1 引言
在組織與管理實證研究中，控制變量(Control Variable)是指研究者為了排除對研究結(jié)果的其他解釋,提高統(tǒng)計檢驗力而使用的變量(Becker, 2005)，也稱額外變量(Nuisance Variable)或混淆變量(Confounding Variable)有效控制這些額外變量,不僅有助于提高研究的內(nèi)部效度與外部效度,幫助研究者更準確地估計核心研究變量(以下簡稱核心變量，主要指前因變量與結(jié)果變量)之間的關(guān)系,還有助于排除研究結(jié)果的替代性解釋(Becker, 2005; Becker et al., 2016; Breaugh, 2006. 2008; Meehl, 1971; Spector & Brannick, 2011; Spector, Zapf, Chen, & Frese, 2000; York, 2018)。正因如此，控制變量與核心變量同等重要(Becker, 2005)。
一般而言，實證研究設(shè)計中額外變量的常見控制方法有實驗控制與統(tǒng)計控制(e.g., Atinc, Simmering, & Kroll, 2012; Becker, 2005)。采用實驗控制方法在心理學研究中非常普遍。例如，F(xiàn)estinger 和 Carlsmith(1959)在研究認知失調(diào)時對被試隱瞞了真實的實驗目的，即采用排除法(Elimination Method)控制了被試的主觀預期對實驗結(jié)果的影響，為了研究控制力對個體行為的影響，Langer 和 Rodin(1976)隨機(Randomization)挑選了居住在同一養(yǎng)老院不同樓層的兩組老人作為實驗組和控制組，在探討榜樣對兒童模仿學習的影響時，為了控制被試先天的攻擊性，Bandura, Ross 和Ross(1961)根據(jù)正式實驗前被試攻擊行為的等級評定結(jié)果對被試進行匹配(Matching Method))。在組織管理研究的實驗研究中，上述實驗控制方法也較為常見(梁健，樊景立，陳志俊，2018.p.125)。簡言之，在實驗研究中，控制發(fā)生在額外變量的影響產(chǎn)生之前(York, 2018)。受研究問題、研究倫理等限制，組織與管理研究者經(jīng)常使用非實驗設(shè)計開展研究(Scandura & Williams, 2000)，例如通過問卷法收集數(shù)據(jù)。由于很難像實驗研究一樣對變量進行操縱和控制，研究者通常會采用層次回歸分析(Hierarchical Regression Analysis)等統(tǒng)計方法移除與額外變量有關(guān)的變異，修正數(shù)據(jù)收集過程中的缺陷(Carlson & Wu, 2012)，導致控制發(fā)生在額外變量的影響產(chǎn)生之后。
盡管在組織與管理的非實驗研究中采用統(tǒng)計方法控制額外變量是十分普遍的現(xiàn)象，但是一些方法學者提醒，在研究中加入控制變量并不一定能讓研究結(jié)論更可靠(Spector & Brannick, 2011)。排除因果聯(lián)系外的其他解釋是社會科學研究中比較經(jīng)典的因果關(guān)系推論三準則之一(溫忠麟, 2017)。實驗研究能有效排除額外變量對核心變量之間的因果關(guān)系的影響, 從而做出因果推斷; 但在相關(guān)研究中, 僅通過移除額外變量與前因變量的共同變異(Shared Variance)并不能達到相同的效果(Meehl, 1971)。再者，由于變量之間關(guān)系復雜，統(tǒng)計控制后的研究結(jié)果可能是模糊的, 甚至與假設(shè)相矛盾(Becker, 2005; Breaugh, 2008))。例如，在研究領(lǐng)導風格對員工主動性行為(Proactive Behavior)的影響時，研究者可能會習慣性地控制領(lǐng)導的性別、年齡、工作年限、受教育水平等人口統(tǒng)計學變量。然而，不包括這些人口統(tǒng)計學變量變異的領(lǐng)導在現(xiàn)實生活中并不存在，導致研究結(jié)果的外部效度令人懷疑。此外，加入不恰當?shù)目刂谱兞窟€會影響核心變量關(guān)系的顯著性水平和效應(yīng)量(Breaugh, 2008)。
目前，國外學者十分重視控制變量的合理使用 ,已經(jīng)有很多研究者提出了組織與管理研究中合理使用控制變量的方法(e.g., Atinc et al., 2012; Becker, 2005; Becker et al., 2016; Carlson & Wu, 2012), 相關(guān)建議也已經(jīng)加入Academy of Management Journal(AMJ) 和 Journal of Organizational Behavior(JOB)的審稿標準中(Bono & McNamara, 2011)。盡管如此，控制變量理論基礎(chǔ)不足等問題依然存在。例如, Bernerth 和 Aquinis(2016) 回顧了 2003 至 2012 年發(fā)表在頂級管理學期刊上的 580 篇實證研究，發(fā)現(xiàn) 2003 年只有 5% 的研究為控制變量提供了充分的理論基礎(chǔ)，2012 年這一數(shù)據(jù)為 3%, 情況并未改善。同樣，本文選取了 2016 至 2018 年在四本管理學和心理學的權(quán)威中文期刊(《管理世界》、《南開管理評論》、《心理學報》、《心理科學》)上通過統(tǒng)計方法控制額外變量的 113 篇組織行為學實證研究，并對這 113 篇實證研究進行了初步分析(如表 1 所示)。盡管在這 113 篇研究中，只有 31% 的研究者沒有為控制變量的使用提供依據(jù)，但是其中只有 3 篇研究是基于明確的理論依據(jù)來選擇控制變量的，且在2018 年發(fā)表的研究中該數(shù)值為 0.在其他中文期刊中，不難看到控制變量要么完全“不用”, 要么被“誤用”或“濫用”的現(xiàn)象。出現(xiàn)這種現(xiàn)象可能的原因是研究者把控制變量僅僅當作研究設(shè)計和數(shù)據(jù)分析中次要的部分，并且控制變量對研究結(jié)果的影響不容易被發(fā)現(xiàn)(Carlson & Wu, 2012)。總而言之，組織與管理領(lǐng)域的研究者并沒有深刻認識到控制變量的重要性以及應(yīng)該如何合理地使用控制變量。因此，本文將基于統(tǒng)計控制方法的基本原理，主要圍繞控制變量的選擇、分析與報告過程中存在的常見問題進行分析，最后從研究設(shè)計、數(shù)據(jù)收集與分析、研究結(jié)果報告三方面探討合理使用控制變量的策略，希望引起國內(nèi)學術(shù)期刊和研究者對這一問題的重視。
2 統(tǒng)計控制的基本原理
組織與管理研究者常常使用層次回歸分析方法和結(jié)構(gòu)方程模型(Structural Equation Modeling, SEM)分析數(shù)據(jù)。結(jié)構(gòu)方程模型是由層次回歸分析發(fā)展而來的，與層次回歸分析在統(tǒng)計控制原理上并無實質(zhì)差異，層次回歸分析方法的統(tǒng)計控制相關(guān)問題在使用結(jié)構(gòu)方程模型時同樣可能存在，因此本文的分析將主要基于層次回歸分析方法。在層次回歸分析方法中，研究者經(jīng)常在層次回歸的第一層加入控制變量，第二層加入前因變量，再根據(jù)ΔR2估計沒有被混淆的前因變量的效應(yīng)，這已經(jīng)成為了一種標準化操作模式(Breaugh, 2008; Spector & Brannick, 2011)。
首先需要明確統(tǒng)計學中的兩個基本概念：偏相關(guān)(Partial Correlation)和半偏相關(guān)(Semi-partial Correlation)。如圖1所示，偏相關(guān)是指同時從X和Y中移除Z與X、Y的共同變異(c + d + g)后, 剩余X(b + e)能夠解釋的剩余 Y(a + b)中的變異，偏相關(guān)系數(shù)的平方(即決定系數(shù) R2)為 b/(a + b)。半偏相關(guān)是指單獨移除Z與X的共同變異(c + g) 或單獨移除 Z 與 Y 的共同變異(c + d) 后 X與 Y 的相關(guān)。研究者在層次回歸分析中實際討論的，是移除了Z與X的共同變異(c + g)后, 剩余X(b + e)能夠解釋的 Y(a + b + c + d)中的變異。移除了Z對X的影響后的半偏相關(guān)系數(shù)的平方為 b/(a + b+ c + d), 與研究者經(jīng)常使用的ΔR2 等價(Breaugh, 2006)(有關(guān)偏相關(guān)和半偏相關(guān)的詳細說明可見羅勝強和姜嬿(2014), pp.53-56)。使用統(tǒng)計方法對額外變量的影響進行控制后，研究者在假設(shè)檢驗中實際使用的前因變量 X 已經(jīng)不再是原始的 X(b + c + e + g), 而是移除了前因變量X 和額外變量 Z 的共同變異(c+ g)后的剩余前因變量 X(b + e)。這一點對于理解統(tǒng)計控制相關(guān)問題非常重要。
在統(tǒng)計學上，共同變異無法被分割成來自不同變量的不同部分，只能作為被一系列變量解釋的總體變異的一部分。隨著前因變量和控制變量相關(guān)的提高，前因變量和控制變量能夠分別解釋的共同變異的大小會更加模糊，剩余前因變量的意義與假設(shè)中的原始前因變量所表達的意義差異也會更大(Becker et al., 2016))。統(tǒng)計控制可能會讓參數(shù)估計的解釋變得模棱兩可，當研究者并不清楚統(tǒng)計控制的目的和原理時問題會更加明顯(Becker et al., 2016))。需要指出的是 ,統(tǒng)計控制方法難以幫助研究者獲得準確的因果關(guān)系推論。原因是在回歸分析中，控制變量實際上作為前因變量參與運算。組織管理領(lǐng)域的研究者在開展研究時往往會使用多個控制變量。如果想要通過統(tǒng)計控制做出準確的 X 對 Y 的因果關(guān)系推斷，必須保證所有可能影響 Y 的因素都在模型中，而這在非實驗研究中是很難實現(xiàn)的(York, 2018)。
3 控制變量的應(yīng)用問題
3.1 控制變量的選擇問題
一些研究者提出，在分析中加入控制變量是一種更安全保守的統(tǒng)計方法(Carlson & Wu, 2012; Spector & Brannick, 2011)。但是，選擇不恰當?shù)目刂谱兞坎粌H會影響不同數(shù)據(jù)分析結(jié)果的比較，還會降低研究結(jié)果的信度與效度(Aguinis & Vandenberg, 2014; Becker, 2005; Breaugh, 2006. 2008)?？偨Y(jié)以往研究發(fā)現(xiàn)，控制變量的選擇過程中主要存在缺乏理論基礎(chǔ)、使用替代變量、過度控制與控制不足、同質(zhì)化等問題。
3.1.1 缺乏理論基礎(chǔ)
研究者一般將那些能夠與研究目的匹配、具備堅實理論基礎(chǔ)的控制變量稱為具有理論意義的控制變 量(Conceptually Meaningful Control Variables, 以下簡稱有意義的控制變量)。選擇有意義的控制變量非常重要，因為理論能夠幫助研究者更清晰地理解控制變量在核心變量的關(guān)系中可能發(fā)揮的作用(Becker et al., 2016; Bernerth, Cole, Taylor, & Walker, 2018; Meehl, 1971; Spector & Brannick, 2011)。如果沒有堅實的理論為控制變量的選擇提供指導，研究者可能就無法判斷應(yīng)該加入哪些控制變量(Becker, 2005;Breaugh, 2006)。
盡管選擇有理論意義的控制變量十分重要，但很多研究者仍然不重視這個問題。例如，2003 至 2012年發(fā)表在 5 本頂級管理期刊上的 580 篇文章一共使用了 3500 多個控制變量，但每年為控制變量提供了充分理論基礎(chǔ)的研究比例最高不超過 9%(Bernerth& Aquinis, 2016); 張軍偉和龍立榮(2017. p.184)在探討組織層次、部門層次與員工感知的高績效工作系統(tǒng)的一致性時，以“HR 經(jīng)理的任職年限越長可能對組織的高績效工作系統(tǒng)更為了解”為由控制了 HR 經(jīng)理的任期，而不是基于理論。一些研究者常常默認控制變量與核心變量相關(guān)，卻不解釋這種關(guān)系為什么可能存在(Atinc et al., 2012; Carlson & Wu, 2012; Spector & Brannick, 2011)。
3.1.2 使用替代變量
替代變量是指那些用來代替有意義控制變量的變量(Proxies, 以下簡稱替代變量)(Becker, 2005; Breaugh, 2008; Carlson & Wu, 2012; Spector & Brannick, 2011)。常見的替代變量主要有性別、年齡、組織規(guī)模等人口統(tǒng)計學變量與組織特征變量。Bernerth 等(2018) 對 2003 至 2014 年發(fā)表在 10 本頂級期刊上的關(guān)于領(lǐng)導力的實證研究進行分析后發(fā)現(xiàn), 人口統(tǒng)計學變量(例如年齡和性別)和工作任期相關(guān)變量作為控制變量的平均使用頻率超過了 57%。除了常見的人口統(tǒng)計學變量外，還有一些其他替代變量。例如，Becker 等(2016)發(fā)現(xiàn)研究者可能會為了控制員工的沖動性(Impulsivity)而將過往工作數(shù)量作為替代變量，理由是更沖動的人往往會更頻繁地更換工作。但是，大多數(shù)情況下人們改變工作的原因不是沖動，使用該替代變量并不合理。
之所以出現(xiàn)頻繁使用替代變量的問題，可能是因為選擇控制變量時理論依據(jù)不足，也可能是因為替代變量的測量比有意義控制變量的測量容易得多(Becker et al., 2016; Bernerth et al., 2018; Bernerth & Aguinis, 2016; Breaugh, 2006)。事實上，很多時候替代變量確實與結(jié)果變量存在顯著相關(guān)，但由于多數(shù)替代變量都不具備理論基礎(chǔ)，研究者無法基于理論解釋替代變量與結(jié)果變量之間的關(guān)系，也就無法基于替代變量來解釋核心變量之間的關(guān)系。在無法明確替代變量理論基礎(chǔ)的前提下，控制替代變量的同時可能會無意間移除有效的變異(Becker et al., 2016; Bernerth et al., 2018; Breaugh, 2008)。
3.1.3 過度控制與控制不足
圍繞控制變量的數(shù)量問題，目前學界存在兩種相反的觀點：其一是“控制變量越多越好”(e.g., Antonakis, Bendahan, Jacquart, & Lalive, 2010); 其二是“少即是多”(Less is more)(e.g., Carlson & Wu, 2012; Spector & Brannick, 2011)。研究者需要充分認識到，重要的是控制變量的質(zhì)量，而非數(shù)量。
認為“控制變量越多越好”的研究者認為，忽略重要的控制變量會得到錯誤的模型(Antonakis et al., 2010))。然而，只有當研究模型中包含所有的額外變量時才能準確估計核心變量的關(guān)系，這在非實驗研究中幾乎不可能實現(xiàn)(Spector & Brannick, 2011; York, 2018)。如果無法明確變量之間的因果關(guān)系，控制變量就無法凈化核心變量的關(guān)系，這與控制變量的數(shù)量無關(guān)。例如，Spector 等(2000)提出了六種機制解釋為什么消極情緒(Negative Effect)可能與工作壓力相關(guān)，借此論述在壓力研究中將消極情緒作為控制變量是存在問題的?？刂谱兞康臄?shù)量越多，問題可能越嚴重(Becker, 2005)。
更多的研究者相信“少就是多”, 但這并不意味著控制變量毫無益處或不必控制。加入有理論意義的控制變量在一定程度上有助于研究者在非實驗研究中做出因果推斷(Bernerth et al., 2018))。雖然研究者使用的控制變量數(shù)量非常龐大，但正如一些審稿專家所言 ,“由于控制變量的選擇沒有充分的理論背景，研究者可能沒有控制那些能夠解釋核心變量之間的關(guān)系的內(nèi)在因素”(Green, Tonidandel, & Cortina, 2016. p.12))。
3.1.4 同質(zhì)化
在組織與管理研究中，雖然不同研究領(lǐng)域存在明顯的理論差異, 但常用的控制變量卻非常相似，即控制變量的使用存在同質(zhì)化問題。例如, Bernerth 和Aguinis(2016)對 2003 至 2012 年發(fā)表在 5 本管理學期刊上十個最受歡迎研究領(lǐng)域的 580 篇實證研究進行分析后發(fā)現(xiàn)，常見的控制變量(例如年齡、性別、工作任期、受教育水平、種族)在理論基礎(chǔ)不同的研究領(lǐng)域使用頻率卻沒有明顯的差異。
之所以會出現(xiàn)過于同質(zhì)化的問題，本文認為原因可能主要有如下兩點：其一，模仿前人研究。例如，本文對2016 年至2018 年間發(fā)表的113 篇實證研究(見表 1)進行分析后發(fā)現(xiàn)，雖然有 78 篇研究為控制變量的選擇提供了依據(jù)，但有 16 篇都以“參考以往研究”作為選擇控制變量的標準。這樣做并沒有充分考慮控制變量在核心變量的關(guān)系中可能發(fā)揮的作用(Aguinis & Vandenberg, 2014; Meehl, 1971; Spector & Brannich, 2011)。其二，讓審稿專家滿意。為了順利發(fā)表，研究者可能會查閱前人的研究并推測審稿專家希望看到哪些控制變量(Atinc et al., 2012)。這樣的想法同樣是不合理的，因為加入沒有理論基礎(chǔ)的控制變量而被拒稿的概率高達 80%(Green et al., 2016)。嚴謹?shù)膶徃鍖＜乙蚕Ｍ芯空邽榭刂谱兞刻峁┏浞值睦碚撘罁?jù)，以保障研究的科學性和嚴謹性。
3.2 控制變量的分析問題
對于很多研究者來說，統(tǒng)計控制方法能夠幫助研究者更準確地分析核心變量之間的關(guān)系，Spector 和Brannick(2011)稱之為“凈化原則(Puri?cation Principle)”。然而 “, 凈化原則”在絕大多數(shù)情況下是不成立的(Spector & Brannick, 2011)。概括而言，控制變量的分析過程中主要存在忽略了控制變量的作用、控制變量模糊了核心變量的關(guān)系、與核心變量的相關(guān)過高或過低、基于剩余變異的分析不當、研究假設(shè)中未加入控制變量、沒有比較不同的假設(shè)檢驗結(jié)果等。
3.2.1 忽略了控制變量的作用
在相關(guān)研究中，研究者所感興趣的某個變量究竟是前因變量、結(jié)果變量、中介變量、調(diào)節(jié)變量還是控制變量，只能基于研究假設(shè)背后的理論做出判斷。如果控制變量的選擇并非基于嚴格的理論框架，或者并非基于綜合考慮多方面論據(jù)的符合邏輯的推導，研究者就很容易忽略他所認為的控制變量真正發(fā)揮的作用(Aguinis & Vandenberg, 2014; MacKinnon, Krull, & Lockwood, 2000; Spector & Brannick, 2011)。例如，Becker 等(2016)就曾經(jīng)引用過以下案例。在探討領(lǐng)導者的整體思維(Holistic Thinking)對領(lǐng)導行為的影響時，研究者將成為領(lǐng)導者后的工作經(jīng)驗作為控制變量; 然而, 領(lǐng)導經(jīng)驗可能會調(diào)節(jié)整體思維與領(lǐng)導行為之間的關(guān)系, 隨著領(lǐng)導經(jīng)驗的增加，領(lǐng)導者的行為逐漸自動化，對積極思維模式的依賴可能會逐漸減少, 因此領(lǐng)導經(jīng)驗越少，整體思維和領(lǐng)導行為的相關(guān)可能越強。如果一個研究者所認為的控制變量實際上是模型中的核心變量，控制這些變異就會帶來誤差(Becker, 2005)。
3.2.2 控制變量模糊了核心變量的關(guān)系
與“凈化原則”相反，在有些情況下控制變量不僅會導致假設(shè)與分析不匹配，令研究者無法準確地解釋研究結(jié)果，甚至還可能出現(xiàn)控制變量解釋的變異超過前因變量的情況(Atinc et al., 2012; Spector & Brannick, 2011)。根據(jù)控制變量影響的是核心變量的測量過程還是潛在構(gòu)念(Underlying Construct), 控制變量對核心變量關(guān)系的影響可以分為污染(Contamination)和虛假因果關(guān)系(Spuriousness)(Spector & Brannick, 2011)。
如果控制變量只影響核心變量的測量過程，就會產(chǎn)生“污染”問題。例如，在探討組織承諾(Organizational Commitment)和主動性行為的關(guān)系時，研究者可能會因為社會贊許性而控制主管支持(Perceived SupervISOr Support)，因為知覺到的主管支持(Z)可能會影響組織承諾(X)和主動性行為(Y)的測量(如圖 2 所示)。根據(jù)污染物分別影響 X 和Y 還是同時影響 X 和 Y, 計算相應(yīng)的半偏相關(guān)或偏相關(guān)系數(shù)就能排除污染。然而，控制變量不僅會影響核心變量的測量過程，還可能會影響核心變量的潛在構(gòu)念(Carlson & Wu, 2012)。因此，盡管確定合適的控制變量就能夠通過統(tǒng)計控制方法排除污染的影響, 但這在實際研究中是非常困難的。
當研究者所認為的控制變量事實上是核心變量共同的前因變量時，可能會出現(xiàn)“虛假因果關(guān)系”(Spector & Brannick, 2011)(如圖 3 所示)。例如，在研究知覺到的主管支持(X)對員工績效(Y)的影響時，如果二者的相關(guān)只是因為主管的主觀意愿產(chǎn)生的績效評估結(jié)果寬大，知覺到的主管支持和員工績效的相關(guān)就是虛假的。這是因為績效評估結(jié)果寬大被員工知覺為與主管關(guān)系良好的正向反饋(陳麗芬, 王霖，2017), 員工績效考核又是由主管完成的，即它們都是績效考核寬大效應(yīng)(Z)的結(jié)果變量，這時將績效考核寬大效應(yīng)作為控制變量就是不合適的。由于中介效應(yīng)檢驗和統(tǒng)計控制在統(tǒng)計原理上是不存在實質(zhì)性差異的，僅僅通過統(tǒng)計方法無法對其進行區(qū)分，因此必須有理論、文獻或其他證據(jù)提供支持(MacKinnon et al., 2000; Spector & Brannick, 2011; 溫忠麟，黃彬彬，湯丹丹，2018)。雖然通過比較X 單獨進入方程的標準化回歸系數(shù)和加入 Z 之后的標準化回歸系數(shù)，能夠區(qū)分 Z 究竟是控制變量還是 X和Y 的前因變量(Spector & Brannick, 2011), 但隨著變量數(shù)量的增加，統(tǒng)計控制能夠起到的作用非常有限。如果想要完全排除虛假因果關(guān)系，只能通過實驗設(shè)計(Becker et al., 2016)。
3.2.3 與核心變量的相關(guān)過高或過低
研究者常常默認控制變量與核心變量相關(guān)顯著且具有理論價值，實際上這種假設(shè)是存在問題的(Carlson & Wu, 2012)。例如，Bernerth 和 Aguinis(2016)對 2003 至 2012 年間發(fā)表在頂級管理期刊上的 580 個實證研究進行分析后發(fā)現(xiàn)，在任務(wù)績效的相關(guān)研究中，使用頻率最高的五個控制變量在超過三分之二的研究中都與核心變量不存在顯著相關(guān)，Bernerth 等(2018) 曾對 2003 至 2014 年在 10本頂級管理學和應(yīng)用心理學期刊中發(fā)表的領(lǐng)導力實證研究文獻進行了元分析，發(fā)現(xiàn)所有控制變量的平均效應(yīng)量只有0.04.
如果控制變量與結(jié)果變量幾乎不存在或者沒有相關(guān)(例如 |r| < 0.1), 這些控制變量就無法排除對結(jié)果變量的其他解釋，Becker(2005)稱之為無效的控制變 量(Impotent Control Variables)。無效的控制變量會降低自由度，可能會引發(fā)抑制效應(yīng)(Suppression Effect), X 和Y 的關(guān)系可能被夸大, 犯一類錯誤的概率也可能會提高(Becker et al., 2016; Carlson & Wu, 2012; MacKinnon et al., 2000)。另一方面, 也有一些研究者認為控制變量與結(jié)果變量的相關(guān)太強也會出現(xiàn)問題。例如，Atinc 等(2012)對 2005至 2009年間發(fā)表在四本頂級管理學期刊上的 261 篇報告了控制變量的解釋量(R2)的研究進行分析后發(fā)現(xiàn)，一些研究中控制變量解釋的變異甚至比前因變量都高，將上述變量作為控制變量顯然是不合適的。就控制變量與前因變量的相關(guān)而言，如果控制變量與前因變量的相關(guān)為 0. 控制變量與前因變量的半偏相關(guān)系數(shù)和簡單相關(guān)系數(shù)等價，統(tǒng)計控制不會改變研究結(jié)果 ; 但是，隨著二者共同變異(圖 1 中的 c + g) 的增加，前因變量的剩余變異所占原始變異的比例(圖 1 中的 b + e/b + c + e + g)不斷下降，統(tǒng)計控制對核心變量關(guān)系的影響也就更加明顯(Bernerth et al., 2018)?？紤]到研究者使用的控制變量的數(shù)量以及相關(guān)系數(shù)的大小和方向，控制變量與前因變量和結(jié)果變量的相關(guān)模式存在多種可能性(York, 2018); 由于多元回歸中多重共線性(Multicollinearity)(羅勝強，姜嬿, 2014. pp.114-116)等問題的存在，加入控制變量后前因變量的回歸系數(shù)可能出現(xiàn)不穩(wěn)定的情況。例如, 控制前顯著但控制后不顯著，控制前后符號相反等。因此, 即使前因變量的回歸系數(shù)在加入控制變量前后出現(xiàn)顯著差異，也不能證明加入控制變量能夠更準確地估計前因變量的效應(yīng)量(Becker et al., 2016)。
3.2.4 基于剩余變異的分析不當
如前文所述，通過統(tǒng)計方法對額外變量進行控制后，研究者在假設(shè)檢驗中實際使用的是移除了控制變量與前因變量的共同變異(圖 1 中的 c + g)后前因變量的剩余變異部分(圖 1 中的 b + e)。由于無法確定移除的共同變異是否屬于前因變量的有效變異, 前因變量的原始意義、構(gòu)念效度和回歸系數(shù)都可能會因此而改變(Becker et al., 2016; Breaugh, 2006; Carlson & Wu, 2012; Spector & Brannick, 2011), 前因變量剩余變異的意義也很難用理論進行解釋(Breaugh, 2008; Carlson & Wu, 2012)。盡管多數(shù)研究者以為前因變量的構(gòu)念效度始終沒有改變(Atinc et al., 2012), 但事實并非如此。例如，Judge 和Cable(2004)在研究身高對收入的影響時，將性別、年齡和體重作為控制變量，結(jié)果發(fā)現(xiàn)身高的回歸系數(shù)顯著。然而, 將控制變量與身高的共同變異移除后, 身高的剩余變異只有 40%(Breaugh, 2008)。顯然，移除了性別、年齡和體重后身高的剩余變異并不能夠代表身高的真實變異。
除了影響前因變量的構(gòu)念效度外，基于剩余變異推廣研究結(jié)論還會影響研究的外部效度。例如 ,在研究盡責性(Conscientiousness)對組織公民行為(Organizational Citizenship Behavior, OCB)的影響時，研究者對員工的性別、年齡、受教育水平、工作任期等人口統(tǒng)計學變量進行控制，其實際在假設(shè)檢驗中使用的變異就是盡責性人格特質(zhì)與員工的性別、年齡、受教育水平、工作任期等人口統(tǒng)計學變量不相關(guān)的剩余變異。然而在現(xiàn)實生活中，個體必然受到這些人口統(tǒng)計學變量的影響。剩余變異只是通過數(shù)學方法“人造”的變異, 既不具有理論意義, 也不具有現(xiàn)實意義。正如 Meehl(1970. p.147)所言 :“在多元分析中，研究者通過某種數(shù)學‘修正’, 運用統(tǒng)計方法捏造了一個虛擬的、理想化的樣本，樣本中的成員是由虛構(gòu)的分數(shù)賦值后的虛構(gòu)的人群”。在多數(shù)情況下，基于剩余變異的分析并不能帶來有效的結(jié)論，甚至可能產(chǎn)生誤導(Newcombe, 2003)。
3.2.5 研究假設(shè)中未加入控制變量
將控制變量加入研究假設(shè)中，不僅能夠幫助研究者選擇更多具有理論意義的控制變量，還有助于研究者明確控制變量與核心變量的關(guān)系，鼓勵研究者重視控制變量的價值，引導研究者在剩余變量的背景下解釋研究結(jié)果(Atinc et al., 2012; Becker et al., 2016)。盡管很多學者都建議將控制變量加入假設(shè)中(Becker et al., 2016; Carlson & Wu, 2012; Spector &Brannick, 2011), 且相關(guān)建議也已經(jīng)加入了 AMJ 和JOB 的審稿標準中(Bono & McNamara, 2011), 但是將控制變量和核心變量一起加入研究假設(shè)中的研究仍非常少見。例如，本文對 2016 年至 2018 年間發(fā)表的 113 篇組織與管理領(lǐng)域的實證研究(見表 1)進行了分析，沒有一篇在研究假設(shè)中加入了控制變量。
如果不將控制變量加入研究假設(shè)中，分析中實際使用的剩余前因變量與假設(shè)中的原始前因變量就是不一致的，假設(shè)檢驗就是無效的(Becker et al., 2016)。如果研究者關(guān)注的是統(tǒng)計控制后前因變量單獨解釋的變異(Unique Variance, 圖 1 中的b), 例如在控制了工作自主性(Job Autonomy)的影響后工作壓力能夠單獨解釋離職中的變異量，使用統(tǒng)計控制方法就是可行的 ; 如果研究假設(shè)是基于前因變量和結(jié)果變量之間的共同變異(圖 1 中的 b + c)提出的，例如工作壓力和離職存在正相關(guān)，使用統(tǒng)計控制方法就是不恰當?shù)?。因為統(tǒng)計控制方法關(guān)注的重點是，移除了與控制變量的共同變異后，前因變量能夠單獨解釋的結(jié)果變量中變異的部分(Breaugh, 2006)。可惜的是,研究者常?；煜鲜鰞煞N情況，在提出研究假設(shè)時聚焦于核心變量之間的相關(guān)，卻用統(tǒng)計控制后前因變量單獨解釋的變異來檢驗研究假設(shè)(Becker, 2005)。
3.2.6 沒有比較不同的假設(shè)檢驗結(jié)果
一般而言，需要比較的假設(shè)檢驗結(jié)果主要包含兩類: 一是加入與不加入控制變量的假設(shè)檢驗結(jié)果 ; 二是基于基線假設(shè)(baseline Hypotheses)比較不同的替代性假設(shè)檢驗結(jié)果。為了體現(xiàn)出控制變量對核心變量的關(guān)系可能造成的影響，研究者應(yīng)當分別報告包含與不包含控制變量的分析結(jié)果(Atinc et al., 2012; Becker, 2005; Bernerth et al., 2018)。然而，很少有研究者會這樣做。Carlson 和 Wu(2012)對 2007 年發(fā)表在 3 本頂級管理學期刊上的 266 篇實證研究進行分析后發(fā)現(xiàn), 只有 8% 的研究比較了包含與不包含控制變量的結(jié)果，并對其進行了報告。
考慮到控制變量與核心變量關(guān)系的復雜性，以及控制變量角色的模糊性，研究者可以嘗試基于基線假設(shè), 圍繞控制變量可能發(fā)揮的不同作用提出一些替代性假設(shè)。所謂基線假設(shè)，是指目前多數(shù)研究中都在使用的假設(shè)，基線假設(shè)中變量之間的關(guān)系一般是基于先前的研究和理論得到的(Spector & Brannick, 2011)。如有可能，研究者還應(yīng)該努力提出一系列競爭性假設(shè)(Comparative Hypotheses)，將一種機制與另一種機制對立起來，基于不同理論試圖分辨不同的可能性。可惜的是，也很少有研究者這么做。
3.3 控制變量的報告問題
控制變量的報告情況在一定程度上反映了研究者對控制變量的重視程度。如果研究者沒有完整地報告與控制變量有關(guān)的結(jié)果，控制變量就難以充分發(fā)揮作用。本文認為在報告控制變量的相關(guān)信息時，主要存在信效度報告不充分、描述性統(tǒng)計信息報告不全面、控制方法的描述不清晰、對數(shù)據(jù)分析結(jié)果的報告不嚴謹?shù)葐栴}。
3.3.1 信效度報告不充分
研究者在報告信效度時常常會忽略控制變量。例如, Becker(2005)提出了一項想要控制療養(yǎng)院規(guī)模的研究，將每年年初療養(yǎng)院床位數(shù)的自然對數(shù)作為療養(yǎng)院規(guī)模的測量指標。然而, 測量的信度是未知的, 因為該研究并沒有報告床位數(shù)量的一致性情況 ; 測量的構(gòu)念效度也有問題，因為該研究沒有清晰地界定組織規(guī)模。研究者也沒有解釋為什么控制床位數(shù)而不是患者數(shù)，為什么控制年初的床位數(shù)而不是全年的床位數(shù)，為什么需要用自然對數(shù)等問題?？赡芤驗轭~外變異難以全部移除(Breaugh, 2006. 2008), 控制變量的測量信效度相對較低，但研究者卻經(jīng)常默認控制變量的信效度較高(Bernerth & Aguinis, 2016)。如果控制變量的測量存在誤差，即使核心變量的測量完全沒有誤差，在估計核心變量的關(guān)系時也會出現(xiàn)誤差(Edwards, 2008)。
3.3.2 描述性統(tǒng)計信息報告不全面
本文認為，研究者應(yīng)當報告包括控制變量的均值、標準差等基本描述性統(tǒng)計信息?？上У氖?，這并沒有成為組織與管理研究者們的寫作慣例。例如，在領(lǐng)導力研究中，30% 的研究者都沒有報告控制變量的均值、標準差等重要的描述性統(tǒng)計信息(Bernerth et al., 2018)。報告控制變量與核心變量之間的相關(guān)系數(shù)、回歸系數(shù)和顯著性水平也非常重要，因為這樣做便于計算前因變量的原始變異中剩余變異所占的比例(圖 1 中的b + e/b + c + e + g)。在移除了前因變量與控制變量的共同變異后，前因變量的效應(yīng)量可能會下降，因此統(tǒng)計控制前后可能會出現(xiàn)截然不同的結(jié)果(Breaugh, 2008)。例如，Janssen 和 Van Yperen(2004)控制了員工的性別、年齡和組織任期，基于目標定向理論(Target Orientation Theory)和領(lǐng)導成員交換理論(Leader-member Exchange, LMX), 預測下屬的績效定向(Performance Orientation) 與領(lǐng)導成員交換成負相關(guān)。雖然簡單相關(guān)系數(shù)不顯著，但加入控制變量后前因變量的回歸系數(shù)顯著。
3.3.3 控制方法的描述不清晰
一般而言，研究者需要描述納入控制變量的具體方法。Becker 等(2016)指出，在以下兩種情況下研究者需要更清晰地描述控制方法。其一，使用不太常見的控制方法。例如，Ahmadjian 和Robinson(2001) 在研究裁員對解除終身工作制(Deinstitutionalization of Permanent Employment)的作用時，使用面板概率分析方法(Panel Probit Analyses)控制了年份、出口量和行業(yè)。這種情況下就需要解釋為什么使用上述方法而沒有選擇傳統(tǒng)的統(tǒng)計控制方法。其二，當同樣的控制變量在不同的分析中處理方式不同時，或者當某些控制變量在同樣的分析中和其他控制變量的處理方式不同時，研究者也需要明確描述控制方法。例如, Becker 等(2016)指出，如果用銷售業(yè)績的得分除以銷售區(qū)域內(nèi)的客戶數(shù)量來控制區(qū)域?qū)︿N售業(yè)績的影響，研究者就需要解釋為什么要使用這種方法，并解釋為什么沒有使用將客戶數(shù)量加入回歸方程中等更傳統(tǒng)的方法。
3.3.4 對數(shù)據(jù)分析結(jié)果的報告不嚴謹
在組織與管理領(lǐng)域，使用層次回歸分析法對額外變量進行統(tǒng)計控制已經(jīng)成為了一種規(guī)范化的操作流程(Spector & Brannick, 2011), 研究者在報告數(shù)據(jù)分析結(jié)果時一般都會納入控制變量(例如在層次回歸分析中的第一層加入控制變量的有關(guān)信息)。隨著統(tǒng)計技術(shù)的發(fā)展，越來越多的研究者開始使用結(jié)構(gòu)方程模型等其他統(tǒng)計方法分析數(shù)據(jù)分析。然而，可能是由于流行時間相對較短，在組織與管理領(lǐng)域，結(jié)構(gòu)方程模型還沒有像層次回歸分析那樣形成一套規(guī)范化的操作流程。研究者經(jīng)常忘記報告與控制變量相關(guān)聯(lián)的路徑是被自由估計還是被固定的，在報告變量關(guān)系的路徑圖時也經(jīng)常忽略控制變量(Becker et al., 2016)。例如，本文對 2016 年至 2018 年間發(fā)表的 113 篇中文的組織與管理實證研究進行了分析, 發(fā)現(xiàn)在使用了結(jié)構(gòu)方程模型分析數(shù)據(jù)的 25 篇研究中，只有 6 篇研究解釋并報告了控制變量的路徑。
4 控制變量的應(yīng)用策略
針對控制變量的應(yīng)用過程中存在的諸多問題，一些學者提出了合理使用控制變量的策略與建議?；谇拔牡膯栴}分析，本文從研究設(shè)計、數(shù)據(jù)收集與分析、結(jié)果報告三方面入手總結(jié)了控制變量的應(yīng)用策略, 希望能夠為組織與管理領(lǐng)域的研究者提供參考。
4.1 研究設(shè)計階段
4.1.1 選擇有理論意義的控制變量
研究設(shè)計階段是控制變量應(yīng)用過程中最關(guān)鍵的階段。研究者需要思考“為什么要使用控制變量”，這是控制變量相關(guān)的一系列問題的起點(Bernerth & Aguinis, 2016)。對此問題，以下回答都是不太恰當?shù)模耗７缕渌芯空撸瑸榱俗寣徃鍖＜覞M意，為了更保守地檢驗假設(shè)，認為控制變量對核心變量之間的關(guān)系有影響(無論是基于實證證據(jù)還是研究者的推測)，排除對研究結(jié)果的其他解釋，增加新的解釋等。有意義的控制變量往往與理論關(guān)系密切，頂級學術(shù)期刊的審稿專家和編輯也要求研究者基于理論選擇控制變量。例如，Green 等(2016)使用迭代法(Iterative Approach)，以審稿專家和編輯對投遞至Journal of Business and Psychology的69篇稿件的304審稿意見為樣本進行了質(zhì)性分析，發(fā)現(xiàn)審稿專家和編輯要求樣本中14.49%的稿件作者提供控制變量選擇的理論基礎(chǔ)。盡管理論導向的控制變量選擇過程還沒有被組織管理領(lǐng)域的研究者廣泛采納，但在國內(nèi)，已經(jīng)有研究者開始這樣做。例如，謝菊蘭、馬紅宇、唐漢瑛和姜海(2017.p.363)在研究家庭支持型主管行為對雙職工夫妻雙方婚姻滿意感的影響與作用機制時指出：“根據(jù)‘資源 - 獲取 - 發(fā)展’觀，家庭需求特征會影響工作資源提升員工家庭角色表現(xiàn)及功能的過程?；诖?，本文選取是否有小孩、是否有父母幫助處理家務(wù)作為控制變量”;張峰和楊建君(2016. p.8)在研究股東積極主義視角下大股東參與行為對企業(yè)創(chuàng)新績效的影響時提出：“根據(jù)產(chǎn)權(quán)理論，由于國有企業(yè)大部分所有權(quán)歸國家所有，經(jīng)理人缺乏動力去最大化企業(yè)利潤，因此本文將企業(yè)所有制分為國有企業(yè)和非國有企業(yè)并對其進行控制”。
本文認為研究者可以采取以下四點策略選擇有理論意義的控制變量。第一，研究者應(yīng)充分回顧與研究假設(shè)相關(guān)的理論，如理論中的核心概念、核心命題和邊界條件等。如果該理論明確指出在控制了某些額外變量的特定情景中使用該理論才具有合理性，研究者就應(yīng)當控制這些額外變量(Becker et al., 2016)，這是因為該理論可能是以統(tǒng)計控制后前因變量的剩余變異為背景提出的。除此之外，研究者還需要明確解釋為什么沒有控制一些理論中認為應(yīng)該控制的額外變量(Breaugh, 2008)。第二 ,研究者需要考慮在其采用的理論視角中，是否包含其他能夠解釋結(jié)果變量的潛在前因變量。例如，Wang，Jex，Peng,Liu和Wang(2019)在研究情緒調(diào)節(jié)(Emotion Regulation)視角下員工的表層扮演(Surface Acting)和深層扮演(Deep Acting)對婚姻幸福感(Marital Well-being)的影響時，將自我損耗(Ego Depletion)作為解釋機制的同時，控制了員工在工作中體驗到的消極情緒，這是因為在情緒調(diào)節(jié)理論視角下，消極情緒也能解釋表層扮演對婚姻幸福感的影響(Semmer, Messerli, & Tschan, 2016)。第三，研究者需明確研究問題是否能夠采用其他替代性理論進行解釋，尤其是在有證據(jù)表明在該替代性理論中所涉及的前因變量可能與研究者所關(guān)注的前因變量存在顯著相關(guān)時。第四，如果研究者確實無法為某個控制變量提供嚴謹?shù)睦碚撘罁?jù)，但仍要將其加入研究設(shè)計中，那么至少需要基于適當?shù)囊?、統(tǒng)計、實證證據(jù)、符合邏輯的推導過程等，綜合多方面論據(jù)論證為什么控制變量會影響核心變量及其關(guān)系(Becker, 2005)。例如，Van Scotter, Motowidlo和 Cross(2000. p.527)在研究任務(wù)績效(Task Performance)和周邊績效(Contextual Performance)對系統(tǒng)性獎勵(Systemic Rewards)的影響時，為選擇工作經(jīng)驗作為控制變量提供了三點理由：“首先，研究表明，工作經(jīng)驗解釋了較多任務(wù)績效包含的變異;其次，任務(wù)績效和周邊績效與工作經(jīng)驗存在相關(guān)關(guān)系路徑差異，這為區(qū)分上述兩種績效提供了支持;第三，在該研究中，工作經(jīng)驗與周邊績效之間的平均相關(guān)系數(shù)(r = 0.17)表明不應(yīng)忽視二者之間的關(guān)系。因此，如果不控制工作經(jīng)驗的差異，可能無法檢測工作績效(Job Performance)和其他變量之間的關(guān)系”。盡管上述三條論據(jù)每一條都不是十分恰當，但是在缺乏嚴謹?shù)睦碚摶A(chǔ)時，綜合多方面論據(jù)要比單獨選擇其中某一條論據(jù)更可靠。
4.1.2 謹慎對待替代變量
使用替代變量(以人口統(tǒng)計學變量為代表)常常會帶來問題，但這并不代表人口統(tǒng)計學變量不重要。本文建議研究者不能僅僅把人口統(tǒng)計學變量當作控制變量來對待，而應(yīng)該關(guān)注它們對核心變量的影響機制，如果能夠?qū)θ丝诮y(tǒng)計學變量的作用進行更全面的理論分析，研究者就可以對其研究的問題進行更深入的探討(Spector & Brannick, 2011)。事實上，常用的人口統(tǒng)計學變量是可以用理論進行解釋的。例如，Bernerth和Aguinis(2016)指出，不少研究都直接或間接地提到過人力資本理論(Human Capital Theory)和關(guān)系性人口學理論(Relational Demography Theory)。人力資本理論認為，經(jīng)驗積累能夠幫助個體獲得更好的工作、更高的收入、更多的資源，因此，任期、教育背景、工作經(jīng)驗等個體特征會對工作態(tài)度和行為帶來積極影響。關(guān)系性人口學理論強調(diào)，員工如果與組織中其他個體相似，人際互動的滿意度就會更高，工作相關(guān)的態(tài)度和行為就會因此而受到影響。如果上述理論與研究者提出的研究假設(shè)匹配，控制變量理論基礎(chǔ)不足的問題就可能得到一定的緩解。
4.1.3 在研究假設(shè)中加入控制變量
好的研究需要在理論和假設(shè)之間建立嚴密的邏輯聯(lián)系，因為假設(shè)能夠引導研究的設(shè)計與分析過程(Aguinis & Vandenberg, 2014; Carlson & Wu, 2012; Spector & Brannick, 2011)。本文建議研究者在研究假設(shè)中加入控制變量，而不是只論述前因變量、結(jié)果變量等核心變量之間的關(guān)系，只有這樣，包含控制變量的數(shù)據(jù)分析過程才是有意義的(Spector & Brannick, 2011)。例如，Loi，Yang和 Diefendorf(2009. p.772)在研究組織公平(Organizational Justice)對個體間和個體內(nèi)每天的工作滿意度的影響時就將控制變量納入了研究假設(shè)中，即“在控制了每天的積極情緒后，個體內(nèi)水平的人際公平與工作滿意度呈正相關(guān)”。當某個理論明確指出只有對某些額外變量進行控制后使用該理論才合理時(Becker et al., 2016)，研究者更應(yīng)該將控制變量加入研究假設(shè)中，因為這些理論可能是基于對某些額外變量進行控制后得到的前因變量的剩余變異提出的。
4.1.4 基于理論精選控制變量
不必要的控制變量會讓變量之間的關(guān)系變得更復雜，凸顯研究整體理論基礎(chǔ)薄弱的問題，甚至可能間接移除其他變量的變異(Becker et al., 2016; Carlson & Wu, 2012; Green et al., 2016; Spector & Brannick, 2011);但遺漏重要的控制變量同樣會帶來錯誤地估計核心變量之間的關(guān)系等問題。在考慮控制變量的數(shù)量問題時，研究者首先需要盡可能多地選擇與研究假設(shè)背后的理論框架相匹配的控制變量，之后再追求模型的簡潔性，力求既簡約又包含最多信息的模型(York, 2018)。控制變量應(yīng)用問題的核心并非數(shù)量問題，而是質(zhì)量問題，找到正確的控制變量最重要。
4.2 數(shù)據(jù)收集與分析階段
4.2.1 考慮控制社會贊許性
收集數(shù)據(jù)時, 在某些情況下研究者應(yīng)當考慮社會贊許性(Social Desirability)對研究結(jié)果的影響(Bernerth & Aguinis, 2016)，這是因為社會贊許性可能會污染核心變量的測量過程。例如，在采用自我報告法(Self-reported Method)研究員工知覺到的不合規(guī)任務(wù)(Perceived Illegitimate Tasks)對退縮行為的影響時，由于體現(xiàn)出“集權(quán)”、“控制”等文化特征的威權(quán)領(lǐng)導(Authoritative Leadership)在我國企業(yè)中仍普遍存在(孫雨晴，羅文豪，2018)，員工可能會基于社會贊許性，報告更少的不合規(guī)任務(wù)與退縮行為，導致知覺到的不合規(guī)任務(wù)和退縮行為的測量被污染。遺憾的是，可能是因為曾有研究者對數(shù)據(jù)收集過程中的方法學偏差表示擔憂，現(xiàn)在將社會贊許性作為控制變量的研究并不太常見(Bernerth & Aguinis，2016)。
4.2.2 同等對待控制變量與核心變量
如前文所述，控制變量的影響不可忽略。因此，研究者應(yīng)當同等重視控制變量與核心變量。具體來說：其一，研究者應(yīng)當將控制變量的心理測量學標準提升至與核心變量同等的水平，采用同等的信效度標準(Becker et al., 2016;Carlson & Wu, 2012)。其二，研究者不僅需要選擇與控制變量所代表的概念相一致的測量方法，還要盡可能清晰地描述為什么要用這種方法進行測量(Becker, 2005; Becker et al., 2016)。其三, 如果有可能，最好同時對控制變量的構(gòu)念效度、會聚效度和區(qū)分效度進行分析,并使用結(jié)構(gòu)方程模型等技術(shù)檢驗控制變量的心理測量學指標(Becker et al., 2016)。
4.2.3 關(guān)注控制變量與核心變量的相關(guān)及剩余變異
本文認為，控制變量與核心變量的相關(guān)不宜過高也不宜過低。如果研究者所認為的控制變量與結(jié)果變量相關(guān)太高，將這些變量作為前因變量或中介變量可能更合適。如果研究者所認為的控制變量與前因變量的相關(guān)過高，導致統(tǒng)計控制后前因變量的剩余變異(圖1中的 b+e)所占原始變異的比例太小，前因變量的構(gòu)念效度就很有可能發(fā)生改變。因此，控制變量與核心變量的相關(guān)不宜過高。相反，如果研究者所認為的控制變量與結(jié)果變量相關(guān)過低，意味著在研究中納入一個與結(jié)果變量相關(guān)不顯著的無效的控制變量，通常會導致難以準確地估計核心變量之間的關(guān)系。即使當控制變量與前因變量的相關(guān)很小時，統(tǒng)計控制對核心變量的關(guān)系的影響能夠被忽略，控制變量與核心變量的相關(guān)也不宜過低。在研究中，控制變量與核心變量的相關(guān)太低相較于相關(guān)太高的問題或許更為普遍。例如，Bernerth 等(2018)對2003至2014年發(fā)表在10本頂級期刊中的領(lǐng)導力實證研究文獻進行分析后發(fā)現(xiàn)，與核心變量相關(guān)不顯著的控制變量高達五分之四。本文認為，最根本的問題依然是研究者所選擇的控制變量是否具有理論意義，而不是控制變量與核心變量的相關(guān)是否顯著。在缺乏理論基礎(chǔ)的前提下，即使控制變量與核心變量的相關(guān)顯著，也不一定要將其納入模型中(York, 2018);反之，在理論基礎(chǔ)充足的前提下，即使控制變量與核心變量的相關(guān)不顯著，也應(yīng)該對其進行控制。
此外，研究者還需要關(guān)注前因變量剩余變異的構(gòu)念效度與原始變異是否相同，如果不同，使用剩余變異就是不合適的。如果研究假設(shè)本身就是針對前因變量的剩余變異提出的，使用剩余變異就沒有問題?？上У氖牵鄶?shù)研究中研究假設(shè)是基于前因變量的原始變異提出的，假設(shè)檢驗過程卻是圍繞剩余變異而展開的(Breaugh, 2008)。正因如此，很多學者都建議組織管理領(lǐng)域的研究者應(yīng)當報告剩余變異所占原始變量的比例(圖1中的b + e/b + c + e + g)(e.g., Atinc et al., 2012; Becker et al., 2016; Breaugh, 2008; Carlson & Wu, 2012)。
4.2.4 嘗試比較不同的假設(shè)檢驗結(jié)果
研究者應(yīng)當努力明確控制變量在研究模型中可能發(fā)揮的不同作用，基于理論充分地解釋控制變量為什么與核心變量相關(guān)，相關(guān)是怎樣的，加入或忽略這些控制變量可能會對研究帶來怎樣的影響。因此，研究者可以嘗試構(gòu)建一系列有關(guān)控制變量的基線假設(shè)和替代性假設(shè)，考慮控制變量可能發(fā)揮的作用并進行比較，進而排除控制變量與核心變量關(guān)系的不同可能性;研究者還可以提出相互競爭的假設(shè)，將一種機制與另一種機制對立起來，試圖排除其他可能。這里引用 Spector和Brannick(2011)提出的例子進行說明。例如，基于工作壓力理論，高工作負荷(Workloads)的個體會出現(xiàn)更多的軀體壓力癥狀(基線假設(shè))。因為難以保持注意力，高度焦慮的個體可能無法保證高效的工作而出現(xiàn)工作堆積，與此同時，焦慮也會導致軀體壓力癥狀, 簡言之，工作負荷和壓力癥狀之間的關(guān)系可能是由于焦慮情緒所引起的，二者的因果關(guān)系是虛假的(替代性假設(shè) 1)。此外，高度焦慮的個體往往會過度報告消極的經(jīng)歷(例如繁重的工作)和消極的自我狀態(tài)(例如軀體癥狀)，因此，焦慮情緒還可能污染工作負荷和軀體壓力癥狀的測量(替代性假設(shè) 2)。如果工作負荷和軀體壓力癥狀的簡單相關(guān)顯著，基線假設(shè)就可以得到驗證;如果在不納入焦慮情緒的情況下工作負荷的標準化回歸系數(shù)顯著，納入焦慮情緒后工作負荷的標準化回歸系數(shù)不顯著，工作負荷和壓力癥狀的因果關(guān)系就可能是虛假的，替代性假設(shè)1就可以得到驗證;如果根據(jù)焦慮情緒影響的是工作負荷、壓力癥狀還是同時影響二者的測量過程，分別計算對應(yīng)的半偏相關(guān)系數(shù)與偏相關(guān)系數(shù)，結(jié)果發(fā)現(xiàn)半偏相關(guān)系數(shù)或偏相關(guān)系數(shù)比工作負荷和壓力癥狀的簡單相關(guān)系數(shù)小，焦慮情緒就可能是污染物，替代性假設(shè) 2 就可以得到驗證。
研究者還可以比較有無控制變量的假設(shè)檢驗結(jié)果并進行報告。例如，Erdogan 和 Bauer 在研究領(lǐng)導 - 成員交換差異化對員工績效、工作態(tài)度、退縮行為(Withdrawal Behaviors)的影響時，沒有將工作任期作為控制變量加入分析中，因為“兩種類型的工作任期都與退縮行為不存在相關(guān)，加入工作任期后并沒有改變?nèi)魏谓Y(jié)果的顯著性水平，所以我們報告的結(jié)果中并沒有控制工作任期”(2010. p.1109)。根據(jù) Becker等(2016)的建議，如果前因變量的標準化回歸系數(shù)在包含和不包含控制變量的兩種情況下差異小于0.1.研究者可以指出加入控制變量對研究結(jié)果沒有影響，只需要報告不包含控制變量的結(jié)果，并建議未來研究者不再關(guān)注這些控制變量;如果差異顯著, 那么兩次分析結(jié)果就都值得關(guān)注，因為控制變量在核心變量的關(guān)系中可能發(fā)揮著實質(zhì)性作用。
4.3 結(jié)果報告階段
在研究結(jié)果報告階段，研究者需要報告包括控制變量的均值、標準差、信效度等描述性統(tǒng)計信息，如有可能還應(yīng)該報告控制變量的分布情況，因為極端值可能人為地擴大或縮小控制變量與核心變量的相關(guān)，使研究者曲解核心變量的關(guān)系(Becker, 2005)。報告控制變量的相關(guān)系數(shù)也非常重要，因為這樣做能夠幫助研究者比較原始前因變量和剩余前因變量，判斷移除控制變量與前因變量的共同變異后，前因變量的構(gòu)念效度是否發(fā)生改變，從而解釋更復雜的數(shù)據(jù)分析結(jié)果，提供檢驗結(jié)論準確性的依據(jù)，方便后續(xù)研究者對研究數(shù)據(jù)進行二次分析(Bernerth et al., 2018; Bernerth & Aguinis, 2016; Breaugh, 2006)。只有研究者報告了控制變量的信度和效度，研究誤差才有可能在一定程度上得到控制，控制變量的構(gòu)念效度才有可能得到保證，參數(shù)估計的準確性才有可能提高(Becker et al., 2016)。此外，如果研究者使用了一個不太常用的統(tǒng)計控制方法，應(yīng)當準確描述這個方法并說明使用該方法原因;如果研究者對同樣的控制變量采用不同的方法處理，或者對不同的控制變量采用相同的方法處理，也需要進行說明(Becker et al., 2016)。為了充分理解控制變量在核心變量的關(guān)系中發(fā)揮的作用，研究者不應(yīng)只在文章的方法部分報告控制變量的相關(guān)信息，還應(yīng)嘗試將控制變量加入假設(shè)、結(jié)果和討論部分(Atinc et al., 2012)。尤其是對于使用結(jié)構(gòu)方程模型的研究者來說，在報告數(shù)據(jù)分析結(jié)果尤其是模型的路徑分析圖時要加入控制變量(Becker et al., 2016)。
5 總結(jié)與展望
組織管理實踐與工作場所較為復雜，與之相關(guān)的研究課題往往難以在實驗室環(huán)境下加以研究。為了獲得可靠的研究結(jié)論，研究者會使用統(tǒng)計控制方法來排除額外變量的影響。本文在總結(jié)以往研究文獻后發(fā)現(xiàn)，研究者在使用統(tǒng)計控制方法時存在諸多問題(如表 2 所示)。
綜上，無論是在控制變量的選擇階段還是分析與報告階段，研究者都應(yīng)當用高標準來對待控制變量(Becker, 2005), 不能為了讓未來的研究者“放心”而加入控制變量(Carlson & Wu, 2012), 更不能把控制變量當作“為了讓數(shù)據(jù)結(jié)果顯著的工具”。最重要的是，研究者需要不斷反思控制變量是否具備堅實的理論基礎(chǔ)，因為只有理論能解釋控制變量與核心變量之間可能存在的關(guān)系，只有理論能賦予控制變量最恰當?shù)慕巧?，只有理論能引導研究者選擇與研究假設(shè)相匹配的有效的控制變量，只有加入具備理論基礎(chǔ)的控制變量才能充分地檢驗理論假設(shè)。由于控制變量在某種程度上與核心變量相關(guān)，研究者應(yīng)當為控制變量相關(guān)的決策提供清晰的理論基礎(chǔ)(Bernerth & Aguinis, 2016)。
除了重視控制變量的理論基礎(chǔ)外，本文認為在開展科學研究的不同階段，研究者都應(yīng)當給予控制變量足夠的關(guān)注。例如, 在研究設(shè)計階段, 研究者需要在保證理論基礎(chǔ)的前提下追求模型的簡潔性，謹慎對待以人口統(tǒng)計學變量為代表的替代變量，也可以嘗試將控制變量加入研究假設(shè); 在數(shù)據(jù)收集與分析階段, 研究者可以考慮控制社會贊許性，同等重視控制變量與核心變量, 關(guān)注控制變量與核心變量的相關(guān)，注意前因變量的剩余變異，還可以嘗試比較不同的假設(shè)檢驗結(jié)果; 在研究結(jié)果報告階段, 研究者應(yīng)該準確地報告控制變量的描述性統(tǒng)計信息與信效度，詳細說明使用不同控制方法的原因，并嘗試將控制變量加入文章的假設(shè)、結(jié)果和討論部分。本文為研究者提供了控制變量的應(yīng)用決策樹，可以幫助研究者判斷如何選擇控制變量，以及采取何種策略分析和討論控制變量(如圖 4和圖5所示)。
為了改善國內(nèi)組織管理研究中控制變量理論的應(yīng)用現(xiàn)狀, 期刊也應(yīng)該給予研究者足夠的空間，同時提高控制變量的審稿標準(Becker, 2005)。審稿人應(yīng)當像過去對待核心變量那樣，針對控制變量是否具備堅實的理論基礎(chǔ)提出質(zhì)疑，要求研究者解釋控制變量為什么可能會影響核心變量之間的關(guān)系(Atinc et al., 2012)。國外學者的研究表明，已經(jīng)有很多審稿人和編輯采納了上述建議(Green et al., 2016)。鑒于目前組織管理領(lǐng)域的研究結(jié)果的可信度面臨挑戰(zhàn)這一現(xiàn)狀，采用實驗設(shè)計方法來排除額外變量的影響從而落實基本的科學原則是非常有必要的(Bernerth & Aguinis, 2016)?？傊? 控制變量也是研究變量(Becker, 2005)，為了做出高質(zhì)量的、科學嚴謹?shù)膶嵶C研究，控制變量的應(yīng)用問題應(yīng)當?shù)玫絿鴥?nèi)組織管理研究者的高度重視。
中企檢測認證網(wǎng)提供iso體系認證機構(gòu)查詢，檢驗檢測、認證認可、資質(zhì)資格、計量校準、知識產(chǎn)權(quán)貫標一站式行業(yè)企業(yè)服務(wù)平臺。中企檢測認證網(wǎng)為檢測行業(yè)相關(guān)檢驗、檢測、認證、計量、校準機構(gòu)，儀器設(shè)備、耗材、配件、試劑、標準品供應(yīng)商，法規(guī)咨詢、標準服務(wù)、實驗室軟件提供商提供包括品牌宣傳、產(chǎn)品展示、技術(shù)交流、新品推薦等全方位推廣服務(wù)。這個問題就給大家解答到這里了，如還需要了解更多專業(yè)性問題可以撥打中企檢測認證網(wǎng)在線客服13550333441。為您提供全面檢測、認證、商標、專利、知識產(chǎn)權(quán)、版權(quán)法律法規(guī)知識資訊，包括商標注冊、食品檢測、第三方檢測機構(gòu)、網(wǎng)絡(luò)信息技術(shù)檢測、環(huán)境檢測、管理體系認證、服務(wù)體系認證、產(chǎn)品認證、版權(quán)登記、專利申請、知識產(chǎn)權(quán)、檢測法、認證標準等信息，中企檢測認證網(wǎng)為檢測認證商標專利從業(yè)者提供多種檢測、認證、知識產(chǎn)權(quán)、版權(quán)、商標、專利的轉(zhuǎn)讓代理查詢法律法規(guī)，咨詢輔導等知識。
本文內(nèi)容整合網(wǎng)站：百度百科、搜狗百科、360百科、知乎、市場監(jiān)督總局
免責聲明：本文部分內(nèi)容根據(jù)網(wǎng)絡(luò)信息整理，文章版權(quán)歸原作者所有。向原作者致敬！發(fā)布旨在積善利他，如涉及作品內(nèi)容、版權(quán)和其它問題，請跟我們聯(lián)系刪除并致歉！
