或是让其他部门的主管从旁观者的角度评价;你还可以列出一串“支持行为”的 清单,请下属选出他们所看到的,或者干脆你自己在旁边观察记录主管的行为 你甚至可以制造一个下属遇到困难的情景,看主管会如何反应。虽然你心里可能 已经对哪个方法可能更有效有了自己的判断,但这些方法都可以在某种程度上反 映出我们所希望知道的主管支持下属的程度,因此,对任何构念的测量都不存在 唯一的方法。在确定了一个构念的定义以后,测量一个构念可以有很多不同的方 法,它们在某种程度上都可以作为这个构念的表示,把这些测量就称为这个构念 的“指标”。 在上面的例子中,主管对下属的支持是一个抽象的概念,但是如果这种支持 可以表现为可观察的行为,就可以测量了。例如,我们可以采用请下属汇报他所 观察到的主管的行为的方法,在调查中问员工对下面一个陈述的同意程度 表4.1“主管支持”的一个测量指标 序 同意程度 题项 不同意 Q1主管常常和我讨论我工作中遇到的 3 4 困难 根据员工对上述陈述的同意程度的选择,就可以作为“主管支持”这个构念 的一个可观测指标。如果一位员工选择的同意程度为5,表示基于该位员工的观 察,主管常常和他讨论他自己在工作中遇到的困难,这就意味着,在很大程度上 主管对其工作的支持程度较高。 进一步假定,研究者试图解决的是员工离职倾向与主管对其工作支持之间的 关系,并且研究假设为主管支持与员工离职倾向之间具有显著的负相关关系。可 以用同样的方法测量离职倾向(表42)。 表4.2“离职倾向”的一个测量指标 序 同意程度 题项 不同意 我常常想要离开这家企业 如果上述两个变量均得以观测,也就是“主管支持”和“离职倾向”均被赋 值,就可以统计分析二者之间的负相关关系了 然而,管理研究中构念的测量远比上述要复杂,因为无论是定性和定量研究, 在测量中都适用概念化和操作化的两个过程,而这两个过程都是极其具有挑战性 的。其中,概念化是捕捉一个构想并通过赋予它一个概念或理论定义的方提炼它
- 6 - 或是让其他部门的主管从旁观者的角度评价；你还可以列出一串“支持行为”的 清单，请下属选出他们所看到的，或者干脆你自己在旁边观察记录主管的行为； 你甚至可以制造一个下属遇到困难的情景，看主管会如何反应。虽然你心里可能 已经对哪个方法可能更有效有了自己的判断，但这些方法都可以在某种程度上反 映出我们所希望知道的主管支持下属的程度，因此，对任何构念的测量都不存在 唯一的方法。在确定了一个构念的定义以后，测量一个构念可以有很多不同的方 法，它们在某种程度上都可以作为这个构念的表示，把这些测量就称为这个构念 的“指标”。 在上面的例子中，主管对下属的支持是一个抽象的概念，但是如果这种支持 可以表现为可观察的行为，就可以测量了。例如，我们可以采用请下属汇报他所 观察到的主管的行为的方法，在调查中问员工对下面一个陈述的同意程度： 表 4.1 “主管支持”的一个测量指标 序 号 题项 同意程度 不同意 ←„„→ 同意 Q1 主管常常和我讨论我工作中遇到的 困难 1 2 3 4 5 根据员工对上述陈述的同意程度的选择，就可以作为“主管支持”这个构念 的一个可观测指标。如果一位员工选择的同意程度为 5，表示基于该位员工的观 察，主管常常和他讨论他自己在工作中遇到的困难，这就意味着，在很大程度上 主管对其工作的支持程度较高。 进一步假定，研究者试图解决的是员工离职倾向与主管对其工作支持之间的 关系，并且研究假设为主管支持与员工离职倾向之间具有显著的负相关关系。可 以用同样的方法测量离职倾向（表 4.2）。 表 4.2 “离职倾向”的一个测量指标 序 号 题项 同意程度 不同意 ←„„→ 同意 Q2 我常常想要离开这家企业 1 2 3 4 5 如果上述两个变量均得以观测，也就是“主管支持”和“离职倾向”均被赋 值，就可以统计分析二者之间的负相关关系了。 然而，管理研究中构念的测量远比上述要复杂，因为无论是定性和定量研究， 在测量中都适用概念化和操作化的两个过程，而这两个过程都是极其具有挑战性 的。其中，概念化是捕捉一个构想并通过赋予它一个概念或理论定义的方提炼它
概念定义是以抽象的理论术语所下的定义。它涉及内涵和外延的精确把握,好的 定义具有清楚、明晰和特定的意义,其中没有令人困惑或模糊不清之处。没有任 何神奇的手法可以把建构转变成精确的概念定义,这需要仔细的思考、直接的观 察和与其他人交换意见、阅读其他人所思所言,以及尝试各种可能的定义。研 究者需要清楚,单独的一个构想可能同时有数个定义,人们对于这些定义不一定 会有完全相同的看法,概念定义连接着理论框架,也带有价值观点。也就是说, 了解一个构念必须结合其理论框架,而不可以脱离理论照搬其字面含义 另外,构念内部可能含有数个次级,而这些次级构念又可以更加特定化。也 就是说,构念本身包含了多个维度或层面,这被称为构面,每个构面也是不可以 直接观测的。因此,将一个构念进行概念化时,研究者必须对该构想到底有多复 杂与抽象有所了解。例如,像年龄这样具体的构想,就比像士气那种复杂抽象的 概年更容易界定 (二)测量指标 由于许多构念是无法直接被测量或观察得到的,如焦虑、态度、动机、工作 压力、满意度、投入感、角色冲突等,此种构念只是一种特质或抽象的概念,无 法直接得知,因此,要得知当事者在这些构念上的实际情况,只能间接以量表或 观察得到的实际的指标数值来反映该构念特质,这就是测量所涉及的问题,这就 好像一个人的个性与外表行为一样,一个人的个性如何无法直接得知,因为它是 个抽象的构念,但可以借由此人的外表行为表现作为其个性判断的指标。而且, 外表行为的特征很多,综合这些外表行为的特征,就可以了解一个人的个性如何。 上述“个性”就是一个构念,在实证研究中也称其为潜在变量,而外表具体行为 表现就是个性潜在变量的指标变量(或称显著变量、观察变量)。可以想象,若 是外表行为表现的指标愈多,则对一个人的个性判断的正确性会愈高,可信度会 愈佳。所以,测量的目的在于根据研究中对理论构念的理解和定义,把抽象的概 念具体化,找到合适的测量指标,从而对这些构念所代表的现象进行科学的描述、 区分、解释,乃至预测,这就是所谓的操作化过程 在管理学研究中,有两种不同测量指标可以用来测量构念,它们是反映型指 标和形成性指标。其中,如果测量指标只是作为构念外在的表现形式,就将其称 ①劳伦斯纽曼.社会研究方法[M]郝大海译北京:中国人民大学出版社,2007220-227
- 7 - 概念定义是以抽象的理论术语所下的定义。它涉及内涵和外延的精确把握，好的 定义具有清楚、明晰和特定的意义，其中没有令人困惑或模糊不清之处。没有任 何神奇的手法可以把建构转变成精确的概念定义，这需要仔细的思考、直接的观 察和与其他人交换意见、阅读其他人所思所言，以及尝试各种可能的定义①。研 究者需要清楚，单独的一个构想可能同时有数个定义，人们对于这些定义不一定 会有完全相同的看法，概念定义连接着理论框架，也带有价值观点。也就是说， 了解一个构念必须结合其理论框架，而不可以脱离理论照搬其字面含义。 另外，构念内部可能含有数个次级，而这些次级构念又可以更加特定化。也 就是说，构念本身包含了多个维度或层面，这被称为构面，每个构面也是不可以 直接观测的。因此，将一个构念进行概念化时，研究者必须对该构想到底有多复 杂与抽象有所了解。例如，像年龄这样具体的构想，就比像士气那种复杂抽象的 概年更容易界定。 （二）测量指标 由于许多构念是无法直接被测量或观察得到的，如焦虑、态度、动机、工作 压力、满意度、投入感、角色冲突等，此种构念只是一种特质或抽象的概念，无 法直接得知，因此，要得知当事者在这些构念上的实际情况，只能间接以量表或 观察得到的实际的指标数值来反映该构念特质，这就是测量所涉及的问题，这就 好像一个人的个性与外表行为一样，一个人的个性如何无法直接得知，因为它是 一个抽象的构念，但可以借由此人的外表行为表现作为其个性判断的指标。而且， 外表行为的特征很多，综合这些外表行为的特征，就可以了解一个人的个性如何。 上述“个性”就是一个构念，在实证研究中也称其为潜在变量，而外表具体行为 表现就是个性潜在变量的指标变量（或称显著变量、观察变量）。可以想象，若 是外表行为表现的指标愈多，则对一个人的个性判断的正确性会愈高，可信度会 愈佳。所以，测量的目的在于根据研究中对理论构念的理解和定义，把抽象的概 念具体化，找到合适的测量指标，从而对这些构念所代表的现象进行科学的描述、 区分、解释，乃至预测，这就是所谓的操作化过程。 在管理学研究中，有两种不同测量指标可以用来测量构念，它们是反映型指 标和形成性指标。其中，如果测量指标只是作为构念外在的表现形式，就将其称 ① 劳伦斯.纽曼. 社会研究方法[M]. 郝大海译. 北京：中国人民大学出版社，2007:220-227
之为“反映性指标”。反映性测量指标通常反映了一个共同的理论构念,其中的 因果关系是由构念指向测量指标的,在构念发生变化时,测量指标也随之发生变 化。因为测量指标/项目之间存在很大的共同变异,所以它们之间是高度一致的, 任何两者在测量上都可以互换,删除了某个指标,不会改变测验内容的完整性 对于一个反映性指标,假设对于构念(潜变量)n和两个测量指标变量x1和X2, 其回归方程形式的表达是 X=B,n+E X2=B2+E2 其中,B和B2为估计的参数,E1和E2为测量的误差。在管理实践中,知觉到的 “组织支持”就是一个这样的构念( Eisenberger, Huntington, Hutchison and Sowa, 1986)。影响员工知觉的组织行为可能包括了很多方面,如重视员工的福利、为 员工提供有意义的工作、改善员工的工作环境、关心员工的成长等。但对员工而 言,这些行为都代表着企业在处理雇用关系时最基本的出发点和动机。因而员工 们在解释这些企业行为的时候,存在着很高的一致性。正是有了这样的理论前提, 研究者才可以用某些核心的指标来完成对这一概念的测量 不同于反映性指标,形成性指标是指测量指标说明了理论构念的不同方面, 构念的意义存在于对这些指标的整合基础之上。对于这类测量模型而言,因果关 系是从指标指向构念,而不是相反。这些形成性测量指标作为一个整体共同决定 了构念的意义,如果缺少某个测量指标,则对构念的估计就是不完整的。对于 个形成性指标,假设对于构念(潜变量)η和两个测量指标变量x和x2’其回 归方程形式的表达是: 7=y1X1+y2X2+ 其中y和y2为估计的参数,δ为测量的误差。此回归方程意味着构念是测量指标 的线性组合。常见的例子如社会经济地位就是通过教育水平、工资收入、家庭背 景等测量指标来评估的。这些指标从不同的方面共同决定了一个人的社会经济地 位。另外一个常见的例子是对工作满意度的测量,这个概念的测量通常整合了一 名员工对公司各方面的满意水平(如公司、主管、同事、收入等)。可见,形成 性指标反映了构念的不同层面,这些不同层面之间的相关性有可能比较低,甚至
- 8 - 之为“反映性指标”。反映性测量指标通常反映了一个共同的理论构念，其中的 因果关系是由构念指向测量指标的，在构念发生变化时，测量指标也随之发生变 化。因为测量指标/项目之间存在很大的共同变异，所以它们之间是高度一致的， 任何两者在测量上都可以互换，删除了某个指标，不会改变测验内容的完整性。 对于一个反映性指标，假设对于构念（潜变量） 和两个测量指标变量 X1 和 X2 ， 其回归方程形式的表达是 1 1 1 2 2 2 X X 其中， 1 和 2 为估计的参数， 1 和 2 为测量的误差。在管理实践中，知觉到的 “组织支持”就是一个这样的构念（Eisenberger，Huntington，Hutchison and Sowa， 1986）。影响员工知觉的组织行为可能包括了很多方面，如重视员工的福利、为 员工提供有意义的工作、改善员工的工作环境、关心员工的成长等。但对员工而 言，这些行为都代表着企业在处理雇用关系时最基本的出发点和动机。因而员工 们在解释这些企业行为的时候，存在着很高的一致性。正是有了这样的理论前提， 研究者才可以用某些核心的指标来完成对这一概念的测量。 不同于反映性指标，形成性指标是指测量指标说明了理论构念的不同方面， 构念的意义存在于对这些指标的整合基础之上。对于这类测量模型而言，因果关 系是从指标指向构念，而不是相反。这些形成性测量指标作为一个整体共同决定 了构念的意义，如果缺少某个测量指标，则对构念的估计就是不完整的。对于一 个形成性指标，假设对于构念（潜变量） 和两个测量指标变量 X1 和 X2 ，其回 归方程形式的表达是： = 1 1 2 2 X X 其中 1 和 2 为估计的参数， 为测量的误差。此回归方程意味着构念是测量指标 的线性组合。常见的例子如社会经济地位就是通过教育水平、工资收入、家庭背 景等测量指标来评估的。这些指标从不同的方面共同决定了一个人的社会经济地 位。另外一个常见的例子是对工作满意度的测量，这个概念的测量通常整合了一 名员工对公司各方面的满意水平（如公司、主管、同事、收入等）。可见，形成 性指标反映了构念的不同层面，这些不同层面之间的相关性有可能比较低，甚至
是互斥的。 XI 反映性指标 形成性指标 图4.2反映性指标和形成性指标比较 理解反映性指标和形成性指标是非常重要的,特别在制作量表时,如果形成 性指标构建不全面就不能很好地揭示构念本身的内涵,相关的统计分析也会出现 问题。 (三)测量尺度 在测量学中有四种不同的度量尺度。所谓的度量尺度就是测量中的“尺子”。 可以这样去理解,如果试图测量长度,可以用一把尺子去量,也可以用段绳子去 量,还可以用手指去量。测量构念时也可以采取不同的尺子,这就是度量的尺度 也称为测量水准。测量学中有定类尺度、定序尺度、定距尺度和定比尺度4种尺 度,有些测量专家不承认定类尺度属于测量体系,因为其仅仅在于区分类别。 (一)类别尺度 类别尺度下的变量称为定类变量或名义变量,这是一种测量精确度最低、最 粗略的基于“质”因素的变量,它的取值只代表观测对象的不同类别,例如“性 别”变量、“职业”变量等都是定类变量。定类变量的取值称为定类数据或名义 数据。定类数据的其同特点是用不多的名称来加以表达,并由被研究变量每一组 出现的次数及其总计数所组成,这种数据是枚举性的,即由计数一一而得。唯一 适合于定类数据的数学关系是“等价关系”。因而,在定类数据中,同一组内各 单位是等价的,同时若更换各不同组的符号并不会改变数据原有的基本信息。因 此,最常用来综合定类数据的统计量是频数、比率或百分比等。 (二)排序尺度 排序尺度尺度下的变量称为定序变量或有序变量、顺序变量,其取值大小能 够表示观测对象的某种顺序关系(等级、方位或大小等),也是基于“质”因素
- 9 - 是互斥的。 图 4.2 反映性指标和形成性指标比较 理解反映性指标和形成性指标是非常重要的，特别在制作量表时，如果形成 性指标构建不全面就不能很好地揭示构念本身的内涵，相关的统计分析也会出现 问题。 （三）测量尺度 在测量学中有四种不同的度量尺度。所谓的度量尺度就是测量中的“尺子”。 可以这样去理解，如果试图测量长度，可以用一把尺子去量，也可以用段绳子去 量，还可以用手指去量。测量构念时也可以采取不同的尺子，这就是度量的尺度， 也称为测量水准。测量学中有定类尺度、定序尺度、定距尺度和定比尺度 4 种尺 度，有些测量专家不承认定类尺度属于测量体系，因为其仅仅在于区分类别。 （一）类别尺度 类别尺度下的变量称为定类变量或名义变量，这是一种测量精确度最低、最 粗略的基于“质”因素的变量，它的取值只代表观测对象的不同类别，例如“性 别”变量、“职业”变量等都是定类变量。定类变量的取值称为定类数据或名义 数据。定类数据的其同特点是用不多的名称来加以表达，并由被研究变量每一组 出现的次数及其总计数所组成，这种数据是枚举性的，即由计数一一而得。唯一 适合于定类数据的数学关系是“等价关系”。因而，在定类数据中，同一组内各 单位是等价的，同时若更换各不同组的符号并不会改变数据原有的基本信息。因 此，最常用来综合定类数据的统计量是频数、比率或百分比等。 （二）排序尺度 排序尺度尺度下的变量称为定序变量或有序变量、顺序变量，其取值大小能 够表示观测对象的某种顺序关系（等级、方位或大小等），也是基于“质”因素 X1 X1 1 1 X1 X1 反映性指标 形成性指标
的变量。例如,“最高学历”变量的取值是:1—小学及以下、2一初中、3一高中、 中专、技校、4一大学专科、5—大学本科、6—研究生以上,由小到大的取值能 够代表学历由低到高。定序变量的取值称为定序数据或有序数据。适合于定序数 据的数学关系是“大于(>)”和“小于(<)”关系。在定序数据中,同一组内 各单位是等价的,相邻组之间的单位是不等价的,它们存在“大于”或“小于” 的关系。而且,并进行保序变换(或称单调变换),则不改变数据原有的基本信 息即等级顺序。最适合用于综合定序数据取值的集中趋势的统计量是中位数 (三)等距尺度 等距尺度下的变量称为定距变量、间隔变量,它的取值之间可以比较大小, 可以用加减法计算出差异的大小。例如,“年龄”变量,其取值60与20相比, 表示60岁比20岁大,并且可以计算出大40岁(60-20)。定距变量的取值称为 定距数据或间隔数据。定距数据是一些真实的数值,具有公共的、不变的测定单 位,可以进行加减乘除运算。定距数据的基本特点是两个相同间隔的数值的差异 相等,例如,年龄的60岁与50岁之差等于40岁与30岁之差。对于定距数据, 不仅可以规定“等价关系”以及“大于关系”和“小于关系”,而且也可以规定 任意两个相同间隔的比值或差值。如果将每个数值分别乘以一个正的常数再加上 个常数,即进行正线性变换,并不影响定距数据原有的基本信息。因此,常用 的统计量如均值、标准差、相关系数等都可直接用于定距数据 (四)等比尺度 等比尺度下的变量称为定比变量、比率变量,它与定距变量意义相近,细微 差别在于定距变量中的“0”值只表示某一取值,不表示“没有”。例如,人的身 高就是一个定比变量,如果身高值为“0”米,则表示这个人不存在。而定比变 量的“0”值表示“没有”。而在测定温度的摄氏表中,0℃并不表示没有温度 因为还有在零点以下的温度。定比变量的取值称为定比数据或比率数据。定比数 据也冋样可进行算术运算和线性变换等。通常对定距变量和定比变量不需再加以 区别,两者统称为定距变量或间隔变量 般地,定类变量和定序变量用于描述定性数据,属于定性变量:而定距变 量和定比变量用于描述定量数据,属于定量变量。同其他分类标准一样,一个变 量在不同分析中可当作不同尺度的变量。例如,“年龄”在某些分析中(如回归
- 10 - 的变量。例如，“最高学历”变量的取值是：1—小学及以下、2—初中、3—高中、 中专、技校、4—大学专科、5—大学本科、6—研究生以上，由小到大的取值能 够代表学历由低到高。定序变量的取值称为定序数据或有序数据。适合于定序数 据的数学关系是“大于（>）”和“小于（<）”关系。在定序数据中，同一组内 各单位是等价的，相邻组之间的单位是不等价的，它们存在“大于”或“小于” 的关系。而且，并进行保序变换（或称单调变换），则不改变数据原有的基本信 息即等级顺序。最适合用于综合定序数据取值的集中趋势的统计量是中位数。 （三）等距尺度 等距尺度下的变量称为定距变量、间隔变量，它的取值之间可以比较大小， 可以用加减法计算出差异的大小。例如，“年龄”变量，其取值 60 与 20 相比， 表示 60 岁比 20 岁大，并且可以计算出大 40 岁（60-20）。定距变量的取值称为 定距数据或间隔数据。定距数据是一些真实的数值，具有公共的、不变的测定单 位，可以进行加减乘除运算。定距数据的基本特点是两个相同间隔的数值的差异 相等，例如，年龄的 60 岁与 50 岁之差等于 40 岁与 30 岁之差。对于定距数据， 不仅可以规定“等价关系”以及“大于关系”和“小于关系”，而且也可以规定 任意两个相同间隔的比值或差值。如果将每个数值分别乘以一个正的常数再加上 一个常数，即进行正线性变换，并不影响定距数据原有的基本信息。因此，常用 的统计量如均值、标准差、相关系数等都可直接用于定距数据。 （四）等比尺度 等比尺度下的变量称为定比变量、比率变量，它与定距变量意义相近，细微 差别在于定距变量中的“0”值只表示某一取值，不表示“没有”。例如，人的身 高就是一个定比变量，如果身高值为“0”米，则表示这个人不存在。而定比变 量的“0”值表示“没有”。而在测定温度的摄氏表中，0℃并不表示没有温度， 因为还有在零点以下的温度。定比变量的取值称为定比数据或比率数据。定比数 据也同样可进行算术运算和线性变换等。通常对定距变量和定比变量不需再加以 区别，两者统称为定距变量或间隔变量。 一般地，定类变量和定序变量用于描述定性数据，属于定性变量；而定距变 量和定比变量用于描述定量数据，属于定量变量。同其他分类标准一样，一个变 量在不同分析中可当作不同尺度的变量。例如，“年龄”在某些分析中（如回归