二、科学研究过程

科学研究过程是对自然或社会现象的系统的、受控的、实证的、批判的调查，它可以始于理论，也可以终于理论。

科学研究是系统的，因为它在决定样本的代表性、测量的效度时使用已确立的准则和标准，并且使用理论来指导研究设计和解释研究发现。科学研究是受控的，因为研究者在研究设计过程中在发现研究情境下有意义的因素的同时，还要消除或控制对有效结论有干扰的因素。科学研究是实证的，因为它利用实证观察来证实理论解释的效度；科学研究是批判的，因为研究者必须对用于解释的理论的效度、数据的质量、结果和解释的可信度保留怀疑态度。

2.1 科学过程是包括两类研究的重复活动循环

科学研究过程被认为是一个涉及许多活动的不断循环的过程，该过程既可始于理论，亦可终于理论，它涉及五个信息成分和六类方法（Wallace,1971）。科学研究过程假设研究者已经选择了一个有意义的研究问题，已经做了相关的文献回顾。一旦认为问题很重要且值得研究，并且已有的文献对问题不能提供有意义的答案时，研究过程将从理论开始，或者从观察开始。从理论开始的研究被认为是演绎的检验假设的研究（deductive hypotheses testing study），而从观察开始的研究则被认为是归纳的建立理论的研究（inductive theory building study）。

检验假设的研究遵循图1右半部分的流程。首先，通过逻辑演绎的方法，理论被转变成假设，假设是对研究问题的暂定性回答，它们包括可测量的构念，而不是测量指标本身。例如，Westphal（1999）对CEO与董事会的社会关系对公司绩效的影响感兴趣。与这个研究问题相关的理论有两个：一是代理理论，二是社会资本理论。基于代理理论，Westphal假设社会关系降低了董事会的监督职能；基于社会资本理论，他假设这样的社会关系增强了董事会的建议职能。他也假设两个职能都积极地与公司绩效相关。

接下来，假设将指导研究设计，这部分工作主要包括确定研究所要求的数据或观察资料、用于数据收集的工具、记录数据的量表以及检验假设的适当的样本。这样做以后，假设被转化成观察。我们还是使用Westphal（1999）的研究为例。他的研究要求他收集关于董事会的监督职能和建议职能的数据、CEO和董事会的关系以及公司绩效的数据。虽然战略管理领域的一些研究常常使用二手数据库，如COMPUSTAT，而Westphal也的确使用了这样的二手数据来测量CEO与董事会关系和公司绩效，但他同时也使用调查问卷作为数据收集方法之一，因为董事会职能在现有的数据库中无法得到。由于他的研究问题与所有有董事会的上市公司都有关，他从美国工业和服务业公司的福布斯1000指数中选择随机样本。

接下来，通过测量、样本归纳、参数估计，观察被转换成实证概括。在Westphal（1999）的研究中，基于收集到的数据，他提供了描述性的数据归纳，如平均数、标准偏差和相关系数。然后，他对这些数据进行回归分析，并且为他所假设的每一组关系进行参数估计。通过估计符号和参数的大小，他能将观察转化成实证的概括。

最后，检验假设的一致性，做出接受或拒绝假设的决策，这就是通过逻辑推断对理论进行证实、修改或反对的过程。Westphal（1999）使用从前面的步骤中得到的估计参数来检验假设。的确，他发现参数是统计显著的，而且，参数的符号与假设一致。因此，他的假设得到支持，代理理论和社会资本理论都得到证实。

通过观察资料的收集，从理论开始来证实或拒绝假设的过程被称为演绎的方法。演绎研究的结果是证实或拒绝一组构念之间的假设关系。这些结果被用来改进理论，如果调查不能完全回答提出的问题，可以建议更多的研究。

研究也可以从观察开始，以理论结论。当研究者不能找到或形成一种理论来解释疑难或研究问题时，这类研究是合适的。这时研究者是在从事归纳的建立理论的研究。它可以形成理论和命题，这些理论和命题对困惑或问题提供可能的解释或回答。这个过程遵循图1的左半部分的流程。由于从现有的理论中找不到解释，建立理论的研究从观察开始。例如，Corley和Gioia（2004）开始探索组织身份改变（organizational identity change）的时候，对于这个主题只有概念上的认识。因此，他们使用一个组织的分拆过程的案例研究来探索该主题。

接下来就是通过测量、样本归纳、参数估计来收集观察资料、进行分析，并且将其转换成实证概括。第一眼看来，该过程同样应用在假设检验研究当中。但是，在假设检验研究当中，数据分析通常使用定量统计方法，并且实证概括被用来检验假设，导致假设被接受或拒绝。在理论建立研究当中，数据分析使用定性分析技术，例如内容分析。在Corley和Gioia（2004）的研究当中，他们对访谈数据和公司文件进行了内容分析，产生了实证概括中的一阶编码和二阶编码。

最后，实证概括通过形成概念、形成命题和命题排列转换成理论。从产生的编码中，Corley和Gioia（2004）形成了抽象的构念，并且建立了解释组织身份改变过程的过程模型。基于该模型，他们提出了用于未来实证检验的命题。

这个过程就是归纳法。归纳研究的结果是解释疑难的具有洞察力的理论观点，并形成新的暂定的理论。研究者对最初提出的研究问题的可能回答往往是新的构念和新的命题。新的理论能在未来用于解决相似的或相关的问题。

演绎法和归纳法在第三章将有更详细的解释。检验假设的数据收集方法包括调查问卷（邮件、网络、电话或访谈）、实验（大学环境下）、准实验（组织中）以及二手数据（财务、生产或人事记录）。归纳法通常涉及定性数据，如访谈、参与性或非参与性的观察、现有文件的分析。案例研究方法包括这些方法的结合。第五章到第十章对这些方法有更详细的介绍。

如图1所示，我们发现归纳法位于循环的左边，演绎法位于循环的右边。循环的上半部分指逻辑的方法，或称其为通过归纳和演绎逻辑实现理论化的过程。下半部分指实证方法，或称其为在研究方法的帮助下从事研究。

2.2 理论或模型中的变量类型

需要清楚的是，理论是使用科学方法建立知识的重要因素。理论解释了一个现象“是什么”（what）、“怎么形成”（how）、“为什么”（why）、“何时”（when）以及“谁”（whom）等问题。在管理和组织主流理论中的例子包括代理理论（Jensen and Meckling, 1976; Fama and Jensen,1983）、制度理论（DiMaggio and Powell, 1983）、资源依赖理论（Salancik and Pfeffer, 1978）、社会网络理论（Coleman, 1990; Burt, 1992; Granovetter, 1973）及社会交换理论（Blau, 1964）等。每一个理论都有一系列核心的构念（是“什么”），并且阐明这些构念之间的关系（这些“什么”是如何相关的）。一般来说，它也包括这些关系在什么条件下（时间、地点以及人物）是最有意义的。

在使用理论解释一个令人困惑的现象时（如实证检验一个理论），我们将构念（construct）转换成变量（variable）。变量是以一定刻度变化来反映构念的指标（indicator）。例如，两类变量或指标能用于测量“承诺”这一构念。一个是“心理指标”，如“员工想继续留在组织中的程度”（从1到7变化的态度量表，1表示弱，7表示非常强烈）。另一个是“行为指标”，如“缺勤总次数”。次数越小，员工对组织的承诺越强。在本书第十一章中将对构念的测量提供更为详细的讨论。我们在此处将介绍理论模型中的五类变量：自变量（independent variables）、因变量（dependent variables）、中介变量（mediating variables）、调节变量（moderating variables）和控制变量（control variables），如图2所示。

自变量，也叫预测变量，是因变量的假定的原因；因变量也叫标准（criterion），或假定的效果。换句话说，自变量是先行变量，因变量是结果变量。假设自变量影响因变量或者使因变量发生改变。控制变量对因变量有影响且其影响需要被消除。理论上，自变量和控制变量都是因变量的先行变量。自变量是我们所关心的变量，而控制变量是我们不想要但不能完全消除的先行变量（即不能实现随机化，或不能消除）。

理解调节变量和中介变量的差别非常重要，它们对自变量和因变量的关系的影响不同，并且检验他们存在的统计方法也不一样。调节变量是影响自变量和因变量关系的方向、强度的定性或定量的变量（Baron and Kenny,1986）。从统计学上看，当调节变量和自变量的交互项（调节变量×自变量）对因变量的影响很显著时，调节变量即存在。中介变量是介于自变量和因变量之间的变量（Baron and Kenny,1986）。当满足下列条件时，中介变量即存在：（1）自变量的变化显著地解释了中介变量的变化；（2）中介变量的变化显著地解释因变量的变化；（3）当控制了（1）和（2）的影响时，因变量和自变量的相关性显著降低。第十四章将对如何检测中介效应和调节效应提供更为详细的介绍。

一个理论必须详细说明自变量、因变量、中介变量和调节变量的关系。理论提供了这些变量如何相关以及为何相关的理由和逻辑。在理论化的过程中，建议使用方框和箭头来帮助思考这些变量“为什么”、“如何”、“什么时候”以及“对何人”相关联（Whetten,2002a）。缺乏理论和理论的逻辑，方框和箭头没有意义。只有当你有一个逻辑来说明为什么选择这些变量以及它们如何关联时，你才可以检验这些关系。

2.3 科学过程的实践指南

当人们面对图1中的方框、椭圆和箭头不知所措的时候，科学研究过程看起来似乎相当神秘。本书的目的是让这个过程不再神秘，给你提供适当的工具来装备自己，使你在研究的丛林中不致迷路；在此，我们给您一个简洁而实用的进行科学研究过程的指南。图3总结了该实践指南。

实现科学过程有四个步骤：第一步是提出一个研究问题。第二步是进行文献回顾。第三步是找到理论，提出假设。第四步是设计并执行实证研究。根据研究是归纳性或演绎性的，上述四个步骤不总是按照单一的方向进行。我们在下面详细介绍。

第一步，提出研究问题。研究问题是对某一现象或困惑的好奇。它陈述了两个变量之间的潜在关系。它没有明显地回答，但却暗示有可能进行实证检验。它有希望发现一些重要的事物，但不隐含价值和伦理的判断。它通常始于问“是什么？为什么？何时？如何？”等问题。例如，在Chen（1995）的论文中，其研究问题是：“在分配组织奖励的偏好方面，中国员工如何不同于美国员工？”本书第二章将对如何提出有趣并重要的研究问题进行详细的说明。

第二步，进行文献回顾。一旦有了感兴趣且重要的研究问题，你需要进行广泛的文献回顾。综合的文献回顾帮助你评价你的研究问题是否已经得到回答，它也可以帮你找到相关理论来解决你的困惑。文献回顾还能指出更加准确的构念，从而帮你改进研究问题，甚至通过发现文献的不足或审查未经检验的命题，可以使你彻底改变你的研究问题，使之变得更加有趣、更重要。本质上，在第一步和第二步之间是有反馈环路的。例如，Westphal（1999）对研究董事会的组成结构对公司绩效的影响感兴趣。他发现在预测董事会对CEO的社会关系的影响时，作为组织治理中的主流理论——代理理论与社会网络理论是相互冲突的。通过发现文献中的这些差距，Westphal能够将自己的论文定位在检测相互冲突的命题上，从而找到一些与直觉不同的结果。

第三步，找到理论并且形成假设。理论解释了现象的“为什么”和“如何”的问题（Kaplan,1964; Whetten,2002a）。假设是对研究问题的暂定的回答。理论包括具有清晰定义的构念，以及使用清楚的逻辑解释这些构念为什么以及如何相关。现有的理论对于回答研究问题产生有意义的假设。假设是对构念之间的可能关系的陈述。假设涉及可测量的构念（如承诺），但不是指测量工具本身（缺勤率）。这些假设指引你的研究设计和数据收集工作。例如，在员工组织关系的研究当中，Tsui等（1997）应用社会交换理论解释（并形成假设）相互投资的员工——组织关系为什么，以及如何产生最高的员工绩效和组织承诺。

第四步，进行实证研究。该步骤包括研究设计、数据收集和数据分析。研究设计根据你是进行归纳或演绎研究而有所不同。当现有理论帮助你形成假设的时候，你将选择演绎的研究，与此相对应的研究设计可以是实验或问卷调查等。当没有理论可以对你的问题有满意的回答时，你可以选择归纳设计，如案例研究或其他的定性研究方法（如访谈或人种志的研究方法）。例如，根据承诺升级理论，Staw（1976）使用实验来检验人们对选定的行为的态度和行为的假设。由于没有现成的理论来完全解释自我管理团队中的协同控制（concertive control）, Barker（1993）使用案例研究对该现象建立了理论。因此，在归纳研究中，实证研究先于理论和假设，步骤三和步骤四逆转了。

总之，在科学过程中有四个步骤：发现研究问题、进行文献回顾、找到理论并形成假设、设计研究并执行实证研究。上述四个步骤不必遵循单一的方向：对于一些步骤，相互之间存在反馈环路；对于其他步骤，步骤之间的顺序可能逆转。从步骤一到步骤三，也就是说从研究问题到文献回顾，再到理论和假设，因为由于文献回顾，研究问题可能被修改或精炼，这又会影响文献回顾的领域和关注的理论，所以，在这些步骤之间会有一些反馈的环路。从步骤三到步骤四，即从理论假设到研究设计，这两个步骤也可以逆转。当没有现有理论可以解决感兴趣的现象时，作者可以从实证研究开始，进行观察，然后再提出命题或新的理论。

2.4 研究设计的两个目标

研究设计是调查的计划和结构，用于得到研究问题的回答（Kerlinger and Lee, 2000）。研究设计要实现两个目标：首先是控制变异，其次是保证效度。

一项研究中研究者要尽力控制三类变异。好的研究设计应该最大化系统变异（maximize systematic variance）、控制外生变异（control extraneous variance）、最小化误差变异（minimize error variance）。

系统变异是指因变量的变异，它受到研究假设中的自变量的影响。最大化系统变异，我们可以将自变量对因变量的效应从因变量的总变异中分别出来，因此可以支持在我们假设中的构念之间的关系。最大化系统变异可以通过样本选择或者自变量的精准测量来实现，每一种方法都致力于让自变量对因变量有最大的效应。例如，在研究薪水与工作满意度的关系时，如果研究者选择的样本当中，大多数人都对工作满意，或者更糟糕的情况是，他们的薪水都相似，那么研究者要得到自己想找到的证据的可能性将非常低。

外生变异是指外生的或是研究目的不希望得到的自变量的变异。我们最小化、消除或隔离外生变异，以至我们能够排除对我们感兴趣的变量之间的关系的其他解释。通过随机化、匹配参与者，或者将这些变量作为控制变量，都可以控制外生变异。例如，如果要调查创新对公司利润的影响，研究必须控制公司规模和行业。虽然这两个因素都不是研究的关注点，但它们影响公司的获利性。控制了这些变量，我们可以更有信心地得出这样的结论，即公司利润的变动是创新的结果而不是规模（大公司倾向于利润更高）或行业（一些行业比其他行业利润更高）的影响。

误差变异是指由于随机波动而导致的指标变异。我们使误差最小化，使得系统变异能显示出来。最典型的随机变异是测量误差，或研究者控制不了的未知因素。最小化误差变异可以通过控制数据收集过程的条件，以及增强指标的信度而实现。例如，如果你希望测量公司的市场价值，而你选择公司在某一天的股票价格，则可以预计这样的测量不是很可信的，因为选择不同的时间来测量同样一家公司，你可以得到不同的市场价值。

研究者在设计演绎研究或归纳研究的时候，必须对变异控制的目标熟记于胸。

研究设计的第二个目标是保证实证研究的效度。简单地说，效度指结论的可信程度。在多大程度上我们相信从实证调查中得到的结果呢？研究设计应该确保四种效度。它们分别是构念效度、内部效度、统计结论效度和外部效度（Cook and Campbell, 1979）。

构念效度指测量的准确性，即测量指标所包含的意思与构念的定义的一致性。本书第十一章将详细讨论构念效度。

内部效度指结果是由于所假设的原因所致的可信程度。设计改善内部效度的研究将在第六章（实验）、第七章（准实验）、第八章（问卷调查）、第九章（使用二手数据）和第十章（案例研究）讨论。

统计结论效度是以统计检验对假设的关系进行解释的可信度。样本太小，P值太大，或者违背了统计检验的假设等，将降低结论的可信度。影响误差的因素，如不可信的指标和在数据收集过程中的波动条件等，也将对统计结论效度有不良影响。

外部效度指假设的因果关系推广到其他的因果测量中，推广到不同类型的人、环境和时间当中的可信程度（Cook and Campbell,1979）。当你在样本中找到显著的因果关系的时候，自问一下是否这些结论只在这些人、这样的环境和时间内有效。增强外部效度最有效的方法是使用随机抽样。当由于实践中的困难使随机样本不可行的时候，你需要明确地讨论你的样本对总体的代表性。例如，如果使用2003年北京的高科技企业作为样本来研究“研发强度”的时候，你需要讨论你的结论可以是否推广到除高科技行业之外的其他行业？是否可以推广到除北京以外的其他城市？是否可以推广到其他时间段？

外部效度告诫我们，我们需要清楚地研究结论所处的情境界限，将情境因素，如人、环境、时间与理论思考相结合有可能产生更有趣、更重要的研究。这些情境因素要么是自变量的先行因素，要么是可能改变自变量和因变量的关系的调节变量。例如，Farh, Earley和Lin（1997）研究中国情境下的组织公民行为和组织公正。他们发现，在中国，组织公民行为的维度不同于在西方情境下的研究结论，因此，在国家层面上，情境成为组织公民行为的先行变量。他们也发现，对于传统价值观较低的人来说，组织公民行为与分配公正和过程公正的相关性最强。因此，传统价值观成为组织公民行为和组织公正关系的调节变量。

把情境因素考虑进去，在研究中国管理问题时尤其重要。我们将在以下部分继续讨论。