导图社区 管理研究方法（管理类论文写作宝典）
- 28
- 1
- 举报
管理研究方法（管理类论文写作宝典）
包括管理研究概论、管理研究选题与研究设计、QCA分析法、案例研究法、问卷调查法与常见统计分析、实验研究法、元分析法、经验取样法、多层线性模型分析法、内生性及其解决办法、大数据文本分析法、社会网络分析法。
编辑于2024-02-04 13:40:04- 毕业论文
- 管理学研究方法
- 相似推荐
- 大纲
管理研究概论
管理研究的使命与科学属性
管理研究的原则与使命
管理研究的原则
普遍适用性
系统性怀疑
共享性
管理研究的使命
管理研究的一般使命
解决管理实践遇到的难题
做有责任感的学者，更好地贡献管理新知和服务社会，让组织更富有效率和效果、让社会更加美好。
中国管理学者的使命——构建中国特色管理理论
中国管理学者应该立足中国国情和中国实践，努力研究本土理论和中国情境理论，做出更多基础性、原创性研究，完善中国管理研究的学术体系、话语体系，挖掘中国管理的内在规律，从而更好地服务于中国企业和国家战略。同时，构建全球视野，把中国元素和中国实践的理论通过规范化的研究范式推向世界。
管理研究的科学属性
可证伪性
可证伪性是指从理论的结论推导出与观察不一致的冲突，所有的科学理论都具备可证伪性。
客观性
客观性是指在世界可直接获得的客观存在。
可复制性
可复制性是指研究在各种情境下是否有稳健性、一致性和严谨性。
管理理论、研究缺口与贡献
管理理论
管理理论的内涵和特征
管理理论是指可以抽象为一些构念以及相关关系并解释复杂的时间现象如何发生和发展的系统知识。
真正有价值的理论应该具备简约性、准确性和普适性，往往是能够突破既有理论框架和认知边界的真知灼见。
管理理论的5W1H
what
是什么
how
怎么发生和发展的
why
为什么存在这样的关系和逻辑
who
对谁有用
when
什么时候有用
where
用在什么地方更合适
研究缺口和贡献
研究缺口类型
证据缺口
证据缺口也被视为研究冲突缺口，即实证研究有不一致的研究结果。
要解决这个缺口，一般需要导入一些调节变量，告诉读者造成缺口的可能原因是已有研究忽略了一些重要的边界条件，或者是一些现象存在U形/倒U形关系或其他非线性关系。
写法
关于XX的已有研究有不一致的看法。
文献缺口
文献缺口是指已有文献并没有探讨某个问题，这意味着通过对已有文献的梳理来找到存在的不足或空白,拟进行的研究恰好填补了这个空白。
写法
已有研究主要探讨了XX，但是并没有挖掘XX。本文首次开发XX的概念理论。
实践缺口
一类实践缺口是，实践很重要，但是前人的研究并没有探讨；另一类实践缺口是，实践和文献对某类现象有着相互冲突的看法。
写法
已有实践都强调了XX的重要性，但是现有研究却没有进行充分探讨。
理论缺口
理论缺口是理论在某些领域没有应用所造成的研究缺陷。
写法
XX理论主要应用于XX领域，而我们将其延伸应用至XX。
研究设计缺口
研究设计缺口是指不同方法可能造成的研究偏差。
写法
已有研究用小规模问卷的方式难以测量XX，可能会使结果出现一些偏差。而本研究采用面板数据揭示XX。
实证缺口
实证缺口是一些研究假说需要得到实证检验而产生的缺口。
写法
已有研究主要是定性指出XX，而没有进行实证检验。
人口数量缺口
人口数量缺口是指已有研究的数据量不足，这意味着更丰富或更多样化的数据可以探讨更为丰富的理论。
写法
通过不同来源的数据，我们可以解决XX的挑战。
研究贡献
理论贡献
原创性
原创性是指为现有研究提供新的方向或者为管理现象提供新的解决方案。
原创性可以通过提供启迪性或渐进性的贡献来实现。
有用性
有用性是指对现有研究、实践有所帮助。
有用性可以通过科学有用性以及实践有用性来体现。
方法贡献
方法贡献往往有利于学者回答个体、企业或组织如何表现等问题，并通过更严谨的方式来解释已有的管理问题。
研究贡献的误区
把已有观点作为贡献
把独特的数据或方法视为研究贡献
把新的变量和构念视为研究贡献
把假设关系视为研究贡献
实际上，真正的研究贡献应该是能够弥合研究缺口，或者是能够解释研究问题背后的成因以及讲清楚如何作出贡献和作出怎样的贡献，而非简单指出别人忽略了那些内容或方法。
高质量管理研究的过程和特征
高质量研究的实践有用性
研究问题从管理实践中来
理论构建要结合实践进行
研究设计要更接近管理实践
数据分析要尽量反映企业真实情况并指出对企业的具体影响
结果汇报也要根植于实践
高质量的文献对话
文献综述
文献综述是指对某个领域已有文献进行整理回顾，并归纳总结和评述的过程，其中既包括“综”，也包括“述”。
高质量研究需要通过清晰的综述达到如下目标：通过全面梳理指出前人研究的核心发现；通过对比、归类、比较、分析为读者提供前人研究的概况；深入评述前人研究可能存在的缺陷或具体问题还没有相应的研究；精准提炼出当前研究可以在哪些具体方面弥补现有的理论缺陷，从而实现当前研究与既有文献的深入对话。
典型的文献综述类型
叙事式综述
不追求系统性的文献梳理，通常以对少数文献的评论为主
描述式综述
结构化的检索，以每一篇文献为单位进行阐述
脉络式综述
在对已有文献的评述方面，注重广度而非深度，着重描述以往数年中研究活动的开展
系统式综述
往往基于某个理论、关系或方法等来探入总结关键的研究理论、方法、视角、结论，具有一定的研究综合特征
伞帽式综述
与系统式综述的做法相似，通常是对某些成熟领域中的文献（包括文献综述）做进一步的定性或定量的批判、总结和澄清
计量式综述
从文献引用数据的角度来综述文献，能提供数据相关线索来述评文献
假设提出
1、列出假设文献表
2、假设要建立在已有理论的基础上
3、假设要具体清晰
4、假设的逻辑要前后一致
5、假设提出的误区
逻辑前后矛盾
逻辑显而易见或太绕
高质量的研究结论
1、研究结论应具有一致性且恰如其分
2、研究结论应具有说服力
3、结论应具有清晰性
管理研究选题与研究设计
管理研究选题的提出
提出高质量的研究选题：“顶天立地”
通晓理论的“天”
管理研究的“顶天“，通常指的是某研究是否构建、拓展或检验了相应的管理理论，主要体现在以下两个方面：理论构建和理论检验。
理论的情境化
深入了解具体理论的核心论断及其拟解决的 问题，能够为学者在分析新的管理现象方面提供不同于以往的研究思路。
对冲突观点的理论洞见
如何从不同的理论角度去剖析现象就是非常好的选题，往往能够提供更多的真知灼见。
理论对现实的解释性
理论能够帮助学者辩证地分析实践中的悖论现象，这方面的研究选题有助于建立起不同理论之间的对话，往往能够产生更多的理论贡献和研究洞见，能够为理解现实世界提供多方面的 解释。
立足实践的“地”
管理研究的”立地“，旨在强调研究选题应该从实践出发，具有服务企业和服务社会的实践价值。
提出研究选题的两条路线
悖论路线
1、利益相关者视角：冲突的诉求
该路线主要有三个关键点，同时也是其中的难点问题。首先，如何界定同等重要的利益相关者及其诉求，能否清晰地界定其具体角色和诉求；其次，基于何种视角来挖掘可能引发利益诉求冲突的决策前因，这关乎理论视角的合理解释；最后，如果进一步挖掘促进正面效应和抑制负面效应的边界条件，这关乎着对管理实践能否提供有价值的启示。
2、动态视角：跨时空对话
从动态视角提炼有价值的管理学悖论选题的关键，首先在于能否在不同的时空中识别出同等重要的结果，特别是需要明确以动态视角分析这类结果的必要性或重要性；其次，能否识别出哪些关键的管理决策活动会对不同时空的结果产生相悖的效应；最后，发现了这种悖论之后，能否进一步寻求可能的破局思路更是重中之重。基于这方面路径进行思考往往有助于研究人员提炼出极具价值的管理学悖论选题。
3、维度视角：隐藏的悖论
对于一些模糊不清的关系，细分维度可能是进一步挖掘悖论机制的有效路径。
研究人员不仅要关注维度划分依据的合理性，还要关注划分维度的必要性。若划分维度后的前因后果及调节机理是相同的，那么划分的意义往往十分有限。更为重要的是，能否识别出不同维度所蕴含的独特悖论机制并明晰其缘由，这无论是对理论还是对实践都有着十分重要的贡献和启示。
趣味路线
始于对现象的创造性思考
从不同角度分析管理问题时，特别是分析新出现的现象，深入管理实践的情境中去可能会为研究人员确定选题带来重要的乃至意想不到的收获。
反常识的洞见
反常识的选题关乎学术研究的美学艺术，常常可以通过转换研究对象、变换新的自变量或结果变量、转换研究视角、更换数据分析方法等多种方式来获得与以往研究不同的洞见。
管理研究设计
管理研究设计
管理研究设计的哲学基础
管理研究设计的理论推理逻辑
归纳推理在管理研究中的应用
对于以归纳推理为基础的研究设计而言，其起点是现象观察，旨在基于现象总结出一般性的规律或模式，继而在理论构建方面有所建树。
归纳推理所关注的问题通常都是探索式的，依赖于对管理实践信息的分析，随后提炼出理论层面的关键知识，是一个自下而上的研究过程。
研究人员可以通过案例研究的观察和分析手段应用归纳推理，因而提出新的规律甚至构建新的理论。
演绎推理在管理研究中的应用
演绎推理是一个自上而下的过程，主要基于一般性规律引申到具体的个案。
演绎推理类研究主要是从现有理论出发，继而提出具体的假设，再用数据去验证所提出的假设，并以此检验理论的适用性及其边界。
管理研究方法的选取和组合
典型的管理研究方法
定性研究方法
QCA分析法
案例研究法
定量研究方法
问卷调查法
实验研究法
元分析法
经验取样法
多层线性模型分析法
内生性检验
大数据文本分析法
社会网络分析法
高质量的研究方法选择原则
1、研究方法与研究问题的匹配
2、研究方法与研究结论的信效度
明确不同研究方法的数据类型差异
不同研究方法的数据处理方式不同
3、合理的混合式研究设计
4、清晰地汇报研究方法和呈现稳健的结果
研究数据的准备
明确研究方法
研究设计是致力于构建理论还是检验理论？
需要在什么时间与地点收集什么类型的数据？是横截面的还是纵贯的？
是否涉及多个不同的研究层次？
研究设计是包括单一方法还是多种定量/定性方法或者混合式方法？
数据抽样
哪一类企业或个体是研究对象？
具体的抽样方法是什么？
对于需要档案数据的研究，应该选择哪些数据库？
数据预处理（清洗和转化）
如何清洗数据？
误差来源有哪些？如何控制误差？
是否需要以及如何修正数据？
需要对哪些数据进行转化？
如何转化数据？
缺失值处理
使用何种软件来分析数据？
产生缺失值的缘由有哪些，如是否在数据收集过程中缺失？如何处理缺失值？
异常值处理
如何在本研究中界定、识别和处理异常值？
异常值如何影响相应的研究结论？
QCA分析法
QCA分析法的哲学基础
QCA分析法简介
基于集合理论和布尔运算，QCA分析法针对的是案例层面的研究，并进行跨案例的比较分析。它将案例视为条件的组态，分析特定前因条件组合（组态）和结果之间的集合关系。作为一种典型的集合论方法，QCA分析法利用集合关系进行跨案例的比较分析，即通过对特定案例的结构化比较来解释现象。
集合关系
集合关系的类型
第一种集合关系是定性的
第二种集合关系反映因果关系
集合关系的特点
集合关系是不对称的
在集合关系中，前因条件和结果被视为集合。前因条件相互依赖，各前因条件的作用效应与其所处的与其他条件的组合有关。这一假定使得因果关系不再具有可加性，所研究与分析的也不再是单个前因条件的净效应。
集合关系的分析策略
1、在共享特定结果的案例中，识别它们是否有共同的前因条件（组合），即观察存在特定结果的案例所共有的前因条件（组合）。这检验的是出现特定结果的案例是否具有共同前因条件（组合）案例的子集，主要用于必要条件分析。
2、在共享特定前因条件（组合）的案例中，识别它们是否会出现相同的结果。这检验的是存在特定前因条件（组合）的案例是否具有共同结果案例的子集，主要用于充分条件分析。
模糊集和模糊集合关系
模糊集使用0.0（完全不隶属）和1.0（完全隶属）之间的值来表示。
模糊集结合了类别与隶属度，既可以基于集合理论进行定性分析（类别），又可进行实证研究的精细等级划分（隶属度）。
案例在前因条件集合中的隶属度，为前因条件隶属分数中的最小值。比较案例前因条件隶属度和结果隶属度的大小，可以识别前因条件集合是否为结果集合的模糊子集，从而进行充分性检验。当案例在前因条件集合中的隶属度小于或等于该案例在结果集合中的隶属度时，说明存在模糊子集关系。
集合关系计算
逻辑与（交集）
逻辑与（并集）
非集
QCA分析法的核心假设
1、并发因果关系
QCA分析法基于整体论，认为组成整体的各个部分并不是独立存在，而是存在于政体中。各前因条件相互依赖起作用，QCA分析前因条件的相互依赖和不同组合构成的多重并发因果关系。
2、等效性
导致同一结果Y出现的前因条件组合（组态）并不唯一，即多种组效等效。由于多种组态导致同一结果，因此，不再存在传统统计分析中的唯一最优解。结果可以由多种不同的前因条件组合导致，我们将这些前因条件组合视为结果的代替路径，这些替代路径在逻辑上是等效的。
3、因果不对称
一是导致结果Y和非Y出现的原因不同，不能用导致结果的原因的反面来解释结果不出现。
QCA分析法的逻辑基础
一致性方法：如果被研究现象的两个或多个实例只有某一个共同情况，那么这个所有实例都表现出一致性的情况，就是这些现象的原因（或效果）。
差异性方法：如果被研究对象的一个实例在一个情况下发生而在另一个情况下没有发生，而除此之外其他都相同，那么这个使被研究现象表现出差异的唯一情况，就是这些现象的结果、原因或是原因不可或缺的一部分。
QCA分析法的优势
与定量分析聚焦大样本和定性分析聚焦小样本不同，QCA分析法既可以进行小样本案例数、中等样本案例数的研究，也可进行大样本案例数的研究。
它是一种定性研究和定量研究相结合的方法，既可用于探索性的归纳式研究，又可用于检验性的演绎式研究；既聚焦于分析案例，确保了分析过程的透明性，又融入了量化方法，做到了分析过程的可重复性。
基于集合论的QCA分析法使得研究复杂因果关系问题成为可能。
QCA分析法的三种分析技术
csQCA技术
当前因条件和结果能够进行二元划分，即各前因条件和结果能够被赋值为0或1的时候，适合利用csQCA技术进行分析。
mvQCA技术
当前因条件和结果无法进行二元划分，而是需要进行多元划分，即各前因条件和结果能够被赋值为0、1、2、3等的时候，适合利用mvQCA技术进行分析。
fsQCA技术
csQCA技术和mvQCA技术只能处理类别变量，而fsQCA技术不仅可以处理类别变量，还可以处理程度问题。当前因条件和结果不易划分为0或1的隶属问题，并且还需要考虑处于0~1之间的情况时，则适合利用fsQCA技术进行分析。
QCA分析法的符号表达
条件的存在和缺乏
布尔表达式
QCA分析法的主要步骤
1、提出研究问题
QCA分析法分析的是组态问题，即多种前因条件的组合共同导致某种结果。
2、选择案例
选择案例应基于理论
“结果”具有清晰的定义
案例需具有共同的背景特征
研究者应尽可能最大化案例间的异质性，以实现所选案例的多样化
在研究过程中，研究者可以对案例进行增加或删除上的调整
对小样本和中等样本而言，研究者需要深入了解每一个案例；对于大样本而言，研究者无法充分了解每个案例，但熟悉其种类或类别有助于深化研究
3、选择前因条件
前因条件的提炼遵循相关理论或实践知识，做到有理有据
纳入的前因条件应该是变化的
条件数量应保持在适度的范围内
4、收集数据
5、校准
校准是一种常规的研究实践，要对待测量变量进行校准，以使原始测量具有可解释的集合隶属度。
在QCA分析过程中，需要对变量进行再校准，以测量每一个案例是否隶属于某一集合及其在集合中的隶属度。
校准必须结合理论知识和实践知识进行深入思考，而非进行机械、自动的操作。研究者应明确阐释外部标准的来源，并且系统、透明地应用这些标准。
6、分析条件的必要性
一致性
清晰集中的一致性是指在具有特定前因条件或前因条件组合的案例中，显示出现相同结果的比例。
覆盖度
在清晰集中，覆盖度为特定前因条件导致结果的案例数（交集）与结果案例总数或前因条件案例总数之比。
分隔覆盖度
当有一个以上的前因条件充分导致结果产生时，对每个解唯一覆盖度的测量能够说明它们相对的实证重要性。
7、分析条件组态的充分性
设定案例频数阈值
设定原始一致性阈值
设定PRI阈值
PRI是指不一致的减少率，它是一致性度量的一种补充测度。
处理矛盾组态
矛盾组态是指某种前因条件组合同时出现结果值为0和1的情形。
反事实分析
禁止
复杂解
完全允许
简约解
部分允许
中间解
8、汇报结果
9、稳健性检验
基于集合论的稳健性检验方法
调整案例频数阈值
改变一致性阈值
调整校准阈值
剔除或补充案例
基于统计论的稳健性检验方法
案例研究法
案例研究法概述
案例研究法的定义
理论构建型案例研究法是选取一个或多个案例或多个案例进行分析，提出新概念、概念间关系、过程机制以及背后的理论解释，从而实现构建理论目标的一种研究方法。
案例研究法的主要特征
主要以构建理论为目标
哲学基础和基本操作与定量研究方法有较大差异
案例研究法的质量评价
效度
构念效度
构念效度是指构念能够形成一套正确的、可操作的研究指标，关键是构念的操作化质量。
内在效度
内在效度是从现象、事件、数据中找出因果关系，即需要发现某一特定的条件、情境和原因引起另一特定的结果。
外在效度
外在效度是指所构建的理论不仅能解释研究情境中的问题，还可能解释其他情境中的问题，也就是具有情境的可转移性。
以上三点是具有紧密联系的，如果没有清晰的理论和因果逻辑（内在效度），没有理论假设和实证观察之间的密切关联（构念效度），也就不会存在外在效度。
信度
信度是指案例研究中的每个关键步骤都具有可重复性，即如果重复这一研究 ，就能得到类似的结果。案例研究法的信度的关键维度在于透明度、可信度和可重复性。
案例研究法的应用
构建新理论
能将学术成果与实践紧密结合
价值更加多元化
案例研究法的类型
实证主义导向与诠释主义导向
实证主义导向案例研究法
实证主义导向案例研究采用的是多案例研究设计，运用逐项复制与差别复制（理论复制） 的复制逻辑来进行跨案例分析，进而归纳并提出命题。同时，实证主义导向案例研究的部分特征有时类似于定量研究。
诠释主义导向案例研究法
诠释主义导向案例研究文章强调对现象的意义的理解，研究者和研究对象进行深度互动、对话，从而强化在认知上从表层到深层转化的过程，共同建构结果。
单案例研究法与多案例研究法
单案例研究法
单案例研究法的原理
单案例研究法强调要讲一个好故事，通过“讲故事”来构建新理论。
单案例研究法的类型
极端或不寻常单案例
这种单案例类型较为常见，这类案例与现有的常识、规范或日常事件有较大差异。
启发性单案例
当研究者第一次有机会观察和分析先前无法研究的现象或事件，有资源、有条件关注、进入某个独特情境下的企业进行研究时，适合采用单案例研究法。
纵向单案例
纵向单案例研究是针对两个或多个不同时间点、时间段上的同一个案例进行研究，这类研究能揭示所要研究的案例是如何随着时间的变化而变化的。
多案例研究法
多案例研究法的原理
依据复制逻辑，将每一个案例视为一个独立的实验，多案例研究则是一系列相互关联的多元实验，通过这些不连续的实验对将要产生的理论进行重复、对比和扩展。
多案例研究法的特点
兼顾了研究的“严谨性”进而研究与实践的“关联性”，在理论的普适性、研究设计的外在效度方面具有优势。
多案例研究的类型
变异设计
这种类型的多案例研究设计在选择案例时标准是控制和排除于研究问题不相关的变量的变异，聚焦于找到多个案例之间的共同特征，同时关注核心变量的变异，从而发现变量间的关系，清晰呈现概念间的因果关系链。
竞争设计
案例企业在起点具有相似的条件，但通过“竞争”，它们到达了某些自然状态下的“终点”，但从起点到终点的行为、路径等不同，产生的结果可能也不同。
等结果设计
案例企业有相同或相似的结果，但起点的条件可能存在差异，实现结果的路径和机制也存在差异，因此目标就是挖掘造成同一结果的原因、过程、机制，这类研究设计较为常见。
极端案例设计
研究者选择相互对比有极端特征的案例，通过创造和对比变异水平在两种极端情况下的相关结果的状态来构建理论。
案例研究法的主要步骤
1、确定研究问题
案例研究法适合解决的研究问题
探索新概念、新构念
探索过程和机制
探索未知现象、重大挑战等问题
确定研究问题的几个策略
运用“沙漏模型”来逐步聚焦研究问题
从领域到主题再到问题，范围逐渐缩小，在内容上逐渐聚焦。
根据问题来源确定研究问题
从实践中寻找研究问题
文献时研究问题的重要来源
2、准备理论基础
3、理论抽样与确定研究单位
理论抽样
理论抽样是指选择那些可能补充、修正现有理论或者拓展新兴理论的案例，所以就要有意识地选择那些能够为构建理论服务的案例。
确定研究单位
4、数据收集
收集多来源数据
访谈
参与式观察
非参与式观察
二手资料（如档案、文件、文献等）
数据收集主要步骤
1、调研前需要进行的数据收集工作
2、调研前需要做好确定访谈提纲等准备工作
3、调研期间的数据收集工作
4、数据整理工作
5、数据收集工作需要提示的关键点
案例研究法收集的数据来源多、种类多且数据量庞大，有时数据收集工作需要持续较长时间，因此需要通过建立案例研究数据库来引导和规范数据收集过程，数据库一般表现为文件包形式。
数据收集是为数据分析的开展提供证据，能够进行证据链的展示。
5、数据分析
单案例研究的数据分析
单案例研究的数据编码原理
单案例研究的数据展示
多案例研究的数据分析
进行案例内分析
进行跨案例分析与提出命题
6、理论对话
理论对话的总体思路
基于研究问题和文献综述提到的理论缺口或矛盾之处，论述文章的研究发现与原有文献理论之间的关系。
理论对话的具体内容
弥补原有研究中的理论缺口
进行更高阶理论对话
讨论所构建理论的适用条件和范围
绘制理论模型图
问卷调查法与常见统计分析
问卷调查法概述
什么是问卷调查法
问卷调查法是调研者采用设为的方式并通过一系列过程和手段向被调查者了解情况的一种调查方法。
问卷调查法的推断性原理
问卷调查法的基本原理是在抽样调查的基础上得出推断性的结论。
应用问卷调查法的常见误区
忽视问卷调查开展前的研究设计与问卷优化
过高或过低认识问卷调查法的功能
在分析方法选取上盲目求新或不注意与时俱进
问卷调查法的实施流程
研究与问卷设计
调研对象的选择
适当性
代表性
可行性
抽样方法的选择
简单随机抽样
系统抽样
分层抽样
整群抽样
便利抽样
配额抽样
判断抽样
滚雪球抽样
问卷编制
问卷样本量
问卷结构
选择成熟量表
新编量表
问卷发放与调查实施
预调研
问卷调查的实施
数据清洗与整理
数据分析与结果报告
常见统计分析与软件示例
量表信效度分析
信度
信度反映测量值与真实值之间的偏离程度，表现为一个介于0与1之间的数值。
效度
效度检验是一个论证的过程，指量表的发展者从各方面收集有关理论依据和实证证据，以说明该量表确实可以有效测量出目标构念。
效度类型
内容效度
内部结构效度
聚合/收敛效度
区分/判别效度
效标效度
共同方法偏差及其检验
共同方法偏差指的是由共同方法变异导致的偏差，会影响测量的效度。
检验共同方法偏差的方法
Harman单因子法
控制未测量的潜在方法因子（ULMC）法
验证性因子分析标签变量法
描述性统计与相关性分析
探索性因子分析
探索性因子分析的基本内涵与作用
通过探索变量之间的内在关系以及背后的结构关系，将数量较多的变量简化为数量相对较少的另一些变量。
探索性因子分析的基本步骤
1、设计探索性因子分析
2、检验探索性因子分析的前提假设
3、抽取因子
4、解释因子
5、探索性因子分析的效度验证
6、探索性因子分析的结果处理
探索性因子分析的基本步骤操作
1、实现EFA的操作设置
2、EFA的结果输出与分析
线性回归分析
线性回归分析的基本内涵
多元线性回归的操作与结果解读
结构方程模型与验证性因子分析
结构方程模型的特点
结构方程模型（SEM）又称为协方差结构模型、协方差结构分析等，基本特点是基于变量的协方差矩阵来分析变量之间的关系。
验证性因子分析的作用和操作
结构方程模型的操作
中介与调节效应检验
中介效应的内涵与检验方法
中介效应检验操作
1、不考虑测量模型的中介效应分析：基于PROCESS插件
2、考虑测量模型的中介效应分析：基于Mplus
调节效应的内涵与检验方法
调节效应检验操作
1、基于多元回归分析的调节效应检验操作
2、基于结构方程模型的调节效应检验操作
实验研究法
实验研究法概述
实验的定义
实验是指 系统地操纵研究人员感兴趣的自变量，然后在控制额外因素干扰的情况下观察自变量的变化如何影响特定的结果变量。
实验的分类
真实验与准实验
将可以随机分配参与者到不同组别的实验称为真实验，而把受伦理或实际情况约束不能随机分配参与者的实验称为准实验。
实验室实验与实地实验
实验分类汇总
实验与因果推断
因果关系
试验研究法与因果推断
实验研究法的实施流程
1、确定研究问题
2、自变量的操作化定义与操纵及其检验
因子与因子水平
因子水平数
因子水平间的差异
纯控制组的必要性
因子数的确定
实验设计：被试间设计VS被试内设计
被试间设计与被试内设计的定义
实验设计背后的逻辑
不同实验设计的有点与缺点
被试内设计更好地控制了实验误差，使得研究人员更容易获得显著性统计结果。
被试内设计有助于节省研究资源。
被试内设计容易让参与者猜出实验目的。
被试内设计容易出现练习效应或者参考点效应。
相对于被试内设计，被试间设计是一种更为保守的设计方案。
实验设计：混合设计
混合设计是该实验设计同时包含了被试内设计和被试间设计。
自变量的操作化定义与操纵
自变量的操作化定义
变量操作化是指建立一些具体的程序或指标来对一个抽象的概念进行测量。
自变量的操纵
自变量操纵的“质”
实现改进实验材料以避免混淆内容的产生。
事后统计控制混淆变量的影响。
注意实验材料在中国的适用性。
多方法操纵自变量以避免单一操纵方法的不足。
自变量操纵的“量”
确保变量各水平之间能够产生足够大的变异。
要关注实验设计能够预防天花板效应与地板效应的出现。
自变量的操纵检验
1、操纵检验指标的效度
准确性要求操纵检验指标能够反映指标背后的构念。
灵敏性要求操纵检验指标快速捕捉到自变量不同水平之间的变化。
2、操纵检验指标的施测位置
操纵检验指标在结果变量之后施测，这样可以避免因为预先回答操纵检验指标而让参与者猜出实验目的进而影响结果。
操纵检验指标在结果变量之前施测，该做法也存在干扰参与者就结果变量作答的可能性。
单独进行操纵检验。
3、操纵检验指标的数量
4、操纵检验的必要性
额外变量
3、结果变量的测量
结果变量指标的效度
结果变量的施测位置
多种手段来测量变量结果
4、中介变量
中介变量的概念与内涵
中介变量就是对自变量经由某个过程影响结果变量的一个刻画。
排除替代性解释
多个中介变量
并行中介
序列中介
相互抵消的中介
中介效应的验证
中介效应测量设计
实验因果链设计
机制调节设计
不同检验方法的比较与选择
5、实验环境的设定
实验中的真实性
分析框架
若干误解
如何提升实验中的真实性
封面故事
6、实验参与者、样本量与与测试
甄别实验参与者的认真程度
学生样本的“罪与罚”
样本量的确定
统计效力
效应量
预估样本量
预测试
实验研究法应用示例
1、确定研究问题
2、自变量的操纵
自变量的操纵
操纵检验
3、结果变量的测量
4、实验环境的设定
5、参与试验者与样本量设定
6、预测值与实验改进
7、实验结果
实验失败与实验研究法之美
1、对“失败”实验的解读
2、实验研究法之美
元分析法
元分析法概述
元分析法的起源及发展现状
元分析法的起源
元分析在管理学领域的发展现状
元分析的独特性：与定性综述及实证研究的比较
元分析的类型
标准型元分析
主要包括两类检验
中介变量检验（构建元分析结构方程模型）
调节变量检验（实施元回归）
单篇文献元分析
二阶元分析
元分析法的价值
元分析法对管理研究的学术价值
提供具有普遍适用性的研究结论
提供深入的边界条件洞见
提供全面的中介机制分析
元分析法对研究者个人的价值
有助于深入了解某研究领域
有助于建立学术声誉
有助于缺乏数据的学者开展研究
元分析法的基本步骤
确定研究问题
寻找重要的研究问题
关注存在分歧的研究问题
识别存在分歧的研究问题
争做第一项元分析研究
开展差异化的元分析
检索文献
界定变量的范畴
明确搜索关键词
基于语言的文献筛选
对未正式发表研究的检索
确定搜索途径
检索并筛选文献
编码文献
制定编码方案
培训编码人员
编码效应量
1、相关系数的直接提取
2、相关系数的计算
编码调节变量
编码中介变量
效应量分析
1、量表信度纠正
2、效应量的转换
3、异常值检验
4、描述性统计分析
5、计算主效应
主效应的计算模型之一：固定效应模型
主效应的计算模型之一：随机效应模型
主效应的计算模型之一：多层随机效应模型
异质性检验
发表偏差检验
调节变量分析
中介变量分析
基于R语言软件的元分析实际操作
选择R语言的原因
1、R语言是开源免费的
2、R语言是需要写代码的，相较于菜单式操作代码具有可复制性，极大地提高了分析效率
3、提供了非常全面的元分析统计模型和检验
4、metafor程序包得到了学术界的广泛关注与应用
计算主效应
1、R语言软件和metafor程序包的安装
2、数据的导入
3、量表信度缺失值的处理
4、效应量的纠正与转换以及方差的计算
5、效应量的异常值检验
6、效应量的描述性统计分析
7、主效应的计算以及相关统计检验
8、主效应分析结果的展示
9、保存数据集
调节变量分析
开展调节变量分析的条件
开展调节变量分析的步骤
1、数据的导入
2、调节变量缺失值的处理
3、调节变量的描述性统计分析
4、调节效应的估计
5、调节效应分析结果的展示
中介变量分析
中介变量分析理论框架
分析步骤
1、计算主效应
2、计算相关系数矩阵的样本量
3、中介效应的估计
4、中介效应分析结果的展示
经验取样法
经验取样法概述
经验取样法的定义
经验取样法又叫体验抽样法，是一种连续、重复的数据收集方法，也是一种动态、高频率的问卷调查方法。
经验取样法的特点
1、真实性
2、即时性
3、可靠性
经验取样法的优势
1、ESM不仅能帮助研究人员探索参与者的思想、态度和行为在”发生时“的模式与特点，还能探索这些内容”随着时间推移“动态变化的过程。
2、ESM可以结合其他数据来源，对跨方法和跨学科的概念整合具有巨大的潜力。
3、ESM注重在自然、自发、日常的情境中报告个体的状态、反应或变量之间的 关系，研究结论具有较高的实践推广性。
经验取样法的劣势
1、ESM多数采用的是被试自我评价的方式，可能存在自评偏差，从而对均值造成影响，无法有效剔除，进而对研究结果造成影响，并且同源方法偏差的问题也依然可能发生。
2、高频率的填答对被试的消极影响不可忽视，高频率的填答对被试而言是工作以外的负担或者烦恼，需要在一段时间内定时填答，对问题的不断重复和对消极题项的回顾都可能给被试的生活造成一定的负面影响。
3、ESM问卷设计会导致被试的填答惯性，由于重复检验的需要，被试被要求反复在一定时间段填答同一问卷，在填答几次后或许已经对问卷过于熟悉或产生厌倦情绪而导致填答惯性的出现，由此可能会数据质量造成一定的影响。
4、ESM对被试的配合意愿要求较高，若被试不配合或者填答中断，则无法完成完整的经验取样法调查。
5、实施的成本较高，需要一定的奖励来激励被试填答，使用数据收集平台需要花费一定的资金。
经验取样法的抽样策略
1、基于事件的抽样策略
2、基于可变时间的抽样策略
3、基于固定时间的抽样策略
经验取样法的基本要求和流程
经验取样法的基本要求
样本量
每日测量频率
总体持续时长
激励方式
经验取样法的操作流程
1、前期准备
确立样本资源
选择采样方式
确定采样周期
进行事前安排
2、过程跟踪
被试沟通
被试跟踪
问题协调
调研记录
3、后期工作
数据处理
数据分析
被试维护
做好总结
经验取样法的假设检验方法
多层线性模型分析法
多层线性模型分析法概述
多层次理论模型的基本类型
多元线性回归模型分析嵌套数据的局限性
多元线性回归模型的重要统计假设条件之一是数据中的观测值相互独立，但由于多层次研究中的数据结构具有嵌套性，观测值之间会存在相互依赖的现象，致使多元线性回归模型产生估计偏差。
多层线性模型分析法的基本原理
多层线性模型（HLM）在处理嵌套数据时，先以低层次变量建立回归方程，再把该方程中的截距和斜率作为结果变量，将数据中的高层次变量作为预测变量，建立新的方程。通过建立多层次回归方程，研究者可以明确区分变量所在的层次，探索不同层次变量对结果变量的影响，以及不同层次变量之间的跨层次交互效应。
多层线性模型分析法的优势与局限性
优势
1、HLM能够有效分析嵌套数据，在估计不同层次的预测变量对低层次结果变量影响的同时，将预测变量保持再适当的分析层次。
2、HLM能够产生实证贝试估计值，从而改善对低层次效果的估计。
3、HLM使用广义最小二乘法估计高层次固定效果，提供更为准确的估计。
4、HLM提供了稳健的标准误差估计值。
5、HLM利用不平衡数据的交互计算技术，提供了方差、协方差成分的有效估计值。
局限性
1、在HLM分析中 ，研究者每次仅能分析单一的结果变量。
2、在HLM设定中，结果变量只能存在于最低层次，即第一层次。
3、和多元线性回归模型一样，HLM软件无法考虑变量测量误差的影响，而只能通过MSEM加以解决。
4、HLM软件无法直接对中介效应分析中的间接效应进行蒙特卡洛参数拔靴法分析，研究者需要搭配R语言软件计算间接效应的置信区间。
多层线性模型分析法发展史与新趋势
多层线性模型分析法的主要步骤
1、数据整理
2、信效度检验
3、变量聚合
高层次变量的类型
共通单位
共享单位
共构单位
共塑单位
共享单位变量聚合需要满足的统计标准
组内评分者信度Rwg
组内相关系数ICC1
组内相关系数ICC2
4、模型检验
零模型
多层次主效应模型
多层次调节效应模型
多层次2×（1—>1）调节效应模型
多层次1×（1—>1）调节效应模型
多层次1×（2—>1）调节效应模型
多层次2×（2—>1）调节效应模型
多层次中介效应模型
多层次2—>1—>1中介效应模型
多层次2—>2—>1中介效应模型
多层次1—>1—>1中介效应模型
多层线性模型分析法实际操作和软件示例
多层次验证性因子分析示例
变量聚合指标计算示例
多层次理论模型检验示例
1、数据导入
2、零模型检验
3、多层次主效应模型
4、多层次调节效应模型
5、多层次中介效应模型
多层线性模型分析法在高质量研究中的应用
多层线性模型分析法与涓滴效应
多层线性模型分析与蛙池效应
多层线性模型分析法与非线性效应
多层线性模型分析法与重复测量
内生性及其解决办法
理解内生性
外生性假设问题
内生性造成的后果
内生性的存在会显著改变回归分析中自变量的系数显著性，导致我们对自变量与因变量之间的关系得出错误结论。
内生性问题的来源
遗漏变量
内生性最直观的原因可能是遗漏变量偏差，遗漏变量偏差是在设定模型设定时遗漏了某个或某些可能与因变量和自变量都存在相关关系的变量所导致的。
双向因果
双向因果被认为是导致内生性的第二大来源，互为因果是指解释变量与被解释变量互为因果，这样会使解释变量与误差项相关，造成内生性问题。
测量误差
选择性偏差
对内生性来源的总结
内生性修正方法之工具变量
工具变量法的基本思想
工具变量Z必须能够预测内生解释变量Xi
排他性假设
工具变量的选择
集聚数据
来自自然界的工具变量：物候天象
来自生理现象的变量工具：生老病死
来自社会空间的工具变量：距离和价格
来自实验的工具变量：自然实验和准实验
基于Stata执行简单的工具变量法
内生性问题的理论判断
基于两阶段最小二乘法进行工具变量估计
对工具变量法的事后检验
内生性检验
弱工具变量检验
过度识别检验
Stata执行工具变量法的一些细节
内生变量的交互项与平方项
非线性模型的工具变量法
报告工具变量估计的结果
内生性修正方法之面板数据模型
面板数据的定义
动态面板偏差
内生性修正方法之广义矩法
广义矩法的Stata应用
内生性修正方法之双重差分法
理解双重差分法
双重差分法的识别假设
共同趋势假设
单位处理变量值稳定假设
双重差分法的基本类型
经典DID
多期DID
队列DID
内生性修正方法之倾向得分匹配
倾向得分匹配的基本思想
倾向得分匹配的前提假设
倾向得分匹配的基本步骤
估计倾向得分的模型设置
构建配对样本
评估配对样本：检验平行假设
估计处理效应
内生性修正方法之断点回归
断点回归的原理
断点回归的估计步骤
1、观察断点效应
2、利用断点两边的样本进行回归
3、对断点回归的结果进行稳健性检验
大数据文本分析法
大数据文本分析概述
大数据时代文本数据的价值
大数据文本分析方法的分类及原理
基于词频
基于语义
大数据文本分析流程
文本收集
文本预处理
文本清洗
文本分词
去除停用词
文本规范化
文本特征学习
词汇（实体）特征
主题特征
关系特征
效度分析
构念效度
结果效度
因果效应
大数据文本分析在研究中的应用
基于词汇特征的大数据文本分析研究
基于主题特征的打算数据文本分析研究
基于关系特征的大数据文本分析研究
社会网络分析法
社会网络分析概述
社会网络的内涵
社会网络分析的概念界定
社会网络分析的用途
理解社会结构的起因和影响
社会网络分析的主要步骤
1、问题提出
结构资本问题
资源访问问题
环境塑造问题
社会传播问题
2、数据收集
社会网络应该包含哪些行动者
如何收集社会网络数据
提名法
定位法
资源生成法
社会网络构建
图示法
矩阵法
明确社会网络分析指标
节点级分析
度
最短路劲长度
局部集聚系数
中心度
结构对等与相似度
网络级分析
平均度
密度
平均路劲长度和直径
全局/平均集聚系数
中心势
凝聚子群
社区检测
核心-边缘结构
结构洞