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。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。