四种共同方法偏差的检验方式
Williams, L. J., & McGonagle, A. K. (2016). Four Research Designs and a Comprehensive Analysis Strategy for Investigating Common Method Variance with Self-Report Measures Using Latent Variables. Journal of Business and Psychology, 31(3), 339-359. https://doi.org/10.1007/s10869-015-9422-9
摘要
共同方法偏差(CMV)是组织文献中一个持续争论和关注的话题。作者提出了用于评估和控制CMV的四种潜变量验证性因子分析模型设计,即未测量的潜在方法结构（ULMC）、标记变量、测量的原因变量，以及一种使上述三种方法同时使用的混合设计。然后，作者描述了一个可以用于这四种设计的综合分析策略，并提供了一个使用新设计的演示，即混合方法变量模型。在讨论中，作者评论了与实现这些设计和分析相关的不同问题，提供了支持性的实践指导，最后，作者提倡使用混合方法变量模型。通过这些手段，作者希望在组织文献中推广更全面和一致的CMV评估方法，并更广泛地使用包括多种潜在方法变量的混合模型来评估CMV。
Common method variance (CMV) is an ongoing topic of debate and concern in the organizational literature.We present four latent variable confirmatory factor analysis model designs for assessing and controlling for CMV—those for unmeasured latent method constructs, Marker Variables, Measured Cause Variables, as well as a new hybrid design wherein these three types of method latent variables are used concurrently. We then describe a comprehensive analysis strategy that can be used with these four designs and provide a demonstration using the new design, the Hybrid Method Variables Model. In our discussion, we comment on different issues related to implementing these designs and analyses, provide supporting practical guidance, and, finally, advocate for the use of the Hybrid Method Variables Model. Through these means, we hope to promote a more comprehensive and consistent approach to the assessment of CMV in the organizational literature and more extensive use of hybrid models that include multiple types of latent method variables to assess CMV.
概述
因为社会科学和组织科学检验的是指定构念之间关系的理论。当用于表示构念的指标使用“共同”的或共享的测量“方法”进行评估时，这个过程可能会受到损害。使用共同的测量方法可能会影响指标之间的观察关系，这样就难以确定观察到的潜变量之间的关系（例如因子相关性）是否准确地代表了构念之间的真实关系。换句话说，如果研究构念之间存在共同方法方差（CMV），那么因子相关性可能会存在偏差，因此有关这些关系的研究结果的有效性可能会受到质疑。
方法概述
Unmeasured Latent Method Construct
这是最常用的CMV检验方式，由Podsakoff et al.(1990) 提出，是将所有测量题项附载到一个潜变量上，即未测量的潜在方法因子。
Bagozzi (1984) 指出了该模型的一个缺点，即考虑了系统误差的影响，但未明确确定误差的来源。ULMC 设计中的方法因素可能不仅包括 CMV，还可能包括其他共享方差（比如多维变量；Williams, 2014）。因此，研究人员可能会在包含ULMC方法因素时控制一些实质性差异并夸大CMV的数量。不过夸大CMV的作用总比忽视了CMV好，所以该方法的接受度还是很高。
Marker Variables
第二种设计，即标记变量设计，改进了上述 ULMC 的局限性。具体来说，它通过包括对假定为 CMV 基础的变量的间接测量，部分避免了关于存在何种形式的共同方差的歧义。例如，标记变量社区满意度可能会利用与影响实质性变量工作满意度测量的影响驱动反应倾向相关的共同方法差异的来源，但它不会直接衡量这种情感反应倾向。
标记变量最初被定义为在给定研究中在理论上与实质性变量无关，并且与此类实质性变量的预期相关性为零（Lindell & Whitney, 2001）。因此，假设标记与实质性变量的任何非零相关性都是由 CMV 引起的。随后，定义被拓展为“……在给定调查响应过程模型的情况下，针对正在检查的给定实质性变量，捕获或利用测量环境中可能出现的一个或多个偏差来源……”（Williams et al., p.507）。
社区满意度是一个示例的标记变量，因为预计它不会与典型的组织行为变量有实质性关系，因此与这些变量的任何共享方差都将被假定为反映基于情感的CMV。
虽然标记变量方法优于 ULMC，因为它包括一些被测量的东西，但其有效使用取决于将其与测量理论和共同方法方差来源进行关联。
Measured Cause Variables
CMV 的第三种设计涉及包括作为方法效应直接来源的测量变量——具体来说，测量一个或多个被假定为 CMV 来源或原因的变量。相对于标记方法，这种方法的优势在于研究人员可以直接评估和控制已确定的共同方法方差源（如负性情绪或社会期望）。
被测量原因变量设计的优势在于，它通过直接代表潜在的共同方法方差来源，允许对特定方法方差效应进行更明确的测试（Spector et al., 2015年），研究人员可以明确识别存在的共同方法方差类型（Simmeringet al., 2015）。然而，可以直接测量的共同方法方差原因有限，并且这些原因不能涵盖共同方法方差的所有来源。
Hybrid Method Variables Model
（略）
这篇推送就到这里啦。文章后面还有具体的分析策略与示例，今天肉眼可见的写不完了（这周已经工作60个小时了，人已经麻了），所以有兴趣的小可爱们可以先自己去看看。我预计一个月内更完后半部分。