《定量研究工具》PPT课件

管理学研究方法第7章定量研究工具目录•7.1定量研究的基础知识•7.2线性回归分析•7.3结构方程模型•7.4多层线性模型（HLM）•本章在内容安排上分为两个大部分：▫第一大部分即7.1，是对如上所述的定量研究基本知识的介绍；▫第二大部分即7.2至7.4，是对当前管理研究中所使用的主要的定量研究工具进行介绍。▫这些工具包括回归分析、结构方程模型、多层线性模型以及调节变量和中介变量的相关方法。7.1定量研究的基础知识•7.1.1着手定量研究：概念化和测量▫研究开始于选题、命题，然后是命题概念化、概念指标化、指标测量化等工作。图7—1研究的细化过程7.1定量研究的基础知识▫1.概念与构念（1）概念概念是思维的要素，是思维赖以进行的基础。概念是现实世界中物体、性质、关系、现象和过程等在我们大脑中的表象。概念的外在形式是语音符号，即语词。语词是概念的外壳，概念是语词的内容，它们互为依存。7.1定量研究的基础知识管理学中的概念因抽象程度也有不同层次。有些概念表达看得见、摸得着的物体有些概念表述较抽象的东西另一些则表述高度抽象的性质和关系管理学研究的很多对象是高度抽象的概念7.1定量研究的基础知识（2）构念构念（construct）是一个专用术语，指的是科学工作者在研究中具体探讨的概念，常是新观念和新思想的载体。通俗地说，构念的过程就是构造新概念的过程，也可说是一个“造词儿”的过程。7.1定量研究的基础知识▫2.概念化与度量（1）概念化精确地指出研究所用术语的含义的过程，就是概念化。概念化过程的最终产品就是一组具体指标（indicators），指标被用来说明构念的属性。7.1定量研究的基础知识（2）概念的度量测量一个概念的方法有多种，自然有优劣之分或可行与否，关键是找到合适的度量或指标。度量和指标必须符合概念的定义，并且要在考虑数据资料、时间、经费，以及研究者的研究能力是否足以胜任等条件的基础上来确定。测量一个构念，可以自己创造出全新的度量法，也可以使用别人已经用过的度量法。7.1定量研究的基础知识（3）评估测量质量的标准当研究者建构和评价测量时，他们更加关注两项技术性指标：信度（reliability）和效度（validity）。①信度。▫信度是指使用相同研究技术重复测量同一个对象时，得到相同研究结果的可能性。▫信度高并不一定能保证准确性，存在偏误。②效度。▫效度是指实证测量在多大程度上反映了概念的真实含义。7.1定量研究的基础知识③信度与效度的权衡。▫信度是获得效度的必要前提，它比效度容易获得。▫但它不能保证测量的有效性，它不是效度的充分条件。▫效度和信度通常互补，但在有的情景下，它们可能互相冲突。对于管理学研究来说，这是一个始终存在、无法避免的两难。常见的解决办法是：▫（1）如果无法就测量某个概念达成共识，就用多种方法进行测量。▫（2）如果某个概念有多个维度，就测量所有的维度。7.1定量研究的基础知识•7.1.2构建测量的逻辑：指标和量表▫1.指标把概念从理论层次逐渐落实到操作层次就是寻找一组指标来说明概念的属性。对于简单的概念，只需用一两个指标来测量，而复杂的概念则需几个甚至几十个指标来测量。在使用多个指标来测量一个概念时，往往需要建立一个综合指标来对一个概念进行综合度量。7.1定量研究的基础知识如何将概念转化为若干个指标呢？（1）经验法。▫通过对概念粗略的理解，提出若干指标，然后对这些指标进行筛选，选择出其中符合概念内涵的指标。（2）理性的做法。▫先查阅大量相关文献，找出概念的种种含义，列出可能的指标。对这些指标再进行认真筛选以后，选出最佳的符合要求的指标。7.1定量研究的基础知识▫2.量表同指标一样，量表（scale）的作用也是将抽象的变量量化。与指标不同的是，量表用于测量人们的看法和态度。指标通常指的是最后的结果，而量表多指记录和收集数据的形式。量表和指标的关系密切，用量表收集的数据可用以建立和修正指标。7.1定量研究的基础知识量表在管理学调查中广泛使用，它可用于两个互相关联的目的。首先，量表可用于定义构念，使之可操作化，因为量表可表明各分指标与构念是否吻合一致。其次，量表可用于测量变量，产生量化的数据，并与其他度量一起用于检验假说。常用的量表包括鲍格达斯社会距离量表（Bogardussocialdistancescale）、李克特量表（Likertscale）、语义差异量表（semanticdifferentialscale）等。7.1定量研究的基础知识其基本形式举例如下：（1）鲍格达斯社会距离量表▫鲍氏量表实际是由一组在强度上有明显差异的项目构成的，比如要探讨美国白人和黑人的交往意愿，我们可以设计一组反应交往程度不同的问题▫这种结构顺序较强的量表可以测量出不同的人对某一群体的态度。7.1定量研究的基础知识（2）李克特量表▫由美国人雷思西斯·李克特（RensisLikert）于20世纪30年代发明，能生成顺序型数据，主要用于测试人们的态度，常用于社会调查。李克特量表通常要求人们表示同意还是不同意某个观点。▫简便易行是李克特量表最大的优点，在把多个项目组合起来共同测量一个构念的情况下尤其见长。▫两个缺点：一是合成的分数在被调查人之间可能相似，从而掩盖他们的差别；二是上面所说的应答定势的问题。7.1定量研究的基础知识（3）语义差异量表▫语义差异量表是美国社会心理学家G.奥斯古德等人首次使用的▫这类量表运用一对对意义相反的形容词，如“好”与“坏”、“慢”与“快”等，让被调查人对人与事做出评价。具体做法是在成对的形容词之间加上7～11个空格（都应是奇数），让被调查人选其中之一打钩，表明自己的立场。把很多人的意见结合起来，可看出人们对有关事物的态度。▫语义差异量表使用的形容词可分为三大类：一是评价类（如“好”与“坏”）；二是强度类（如“强”与“弱”）；三是动作类（如“爱动”与“好静”）。7.1定量研究的基础知识•7.1.3数据分析的原理：统计检验▫1.推断统计的基础知识（1）概率分布要掌握某一资料的分布情况，统计学家主要以中间倾向和分散程度两个概念来表示。首先，所谓中间倾向，就是找分布的中值在哪里▫我们可用所有数据的平均值来作为此中间倾向的代表，也可用中间数、中间值等。7.1定量研究的基础知识其次，所谓分散程度，就是数据很分散，还是较集中地围绕在中间数据附近。▫一般而言，我们以变异量（variance，或称方差）或它的平方根——标准差（standarddeviation）来表达。7.1定量研究的基础知识图7—2连续数据的正态分布7.1定量研究的基础知识7.1定量研究的基础知识图7—3连续的卡方分布（左）和F分布（右）7.1定量研究的基础知识（2）推断统计的意义在很多时候我们没有资源收集所有研究对象的数据，我们只能研究一个样本，然后根据这个样本的数据，推断（或估计）母体（我们想要研究的对象）的数据。对样本进行研究，然后推断母体的情况，是统计学中重要的一环。7.1定量研究的基础知识为了讨论的清晰，我们称母体的数据为参数（parameters），样本的数据为统计数（statistics）。一般而言，通常用希腊字母代表参数（例如，μ代表母体的平均值；▫σ代表母体的标准差），以英文字母代表统计数（例如，以代表样本平均值；▫s代表样本的标准差）。我们称样本的大小为样本数（samplesize），一般用英文字母n表示。7.1定量研究的基础知识▫2.统计检验简介管理学研究中往往是先建立假说（扎根理论法除外），再根据实际资料进行论证，所以研究中常采用假说检验。参数估计关心从样本特性推论出的总体参数是否落入置信区间，而假说检验的着眼点却是落在置信区间以外的统计值。出现落在置信区间以外的统计值，从统计检验角度来说，并非一定是“坏”事，倒可能是新发现的标志。7.1定量研究的基础知识（1）保守假说（nullhypothesis）待检验假说可分为两类：一类是“研究假说”，即研究者希望验证的命题；另一类是“保守假说”，即研究假说的逻辑对立面。保守假说通常和研究假说相悖，如研究假说说一种方法比另一种方法更有效，保守假说则说两者有效程度一样。7.1定量研究的基础知识假说的证伪往往比证实更有力。如果从正面找出支持研究假说的论据，那也只是在某种具体条件下被证实，并不能得出假说已被证实的结论。而否定的证据只要有一个，研究假说便被证伪。保守假说就是根据这种思路和研究假说相呼应地设计的，如果保守假说被否定，便是对研究假说的有力支持。7.1定量研究的基础知识（2）显著性检验置信度指真值落在容许偏差幅度（即置信区间）内的概率。研究者当然也可以用容许出现失误即真值落在置信区间之外的概率来设定指标，这个指标即为显著度（significancelevel），用α表示和置信区间的概念相对应，相对于每个显著度都有个否定值，如α＝0.0l时，平均值正态分布每边相对的否定值便是2.33标准值，标准值大于2.33的正态分布区域便是否定域（criticalregion）。7.1定量研究的基础知识假说检验关心的是否定域的统计值和显著度。显著性检验是主观预先选定一个显著度。判断实验组的平均值是否落入否定域，如落入，则和控制组的平均值之间差异显著，证实自变量起作用的假说。7.1定量研究的基础知识▫3.统计检验的基本步骤（1）设立假说我们会先假设，我们探讨的自变量与因变量之间并无因果关系，直到我们有足够的证据推翻这一假说前，我们会接受这一假说。（2）抽样：搜集资料在科学研究中，我们也是通过样本的数据来判断是否有足够的证据推翻原来的假说7.1定量研究的基础知识（3）几率的估计在保守假说正确的前提下，我们会观察到这样一个样本的几率有多大，这个几率我们称为P值（Pvalue）。如果这个P值很小，我们就推翻保守假说。7.1定量研究的基础知识（4）下结论不能仅靠统计在管理学和一般的社会科学研究中，如果计算出来的P值小于5%，我们便会推翻保守假说。如果P值比我们设定可接受的小，我们会说样本提供了显著（significant）的证据，让我们推翻原来保守的假说，或者说样本提供的证据达到了显著水平（significantlevel）。在使用统计方法前，是要慎重思考的，否则便容易流于胡乱判断变量间的因果关系7.1定量研究的基础知识，对增进了解知识上的探索反而有害无益。以下是一些很重要的考虑：（1）理论框架▫统计只是一种工具，它不能取代我们原来根据理论背景做出的假说7.1定量研究的基础知识（2）几率性的测试▫结论只是几率性的，如果以95%显著水平为基础，当我们从样本的数据中推翻保守假说时，其实仍有5%的可能是会出错的，我们把这种错误称为第一类错误；▫同样，当我们基于样本的数据而没有推翻保守假说时，其结论仍有可能是错的，即事实上保守假说是错的，这种错误的可能性视样本的大小而定（样本越大，此错误的几率越小），我们称这种错误为第二类错误。7.1定量研究的基础知识（3）样本的代表性▫如果样本不能代表母体，则无论我们用任何方法来分析样本数据，对母体的结论还是不会正确的。（4）统计方法的假定▫每一种统计方法都是在某种假定之下发展出来的▫如果事实偏离这些假定太远，则这些统计方法所下的结论并不可靠（5）数据的可靠性▫除了抽样方法以及样本数外，数据的信度和效度会影响数据的可靠性7.2线性回归分析•7.2.1回归分析在管理学研究中的应用▫线性回归分析假定一列（或多列）数据的变化同另一列数据的变化呈某种线性的函数关系，运用统计学的相关理论，衡量数据联系的强度，并通过指标检验其符合的程度。7.2线性回归分析•7.2.2线性回归分析的原理▫1.对回归原理的形象描述▫线性回归分析的基本假设是自变量与因变量呈线性关系，如果X1、X2是自变量，Y是因变量Y=β0+β1D+β2X2+εY=β0+β1X1+ε7.2线性回归分析其中：β0是截距；β1代表了X1改变一个单位，Y会改变的程度；β2代表