1.7　元分析在開發理論中的作用

如前所述，行為科學和社會科學的主要任務和其他科學一樣，是開發理論。一個好的理論只是對現象中實際發生過程的一個好的解釋。例如，當員工發展出高水平的組織承諾時，實際上會發生什么？工作滿意度是先產生，然后才導致承諾的發生嗎？如果是這樣的話，是什么導致了工作滿意度的提高，以及它如何影響承諾？智力水平越高，工作績效就越高嗎？只有通過增加工作知識？還是直接提高工作中解決問題的能力？社會科學家本質上是一名偵探：他或她的工作是找出事情為什么和如何以這種方式發生。然而，要建構理論，我們首先必須了解一些基本事實，如變量之間的實證關系。這些關系是理論的基石。例如，如果我們知道工作滿意度和組織承諾之間存在高度一致的正相關關系，那么這將為我們開發理論指明方向。如果這些變量之間的相關性非常低且持續，那么理論開發將朝著不同的方向發展。如果這種關系在不同的組織和環境中差異很大，將鼓勵我們推進基于交互或調節變量的理論。元分析為理論建構提供了這些實證基礎。元分析的結果告訴我們什么是需要用理論來解釋的。元分析之所以一直受到批評，是因為它不直接產生或開發理論（Guzzo，Jackson，Katzell，1986）。這類似于批評文字處理器，因為它們不會自己撰寫書籍。元分析的結果對于理論建構是不可或缺的，但是理論建構本身是一個與元分析不同的創造性過程。

正如我們在討論中使用的語言所暗示的那樣，理論是因果關系的解釋。每門科學的目標都是解釋，而解釋總是因果的。在行為科學和社會科學中，當數據滿足方法的假設時，路徑分析方法（Hunter，Gerbing，1982）和結構方程模型（SEM）可用于檢驗因果理論。元分析揭示的關系-理論的實證建構模型，可用于檢驗路徑分析和SEM的因果理論。實驗確定的關系也可以與基于觀察的關系一起進入路徑分析中。只需要將d值轉換為相關性（見第7章）。因此，路徑分析可能是“混合性的”。路徑分析和SEM不能證明理論是正確的，但可以證偽一個理論，即表明它是不正確的。因此，路徑分析可以成為一個強有力的工具，用于減少可能與數據一致的理論數量，有時是非常少的理論，有時甚至只有一種理論（Hunter，1988）。例如，見Hunter（1983a）。可能的理論每減少一個都是在理解上的進步。

理論上，路徑分析或SEM的應用需要相關變量（相關性矩陣）或協方差（方差-協方差矩陣）之間的相關性。元分析可用于為感興趣的變量創建相關性矩陣。因為每個元分析可以估計相關性矩陣中的不同單元，所以可以組建完整的相關性矩陣，即使沒有單個研究包含每個感興趣的變量（Viswesvaran，Ones，1995）。若這些相關性能對諸如測量誤差之類的人為偏差效應適當地進行校正，則可以應用路徑分析或SEM來檢驗因果（或解釋）理論（Cook，et al.，1992：315-316）。其中一個例子見Schmidt、Hunter和Outerbridge（1986）。本研究采用元分析的方法，對一般心智能力、工作經歷、工作知識、工作抽樣績效、上級工作績效評估等變量之間的相關性進行整合（這些相關性在研究中是同質的）。路徑分析結果如圖1-1所示。這個因果模型很好地擬合了數據。從圖1-1可以看出，工作經歷和一般心智能力都對工作知識的獲得產生很強的因果影響，而這反過來又是影響工作樣本測量中高績效的主要原因。研究結果還表明，主管對員工的評價更多地基于員工的工作知識，而不是實際的績效能力。這種工作績效的因果模型（或理論）已經得到了其他研究的支持（Schmidt，Hunter，1992）。當今，研究文獻中包含許多這種使用元分析研究的方式。

圖1-1　路徑模型和路徑相關性

注：改編自“工作經歷和能力對工作知識、工作樣本績效和工作績效監督評價的影響”，Schmidt，Hunter，Outerbridge，1986. Journal of Applied Psychology，71，432-439。經作者許可轉載。

Becker（1989；2009，第20章）和Becker、Schram（1994）討論了以這種方式進行元分析的可能性。Becker（1992）用這種方法檢驗了影響男、女高中生和大學生科學成就的變量模型。在這種情況下，沒有足夠的研究可以獲得一些所需相關性的元分析估計值；盡管如此，但這些研究已經取得了進步，并確定了未來研究所需的信息。Becker（1996）和Shadish（1996）提供了額外的討論。雖然在以這種方式使用元分析時必須處理技術上的復雜性（Cook，et al.，1992：328-330），但是，它是加速社會科學累積知識最有前景的方法。第5章討論了與這種使用元分析相關的技術問題。