1、管理學(xué)研究方法,第7章 定量研究工具,目 錄,7.1定量研究的基礎(chǔ)知識 7.2線性回歸分析 7.3結(jié)構(gòu)方程模型 7.4多層線性模型（HLM）,本章在內(nèi)容安排上分為兩個大部分： 第一大部分即7.1，是對如上所述的定量研究基本知識的介紹； 第二大部分即7.2至7.4，是對當前管理研究中所使用的主要的定量研究工具進行介紹。 這些工具包括回歸分析、結(jié)構(gòu)方程模型、多層線性模型以及調(diào)節(jié)變量和中介變量的相關(guān)方法。,7.1定量研究的基礎(chǔ)知識,7.1.1著手定量研究：概念化和測量 研究開始于選題、命題，然后是命題概念化、概念指標化、指標測量化等工作。,圖71 研究的細化過程,7.1定量研究的基礎(chǔ)知識,1.概念與

2、構(gòu)念 （1）概念 概念是思維的要素，是思維賴以進行的基礎(chǔ)。概念是現(xiàn)實世界中物體、性質(zhì)、關(guān)系、現(xiàn)象和過程等在我們大腦中的表象。概念的外在形式是語音符號，即語詞。語詞是概念的外殼，概念是語詞的內(nèi)容，它們互為依存。,7.1定量研究的基礎(chǔ)知識,管理學(xué)中的概念因抽象程度也有不同層次。有些概念表達看得見、摸得著的物體 有些概念表述較抽象的東西 另一些則表述高度抽象的性質(zhì)和關(guān)系 管理學(xué)研究的很多對象是高度抽象的概念,7.1定量研究的基礎(chǔ)知識,（2）構(gòu)念 構(gòu)念（construct）是一個專用術(shù)語，指的是科學(xué)工作者在研究中具體探討的概念，常是新觀念和新思想的載體。 通俗地說，構(gòu)念的過程就是構(gòu)造新概念的過程，也可

3、說是一個“造詞兒”的過程。,7.1定量研究的基礎(chǔ)知識,2.概念化與度量 （1）概念化 精確地指出研究所用術(shù)語的含義的過程，就是概念化。 概念化過程的最終產(chǎn)品就是一組具體指標（indicators），指標被用來說明構(gòu)念的屬性。,7.1定量研究的基礎(chǔ)知識,（2）概念的度量 測量一個概念的方法有多種，自然有優(yōu)劣之分或可行與否，關(guān)鍵是找到合適的度量或指標。 度量和指標必須符合概念的定義，并且要在考慮數(shù)據(jù)資料、時間、經(jīng)費，以及研究者的研究能力是否足以勝任等條件的基礎(chǔ)上來確定。 測量一個構(gòu)念，可以自己創(chuàng)造出全新的度量法，也可以使用別人已經(jīng)用過的度量法。,7.1定量研究的基礎(chǔ)知識,（3）評估測量質(zhì)量的標準

4、當研究者建構(gòu)和評價測量時，他們更加關(guān)注兩項技術(shù)性指標：信度（reliability）和效度（validity）。 信度。 信度是指使用相同研究技術(shù)重復(fù)測量同一個對象時，得到相同研究結(jié)果的可能性。 信度高并不一定能保證準確性，存在偏誤。 效度。 效度是指實證測量在多大程度上反映了概念的真實含義。,7.1定量研究的基礎(chǔ)知識,信度與效度的權(quán)衡。 信度是獲得效度的必要前提，它比效度容易獲得。 但它不能保證測量的有效性，它不是效度的充分條件。 效度和信度通?；パa，但在有的情景下，它們可能互相沖突。 對于管理學(xué)研究來說，這是一個始終存在、無法避免的兩難。常見的解決辦法是： （1）如果無法就測量某個概念達成

5、共識，就用多種方法進行測量。 （2）如果某個概念有多個維度，就測量所有的維度。,7.1定量研究的基礎(chǔ)知識,7.1.2構(gòu)建測量的邏輯：指標和量表 1.指標 把概念從理論層次逐漸落實到操作層次就是尋找一組指標來說明概念的屬性。 對于簡單的概念，只需用一兩個指標來測量，而復(fù)雜的概念則需幾個甚至幾十個指標來測量。在使用多個指標來測量一個概念時，往往需要建立一個綜合指標來對一個概念進行綜合度量。,7.1定量研究的基礎(chǔ)知識,如何將概念轉(zhuǎn)化為若干個指標呢？ （1）經(jīng)驗法。 通過對概念粗略的理解，提出若干指標，然后對這些指標進行篩選，選擇出其中符合概念內(nèi)涵的指標。 （2）理性的做法。 先查閱大量相關(guān)文獻，找出

6、概念的種種含義，列出可能的指標。對這些指標再進行認真篩選以后，選出最佳的符合要求的指標。,7.1定量研究的基礎(chǔ)知識,2.量表 同指標一樣，量表（scale）的作用也是將抽象的變量量化。與指標不同的是，量表用于測量人們的看法和態(tài)度。 指標通常指的是最后的結(jié)果，而量表多指記錄和收集數(shù)據(jù)的形式。量表和指標的關(guān)系密切，用量表收集的數(shù)據(jù)可用以建立和修正指標。,7.1定量研究的基礎(chǔ)知識,量表在管理學(xué)調(diào)查中廣泛使用，它可用于兩個互相關(guān)聯(lián)的目的。 首先，量表可用于定義構(gòu)念，使之可操作化，因為量表可表明各分指標與構(gòu)念是否吻合一致。 其次，量表可用于測量變量，產(chǎn)生量化的數(shù)據(jù)，并與其他度量一起用于檢驗假說。 常用的

7、量表包括鮑格達斯社會距離量表（Bogardus social distance scale）、李克特量表（Likert scale）、語義差異量表（semantic differential scale）等。,7.1定量研究的基礎(chǔ)知識,其基本形式舉例如下： （1）鮑格達斯社會距離量表 鮑氏量表實際是由一組在強度上有明顯差異的項目構(gòu)成的，比如要探討美國白人和黑人的交往意愿，我們可以設(shè)計一組反應(yīng)交往程度不同的問題 這種結(jié)構(gòu)順序較強的量表可以測量出不同的人對某一群體的態(tài)度。,7.1定量研究的基礎(chǔ)知識,（2）李克特量表 由美國人雷思西斯李克特（Rensis Likert）于20世紀30年代發(fā)明，能生成

8、順序型數(shù)據(jù)，主要用于測試人們的態(tài)度，常用于社會調(diào)查。李克特量表通常要求人們表示同意還是不同意某個觀點。 簡便易行是李克特量表最大的優(yōu)點，在把多個項目組合起來共同測量一個構(gòu)念的情況下尤其見長。 兩個缺點：一是合成的分數(shù)在被調(diào)查人之間可能相似，從而掩蓋他們的差別；二是上面所說的應(yīng)答定勢的問題。,7.1定量研究的基礎(chǔ)知識,（3）語義差異量表 語義差異量表是美國社會心理學(xué)家G.奧斯古德等人首次使用的 這類量表運用一對對意義相反的形容詞，如“好”與“壞”、“慢”與“快”等，讓被調(diào)查人對人與事做出評價。具體做法是在成對的形容詞之間加上711個空格（都應(yīng)是奇數(shù)），讓被調(diào)查人選其中之一打鉤，表明自己的立場。把

9、很多人的意見結(jié)合起來，可看出人們對有關(guān)事物的態(tài)度。 語義差異量表使用的形容詞可分為三大類：一是評價類（如“好”與“壞”）；二是強度類（如“強”與“弱”）；三是動作類（如“愛動”與“好靜”）。,7.1定量研究的基礎(chǔ)知識,7.1.3數(shù)據(jù)分析的原理：統(tǒng)計檢驗 1.推斷統(tǒng)計的基礎(chǔ)知識 （1）概率分布 要掌握某一資料的分布情況，統(tǒng)計學(xué)家主要以中間傾向和分散程度兩個概念來表示。 首先，所謂中間傾向，就是找分布的中值在哪里 我們可用所有數(shù)據(jù)的平均值來作為此中間傾向的代表，也可用中間數(shù)、中間值等。,7.1定量研究的基礎(chǔ)知識,其次，所謂分散程度，就是數(shù)據(jù)很分散，還是較集中地圍繞在中間數(shù)據(jù)附近。 一般而言，我們以

10、變異量（variance，或稱方差）或它的平方根標準差（standard deviation）來表達。,7.1定量研究的基礎(chǔ)知識,圖72 連續(xù)數(shù)據(jù)的正態(tài)分布,7.1定量研究的基礎(chǔ)知識,7.1定量研究的基礎(chǔ)知識,圖73 連續(xù)的卡方分布（左）和F分布（右）,7.1定量研究的基礎(chǔ)知識,（2）推斷統(tǒng)計的意義 在很多時候我們沒有資源收集所有研究對象的數(shù)據(jù)，我們只能研究一個樣本，然后根據(jù)這個樣本的數(shù)據(jù)，推斷（或估計）母體（我們想要研究的對象）的數(shù)據(jù)。對樣本進行研究，然后推斷母體的情況，是統(tǒng)計學(xué)中重要的一環(huán)。,7.1定量研究的基礎(chǔ)知識,為了討論的清晰，我們稱母體的數(shù)據(jù)為參數(shù)（parameters），樣本的數(shù)

11、據(jù)為統(tǒng)計數(shù)（statistics）。一般而言，通常用希臘字母代表參數(shù)（例如，代表母體的平均值； 代表母體的標準差），以英文字母代表統(tǒng)計數(shù)（例如，以代表樣本平均值； s代表樣本的標準差）。我們稱樣本的大小為樣本數(shù)（sample size），一般用英文字母n表示。,7.1定量研究的基礎(chǔ)知識,2.統(tǒng)計檢驗簡介 管理學(xué)研究中往往是先建立假說（扎根理論法除外），再根據(jù)實際資料進行論證，所以研究中常采用假說檢驗。 參數(shù)估計關(guān)心從樣本特性推論出的總體參數(shù)是否落入置信區(qū)間，而假說檢驗的著眼點卻是落在置信區(qū)間以外的統(tǒng)計值。出現(xiàn)落在置信區(qū)間以外的統(tǒng)計值，從統(tǒng)計檢驗角度來說，并非一定是“壞”事，倒可能是新發(fā)現(xiàn)的標志

12、。,7.1定量研究的基礎(chǔ)知識,（1）保守假說（null hypothesis） 待檢驗假說可分為兩類：一類是“研究假說”，即研究者希望驗證的命題；另一類是“保守假說”，即研究假說的邏輯對立面。 保守假說通常和研究假說相悖，如研究假說說一種方法比另一種方法更有效，保守假說則說兩者有效程度一樣。,7.1定量研究的基礎(chǔ)知識,假說的證偽往往比證實更有力。如果從正面找出支持研究假說的論據(jù)，那也只是在某種具體條件下被證實，并不能得出假說已被證實的結(jié)論。而否定的證據(jù)只要有一個，研究假說便被證偽。 保守假說就是根據(jù)這種思路和研究假說相呼應(yīng)地設(shè)計的，如果保守假說被否定，便是對研究假說的有力支持。,7.1定量研究

13、的基礎(chǔ)知識,（2）顯著性檢驗 置信度指真值落在容許偏差幅度（即置信區(qū)間）內(nèi)的概率。研究者當然也可以用容許出現(xiàn)失誤即真值落在置信區(qū)間之外的概率來設(shè)定指標，這個指標即為顯著度（significance level），用表示 和置信區(qū)間的概念相對應(yīng)，相對于每個顯著度都有個否定值，如0.0l時，平均值正態(tài)分布每邊相對的否定值便是2.33標準值，標準值大于2.33的正態(tài)分布區(qū)域便是否定域（critical region）。,7.1定量研究的基礎(chǔ)知識,假說檢驗關(guān)心的是否定域的統(tǒng)計值和顯著度。 顯著性檢驗是主觀預(yù)先選定一個顯著度。判斷實驗組的平均值是否落入否定域，如落入，則和控制組的平均值之間差異顯著，證實

14、自變量起作用的假說。,7.1定量研究的基礎(chǔ)知識,3.統(tǒng)計檢驗的基本步驟 （1）設(shè)立假說 我們會先假設(shè)，我們探討的自變量與因變量之間并無因果關(guān)系，直到我們有足夠的證據(jù)推翻這一假說前，我們會接受這一假說。 （2）抽樣：搜集資料 在科學(xué)研究中，我們也是通過樣本的數(shù)據(jù)來判斷是否有足夠的證據(jù)推翻原來的假說,7.1定量研究的基礎(chǔ)知識,（3）幾率的估計 在保守假說正確的前提下，我們會觀察到這樣一個樣本的幾率有多大，這個幾率我們稱為P值（P value）。如果這個P值很小，我們就推翻保守假說。,7.1定量研究的基礎(chǔ)知識,（4）下結(jié)論不能僅靠統(tǒng)計 在管理學(xué)和一般的社會科學(xué)研究中，如果計算出來的P值小于5%，我們

15、便會推翻保守假說。 如果P值比我們設(shè)定可接受的小，我們會說樣本提供了顯著（significant）的證據(jù)，讓我們推翻原來保守的假說，或者說樣本提供的證據(jù)達到了顯著水平（significant level）。 在使用統(tǒng)計方法前，是要慎重思考的，否則便容易流于胡亂判斷變量間的因果關(guān)系,7.1定量研究的基礎(chǔ)知識,，對增進了解知識上的探索反而有害無益。以下是一些很重要的考慮： （1）理論框架 統(tǒng)計只是一種工具，它不能取代我們原來根據(jù)理論背景做出的假說,7.1定量研究的基礎(chǔ)知識,（2）幾率性的測試 結(jié)論只是幾率性的，如果以95%顯著水平為基礎(chǔ)，當我們從樣本的數(shù)據(jù)中推翻保守假說時，其實仍有5%的可能是會出

16、錯的，我們把這種錯誤稱為第一類錯誤； 同樣，當我們基于樣本的數(shù)據(jù)而沒有推翻保守假說時，其結(jié)論仍有可能是錯的，即事實上保守假說是錯的，這種錯誤的可能性視樣本的大小而定（樣本越大，此錯誤的幾率越小），我們稱這種錯誤為第二類錯誤。,7.1定量研究的基礎(chǔ)知識,（3）樣本的代表性 如果樣本不能代表母體，則無論我們用任何方法來分析樣本數(shù)據(jù)，對母體的結(jié)論還是不會正確的。 （4）統(tǒng)計方法的假定 每一種統(tǒng)計方法都是在某種假定之下發(fā)展出來的 如果事實偏離這些假定太遠，則這些統(tǒng)計方法所下的結(jié)論并不可靠 （5）數(shù)據(jù)的可靠性 除了抽樣方法以及樣本數(shù)外，數(shù)據(jù)的信度和效度會影響數(shù)據(jù)的可靠性,7.2線性回歸分析,7.2.1回

17、歸分析在管理學(xué)研究中的應(yīng)用 線性回歸分析假定一列（或多列）數(shù)據(jù)的變化同另一列數(shù)據(jù)的變化呈某種線性的函數(shù)關(guān)系，運用統(tǒng)計學(xué)的相關(guān)理論，衡量數(shù)據(jù)聯(lián)系的強度，并通過指標檢驗其符合的程度。,7.2線性回歸分析,7.2.2線性回歸分析的原理 1.對回歸原理的形象描述 線性回歸分析的基本假設(shè)是自變量與因變量呈線性關(guān)系，如果X1、X2是自變量，Y是因變量 Y=0+1D+2X2+ Y=0+1X1+,7.2線性回歸分析,其中：0是截距；1代表了X1改變一個單位，Y會改變的程度； 2代表了X2改變一個單位，Y會改變的程度；代表隨機誤差，它符合正態(tài)分布。 1反映了Y與X1的共變量（即A的部分），而2反映了Y與X2的共

18、變量（即B的部分），這是最簡單的情況。 很多時候，X1、X2及Y的真實變異量和共變量是更加復(fù)雜的,7.2線性回歸分析,圖74 簡單的共變量,圖75 復(fù)雜的共變量,7.2線性回歸分析,除非最簡單的情況出現(xiàn)，否則回歸分析的原理是同時考慮不同自變量對某一因變量的影響，其中有兩點是很重要的，包括： （1）整體而言，這些自變量對因變量的解釋能力有多大取決于的變異量占Y的總變異量的大小，如果越小，則預(yù)測或解釋的能力越強； （2）在同時考慮了所有自變量的情況下，關(guān)于一個自變量對因變量的影響我們可以做出這樣的結(jié)論： 在其他因素不變的情況下，這個自變量（例如X1）對因變量（Y）的影響是當X1改變一個單位時，Y會

19、改變1個單位。,7.2線性回歸分析,2.應(yīng)用回歸分析時的注意要點 （1）關(guān)于因果關(guān)系的問題 嚴格說來，回歸分析只是一個統(tǒng)計工具，即使是顯著的統(tǒng)計結(jié)果也不能證明自變量與因變量之間的因果關(guān)系。各變量之間的因果關(guān)系需要理論的建構(gòu)及搜集變量資料時的步驟來提供合理的證據(jù)。 （2）自變量與因變量的測量尺度 如果自變量與因變量并非等距尺度，便需要以虛擬變量或其他方法先加以處理。,7.2線性回歸分析,（3）線性關(guān)系的設(shè)定 自變量與因變量之間的關(guān)系是線性的，如果不是的話，我們便需要對變量做出相應(yīng)的調(diào)整 （4）單一因變量 回歸分析只能處理單一的因變量，不能同時驗證多于一個因變量的理論模型。 （5）關(guān)于測量誤差 回

20、歸分析無法處理變量測量時的誤差問題，在應(yīng)用前首先要確定測量是否達到可接受的信度和效度的要求。,7.2線性回歸分析,3.調(diào)節(jié)變量和中介變量的問題 （1）調(diào)節(jié)變量和中介變量的理論意義 調(diào)節(jié)變量的一個主要作用是為現(xiàn)有的理論劃出限制條件和適用范圍。 Lakatos提出精致的證偽主義，他認為理論有個內(nèi)核，背后有輔助假說，外部有邊界調(diào)節(jié)。當實證檢驗發(fā)現(xiàn)反例時，其理論核心是不該被輕易放棄的，可以改變輔助假說或增加限制條件，最后才是考慮放棄理論核心。,7.2線性回歸分析,調(diào)節(jié)變量能幫助我們發(fā)展已有的理論，使理論對變量之間關(guān)系的解釋更為精細。 相似的，中介變量也可以幫助我們發(fā)展既有的理論，它可以解釋變量之間為什

21、么會存在關(guān)系以及這種關(guān)系是如何發(fā)生的。 當一個變量能夠解釋自變量和因變量之間的關(guān)系時，我們就認為它起到了中介作用。因此，研究中介作用的目的就是在我們已知某些關(guān)系的基礎(chǔ)上，探索產(chǎn)生這些關(guān)系的內(nèi)部機制。 中介變量在理論上至少存在以下兩個重要意義：第一，中介變量可以整合現(xiàn)有的研究或理論；第二，中介變量可以解釋關(guān)系背后的作用機制。,7.2線性回歸分析,（2）調(diào)節(jié)變量的原理 如果變量X與Y有關(guān)系，但是X與Y的關(guān)系受第三個變量Z的影響，那么變量Z就是調(diào)節(jié)變量。調(diào)節(jié)變量所起的作用被稱為調(diào)節(jié)作用。 調(diào)節(jié)變量影響自變量與因變量之間的關(guān)系，既可以是對關(guān)系強度的影響，也可以是對關(guān)系方向的影響。 在管理學(xué)研究中，調(diào)節(jié)

22、變量可以是類別變量（如性別、種族、教育水平等），也可以是連續(xù)變量（如工資水平、智力水平等）。,7.2線性回歸分析,（3）中介作用的原理 凡是X影響Y，并且X是通過一個中間變量M對Y產(chǎn)生影響的，M就是中介變量。 中介變量可以分為兩類：一類是完全中介；另一類是部分中介。,7.2線性回歸分析,最常用也是最傳統(tǒng)的檢驗中介變量的方法是Baron和 Kenny（1986）的方法。 （1）自變量影響因變量； （2）自變量影響中介變量； （3）控制中介變量之后，自變量對因變量的作用消失了，或是明顯地減小了。,7.2線性回歸分析,中介作用意味著一個因果鏈中介變量由自變量引起，并影響了因變量的變化。 要建立因果關(guān)

23、系，必須滿足一些條件和標準，在研究方法中常用的有三個： 原因和結(jié)果在時間和空間上是連續(xù)的，原因和結(jié)果在時間上有先后順序，它們之間有恒定的聯(lián)系。,7.2線性回歸分析,7.2.3使用回歸分析的例子 1.Law和Wang（1998）：對估計不同的薪酬比較對象的重要性的方法的改進： 1）研究主題 Two approaches for estimating the relative importance of various referents in affecting pay satisfaction are reviewed.The first approach uses the most freq

24、uently reported referents by the respondents as the most important referents.,7.2線性回歸分析,The logic of this approach is questioned because frequency of using a referent is different from his/her relative importance. The second approach uses a policy-capturing method by which respondents are asked to e

25、valuate their pay satisfaction when compared to various referents. An alternative policy-capturing approach that minimizes these two limitations is suggested.,7.2線性回歸分析,2）測量變量的方法 In this approach，participants were asked how satisfied they would be if given stated values of their pay and of the pay f

26、or each of the five referent groups.An example of this approach is：,7.2線性回歸分析,3）回歸分析,表73 回歸分析結(jié)果(abstracted),7.2線性回歸分析,2.Johnson等人（2006）：專業(yè)匹配與組織認同之間的關(guān)系 3.回歸方法檢驗調(diào)節(jié)作用的具體步驟 （1）用虛擬變量代表類別變量，對連續(xù)變量進行標準化 （2）構(gòu)造乘積項 （3）構(gòu)造方程 （4）調(diào)節(jié)作用的分析和解釋,7.2線性回歸分析,7.2.4進一步閱讀建議 關(guān)于線性回歸模型，我們建議你可以閱讀以下資料： Law，K.S.Wong，C.S.& Wang，K.D

27、.（2004）.An empirical test of the model on managing the localization of human resources in the Peoples Republic of China.The International Journal of Human Resource Management，15（5）：635-648. MacKinnon，D.P.，Lockwood，C.M.，Hoffman，J.M.，West，S.G.，& Sheets，V.（2002）.A comparison of methods to test mediatio

28、n and other intervening variable effects.Psychological Methods，7（1），83-104.,7.2線性回歸分析,關(guān)于調(diào)節(jié)變量的驗證，感興趣的讀者可以閱讀下列文章： Cortina，J.M.，Chen，G.and Dunlap，W.P.（2001）.Testing Interaction Effects in LISREL：Examination and Illustration of Available Procedures.Organizational Research Methods，4（4）：324-360. Erodogan，

29、B.，Liden，R.C.and Kraimer，M.L.，（2006）.Justice and leader-member exchange：The moderating role of organization culture.Academy of Management Journal.49，395-406.,7.2線性回歸分析,關(guān)于中介變量的驗證，感興趣的讀者可以自行參閱： MacKinnon, D. P. , Lockwood, C. M. , Hoffman, J. M. , West, S. G. and Sheets, V. (2002). A comparison of met

30、hods to test mediation and other intervening variable effects. Psychological Methods, 7, 83-104. 另外，有兩位專家的網(wǎng)址都對中介變量講得很詳細。第一位是David A. Kenny（ P. MacKinnon（http//davidpm/ripl/mediate.htm）。,7.3結(jié)構(gòu)方程模型,7.3.1結(jié)構(gòu)方程模型在管理學(xué)研究中的應(yīng)用 結(jié)構(gòu)方程模型（Structure Equation Modeling，SEM）是應(yīng)用線性方程系統(tǒng)表示觀測變量與潛變量之間，以及潛

31、變量之間關(guān)系的一種統(tǒng)計方法。 在國內(nèi)，結(jié)構(gòu)方程模型研究方法則剛剛興起，相當多的人文社科類實證研究論文中都已開始采用這一建模方法。,7.3結(jié)構(gòu)方程模型,1.結(jié)構(gòu)方程模型的優(yōu)點 （1）允許回歸方程的自變量含有測量誤差 （2）可以同時處理多個因變量 （3）可以測量潛變量 （4）允許更具彈性的模型設(shè)定,7.3結(jié)構(gòu)方程模型,2.結(jié)構(gòu)方程模型應(yīng)用的幾個新趨勢 （1）第一個大方向是測量等同（measurement equivalence/invariance，ME/I）概念的拓展與延伸。 結(jié)構(gòu)方程模型在不同文化組別之間進行比較，可以對跨文化研究工作大有裨益。 跨性別研究，因為男性和女性對某些問題的看法會有所

32、差異，如對領(lǐng)導(dǎo)風(fēng)格這個問題所體現(xiàn)出的差異。 在360度績效評估中，研究表明，員工與上司對其本人的工作表現(xiàn)評價會有所出入，從而導(dǎo)致了一系列問題的產(chǎn)生。,7.3結(jié)構(gòu)方程模型,（2）第二個大方向是潛增長模型（latent growth model）。 （3）第三個大方向是多層次因子模型（multilevel factor model）。 在結(jié)構(gòu)方程中，我們可以將觀察來的變量之間的協(xié)方差矩陣分拆成兩個層次研究：變量組間協(xié)方差矩陣（between-group covariance matrix）和變量組內(nèi)協(xié)方差矩陣（within-group covariance matrix），從而可對組間和組內(nèi)的模型

33、進行分別測量，進一步就可以比較這兩個層次之間的異同。,7.3結(jié)構(gòu)方程模型,7.3.2結(jié)構(gòu)方程模型的原理 1.結(jié)構(gòu)方程模型的原理介紹,圖710 結(jié)構(gòu)方程模型原理圖,7.3結(jié)構(gòu)方程模型,2.結(jié)構(gòu)方程模型的基本類型 結(jié)構(gòu)方程模型主要有以下三個大類：測量模型（measurement model）、路徑模型（path model）和全模型（full model）。,7.3結(jié)構(gòu)方程模型,（1）測量模型 測量模型的主要用途是通過驗證性因子分析來幫助檢驗我們提出的理論假說 同時對各因子參數(shù)做出估計。,圖711 測量模型,7.3結(jié)構(gòu)方程模型,（2）路徑模型 路徑分析的主要作用是想要了解各個變量之間的關(guān)系，這其中

34、包括直接關(guān)系和間接關(guān)系兩大類。,圖712 路徑模型,7.3結(jié)構(gòu)方程模型,（3）全模型 全模型是同時包含了測量模型和路徑模型的總和，即同時包含外源變量和內(nèi)生變量的模型，也稱為完整模型（complete model）。,7.3結(jié)構(gòu)方程模型,圖713 全模型,7.3結(jié)構(gòu)方程模型,3.結(jié)構(gòu)方程模型分析的步驟 （1）模型設(shè)定 （2）模型識別 （3）模型估計 （4）模型評價與修正,7.3結(jié)構(gòu)方程模型,7.3.3使用結(jié)構(gòu)方程模型的例子 Warren（1974）的研究樣本為98個美國愛荷華州農(nóng)場企業(yè)。Warren 假設(shè)農(nóng)場企業(yè)管理者的行為因素主要包括四個方面： 對于企業(yè)以及產(chǎn)品的管理方面的知識（knowled

35、ge）； 對于獲取的經(jīng)濟收益的評價，即管理者的價值導(dǎo)向（value）； 管理者從管理行為中所獲取的滿意度（satisfaction）； 管理者曾接受的正式教育水平（education）。,7.3結(jié)構(gòu)方程模型,Warren 主要研究這些因素對于管理績效（performance）的影響。 通過這一示例，可以看到結(jié)構(gòu)方程模型在管理研究實證分析上的優(yōu)勢所在，通過將難以直接衡量的知識水平、價值導(dǎo)向、滿意度和績效以調(diào)研打分為測量變量予以概念化， 進而通過測量變量之間的協(xié)方差關(guān)系研究潛變量之間的關(guān)系，擬合結(jié)果可以清晰地顯示出知識水平、價值導(dǎo)向和滿意度對管理績效的預(yù)測關(guān)系,7.3結(jié)構(gòu)方程模型,7.3.4進一步

36、的閱讀建議 我們建議你可以閱讀以下資料： 侯杰泰、溫忠麟、成子娟：結(jié)構(gòu)方程模型及其應(yīng)用，北京，教育科學(xué)出版社，2004。,7.3結(jié)構(gòu)方程模型,Cheung，G.W.and Rensvold，R.B.（2000）.Assessing extreme and acquiescence response sets in cross-cultural research using structural equations modeling.Journal of Cross-Cultural Psychology，31（2），187-212. Wong，Y.T.，Ngo，H.Y.& Wong，C.s.（

37、2003）.Antecedents and outcomes of employees trust in Chinese joint ventures.Asia Pacific Journal of Management，20（4）：481-500.,7.4多層線性模型（HLM）,7.4.1多層線性模型在管理學(xué)研究中的應(yīng)用 1.橫截面數(shù)據(jù)的多層結(jié)構(gòu)特征 在社會科學(xué)中，很多研究問題都體現(xiàn)為多水平的、多層的數(shù)據(jù)結(jié)構(gòu) 傳統(tǒng)的線性模型中，如方差分析或回歸分析，往往只能對其中某一層的數(shù)據(jù)進行描述或提出一系列的研究問題和假說，卻不能對涉及兩層或多層數(shù)據(jù)的問題作綜合性的研究。,7.4多層線性模型（HLM）,

38、2.縱向研究數(shù)據(jù)的多層結(jié)構(gòu)特征 在縱向研究中，以不同觀測時點的追蹤記錄結(jié)果為第一層數(shù)據(jù)，以樣本的個體特征或不同的實驗處理為第二層數(shù)據(jù)，從而構(gòu)成兩層數(shù)據(jù)結(jié)構(gòu)。與傳統(tǒng)的統(tǒng)計分析方法相比，多層線性模型在數(shù)據(jù)的基本假說和研究問題的范圍上都有顯著的擴展。,7.4多層線性模型（HLM）,7.4.2多層線性模型的原理 1.多層線性模型的基本原理 多層分析采用“回歸的回歸（regression of regression）”的運算原理，對這種個體效應(yīng)和背景效應(yīng)進行分離，基本分析思想是這樣的：首先對個體層變量進行回歸，保存下回歸系數(shù)，并將這些統(tǒng)計量與在第二層所觀察到的變量混合在一起進行回歸分析。,7.4多層線性

39、模型（HLM）,2.多層線性分析的基本形式 多層分析同樣具有一個完整模型（full model），即模型中包含第一層的預(yù)測變量，也包含第二層的預(yù)測變量 這里給出最簡單的完整模型，即只有一個第一層預(yù)測變量和一個第二層預(yù)測變量。,7.4多層線性模型（HLM）,Level-1 Model：Yij=0j+1jXij+rij Level-2 Model：0j=00+01Wj+u0j 1j=10+11Wj+u1j Yij指個人i在j群體中的結(jié)果變量； Xij是個人i在j群體中的預(yù)測因子之值； 0j與1j是每個j群體分別被估計出的截距項與斜率；rij為殘差項。Wj是群體層次的變量； 00與10為Level-

40、2截距項； 01與11則是聯(lián)結(jié)Wj與Level-1公式中的截距項與斜率項的斜率； u0j與u1j為Level-2的殘差項。,7.4多層線性模型（HLM）,7.4.3使用多層次分析的例子 1.研究概述 作者認為，服務(wù)業(yè)中顧客的滿意度與組織的績效息息相關(guān)，而服務(wù)人員在服務(wù)過程中與顧客的互動會影響到顧客所感受到的服務(wù)品質(zhì)，因此有必要進一步探究什么原因會影響員工的服務(wù)績效，從而提升組織績效與顧客滿意度。,7.4多層線性模型（HLM）,文章提出了三個假說： 假說1：個人層次的外向性與員工的服務(wù)績效呈正相關(guān)。 假說2：群體層次的服務(wù)氛圍與員工的服務(wù)績效呈正相關(guān)。 假說3：群體層次的服務(wù)氛圍調(diào)節(jié)外向性與員工服務(wù)績效之間的關(guān)系，以至于越正面的服務(wù)氛圍，