社會科學研究中的問卷調查法

Report
社會科學研究中的問卷調查法
姜定宇 中正大學 心理系
「研究方法科學知識產生的程序」座談會。台南:成功
大學圖書館,2014.11.19
1
問卷調查法
• 實用性高
–
–
–
–
快速有效的資料蒐集法
數量大且高品質的研究資料
對被調查者的干擾小
成本低廉
• 條件
– 參與者會認真閱讀
– 參與者有足的能力理解問卷中的問題
– 參與者會提供真實與坦誠的答案
來源:謝家琳(2014)
2
調查研究的優劣
• 優勢
– 社會行為研究中的某些重要變項,基本上是無法人為操弄的
(如:性別、種族、或是有道德爭議的)
– 真實生活情境 (現實實在主義,mundane realism: Aronson,
Brewer, & Carlsmith, 1985)
– 可類推性高
– 資料蒐集花費較低且有效率
• 劣勢
– 相關並不代表因果關係
– 無法完全排除混淆變項
3
什麼是因果關係?
• John Stuart Mill
– 因在果之前
– 時空上發生的順序
• 橫斷性調查研究的一項致命問題
• 縱貫性調查研究會好一些
– 因與果有相關性
– 當A改變,B也會跟著改變
• 調查研究可以滿足這項要求
– 除了這個因之外,沒有其他的可能解釋
– 並非其他的原因所造成的
• 在問卷調查中,我們可以測量其他的可能解釋,並且用統計的
分法加以排除
4
混淆變項的影響有多大?
– 混淆變項是對X與Y之間的關聯性,提出另一種可能解釋的第
三變項
X
Y
Z
– 若Z 同時是X和Y的影響因子
– 當我們沒有留意到Z的存在時,X和Y之間所存在的關係,可
能並不能反映真實的情形。
5
混淆變項
– 混淆變項是對X與Y關聯性提出另一種解釋可能的第三變項
智力
壽命
– 社會階層假設
• 智力與生活適應、工作成就有正相關(Binet & Simon, 1905; Ree
& Earles, 1992)
• 生活條件與壽命有正相關(Shkolnikov et al., 2007)
6
混淆變項
– 混淆變項是對X與Y關聯性提出另一種解釋可能的第三變項
智力
壽命
基因
– 遺傳基因假設
• 藉由雙生子研究,在控制基因的影響後,智力對壽命的影響力
不顯著(Holsinger et al., 2007)。
7
問卷調查研究流程
Survey Studies Processes
如何開始進行問卷調查研究?
8
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
Missing data
Multiple regression
9
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
Missing data
Multiple regression
10
研究問題與假設
• 研究問題
– 是疑問句,在問:二個或以上的變項間存在什麼樣的關聯性?
• 心智能力與學業表現之間有什麼關係?
• 不同心智能力水準的學生,在學業表現上有什麼差異?
• 心智能力對學業表現有什麼影響?
– 問一個好問題,就解決了一大半的問題
• 形成問題通常比它的解答更重要 (Einstein & Infeld, 1961).
11
Research Problems & Hypotheses
– Research problems
•
•
•
•
•
•
•
快樂的人比較有生產力嗎?
家長式領導有用嗎?
在什麼情況下,工作壓力會讓人成長,而不是退縮?
轉換型領導增進員工效能的影響機制為何?
這家公司會不會倒?
什麼樣的員工會被主管霸凌?
高科技產業具有什麼樣的組織文化?
12
Research Problems & Hypotheses
– Research problems
•
•
•
•
•
•
•
快樂的人比較有生產力嗎?
家長式領導有用嗎?
在什麼情況下,工作壓力會讓人成長,而不是退縮?
轉換型領導增進員工效能的影響機制為何?
這家公司會不會倒?
什麼樣的員工會被主管霸凌?
高科技產業具有什麼樣的組織文化?
13
Research Problems & Hypotheses
– 社會科學論文本質上是一種論辯,你清楚地且合於邏輯地表達你
的立場,並提出支持這項立場的證據。
– 理論是一種有條理的想像(imagination),藉由理論,我們得以解釋
現象(explains)、預測現象(predicts)、並從現象中獲得啟發(delights)
• By Karl Weick (1992, 1995)
– 想像你要加入一場學術對話,有一群一群的人各自談論他們有興
趣的主題,你要選擇一群人加入,如果你想要加入他們的談話,
你要知道他們之前談了些什麼,你要怎麼說話才能引起這群人的
注意。
• By Anne Tsui (徐淑英, 2006)
14
研究問題與假設
• 什麼是有趣的研究?
– 有趣的理論是那些否定他們聽眾視為理所當然的理論
• 所有有趣的理論,都挑戰他們聽眾所視為理所當然的世界(如:
從眾、承諾續擴)
• 「視為理所當然」不只是在理論上,也包括那些實際生活上。
• 例如:「那些被視為無關的現象,而實際上卻是有關的現象」
(如:霍桑效應)
• Example: 領導者愈偏心,部屬覺得愈公平(姜定宇,張菀真,2010)
– 無趣的理論是那些確認他們聽眾某些預設立場的理論
15
研究問題與假設
• 假設
– 假設是對二個或以上變項間關係的一項推測陳述
• 心智能力和學業表現有正相關
– 假設是科學研究中重要且不能沒有的工具
1.
2.
3.
•
假設是理論的運作工具
假設可以被檢測,並顯示可能為真或可能為假
假設讓科學家站在自身以外的立場
假設是理論和實徵探索間的重要橋樑
Source: Kerlinger & Lee (2000), Pedhazur & Schelkin (1991)
16
文獻回顧
• 文獻回顧(literature review)
– 主要內容
• 針對所探討的問題,回顧相關文獻
• 指出文獻中存在的落差(研究問題)
• 說明本研究會如何解決這個落差
– 定律、理論、觀點
• 定律:已被重覆驗證,確定確實存在。如運動學三大定律。
• 理論、觀點:仍存在被推翻可能的說法或猜想。
17
文獻回顧
– 理論的功能
• 協助我們去猜測(預測)可能的關聯性
– 建立研究假設並加以驗證
– 例如:
» 知覺組織支持(perceived organizational support)與組織
承諾(organizational commitment)
» 社會交換論(social exchange theory)
• 可以被檢驗
– 理論的生命週期
理論是問卷調查研究中的靈魂
18
效度
• 統計結論效度Statistical conclusion validity
– 適當地使用統計分析,來推論獨變項與依變項之間是有關
• 內部效度Internal validity
– 是否變項間的相關是來自於他們存在著因果關係
• 建構效度Construct validity
– 所測量的數值是否能代表所欲測量的建構
• 外部效度External validity
– 從某一研究樣本中所獲得的關係,是否能類推到其他人、情境、
以及時間的不同母群中。
效度是社會科學研究被視為科學的碁石
Source: Cook & Campbell (1976)
19
獨變項
依變項
知覺組織支持
組織承諾
(概念因果關係)
X’
概念層次
(causal conceptual relationships)
Y’
(construct validity)
(建構效度)
(construct validity)
(內部效度internal validity)
操作層次
X
Y
(statistical conclusion validity)
Mowday & Steers (1979)
Eisenberger et
(1986) POS
1. al.Independent
and dependent variables are identified by X and Y,
respectively.
OCQ
2.
3.
The symbol prime, ’ is used to designate that a variable is
specified at the conceptual level.
Arrows represent the direction of influence or cause.
20
From: Schwab (2005), p14
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
3.
Missing data
Multiple regression
Random coefficient modeling
4. Structural equation modeling
21
層次議題
• 組織是多層次系統
– 個人、團體/團隊、部門、組織、產業、地理區域…
外部環境
組織間
組織
部門
團體
個人
Source: Hitt, Beamish, Jackson, & Mathieu (2007)
22
層次議題
• 理論層次
– 個人層次
• 社會學習論( social learning theory, Bandura, 1977)
– 團體層次
• 集體效能( collective efficacy, Bandura, 1995)
– 跨層次
• 涓滴效應( trickle down effect/theory, see Aghion, Philippe,
Bolton,& Patrick, 1997)
• 蛙池效應(Frog-pond effect, MacFarland & Buehler, 1995)
Source: Hitt, Beamish, Jackson, & Mathieu (2007)
23
層次議題
• 測量層次
– 創新組織文化對研發團隊效能的影響
• 組織文化、團隊效能
– 團隊成員性格對團隊間關係的影響
• 性格、團隊間關係
– 團隊寬恕氣氛對成員工作滿意度的影響
• 團隊氣氛、工作滿意度
– 成員對團隊忠誠與效能的關係:團隊類型的調節效果
• 成員對團隊忠誠、成員效能、團隊類型
24
層次議題
• 測量層次
– 數值所反映的層次
– 有時候我們合併較低層次的資料,形成較高層次的建構
– 合併方式
• 合成(composition)
– 加總 (ex: 個人產能  團體產能)
– 平均數 (ex: 個人能力  組織人力資本, organizational
human capital)
– 變異數 (ex: 團隊成員的背景特徵  團隊層次的歧異性,
group-level diversity)
Source: Hitt, Beamish, Jackson, & Mathieu (2007)
25
層次議題
• 編構(Compilation)
– 從較低層次單元所蒐集到的測量資料,使用較為複雜且非
線性的方式合併成整體數值。
– Ellis et al. (2005)
» 團隊中某些成員的特性,對於團隊整體能力的影響,
要大於其他團隊成員。
Source: Hitt, Beamish, Jackson, & Mathieu (2007)
26
層次議題
• 分析層次
– 用來檢測假設所使用的資料分析方式,也需要配合理論與概
念建構的層次
– 隨機係數模式(RCM, random coefficients modeling)
• 階層線性模式(Hierarchical linear modeling) (software)
• 可用來控制較高/較低層次的效果
• 可估計跨層次效果(cross-level effects)
– 要留意所選用的置中方式(centering decisions, Hofmann &
Gavin, 1998)
Source: Hitt, Beamish, Jackson, & Mathieu (2007)
27
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
3.
Missing data
Multiple regression
Random coefficient modeling
4. Structural equation modeling
28
取樣(Sampling)
• 來源
– 單一產業或公司:有助於提升內部效度
– 多個產業或公司:有助於提升外部效度
• 樣本數
– 盡可能蒐集愈多的樣本愈好
– 回收率要清楚報告
– 簡單規則:
•
•
•
•
迴歸分析: >150
探索性因素分析: >200, 5:1 (samples : estimates)
確認性因素分析: >250, 5:1 – 10:1
隨機係數模式: >100 (團隊層次); >200 (個人層次)
29
Sampling
• 注意事項:
– 網路問卷:
• 開放自由進入填答的問題?目前傾向的作法?
– 人情問卷:
• 委託施測的問題?
– 如何提高回收率?
– 如何確保資料品質?
30
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
3.
Missing data
Multiple regression
Random coefficient modeling
4. Structural equation modeling
31
測量工具(Measures)
• 使用現有量表
– 如果是國外量表,需遵守量表翻譯的適當程序
– 最少需要翻譯與再譯程序(forward-backward translation)
– 使用翻譯量表前,最好先預試
• 使用完整量表
– 如果要選題或是修改題項,你必須要有非常好的理
由。
• 使用經過效度檢驗的量表
– 特別是經過跨文化的效度檢驗
Source: Law (2005)
32
測量工具
• 沿用現有西方量表的注意事項
– 信度與效度:被重要文獻反覆使用
– 概念上是否適用?
• 是否能準確地測量所想要測量的概念
– 文化上是否適用?
• 台灣或華人員工是否能夠充分理解與接受
– 版本上是否適用?
• 是否普遍適用於不同群體,或是僅適用於某一特殊群體
來源:謝家琳(2014)
33
Measures
• 是否可以編修國外已發展好的量表?
– 增加或減少題項?
– 修改題項?
• 是否可以合併多個量表?
– 合併向度?
– 選用題項?
• 是否可以改變scaling?
– 五點改成六點、七點?
34
測量工具
• 發展你自己的測量
• 你需要有非常充分的理由
• 歸納法與演繹法(Inductive approach vs. deductive approach)
– 歸納法
•
•
•
•
•
由下而上
蒐集建樣的描述或事例
研究者將描述或事例進行歸類,形成類別與向度
從各個類別或向度中發展題項
延伸閱讀:請參考姜定宇(2009)
Source: modified from Law (2005)
35
Measures
• Scale development process
– Hinkin (1998)
Step1: Item Generation (inductive or deductive)
Step2: Questionnaire Administration
Step3: Initial Item Reduction (EFA)
Step4: Confirmatory Factor Analysis (CFA)
Step5: Convergent/Discriminant Validity
Step6: Replication
Source: modified from Law (2005)
36
主管知覺部屬的效忠
– 探索性與確認性因素分析
• EFA
– A樣本(台灣):252 筆主管評量
– B樣本(大陸):127 筆主管評量
• CFA
– C樣本(台灣):224 筆主管評量
– 效標關聯效度
• 主管信任部屬
• 上評工作績效
• 社會贊許性
37
主管知覺部屬的效忠
– 五因素結構
• 謹守分際:服從領導,不逾越部屬角色
• 虛心受教:指出不足之處會懂得檢討學習
• 貼心關懷:視為朋友般地分享與關心
• 克盡職守:對所交辦的任務認真負責
• 管理輔佐:排解同事紛爭並能促進團隊合作
38
Measures
– Deductive approach (演繹法)
•
•
•
•
由上而下
從理論開始,決定建構可能的向度
從各個向度中,編製測量題項
延伸閱讀:姜定宇等人(2008)
• Transformational Leadership
– Bass (1985); Bass & Avolio (1990); Now MLQ 5x
•
•
•
•
Individualized consideration
Intellectual stimulation
Inspirational motivation
Idealized influence
Source: modified from Law (2005)
39
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
3.
Missing data
Multiple regression
Random coefficient modeling
4. Structural equation modeling
40
問卷設計
• 量表順序
– 先獨變項或依變項?
– 平衡排放
• 用詞
– 國高中語文程度
• Likert-Type 量尺
– 5至7 點
• 問卷長度
– 10-15 分鐘能填完,紙本問卷約150個反應
41
問卷設計
下列的陳述句是描述關於「團隊內/部門內的互動情形」,請依據您所
屬團隊/部門的實際情形,在1至6的數字中,圈選出最適合的答案。
非 不 有 有 符 非
常 符 點 點 合 常
不 合 不 符
符
符
符 合
合
合
合
1 本團隊成員會互相分享他們的專業知識與技能。1
2 如果某團隊成員具有執行任務的專業知識,他
1
會願意告訴其他的成員。
3 本團隊成員之間會有許多資訊、知識的交流及
1
技能分享。
4 較有能力的團隊成員,會慷慨地教導其他成員
1
難以取得的知識或特殊的技能。
5 本團隊成員會互相幫助發展相關的策略。
1
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
42
問卷設計
下列的陳述句是描述關於「團隊內/部門內的互動情形」,請依據您所
屬團隊/部門的實際情形,在1至6的數字中,圈選出最適合的答案。
非 不 有 有 符 非
常 符 點 點 合 常
不 合 不 符
符
符
符 合
合
合
合
1 本團隊成員會互相分享他們的專業知識與技能。1
2 如果某團隊成員具有執行任務的專業知識,他
1
會願意告訴其他的成員。
3 本團隊成員之間會有許多資訊、知識的交流及
1
技能分享。
4 較有能力的團隊成員,會慷慨地教導其他成員
1
難以取得的知識或特殊的技能。
5 本團隊成員會互相幫助發展相關的策略。
1
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
43
問卷設計
下列的陳述句是描述關於「團隊內/部門內的互動情形」,請依據您所
屬團隊/部門的實際情形,在1至6的數字中,圈選出最適合的答案。
非 不 有 有 符 非
常 符 點 點 合 常
不 合 不 符
符
符
符 合
合
合
合
1 本團隊成員會互相分享他們的專業知識與技能。1
2 如果某團隊成員具有執行任務的專業知識,他
1
會願意告訴其他的成員。
3 本團隊成員之間會有許多資訊、知識的交流及
1
技能分享。
4 較有能力的團隊成員,會慷慨地教導其他成員
1
難以取得的知識或特殊的技能。
5 本團隊成員會互相幫助發展相關的策略。
1
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
44
問卷設計
下列的陳述句是描述關於「團隊內/部門內的互動情形」,請依據您所
屬團隊/部門的實際情形,在1至6的數字中,圈選出最適合的答案。
非 不 有 有 符 非
常 符 點 點 合 常
不 合 不 符
符
符
符 合
合
合
合
1 本團隊成員會互相分享他們的專業知識與技能。1
2 如果某團隊成員具有執行任務的專業知識,他
1
會願意告訴其他的成員。
3 本團隊成員之間會有許多資訊、知識的交流及
1
技能分享。
4 較有能力的團隊成員,會慷慨地教導其他成員
1
難以取得的知識或特殊的技能。
5 本團隊成員會互相幫助發展相關的策略。
1
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
45
問卷設計
下列的陳述句是描述關於「團隊內/部門內的互動情形」,請依據您所
屬團隊/部門的實際情形,在1至6的數字中,圈選出最適合的答案。
非 不 有 有 符 非
常 符 點 點 合 常
不 合 不 符
符
符
符 合
合
合
合
1 本團隊成員會互相分享他們的專業知識與技能。1
2 如果某團隊成員具有執行任務的專業知識,他
1
會願意告訴其他的成員。
3 本團隊成員之間會有許多資訊、知識的交流及
1
技能分享。
4 較有能力的團隊成員,會慷慨地教導其他成員
1
難以取得的知識或特殊的技能。
5 本團隊成員會互相幫助發展相關的策略。
1
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
2
3
4
5
6
46
Research Design
– Dyadic
• 部屬-主管
• 部屬-同儕
– Longitudinal
• Waves?
• Between waves?
– Multi-level
• Levels?
47
Empirical Research Model
Independent
Conceptual
Level
知覺組
X’
織支持
Dependent
(causal conceptual relationships)
(construct validity)
(construct validity)
(internal validity)
Operational
Level
組織
Y’
承諾
Eisenberger
et al. (1986)
1.
2.
3.
(statistical conclusion validity)
Meyer et
al. (1993)
Independent and dependent variables are identified by X and Y,
respectively.
The symbol prime, ’ is used to designate that a variable is
specified at the conceptual level.
Arrows represent the direction of influence or cause.
48
From: Schwab (2005), p14
Which Measures?
• Perceived Organizational
Support (POS)
– Eisenberger et al. (1986)
• 36 items
• Short version: 8 items
– Eisenberger et al. (2002)
• 3 items
• Organizational
Commitment
– Mowday et al. (1980)
• 15 items
– O’Reilly & Chatman (1986)
• 12 items
• Compliance, identification,
internalization
– Meyer et al. (1993)
• 18 items
• Affective, normative,
continuance
49
Which Measures?
• Perceived Organizational
Support (POS)
– Eisenberger et al. (1986)
• 36 items
• Short version: 8 items
– Eisenberger et al. (2002)
• 3 items
你會選那
一個?
• Organizational
Commitment
– Mowday et al. (1980)
• 15 items
– O’Reilly & Chatman (1986)
• 12 items
• Compliance, identification,
internalization
– Meyer et al. (1993)
• 18 items
• Affective, normative,
continuance
50
如何選用量表?
– 具備良好的建構效度
– 良好的信度(內部一致性):縱貫研究(再測信度)
– 題項多:有利建構效度與內部一致性信度、不利確認性因素
分析與縱貫研究
– 國外量表是否cross-culturally validated
– 市場使用習慣
51
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
4.
5.
Level issues
Sampling
Measures
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
3.
4.
Descriptive and correlation analysis
Factor analysis
Regression
Mediation and Moderation
52
共同方法變異
• 共同方法偏誤/變異 (CMV)
– 變異是來自於測量方法而不是所測量建構間的關係
• 一致性動機、社會贊許性、正負向情緒、題項預示效果、時間、
測量地點…
• 相同的評量者、測量情境、題項脈絡、或是題項本身特性都會
是共同方法偏誤的來源
– 方法偏誤可能會特別嚴重
• 依變項與獨變項都是從同一人取得,在相同的測驗情境,使用
相同的題項脈絡、以及相似的題項特性。
– 提醒
• 在論文投稿前,一定要處理好這項問題。
Source: Podsakoff, MacKenzie, Lee, & Podsakoff (2003)
53
共同方法變異
• 程序補救 (highly recommended)
–
–
–
–
–
從不同來源取得預測變項與結果變項
測量時使用空間、時間、心理、或是方法學上的區隔。
確保填答者匿名性,並減少被評價的不安
平衡對抗問題順序
改善量表題項
Source: Podsakoff, MacKenzie, Lee, & Podsakoff (2003)
54
共同方法變異
• 統計補救法
– Harman’s 單一因子檢定
• 這不是一項補救法
– 使用部份相關程序(Partial correlation procedures)控制方
法偏誤
– 直接測量方法因子並控制它
– 設定一個潛在變項並控制它
– 使用多元方法因素控制方法變異
• Multitrait-multimethod (MTMM) model
Source: Podsakoff, MacKenzie, Lee, & Podsakoff (2003)
55
研究程序
• 資料蒐集
– 盡可能地完整說明:資料來源、如何取得資料、如何
確保匿名性、如何進行、回收率
• 測量工具
– 清楚說明測量來源,是否有選題或增修,理由為何?
56
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
3.
Missing data
Multiple regression
Random coefficient modeling
4. Structural equation modeling
57
Missing Data
• Random
– Missing Completely at Random (MCAR)
• P(missing) is unrelated to all variables (observed and unobserved)
• 單純隨機的漏答
– 最沒有問題的漏答模式
• Systematic
– Missing at Random (MAR)
• P(missing) is related to observed variables only
• Is not related to Y
– 漏答具有特別的涵意,但可能不影響對Y的預測
– 如:不信任主管的程度愈高,有愈高的比例會漏答主管的
不當督導行為。
Source: Newman (2009)
58
Missing Data
• Systematic
– Missing Not at Random (MNAR)
• P(missing) is related to unobserved/missing variables
• Is related to Y
– 漏答具有特別涵意,而且會影響對Y的預測
– Most missingness falls on a continuum between MAR
and MNAR.
• Missing Data Problems
– Reduce the sample size
– Systematically missing data can lead to systematic overor under-estimation of effect sizes
Source: Newman (2009)
59
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
Missing data
Multiple regression
60
Multiple Regression
• Multiple Regression
– A statistical technique that uses several predictor (X) variables to
predict one outcome (Y) variable
– Can help nonexperimental designs to support causal inference
from X to Y.
• Causal Inference
– X is related to Y
– X precedes Y
– Rule out alternative explanations for relationship between X and
Y (no confounds)
61
Multiple Regression
• Slope and intercept
– steepness of the line. It
equals the change in Y for
each unit change in X.
– Intercept is the Y value of
the line when X = 0.
– X is related to Y?
Multiple Regression
• Longitudinal designs
– X precedes Y?
Yt1
Yt2
Yt1
Yt2
Xt1
Xt2
Xt1
Xt2
63
Multiple Regression
Y = β0 + β1X1 + β2X2
– β1 = relationship between X1 and Y, controlling for X2
– β2 = relationship between X2 and Y, controlling for X1
– Use statistical control to remove variance due to 3rd
variables.
• Rule out alternative explanations for relationship between X
and Y
64
Survey Studies Processes
1. Research Problems and Hypotheses
2. Methods
1.
2.
3.
Level issues
Sampling
Measures
1.
4.
5.
Factor analysis
Questionnaire design
Techniques for controlling common method biases
3. Data Analysis
1.
2.
3.
Missing data
Multiple regression
Random coefficient modeling
4. Structural equation modeling
65
HARKing
• HARKing
– Hypothesize After Results Known (Kerr, 1998)
– 常見作法
• 只報告有顯著的結果
• 報告不在原先假設內,而有顯著的結果
• 設定一個稻草人假設,而讓結果看起來有支持和不支持的
– 違反「猜想」的邏輯
• 隨機現象被概化為一般現象
• 難以否定有問題的理論
• 影響學術進展
66
References
• Davis, M. S. 1971. That’s interesting! Towards a phenomenology
of sociology and a sociology of phenomenology. Philosophy of the
Social Sciences I, p. 309-344.
• Hinkin, T. R. 1998. A brief tutorial on the development of
measures for use in survey questionnaires. Organizational
Research Methods, 1, 104-121.
• Hitt, M. A., Beamish, P. W., Jackson, S. E., 7 Mathieu, J. E. 2007.
Building theoretical and empirical bridges across levels:
Multilevel research in management. Academy of Management
Journal, 50, 1385-1399.
• Kerr, N. L. 1998. HARKing: Hypothesizing After the Results are
Known. Personality and Social Psychology Review, 2, 196-217.
• McGrath, J. E. 1982. Dilemma tics: The study of research choices
and dilemmas. In McGrath, J. E., Martin, J., & Kulka, R. A. (Eds).
Judgment calls in research. Beverly Hills: Sage. P. 69-102.
67
References
• Newman, D. A. 2009. Missing data techniques and low response
rates: The role of systematic nonresponse parameters. In C. E.
Lance & R. J. Vandenberg (Eds.), Statistical and methodological
myths and urban legends: Doctrine, verity, and fable in the
organizational and social sciences, p. 7-36. New York: Routledge.
• Podsakoff, P. M., MacKenzie, S. B., Lee, J. Yl, & Podsakoff, N. P. 2003.
Common method biases in behavioral research: A critical review
of the literature and recommended remedies. Journal of Applied
Psychology, 88(5), 879-903.
• Shadish, W. R., Cook, T. D., & Campbell, D. T. 2002. Experimental
and quasi-experimental designs for generalized causal inference.
New York: Houghton Mifflin.
68
Thank You
69

similar documents