对比分析的研究方法-链式学习法与行动学习法的对比分析

发布时间：2017-11-11 所属栏目：调查问卷

一 : 链式学习法与行动学习法的对比分析

随着创建学习型组织的深入开展，学习方法的理论问题日渐被重视。国内外有关学习型组织理论中，行动学习法和链式学习法是理论和实践比较完备的两种学习方法，同时也是被各种学习型组织较多采用的两种方法，探讨这两种学习方法的异同对国内学习型组织建设有一定的借鉴和启示作用。

链式学习法与行动学习法有着内在的关联性，同时链式学习法又是对行动学习法的某种完善与超越。两种学习方法均强调团队学习，充分发挥个人的能动性，加强组织成员信息共享，重视成员交流和信息反馈，重视经验的总结。但二者在理论提出背景、目标、实践主体等方面存在差异，在一般步骤上也不尽相同。

[www.61k.com）

一、行动学习法和链式学习法的基本内容

行动学习法的创始人是英国管理学思想家雷格格雷文斯教授，雷格格雷文斯教授在《发展高效管理者》一书中提出了行动学习的理论与方法。他使用了一个简单的方程式，即：L=P+Q。其中，L为“学习”；P为“结构化的知识”，是指人们通过接受指导，学习到的那些储存于书本的知识；Q为“在不确定的条件下提出深刻问题的能力”。在雷文斯的行动学习理论模型的基础上，后人对其学习公式进行了发展。马夸特在公式中加入了“实施”，L=P+Q+I；戴维在公式中加入了“文化”，L=P+Q+C+I。

链式学习法是国内学习型组织专家提出的一种新的学习方法，他们从通用电气公司等诸多组织化学习非常成功的案例中总结出了组织化学习的几个环节，并称之为链式学习。链式学习被认为是学习型组织的核心模式和科学方法。链式学习倡导的是带着问题学，突出学习各环节的有效衔接，把科学的学习方式分为六个环节：1、找准问题；2、小组研讨；3、自主学习；4、知识共享；5、深入研讨；6、突破创新。这六个环节不断深入、不断循环。

二、行动学习法与链式学习法差异性对比

1.应用领域。在国外，行动学习法被不同组织应用于各层级的经理培训中，上个世纪 90年代开始受到我国培训机构的关注。以国际合作项目为依托，采用国内研究和国外学习相结合的形式，先后在甘肃、青海、四川、内蒙、广西等西部省区推广实践。之后，我国的部分大型国有企业也开始采用行动学习法进行组织变革和学习型组织的建设。

链式学习法作为学习型核心模式的理论提出和实践的时间较短，其中长春市纪委的“项目组”、“案例教学”，莱钢的“午间漫谈室”、“角色讲学”，都带有链式学习特点，而且形式上有创新，方式多样，有声有色。

2.实践主体。以提高执行力为主旨的角色管理和以提高团队智商为主旨的智能管理是管理学的两大潮流。两者具有各自的特点和适用领域，同时也在实践中产生了矛盾。两种管理潮流明显存在巨大的差异。执行力和团队智商是一对矛盾，以提高执行力为主旨的角色管理，强调的是在一个组织中强化每一个人的角色，对每一个角色进行精确定位和监控、管理。但是只要这种角色管理加强了，每一个人在组织中的自由度就会相应降低，那么这个组织的团队智商也就会相应降低。同样，以提高团队智商为主旨的智能管理，强调的是给成员提供多样化的智力活动，激发他们学习和创新的潜力，为此推动组织的扁平化和自主管理，但是这样带来的一个明显后果是角色管理会因此受到冲击，执行力随之降低。

传统的行动学习法实践主体没有能够有效地解决以提高执行力为主旨的角色管理和以提高团队智商为主旨的智能管理所带来的矛盾和冲突，特别是在企业中，其实践主体大多仍是强调以某一种单一管理方式为主的组织。

链式学习法实践的组织形式是双型组织。所谓双型组织即为执行组织加研讨小组。执行组织用以解决执行力问题，而研讨小组用以提高团队智商。规范化的执行组织和善于思考的自由团队不是两支互不相干的队伍，而是所有人员的共同组织。所有人员一方面在规范化的执行组织中，必须成为高效行动的一员，但在同时又是自由团队成员，成为智慧的贡献者。

行动学习法比较务实，特别是从问题出发，突出小组研讨的学习方式，不但具有很强的可操作性，而且对于改变中国以往形成的形式主义的学习习惯也有很强的针对性和突破性，同样链式学习法更是针对中国学习型组织创建过程中出现的形式主义现象而采取的具有本土特色的科学学习方式，目标是为了实现组织升级，同时倡导建立双型组织进行实践活动。

行动学习法和链式学习法都需要在实践的基础上进一步发展和完善。对于学习型组织来说，重要的是找到适合自身的学习方法，这都首先需要对组织进行深入的分析。没有一种学习方式能够完全适用于所有组织，尤其是处于不同发展阶段、面对不同问题的学习型组织。

（原标题：链式学习法与行动学习法的对比）

二 : 档案研究方法和调查研究方法的对比分析

正文

档案研究方法和调查研究方法属于会计实证研究，实证研究关注事物是如何进行的，而不是关注事物应该如何进行；不是采用价值判断的方法，而是采取价值中立的立场，侧重于对命题进行证伪。我国现阶段包括会计在内的经济理论研究仍以规范研究为主导，实证研究的比例约占10％，而实证研究在西方国家自20世纪30年代以来就一直占据主导地位。我国会计研究方法落后西方国家达半个世纪之多，我国的会计理论水平也远远落后于西方，因而加大对实证的研究是我国今后研究方向的一个重点，下面我们就对两种较常采用的实证研究方法来进行对比分析。
一、档案研究方法的分析
1、定义：
档案式研究研究问题的形式为“什么人”“是什么”“在哪里”“有多少”，是指运用现成的数据库资料进行的研究。该种研究方法大多采用计量经济学方法来分析数据检验假设，分为描述性统计和事件研究法两大类。
2、步骤：
①确立研究课题→根据理论提出假设→收集数据→测试假设→结果分析
②在对现实经济生活中各种现象作思考并对有关文献进行回顾分析的基础上，确定研究问题。
③根据理论，做出合乎逻辑的假设，推出假设命题，设计研究程序和方法。
④从现成的数据库搜集有关数据资料。
⑤运用这些数据资料对前面提出的假设命题采用计量经济学或统计描述等方法进行检验。
⑥解释数据分析的结果，提出研究结论或理论的意义以及可以进一步研究或改进的余地。
3、适用性：
主要运用现成的数据库资料进行研究，多采用计量经济学方法来分析数据并检验假设，这是当前实证会计研究的主流方法。它大量地运用公司财务和非财务数据、资本市场数据和其他历史数据，找寻各种变量间的关联，这种方法多用于反映企业的实际运作、会计实务的演变、市场和组织结构的变迁，能提供企业和市场对会计政策变动的实际反映，能研究多重因素的综合影响，能衡量各个因素的实际影响程度。
二、调查研究方法的分析：
1、定义：
通过研究者预先编制并印刷好的问卷向被调查了解某些事实或意见的一种调查研究方法。它是个人行为、态度、意见和看法的主要测量技术之一，也是教育和社会科学研究中最常见、最重要的一种方式。
2、步骤：
①确定调查目的，决定研究对象
②问卷初稿，问卷预设，分析问卷信度、效度
③邮寄问卷或当面实施问卷
④催收问卷
3、适用性：
①从被调查的内容看，问卷调查适用于对现实问题的调查；
②从被调查的样本看，适用于较大样本调查；
③从调查的过程看，适用于较短时期的调查；

④从被调查对象所在地域看，在城市中比在农村中适用，在大城市比在小城市适用；
⑤从被调查对象的文化程度看，适用于初中以上文化程度的对象。
三、两种研究方法的对比分析：
1、步骤对比：
档案研究：

调查研究：

确立研究课题→根据理论提出假设→收集数据→测试假设→结果分析
区别：档案研究需要提出假设
2、适用性对比
数据来源时间跨度样本容量研究数据适用范围
档案研究数据库资源根据研究主体选择时间跨度相对较大历史数据主要是对资本市场的研究
问卷调查被调查者的主观意见适用于较短时期的调查相对较小现实信息比较广发
3、两种研究方法的优缺点对比
（1）档案研究方法的优缺点
优点：①研究结果具有普遍适用性，且易于获得大样本数据，即可以利用计算机直接读取的规范化的数据库，使我们可以得到大量的“档案”数据。②便于采用计量经济学方法来分析数据并检验假设，具（www.61k.com）有科学性。③拓展和深化了会计理论研究的领域，研究结果具有较强的实践性和准确性。
缺点： ①会计资料缺乏可比性。资本市场数据不全面，缺乏可比性。并且我国宏观经济状况波动较大，会计准则和会计制度每年也有相应的变化和新准则出台，导致会计资料缺乏可比性。②会计资料滞后性严重。由于数据库中的资料收集需要耗费一定的时间，导致会计资料滞后，影响了研究结果的时效性。③样本容量不充分。我国证券市场起步较晚（1990年），往往难以做时间序列分析，只能做截面资料研究。④信息披露不足或不准确。因为数据主要来源于上市公司公布的中报、年报以及咨询公司或其他学者收集到的公开资料。有些上市公司自愿披露的数据，可能出现上市公司基于自身利益，披露准确性不足。⑤数据与模型本身的局限性可能存在“伪相关”，只能提供关联性的结论，无法给出因果关系的结果。⑥会计信息质量低下。自股票市场建立以来，我国会计信息失真现象一直是社会各界广泛关注的问题。
（2）调查研究的优缺点
优点：①简单易行，容易操作。②由于问卷具有很强的时效性，所能研究的问题都是现实问题，更有价值。
缺点：①问卷设计和结果分析过程难以避免调查者的主观偏见调查问卷的质量较难保证。调查问卷采用用户填答问卷的方式，调查结果的质量难以保证。②调查问卷的设计需要大量的经验。调查问卷的设计直接影响调查的价值。对信度和效度的控制要求十分丰富的经验。③调查问卷的结果广而不深。一般问卷都比较简单，问题也适中，不能够与受访者深入探讨某一问题。④问卷回收率通常不高，回收样本的结构可能不同程度地脱离原抽样框架的结构设计，从而导致代表性偏差。⑤受访者个人的主观因素会影响调查数据的准确性。
参考文献：
[1]杨雄胜，薛清梅，杨全文等.中国实证会计研究的回顾与思考［J］.会计研究，2008（7）. [2]张朝宓，苏文兵.当代会计实证研究方法［M］.大连：东北财经大学，2001. 会计研究评述，蔡春，
[3]蔡春，证会计研究评述，[J]会计研究，2003（12）
作者简介：
姓名：全蓉，性别：女，出生年月：1987.1.1，所在单位：西南财经大学，省市：四川成都，邮编：611130。

三 : 探索性因子分析中统计方法的比对研究

摘要：本文以探索性因子分析中统计方法的选择为目标，针对在许多应用探索性因子分析的文献中存在的统计方法选择不当致使计算结果失真这一现象，对探索性因子分析中的15种统计方法进行了比对研究，并给出了建议。

Abstract： Taking the selection of statistical method in exploratory factor analysis as the target， and in view of the distortion of calculation result due to improper selection of statistical methods in many literature using exploratory factor analysis， comparison research is done to the 15 statistical methods and suggestions are presented.
关键词：探索性因子分析；统计方法；比对研究
Key words： exploratory factor analysis；statistical methods；comparison research
中图分类号：C32 文献标识码：A 文章编号：1006-4311（2014）17-0274-03
0 引言
探索性因子分析（EFA）的形成和发展有相当长的历史，最早用以研究解决心理学和教育学方面的问题。1904年，英国心理学家Charles Spearman发表了一篇著名论文《对智力测验得分进行统计分析》，提出单一化的智能因子，被视为探索性因子分析的起点。1935年，瑞典心理学家Thurstone在他的《心智向量》一书中，阐述了多元因子分析理论的数学和逻辑基础，提出了多元因子分析理论。
探索性因子分析（EFA）的这种将多变量化简的技术，在统计软件（如SPSS或SAS统计软件）的辅助下，其应用领域从最初的心理学和教育学拓展至经济学、社会学、考古学、生物学、医学、地质学以及体育科学等各个领域，且都取得了非常显著的成绩，得到了十分广泛的应用。
但是，探索性因子分析（EFA）在应用过程中也存在着一定的问题，其中之一就是使用者们多数仅仅关心这一方法在实际应用中的讨论，而并不去探求其中的统计原理。他们多数会直接选择SPSS统计软件去计算结果，这种做法往往导致使用者仅仅依赖统计软件的缺省设计，从而失去了研究者的主动性，使得研究结果出现了偏差，而研究者本身并不自知。
在实际调查中发现，在应用探索性因子分析（EFA）的文献中，有超过90%以上的文献在因子分析的过程选择了因子提取的主成分分析法，因子旋转的最大方差法和计算因子得分的回归法，出现这一结果，并非完全是研究数据适合统计方法，而是因子分析的计算是借助SPSS软件来完成的，SPSS的缺省设计正是这三种方法，这样就使得因子分析的使用者们过分依赖统计软件，往往是电脑控制了人脑，不能合理、正确地使用这些方法，尚失了研究者的主动性，使得研究脱离了实际，导致研究结果缺乏可信度。
1 统计方法比对
探索性因子分析（EFA）需要经过因子提取、因子旋转和计算因子得分等几个主要步骤，其中因子提取有包括主成分分析法、未加权最小平方法、综合最小平方法、极大似然法、主轴因子分解法、Alpha法和映像因子分解法等7种方法；因子旋转的方法包括最大方差法、直接Oblimin法、最大四次方值法、最大平衡值法、Promax法等5种方法；计算因子得分的方法主要有回归法、Bartlett法和Anderson-Rubin法等3种方法。
1.1 因子提取方法比对探索性因子分析中最常用的提取因子的方法是主成分分析法，该方法从样本协方差阵S出发，由的谱分解式
S=■λ■l■l■■
其中λ■？叟λ■？叟…λp？叟0为S的特征值，l1，l2，…，lp为对应的单位正交特征向量，当最后p-m个特征值较小时，可将S近似地分解为
S≈■l■，■l■，…，■l■■l■■l■ ┆■l■+σ12 σ22 ？埙 σp2
=AA′+D。
从而得到因子载荷矩阵A。
如果因子分析的目的是用最少的因子最大程度解释原始数据的方差，那么则应用主成分分析法就是最佳选择，此方法用于形成原始变量的不相关的线性组合，其中第一个成分具有最大的方差，后面的成分对方差的解释的比例逐渐变小，它们相互之间均不相关。
另一个常用的提取因子的方法是主轴因子法，它是主成分分［www.61k.com］析法的一种修正，如果因子分析的主要目的是确定数据结构，则主轴因子法是比较适合的，该方法从样本约相关系数阵R*=R-D出发，由R*的前m个正特征值λ1*？叟λ2*？叟…？叟λm*？叟0和正交单位特征向量l■■，l■■，…，l■■，有近似分解式R*=AA′。
其中A=■l■■■，■l■■，…，■l■■，■ ■■■=1-■a■■（i=1，2，…，p）。实际上，公因子方差h■■=1-σ■■往往是未知的，经常取h■■为第i个变量与其他所有变量的多元相关系数的平方作为公因子方差的初始估计值，采用迭代主因子的方法，直到某次迭代和下次迭代之间公因子方差的改变幅度能满足抽取的收敛条件，得到稳定的解。
在实际研究中，研究者大量使用的是主成分分析法，出现这一结果的最直接可能就是SPSS软件的缺省设置即为主成分分析法。显然，因为主轴因子法使用迭代主因子的方法，通过不断迭代，直至最后得到稳定的公因子方差的值，所以，比起主成分分析法，主轴因子分析法得到的因子载荷就相对更加准确。
当样本X来自多元正态总体Np（μ，∑）的情况下，因子提取的方法要选择极大似然法。设∑=AA′+D，取μ=X，使似然函数L（X，AA′+D）达到最大的A，D即为所求的估计，它生成的参数估计最有可能生成观察到的相关矩阵，极大似然估计的计算一般也要使用迭代算法。未加权最小平方法和综合最小平方法是最小二乘法在因子提取中的应用，它们可以使观察的相关系数矩阵和再生的相关系数矩阵之间的差的平方值之和最小，不同之处在于综合最小平方法要对相关系数进行加权，权重为相关系数单值的倒数。
Alpha法是由Rummel于1970年，在他的《Applied Factor Analysis》一书中提出，他将分析中的变量视为来自潜在变量全体的一个样本，使因子的α可靠性最大。
映像因子分解法实际上是使用多元回归的方法提取因子，该方法由Harman于1976年提出，它将变量的公共部分定义为其对剩余变量的线性回归，而非假设因子的
函数。
通过上述的分析，不难发现，一般情况下，在选择因子提取方法的时候，主轴因子法和极大似然法是最佳的选择，尽管在一些特殊的情况下，其他的方法可能会给出更佳的结果。因此，建议当样本来自正态总体时选择极大似然法，否则选择主轴因子法。
1.2 因子旋转方法比对上述因子提取方法得出的因子载荷矩阵往往不能满足简单结构准则，也就使得各个公因子的典型代表变量不突出，不利于对因子进行解释，不方便了解每个公共因子的实际意义，往往需要对因子载荷矩阵进行因子旋转，以达到因子载荷矩阵每一列各元素的平方，也就是因子载荷值按列向0或1两级转化，进而简化其结构的目的。
对于因子模型X=AF+ε
对公因子向量F实施任一正交变换：Z=Γ′F，则
X=（AΓ）Z+ε
进而D（Z）=I，COV（Z，ε）=O，D（X）=AA′+D
也就是，对于任一正交变换，Z=Γ′F也是公因子，AΓ是公因子Z的载荷矩阵，只要反复进行正交变换，便可以使因子载荷矩阵具有更加明显的实际意义。如果因子载荷阵的方差尽可能大，那么因子载荷列向量的数值就越分散，如果此时载荷值按列向0或1两级转化，那么相应的公因子就具有简化结构了。
方差最大的因子旋转是一种正交旋转法，由Kaiser于1958年提出，它通过迭代的方式，在满足因子载荷阵方差尽可能大的情况下，使具有高载荷的因子数目达到最小。方差最大的因子旋转是目前正交旋转方法中效果最好的一种。
最大四次方值旋转，又称最大正交旋转法，该方法使得每个变量中需要解释的因子数目最少。
最大平衡值旋转，该方法是最大方差旋转和最大四次值旋转的结合，可以使高度依赖因子的变量的个数以及解释变量所需的因子个数最少
在正交因子模型中，公共因子之间是正交的，进行的因子旋转也是正交旋转，在旋转的过程中始终保持公共因子之间不相关的特点。但是在实际问题中，往往公共因子之间存在相互关系，因子之间是相互关联的，也就是斜交公因子，如果错误的选择了正交旋转，会给研究结果带来偏差，此时的正交旋转只能作为斜交因子模型的一种近似。在研究者中普遍存在一种误解，那就是斜交因子模型要求因子之间是相关的，实际上，因子之间是不相关的也可以选择斜交因子模型。在斜交因子模型中，没有哪一种斜交旋转是最好的。
Promax旋转也称最优斜交旋转，该方法具有计算速度快，原理简单的特点。只需要在通过方差最大的因子旋转计算得到的因子载荷阵和一个具有最简结构的目标矩阵，二者之间应用最小二乘法即可。
直接Oblimin旋转，也是斜交旋转中的最大方差法，当参数δ=0时，解是最斜交的，当参数δ负的程度越大时，因子的斜交程度越低。
虽然，斜交旋转没有正交旋转使用普遍，但是建议研究者们使用斜交旋转，以便得到最真实的计算结果。
1.3 计算因子得分方法比对计算因子得分的回归法是由Thompson于1939年提出的，也常称为Thompson得分。它是利用回归的思想对因子得分函数进行估计，如果公因子F对变量X的回归方程为
Fj=bj1X1+bj2X2+…+bjpXp+εj（j=1，2，…，m）
只要估计出回归系数就可以计算因子得分了，但是，此时的回归问题中F为不可观测的，由因子载荷的意义aij=E（XiFj）（i=1，2，…，p），可以得出计算因子得分的函数
■■=A′R■X
又因为E（■■ │ F）=（I+A′D-1A）-1A′D-1AF，说明Thompson得分是有偏估计。
Bartlett法是利用加权最小二乘法估计因子F的得分的，选择误差方差的倒数作为误差平方和的权重，有
■■ε′D■ε=（X-AF）′D■（X-AF）
使其达到最小的F就是因子得分的加权最小二乘估计■■=（A′D-1A）■A′D-1X
Bartlett得分是无偏估计，因为E（■■ │ F）=F。
Anderson-Rubin法是修正的Bartlett法，此时被估计的因子得分与其他因子，还有因子与因子之间均是正交的，且均值为1，标准差为0。
这三种估计到底哪种估计好呢，长期以来一直有争论。因为Thompson得分和Bartlett得分的值几乎相等，虽然Thompson得分是有偏的估计，但是它的有效性却比Bartlett要好，也就是方差比Bartlett要小，
E■■-F│■■-F′=I+A′D■A■
E■■-F│■■-F′=A′D■A■
回归法的优势在于它的有效性最高，这意味着回归法所得出的因子得分与相应的公共因子之间的相关性最高，回归法的缺点在于它所得到的并非是无偏的估计，而且即使公共因子之间是正交的，回归法所得出的因子得分之间，以及它和其他公共因子之间也有可能是相关的，
Bartlett因子得分与相应公共因子之间也有较高的相关性，而且如果公共因子彼此正交，它仅仅和相应的公共因子相关，同时Bartlett因子得分得到的是无偏的估计，这个方法最大的缺点在于如果公共因子正交，那么Bartlett因子得分和其他公共因子的因子得分之间有可能相关。
Anderson-Rubin因子得分与其他公共因子是正交的，如果公共因子正交，但是它所得出的因子得分有可能与其他公共因子的因子得分是相关的，同时它也并非无偏
估计。
2 结束语
一个好的因子分析的执行，不单单凭借上述统计方法的选择，还有诸多的因素，比如，对于研究数据，因子分析是否为最合适的方法；如果选定了使用因子分析，那个理想的公因子的个数又是多少，等等。如果研究者在哪一个环节做出了错误的选择，都会产生偏离实际的结论，使得研究结果失真。
参考文献：
[1]Leandre R. Fabrigar. Evaluating the Use of Exploratory Factor Analysis in Psychological Research[J]. Psychological Methods 1999， Vol.4. No. 3.272-299.
[2]Michael W. Browne. An Overview of Analytic Rotation in Exploratory Factor Analysis[J]. Multivariate Behavioral Research， 36 （1）：111-150.
[3]Christine DiStefano. Understanding and Using Factor Scores： Considerations for the Applied Researcher[J]. Practical Assessment，Research & Evaluation. Volume 14， Number 20， 2009.
[4]高惠璇.应用多元统计分析[M].北京：北京大学出版社. 2004.
[5]陈胜可.SPSS统计分析从入门到精通[M].北京：清华大学出版社，2010.