研究数据处理的统计技术及实证效果

本书采用实证研究的逻辑来进行研究。在数据收集上，主要是在遵循心理测量的基础上运用问卷法来获得研究数据。问卷法是目前组织行为学和人力资源管理研究中最普遍使用的工具（谢家琳，2008）。在样本1中，本书通过2个时间点来进行问卷调查，较大程度上降低了同源方差的影响；在样本2中，本书通过两个来源、两个层次上进行相应的问卷调查，满足了研究的数据需要，提高了研究数据质量，降低了同源方差，提高了研究的科学性和可信度。

在数据处理上，为了保证实证研究的精确性和有效性，本书采用了一系列的统计技术，主要包括以下五个方法：

（1）描述性统计分析。通过描述性统计分析可以分析样本特征，了解样本的分布情况以及特点。统计性描述主要运用频数和频率分布、平均值和标准差等统计指标来对数据进行分析。

（2）因子分析。因子分析主要包括探索性因子分析和验证性因子分析，探索性因子分析主要运用在理论构念的结构未知的情况下，对理论构念结构和维度进行探索性研究。验证性因子分析主要运用在已知理论构念的结构条件下，对构念的结构效度进行检验。由于采用的是已有量表，因此本书采用验证性因子分析来验证因子结构，通过验证性因子分析，本书可以检验测量工具的区分效度，并且可以检验同源误差的大小。

（3）相关分析。相关分析主要用于检验变量之间的两两相关性，主要用皮尔森相关系数（Pearson Correlation）来表明变量之间的相关联系。尽管相关性不能直接用于假设验证，但是相关性能够提供变量之间的关系，为后续的回归分析奠定了基础。

（4）多元回归。本书在子研究1中使用多元回归来进行主效应和中介效应的检验。中介效应采用Baron和Kenny（1986）的四步法：①自变量X对因变量Y有显著影响；②自变量X对中介变量M有显著影响；③中介变量M对因变量Y有显著影响；④当共同放入自变量X和中介变量M对因变量Y进行回归时，这时，X对Y的影响变得不再显著（M对Y的影响仍然显著），表明M是完全中介；X对Y的影响仍然显著，但系数变小（M对Y的影响仍然显著），表明M为部分中介。(www.xing528.com)

（5）多层线性模型。多层次的技术日渐成熟，成为研究组织问题的重要方法论基础（廖卉＆庄瑷嘉，2008；张志学，2010）。本书跨越了团队层次和个人层次，属于跨层次直接作用模型。因此，多层线性模型是本书的重要研究方法，主要用于检验个人层次的假设检验和跨团队与个人层次的假设检验。

（6）Bootstrap技术。Bootstrap是通过估计统计量方差来进行区间估计的一种重复抽样统计方法。在小样本中特别适合用Bootstrap方法进行抽样回归。Bootstrap的原理是将样本进行有放回的抽样，当抽样规模达到一定数量，就能够提高回归分析的稳定性和有效性。Bootstrap既可以用于参数估计，也可以用于非参数估计，Bootstrap的步骤包括：首先，在原始样本容量n的基础上，每个样本每次被抽到的概率相等（1/n）的条件下进行有放回的重复抽样，得到Bootstrap抽样样本；其次，以Bootstrap抽样样本为基础进行回归分析（黎光明＆张敏强，2012；方杰＆张敏强，2012）。由于Bootstrap在检验中介作用时比Baron和Kenny（1986）的方法有更好的优势，因此我们在子研究1的后分析中采用了Bootstrap的方法来进一步验证中介效应，同时，本书子研究2在团队层面的回归分析因为样本量较少，所以采用Bootstrap回归来进行团队层次的假设验证。

与上述统计方法相对应，本书在研究软件上，采用了四种主要的研究软件，其中，描述性统计分析、相关分析和多元回归主要运用SPSS20.0来进行运算；验证性因子分析主要运用AMOS20.0（结构方程模型）来进行计算；多层线性模型采用HLM6.08来进行多层次的回归分析；Bootstrap回归采用STATA10.0以及SPSS来进行抽样回归。

【注释】

[1]尽管团队生产量的信度系数只有0.583，低于0.6的阈值，本研究仍然接受它的原因包括：第一，0.583的信度已经非常接近0.600的接受标准。第二，尽管0.6看上去是一个铁的标准，但是在研究中仍然有少数变量的信度低于0.6而同样被接受的。第三，信度系数受到样本量影响非常大，鉴于团队层面样本只有34个，本研究认为并不是测量工具本身有问题，而是可能受到样本量影响才导致低于0.600。本研究在后续的回归分析中也运用了Bootstrap来克服团队层面的样本量小的问题。因此，本研究倾向于接受这一信度。