[系统转发] 管理研究理论和贡献探讨 2

Kenneth,
最近我在做一个关于互联网隐私的课题。现在查阅文献遇到的一个问题是，人们对隐私问题的关注（privacy concern）和他们对于自己信息披露的行为（disclosure behavior）并没有显著的关系。我初步考虑原因可能有2个，1)对于privacy concern的测量存在问题；2)除了privacy concern，还有其他因素影响disclosure behavior。您可能对这个领域不太熟悉，我想问一个与之类似的关于离职倾向的问题。如果我想在中国用离职倾向来预测员工离职的行为，首先要解决如何测量准确离职倾向的问题，在中国的大多数企业，离职是被看作一种不光彩的事情，往往或多或少的与背叛之类的含义联系起来（而在国外，人们认为有能力的员工才会被更好的公司雇用，从而有离职倾向是一种有能力的体现）。如果我上面说的文化差异成立的话，把美国开发的量表，拿到中国来做调查，就会存在不合适的问题，被调查者往往就不会把自己的想法如实在问卷中体现出来（离职是被看作一种不光彩的事情），请问这种测量不准的问题应该怎么办？ 
另外，如果假设我把离职倾向和离职行为都测准了，但是离职倾向与离职行为之间的关系依然不显著，即A行为的倾向或意愿并不一定导致A行为的发生，请问可以用什么思路或者理论来解释这类现象或问题。
请Kenneth和各位大侠不吝赐教：)

Shuo

Kenneth

@ Shuo
Shuo,你的两个问题可以说是简单，也可以说是复杂。
（1）如果觉得量表在中国不合用（由于文化差异），唯一的方法就是在中国从新发展一个量表了。台湾的「本土化理念」就是基于这么一个假设的。当然，作为一个负责任的研究者，我会建议在发展了一个所谓“中国化的”网络私隐量表以后，还是应该提出数据来证明这个新的量表确实是比原来的量表为好的。
（2）这个问题太泛了，我不知道怎样回答。因为会有很多“可能”的解释。比如，人类对自己某一些行为的倾向是不太了解的；也可能是「潜态度」（implicit attitude）在影响着；也可能是有其他的外在因素，让态度不可以实现为行为（离职就是很好的例子，想离开的人不一定会离开的）等。我看原因数之不尽，不能尽录。至于哪一个才是真的，就是一个实证的问题了。

回复Kenneth 我清楚一些了，非常感谢

Kenny，您好！向您咨询个数据分析的问题。
研究的变量：前因变量X，结果变量Y，中介变量Z（Z有三个维度Z1、Z2、Z3）。在用SEM进行中介模型检验时，当Z作为整体变量放入模型时，模型可以与样本数据契合。但是，当Z以三个维度层面放入模型时，模型无法与样本数据契合，且中介变量Z1、Z2和Z3与结果变量Y的路径系数也不显著。请问，如何解释并修正呢？谢谢！

Dear Kenny,

我有個關於共線性的問題。

Y = aX + bZ
X、Z各由5個指標構成。

以迴歸分析時，不管我怎麼處理X和Z，
X和Z都出線共線性問題。

X,Z我以mean centered(normalization)處理、
以standardization,或是以factor analysis的
factor score代替mean(X)與mean(Y)，問題還是一樣。

X與Z的相關係數很高(>0.7)，但我有以SEM檢定
兩者的discriminant validity，這X and Z構念是可以區別的。

請問Kenny有什麼好方法可以處理共線性問題嗎？

Chien-Hsin

Kenneth

Nancy，我不知道你是怎样做这个分析的，所以不知道怎样回答。
（1）什么叫做“当Z作为整体变量放入模型”？你是把他们加起来还是什么呢？
（2)如果Z是Z1,Z2,Z3的因子，它可能是用了Z1,Z2,Z3的“共同协方差”来定义的。意思是Z1,Z2,Z3的共同部分才叫做Z。如果是这样的话，Z的定义与Z1,Z2,Z3都不一样，结果不同是可以了解的。
（3）假设是构念层面的，分析就用构念Z。假设是维度层面的，分析就用维度Z1,Z2,Z3。

Kenneth

Chien-Hsin，CFA结果“X ​and ​Z構念是可以區別的”不代表什么。它们是不完全一样（相关不是1.0），但是他们是极端相关的（r>.70）。一般在管理研究中，r>.70是代表两个构念已经非常相近了。
我可以想到有两个方法。
（1）找出他们相关的原因。把这个变量加到你的模型中。比如可能是common method variance。那就partial out一个method factor后，再研究X与Z对Y的影响。
（2）如果X与Z是这么相近的话，可否把它们变成一个构念来研究。比如做一个principal component analysis，用一个主成分（F）代表了X和Z，然后研究F对Y的影响。当然，前提是理论容许你这样做。
 

@回复 Kenny 828楼 （Kenneth）

謝謝Kenny。

您建議：那就partial ​out一个method ​factor后，再研究X与Z对Y的影响。

若要這樣做，我可不可以將X,Z做因素分析，取一個factor(稱C好了)，再partial outX, Z關於C的variance。

一時腦筋轉不過來，實際作法，我要如何將C partial out?

我想到了！

我原始問題內的迴歸模式：Y=aX+bZ
X,Z有共線性問題。

假設有common method variance C存在，因此要partial out X,Z 存在的C variance.我再做以下二個模式：

X = b0 + b1C
Z = b0 + b1C

計算residual，這就是未被C解釋到的variance，
也是partial out C variance的X and Z:

Ex = Xi - predicted Xi
Ez = Zi - predicted Zi

最後估計：

Y = aEx + bEz

就是Kenny說的：那就partial ​out一个method ​factor后，再研究X与Z对Y的影响。

最後的問題是，這個C (common method variance)該怎麼計算出來？

罗老师,您好！聆听过上周您在同济大学的精彩讲座后，我想请教您两个问题：
    1）抽样
    您在讲座上用在联想IQ研究指出抽样时应最大化变量的方差，最好不要在一家企业或者类似人群抽样，如果我的研究的是organizational culture的影响,对样本的选择大概也会面临同样的要求。我的问题是，这种情况下，是在十几家甚至更多的企业抽样的理论论证的严谨性比较好，还是以来自很多企业的MBA学员作为样本比较好（之前实验室在十几家企业发放问卷的填写认真程度很不好，但是MBA的样本又担心没有足够的代表性），另外如果在企业发，具体部门如何选择（级别、职能上是否多样性越大越好）。
　　2）中介的调节和调节的中介
　　由于讲座时间的仓促，很遗憾没能听到这部分的内容，在整理笔记时，我发现您列举了两种方法，分别为Piece Approach和Edwards&Lambert approach。我的问题是，这两种方法有优劣之分吗？还是哪一种都可以。