Tang, Y., Lam, C. K., Ouyang, K., Huang, X., & Tse, H. H. M. (2021). Comparisons draw us close: The influence of leader‐member exchange dyadic comparison on coworker exchange. Personnel Psychology, 75(1), 215-240. https://doi.org/10.1111/peps.12465

小可爱们好，好久没和小可爱们介绍方法啦，所以我们这期来学习一篇使用了Social relations analysis的文章。

整体介绍

摘要

成员比较他们的领导成员交换(LMXs)差异，以了解三元关系(A，B和他们的共同领导)；这将影响成员之间的互动。先前的研究基于平衡理论假设两个成员对三元关系的结构达成共识，认为当A感知他的LMX低于B时，这种LMX不平衡会促使A与B产生消极的互动。然而，对LMX的比较是一个人的主观看法，可能不会被另一个人所认同。因此，作者利用社会比较理论来同时检验两个成员的LMX比较，并认为当他们都认为对方的LMX比自己好时，他们可能会更多地参与亲和行为，并发展更高质量的同事交换（CWX ）。两项研究的结果一致支持这些假设。本研究扩展了我们对三元关系中LMX的理解，并证明了两个成员对LMX二元比较的不匹配感知（即双方都感知到LMX的不平衡）能够激励成员发展积极的关系。

Members compare their differential leader-member exchanges (LMXs) to understand the triadic relationship (Member A, Member B, and their common leader); this will affect how members interact. Prior research based on balance theory assumes that the two members have a consensus on the structure of the triadic relationship, to argue that when Member A perceives their LMX to be lower than that of Member B, such an LMX imbalance would drive Member A to interact negatively with Member B. Comparison of LMX, however, reflects one’s subjective perception, which may not be shared by the other. Therefore, we draw on social comparison theory to examine both members’ comparisons of LMX simultaneously and suggest that when they both perceive the other’s LMX as better than their own, they may engage more in affiliative behaviors and develop a higher-quality coworker exchange (CWX). The results of two studies consistently supported these hypotheses. This research extends our understanding of LMX in triadic relations and demonstrates that mismatched perceptions of LMX dyadic comparison between two members (i.e., both perceive an LMX imbalance) could motivate members to develop a positive relationship.

理论模型

假设1：A和B的LMX比较相互作用，能预测A对B的亲和行为。具体而言：

B感知LMX相对较低时，A的LMX二元比较与A对B的亲和行为负相关；
B感知LMX相对较高时，A的LMX二元比较与A对B的亲和行为不相关。

因此，当A、B都感知到LMX相对较低时，A对B的亲和行为最强。

假设2：A和B的LMX比较相互作用，预测他们之间的CWX，当B感知LMX相对低（而不是高）时，成员A的LMX二元比较与CWX负相关(H2a)；这种交互效应由A对B的亲和行为中介(H2b)。

研究方法

样本

研究一：中国南方的一家公司内，42个团队中167名员工提供的635个配对数据。

研究二：MBA项目收集的，43个团队中140名员工提供的312个配对数据。

程序

研究一：同一时点收集，A对B的帮助行为由B汇报。

研究二：两个时点，A对B的亲和行为由A汇报，A和B的同事关系由B汇报。

各测量例题如下：

LMX比较：“My supervisor enjoys the company of more than he/she enjoys my company”
帮助行为（Study1）：“He/she takes a personal interest in me”
亲和行为（Study2）：“I invite him/her to do things together”
CWX：“How would you characterize your working relationship with him/her?”

分析策略

本研究中的循环数据具有嵌套结构，因为成员嵌套在关系（即二元组）和团队内。为了处理这种嵌套结构产生的统计依赖性，作者使用了 Kenny 等 (2006) 的社会关系建模 (SRM) 技术来检验研究模型。SRM 已用于检查团队内的二元关系的先前研究。它是一种分析关系数据的方法，其中因变量的方差是由于参与者（A）、目标（B）、二元（A、B间的二元关系）和团队。这种分析方法的独特之处在于它隔离了社会关系中的差异，并在多个分析层次上检验了假设。在控制了由参与者、目标和团队引起的因变量的方差后，SRM 分离出由于二元特征引起的方差，并在二元水平检查自变量对因变量的影响。因此，它要求因变量的大部分方差可归因于参与者和目标之间的二元关系的特征。

通俗的来讲，这里的亲和行为其实受到了4个方面的因素影响。

参与者（Actor）：即A的个人影响，比如ta是一个非常和善的人，对所有人的亲和行为都很高；
目标（Target）：即B的个人影响，比如ta是一个非常受欢迎的人，所有人都对ta很亲和；
团队（Group）：即团队特质，比如在一个非常和谐的团队，所有成员彼此很亲和。类似于传统的多层数据。
二元（Dyad）：即A和B之间的某种关系，这才是我们想研究的部分，所以要把其他三个干扰层控制住。

这种分析方法产生随机效应和固定效应的估计值。在这项研究中，随机估计表明A对B的帮助行为、A对B的亲和行为以及A和B之间的 CWX 的差异有多少可以通过 A、B、A-B 二元和团队的特征来解释。需要明确的是，A-B 和 B-A 二元组是两个不同的二元组，因为因变量的解释方差是不同的（例如，A 对 B 的帮助行为和 B 对 A 的帮助行为）。此外，固定估计值表明自变量（即A和B的LMX二元比较）与因变量（即 A对B的帮助行为、A对B的亲和行为以及A和B之间的 CWX）之间关系的强度）。这些估计值与普通最小二乘回归分析中的回归系数相当。在分析之前将自变量标准化以最小化多重共线性的可能性并增加结果的可解释性。

社会关系分析中，所有人都既可以是A也可以是B，A-B和B-A是两组不同的数据。想给大家打一个通俗的比喻：

假设一个团队中有张三、李四、王五，他们都进行了完整作答。那么这个团队会得到6个配对数据，分别是张三-李四，张三-王五，李四-张三，李四-王五，王五-张三，王五-李四。

张三-李四和李四-张三本质上是两组数据，一个反应的是张三对李四的亲和行为，另一个反应的是李四对张三的亲和行为，并不等同。

作者使用 MLwiN 软件包进行 SRM 分析。作者首先计算了一个“零模型”，该模型用于将A对B的帮助行为、A对B的亲和行为以及A和B之间的 CWX 的方差划分为个体、二元和群体方差。接下来，作者添加了控制变量、两个主效应（A和B的 LMX二元比较）和交互项（即A的LMX 二元比较 * B的LMX二元比较）来检验假设 1 和假设 2a。作者使用卡方差异检验评估模型拟合改进的重要性，以减少每个模型之间的对数似然性。根据Preacher等（2007）的建议，作者使用蒙特卡罗法来检验假设 2b。

有一个可以分析SRM的网站，分享给大家：https://davidakenny.shinyapps.io/SRM_R/