工商管理研究方法

工商管理研究方法吕鸿江学习目标能看懂他人的方法学部分基本学会写符合国际规范的方法学部分1.“研究范式”(1500papersinAMJ)SurveyResearch70%Secondarydataanalyses20%Qualitativeandcasemethods5%Laboratoryexperiments4%Quasiexperiments1%试验研究更准确，但实地研究结论更有意义!二手数据完全是看菜吃饭！各种范式运用到的技术完全不一样，全部要掌握基本不可能。2.一般程序3.构念与量表信任信念信任意愿？正直善意能力3.研究模型(ResearchModel)•Independent—Thecause,whether•Dependent—Theeffect•Mediating—Theprocess,how•Moderating—Thecontext,when•ControlThealternativecausesI.V.D.V.MedModControl学习内容信度及效度检验因子分析描述性统计分析多层回归分析调节作用中介作用一、信度及效度检验效度及种类信度及种类信度及效度的测量（一）效度的意义正确性能测出所欲测量的特质的程度以英文出统计学考题英文作文题目让考生看不懂是科学测量工具最重要的必备条件是一个过程而不仅是程度的问题更精确而言可依不同的方法得到不同效度效度是指一个测验在使用目的上的有效性效度是测验能够达到某种目的的程度效度是指测验的结果，而不是「测验的本身」效度无法直接测量，但可从其它数据推论效度是「程度的差别」，而不是「全有或全无」效度不具普遍性效度的种类表面效度（facevalidity）内容效度（contentvalidity）效标效度（criterionvalidity）同时效度（concurrentvalidity）：相关(托福成绩高，但无法听说英语)预测效度（predictivevalidity）：相关、回归(GRE成绩高，但出国之后无法顺利学习)构念效度（constructvalidity）聚合效度（convergentvalidity）：不同的方法、相同的构念区别效度（discriminantvalidity）：相同的方法、不同的构念表面效度好像测量甚么特质，而不是事实上能测量到甚么特质。具有内容效度的测验，通常也具有表面效度。态度或人格测验，具有高的表面效度，不见得好。内容效度每一题目都应与所界定的内容或行为范围有适当的相关。量表内容应能确实地涵盖所界定之对象范围。项目之分配比例应适当地反应研究范围中，各构念的重要性，及数目多寡。项目不能太少，或太集中于某一构念。判断方法：双向细目表专家判断复本的编制效标关联效度效标关联(criterion-related)效度，又称实用(pragmatic)效度或实证(empirical)效度「效标」是用来显示测量工具所欲测量(或预测)的特质之独立量数，以作为检定效度的参考标准依据效标不同，效标关联可分为同时(concurrent)效标及预测(predictive)效标构念效度构念效度指测验能够测量到理论上的构念或特质的程度构念效度的判断相关研究：与同性质的测验有相关，与不同性质的测验无关团体差异：如：智力测验分数，六年级＞三年级＞一年级实验研究内部一致性分析对照团体法：高低分组比较项目与总分之相关因素分析MTMM（二）信度的意义意义可靠性（trustworthiness）稳定性（stability）一致性（consistency）可信赖度（dependability）精确性（accuracyofprecision）评定方式不同施测者,同一时间,使用同一工具,对同一受试加以评量不同时间,使用同一工具,对同一受试加以评量测量结果能否反映真实程度(抄别人的作业反而比较高分)信度的种类-1再测信度（test-retestreliability）不同时间使用同一工具对同一受试加以评量稳定信度（stabilityreliability）相关系数复本信度（alternative-formreliability）使用复本对同一受试加以评量：可连续或隔一段时间连续：等值系数间隔一段时间：稳定与等值系数相关系数信度的种类-2同等信度（equivalencereliability）：内部一致性信度CronbachAlphaKuder-RichardsonKR20/21(二分)折半信度(多选)HoytANOVA评分者信度（inter-raterreliability）Kappa系数Kendall和谐系数相关系数ICC(Intraclasscorrelation)信效度示意图无信度也无效度有信度但无效度有效度也有信度信度与效度之关系效度是信度的充分条件有效度就有信度没有效度未必没有信度信度是效度的必要条件没有信度就没有效度有信度未必有效度信度的平方根是效度的最大值（三）信度和效度的测量1.效度分析：《分析》→《降维》→《因子分析》选择变量与描述统计判断因子数目的方法直交及斜交转轴KMO指数、共同性、方差碎石图正交转轴斜交转轴信度分析：《分析》→《度量》→《可靠性（信度）分析》选择变量及统计量报表-1报表-2报表-31.20910.8136.453结果1、首先把握好问卷结构。即本问卷调研的主题是？，该问卷分几方面调查？先对每个方面所包含的题目做信度分析，然后再对所有相关问题做信度分析，以求出问卷的总体信度系数。一般各部分信度系数应在0.7以上，总体信度系数在0.8以上，才有价值。如果存在方向计分题，应对他们进行反向处理后在进行信度分析。2.效度分析最理想的是用因子分析测量量表的结构效度。研究者在设计问卷时实际上是假设某种结构存在，通过因子分析可以考察所用的量表是否能测量出真正的的结构，从而验证假设是否成立。Kaiser给出了常用的kmo度量标准:0.9以上表示非常适合；0.8表示适合；0.7表示一般；0.6表示不太适合；0.5以下表示极不适合。二、因子分析FactorAnalysis因子分析的基本理论1、什么是因子分析？因子分析是主成分分析的推广，也是利用降维的思想，由研究原始变量相关矩阵或协方差矩阵的内部依赖关系出发，把一些具有错综复杂关系的多个变量归结为少数几个综合因子的一种多元统计分析方法。2、因子分析的基本思想：把每个研究变量分解为几个影响因素变量，将每个原始变量分解成两部分因素，一部分是由所有变量共同具有的少数几个公共因子组成的，另一部分是每个变量独自具有的因素，即特殊因子。因子分析的基本理论3、因子分析的目的：因子分析的目的之一，简化变量维数。即要使因素结构简单化，希望以最少的共同因素（公共因子），能对总变异量作最大的解释，因而抽取得因子愈少愈好，但抽取因子的累积解释的变异量愈大愈好。在因子分析的公共因子抽取中，应最先抽取特征值最大的公共因子，其次是次大者，最后抽取公共因子的特征值最小，通常会接近0。因子分析的基本理论例：在企业形象或品牌形象的研究中，消费者可以通过一个有24个指标构成的评价体系，评价百货商场的24个方面的优劣。但消费者主要关心的是三个方面，即商店的环境、商店的服务和商品的价格。因子分析方法可以通过24个变量，找出反映商店环境、商店服务水平和商品价格的三个潜在的因子，对商店进行综合评价。而这三个公共因子可以表示为：称是不可观测的潜在因子,称为公共因子。24个变量共享这三个因子，但是每个变量又有自己的个性，不被包含的部分，称为特殊因子。iiiiiiFFFx332211321FFF、、i因子分析的基本理论4、主成分分析分析与因子分析的联系和差异：联系：（1）因子分析是主成分分析的推广，是主成分分析的逆问题。（2）二者都是以‘降维’为目的，都是从协方差矩阵或相关系数矩阵出发。区别：（1）主成分分析模型是原始变量的线性组合，是将原始变量加以综合、归纳，仅仅是变量变换；而因子分析是将原始变量加以分解，描述原始变量协方差矩阵结构的模型；只有当提取的公因子个数等于原始变量个数时，因子分析才对应变量变换。（2）主成分分析，中每个主成分对应的系数是唯一确定的；因子分析中每个因子的相应系数即因子载荷不是唯一的。（3）因子分析中因子载荷的不唯一性有利于对公因子进行有效解释；而主成分分析对提取的主成分的解释能力有限。因子分析的基本理论5、因子分析模型：设个变量，如果表示为iX),,2,1(pip11iiiimmiXaFaF)(pm11111211122212222212mmpppppmpmXFXFXF或XμAF或（1）（2）称为公共因子，是不可观测的变量，他们的系数称为因子载荷。是特殊因子，是不能被前m个公共因子包含的部分。其中：mFFF,,,21icov(,)0,F,F相互独立即不相关；IFD111)(mFFF,,,21即互不相关，方差为1。（3）22221)(pD即互不相关，方差不一定相等，。满足以上条件的，称为正交因子模型．如果（2）不成立，即，各公共因子之间不独立，则因子分析模型为斜交因子模型．),0(~2iiNIFD)(公因子F1公因子F2共同度hi特殊因子δix1=代数10.8960.3410.9190.081x2=代数20.8020.4960.8890.111x3=几何0.5160.8550.9970.003x4=三角0.8410.4440.9040.096x5=解析几何0.8330.4340.8820.118特征值G3.1131.4794.9590.409方差贡献率（变异量）62.26%29.58%91.85%因子分析案例F1体现逻辑思维和运算能力，F2体现空间思维和推理能力因子分析的基本理论6、因子分析模型中的几个重要统计量的意义：（1）因子负荷量（或称因子载荷）----是指因子结构中原始变量与因子分析时抽取出的公共因子的相关程度。imim2i21i1*iFFFxijijm1ijm1ij*iFj),cov()F,cov()F,cov()F,Cov(xkikikikFF)var(*)var()*,cov(rijjijiFxFxr在各公共因子不相关的前提下，（载荷矩阵中第i行，第j列的元素）是随机变量xi*与公共因子Fj的相关系数，表示xi*依赖于Fj的程度。反映了第i个原始变量在第j个公共因子上的相对重要性。因此绝对值越大，则公共因子Fj与原有变量xi的关系越强。ijij（2）共同度----又称共性方差或公因子方差（community或commonvariance）就是变量与每个公共因子之负荷量的平方总和（一行中所有因素负荷量的平方和）。变量的共同度是因子载荷矩阵的第i行的元素的平方和。记为从共同性的大小可以判断这个原始实测变量与公共因子间之关系程度。如因子分析案例中共同度h12=0.8962+0.3412=0.919特殊因子方差（剩余方差）----各变量的特殊因素影响大小就是1减掉该变量共同度的值。如=1-0.919=0.081iX。mjijiah1222i（3）特征值----是第j个公共因子Fj对于X*的每一分量Xi*所提供的方差的总和。又称第j个公共因子的方差贡献。即每个变量与某一共同因素之因素负荷量的平方总和（因子载荷矩阵中某一公共因子列所有因子负荷量的平方和）。如因子分析案例中F1的特征值G=（0.896）平方+（0.802）平方+（0.516）平方+（0.841）平方+（