次的作用呢？你可以举一个例子给我听吗？

我们现在的研究就遇到这样的问题，我先举一篇文章给你看看，Academy of Management Journal 2009,Vol.52,No.4,744–764.该文的理论模型是个体层面的变量Power Distance Orientation调节了群体层面的自变量Transformational Leadership到个体层面的因变量 Procedural Justice。

Kenny，我问的是Effect Size是Partial eta-squared.

我在网上找了一个比较严谨的说法，但是有两种标准，你觉得哪种更合理？


Partial eta-squared describes the "proportion of total variation attributable to the factor, partialling out (excluding) other factors from the total nonerror variation" (Pierce, Block & Aguinis, 2004, p. 918). Partial eta squared is normally higher than eta squared (except in simple one-factor models).

Several variations of benchmarks exist.

The generally-accepted regression benchmark for effect size comes from (Cohen, 1992; 1988): 0.20 is a minimal solution (but significant in social science research); 0.50 is a medium effect; anything equal to or greater than 0.80 is a large effect size (Keppel & Wickens, 2004; Cohen, 1992).

Since this common interpretation of effect size has been repeated from Cohen (1988) over the years with no change or comment to validity for contemporary experimental research, it is questionable outside of psychological/behavioural studies, and more so questionable even then without a full understanding of the limitations ascribed by Cohen. Note: The use of specific partial eta-square values for large medium or small as a "rule of thumb" should be avoided.

Nevertheless, alternative rules of thumb have emerged in certain disciplines: Small = 0.01; medium = 0.06; large = 0.14 (Kittler, Menard & Phillips, 2007).

Kenneth

Tsai,这个问题很有趣。我从来没有想过。以下是一些条件性的回应，看看有没有其他人可以补充或是更正。
1. HLM 严格来讲不可以处理这个问题。因为在 HLM 的模型里，是如容许低等阶调节高等阶的作用的。
2. 但是话说回来，所有的调节作用某程度都可以看成是交互作用。就算是最极端的情形，比如性别调节X对Y的影响，我们验证是还是：
 Y = a0 + a1*X + a2*性别 + a3*X*性别
所以，如果要验证这个问题，我可以想到的，就是“在验证的时候”把它等同与transformational leadership 调节 power distance 对 justice perception 的影响。

Kenneth

Myth,我只看见你讲的一个说法，就是 partial eta-squared 是控制住控制变量和随机因素后，因变量的方差有多少（几个%）能够被自变量（实验变量）解释的。这根回归是一模一样的。
谢谢你的分享。我同意的，我讲的是管理心理学一般用的标准，也是我个人的经验。如果effect size讲的是相关大于0.80的，是极为少有的。评审也会开始怀疑了。所以说0.80是“强效应”的话我很难接受。另外，我讲的是相关系数或对应的指标（如偏相关、半偏相关等），如果你讲的是eta-squared，那我就不知道了，因为我极少做实验的。

@回复 myth 743楼 (Kenneth)

Kenny，我记得Cohen在讲实验中的effect size时是提到small (0.2), moderate (0.5), large (0.8)这样的分类。不过，这个effect size和相关或者回归系数不一样。叫做Cohen's d, Cohen's d can be readily calculated as the difference between the means divided by the pooled SD （quote from Wiki).

Kenneth

Nanfeng, 谢谢你的分享。我们是有一条公式把 D-statistics 转换成 correlation 的。但是我没有书在手，转换一下就知道了。不过，我建议我们不要把这一类型的所谓专家意见看得太重。所谓的大中小在不同的领域都可能不一样的。