共同方法變異的影響及其統(tǒng)計(jì)控制途徑的模型分析

熊紅星 張璟 葉寶娟 鄭雪 孫配貞

摘要共同方法變異(common method variance，CMV)指兩個變量之間變異的重疊是因?yàn)槭褂猛悳y量工具而導(dǎo)致，而不是代表潛在構(gòu)念之間的真實(shí)關(guān)系。雖然以往研究顯示CMV不一定導(dǎo)致研究結(jié)果的偏差，在實(shí)際研究中應(yīng)當(dāng)加以考量。特別是在使用測量方法的研究中，如果數(shù)據(jù)來源越單一，測量方法越類似，CMV效應(yīng)使研究結(jié)果產(chǎn)生偏差的可能性越大。CMV效應(yīng)的控制方法包括過程控制法和統(tǒng)計(jì)控制法。在統(tǒng)計(jì)控制法的選擇和使用上，需要重點(diǎn)考慮該方法是否分離了三大變異(特質(zhì)變異、方法變異和誤差變異)，CMV效應(yīng)是在測量構(gòu)念層面還是題目層面，CMV效應(yīng)是加法效應(yīng)還是乘法效應(yīng)。控制潛在方法因子途徑是統(tǒng)計(jì)控制方法中最重要的一類方法，理解其模型是正確使用這類方法的前提。未來研究應(yīng)當(dāng)關(guān)注多個研究的CMV效應(yīng)和側(cè)重評估某個理論研究中CMV所引起的潛在的效度威脅。

關(guān)鍵詞共同方法變異；共同方法偏差；共同方法變異統(tǒng)計(jì)控制途徑；驗(yàn)證性因素分析

分類號B841

1引言

國外對方法變異的關(guān)注自1959年Campbell和Fiske用多特質(zhì)多方法模型計(jì)算聚合效度和區(qū)分效度之后就開始。方法變異是由測量方法導(dǎo)致的系統(tǒng)誤差變異；共同方法變異指兩個變量之間變異的重疊是因?yàn)槭褂猛悳y量工具而導(dǎo)致，而不是代表潛在構(gòu)念之間的真實(shí)關(guān)系(Teo，2011)。例如，研究自我提升與自尊的關(guān)系時，如果都是用相同方法如自陳問卷法收集數(shù)據(jù)，那么二者之間的相關(guān)很可能有一部分是因?yàn)檫@種測量方法引起，而不是自我提升與自尊的真實(shí)相關(guān)。使用相同方法測量每個變量很可能產(chǎn)生變量間的虛假相關(guān)。在調(diào)查研究中常見。如果研究數(shù)據(jù)收自單一來源(評分者或被試)，自陳又是唯一的作答方式，那么這種收集資料的方法更容易受到CMV的影響(Lindell&Whitney,2001)。

CMV和共同方法偏差(common method bias，CMB)都是與方法變異(method variance，MV)相關(guān)的名詞，但含義有一定的差異。CMV側(cè)重于指因采用了相同的方法而導(dǎo)致的與所研究的構(gòu)念無關(guān)的變異；CMB是指當(dāng)兩個變量使用相同的受測者測量時，導(dǎo)致兩個變量之間的關(guān)系偏離“真分?jǐn)?shù)相關(guān)”而引起虛假相關(guān)的程度(spector,1987)。CMB講的是CMV導(dǎo)致的偏差性結(jié)果。顯然，CMV概念使用的靈活性比CMB要大得多。

CMV是用相同方法(或相同評價(jià)者)測量的變量之間共有的系統(tǒng)誤差變異(Richardson，Simmering，&Sturman，2009)。相對于研究者在實(shí)施調(diào)查研究時遇到的其它問題(如無作答偏向、信度或者內(nèi)外部效度的問題)，CMV可能更麻煩，因?yàn)樗軐?dǎo)致相當(dāng)一部分變異，并且是調(diào)查研究中的系統(tǒng)誤差的主要影響因素。

Podsakoff,MacKenzie，Lee和Podsakoff(2003)對共同方法偏差及控制方法作了較好的綜述。國內(nèi)學(xué)者周浩和龍立榮(2004)對把共同方法偏差的統(tǒng)計(jì)控制方法作了較好的介紹。此后，隨著學(xué)者對共同方法變異的研究深入，出現(xiàn)了一些關(guān)于共同方法變異的新的觀點(diǎn)和方法。新的觀點(diǎn)如CMV的影響不僅限于同一研究中的不同構(gòu)念，CMV控制需要具體化等。新的方法如方法一方法配對技術(shù)、基于認(rèn)知取向心理測量理論的過程控制法等。同時，研究者使用CMV統(tǒng)計(jì)控制諸法時，也遇到了一些新的問題，如使用不同統(tǒng)計(jì)控制方法得到的結(jié)果不同，有的研究者在選擇方法時往往忽視某種方法選擇的基本前提而導(dǎo)致誤用等實(shí)際操作問題。這些問題的關(guān)鍵在于有的研究者可能對各種控制方法的基本原理與模型認(rèn)識不夠充分。此文將在以往文獻(xiàn)的基礎(chǔ)上，重點(diǎn)介紹有關(guān)CMV影響的新觀點(diǎn)，并且進(jìn)一步分析一些易誤用的CMV統(tǒng)計(jì)控制方法的模型，以幫助研究者更好地理解CMV和選用合適的統(tǒng)計(jì)控制方法。

2共同方法變異的影響

CMV效應(yīng)是測驗(yàn)中的一個主要的潛在效度威脅，因?yàn)樗鼮橛^測到的變量之間的關(guān)系提供了另外一種解釋。從理論上講，CMV會膨脹(inflate)也會緊縮(deflate)觀測到的關(guān)系。Siemsen，Roth和Oliveira(2010)研究發(fā)現(xiàn)CMV是膨脹還是緊縮觀測相關(guān)，取決于CMV對觀測變量影響的對稱度。

需要注意的是，CMV并不一定意味著會使變量之間的相關(guān)上偏。因?yàn)槿绻麥y量值相關(guān)的膨脹幅度很小的話，方法效應(yīng)即使顯著也不是一個很大的問題。因此，重要的研究問題不是CMV效應(yīng)是不是顯著，而是CMB是不是很大(Meade，Watson，&Kroustalis，2007)。

方法變異產(chǎn)生的原因是多方面的。Podsakoff等(2003)據(jù)此總結(jié)了四種方法變異效應(yīng)：相同評分者效應(yīng)(也叫同源效應(yīng))、題目特點(diǎn)效應(yīng)、題目背景效應(yīng)和測驗(yàn)背景效應(yīng)。由此可以看出，方法變異不僅影響到同一個研究多個構(gòu)念之間的關(guān)系(四種效應(yīng)都可能存在)，也影響到單個構(gòu)念自身的測量(題目特點(diǎn)效應(yīng)和題目背景效應(yīng))，還能影響到同一理論構(gòu)建的不同研究之間的關(guān)系(主要是題目特點(diǎn)效應(yīng)和題目背景效應(yīng))。

在考查預(yù)測變量和效標(biāo)變量關(guān)系，特別是它們用了共同的測量方法時，應(yīng)當(dāng)要考慮如何減小CMV的影響。同時，在研究系列預(yù)測變量內(nèi)部之間關(guān)系和一系列效標(biāo)變量內(nèi)部之間關(guān)系時，也要考慮CMV的影響。尤其是當(dāng)研究存在高階潛構(gòu)念時，需要區(qū)分低層的維度相關(guān)是真實(shí)的維度重疊還是因?yàn)楣餐椒ㄔ斐傻闹丿B(Johnson，Rosen，&Djurdjevic，2011)。例如，核心自信和積極心理資本在管理學(xué)研究中作為一個高階構(gòu)念，包含了自我效能、樂觀、希望和心理彈性等低層維度。大多數(shù)低層的維度之間是相關(guān)的，非常有必要分離這些維度之間的真實(shí)相關(guān)的變異和CMV。為了保證高階因子測量的內(nèi)部效度，做這樣的分離是十分必要的。

除了關(guān)注問卷研究中CMV對構(gòu)念間關(guān)系造成解釋的偏差之外，很多研究者忽視了單個測驗(yàn)自身存在的方法變異效應(yīng)(如題目特點(diǎn)效應(yīng)和題目背景效應(yīng)，當(dāng)問卷題目用共同的作答形式時，方法變異效應(yīng)是最明顯的)。單個測驗(yàn)自身的方法變異會膨脹alpha系數(shù)及與此相關(guān)的效度，還會影響測量的標(biāo)準(zhǔn)誤和有效上限。在經(jīng)典測驗(yàn)理論中，觀測分?jǐn)?shù)變異是真分?jǐn)?shù)變異和隨機(jī)誤差分?jǐn)?shù)變異之和。方法變異是測驗(yàn)題目間的共同變異，不能歸于要測量的構(gòu)念，但在經(jīng)典測驗(yàn)理論中方法變異被作為真分?jǐn)?shù)變異一部分，于是用這個真分?jǐn)?shù)變異來代表構(gòu)念引起的變異，可能導(dǎo)致信度系數(shù)的膨脹。

CMV還能影響到某一研究領(lǐng)域的不同研究之間觀測到的關(guān)系(Sharma，Yetton，＆Crawford。2009)。如果同一理論領(lǐng)域的不同實(shí)證研究用了相同的方法，如問卷法，方法效應(yīng)也會在研究間存在。3統(tǒng)計(jì)控制途徑的模型

共同方法變異的控制包括過程控制和統(tǒng)計(jì)控制的方法。過程控制就是在研究設(shè)計(jì)上，針對各種可能的方法變異來源，加以事先的控制。而統(tǒng)計(jì)控制是通過統(tǒng)計(jì)手段，減少方法變異對測驗(yàn)內(nèi)或測驗(yàn)間研究結(jié)果的影響。按方法變異的影響范圍，統(tǒng)計(jì)控制方法可以分為三個方面：對單個測驗(yàn)內(nèi)的方法變異影響的控制，對同一研究中不同構(gòu)念間的CMV影響的控制和不同研究間的CMV的控制。目前討論得最多且控制方法最為豐富的就是同一研究中不同構(gòu)念測量間的CMV影響的統(tǒng)計(jì)控制。

Sharma等(2009)按研究中使用的測量方法的多少將統(tǒng)計(jì)控制方法分為兩大類：一類為單一研究方法設(shè)計(jì)中的CMV統(tǒng)計(jì)控制法，如偏相關(guān)途徑和單一方法潛因子方途徑；另一類多方法研究設(shè)計(jì)中的CMV統(tǒng)計(jì)控制法。這類方法需要研究者用多個特質(zhì)把每個變量操作化(operationalize)并用多種方法來測量每個特質(zhì)(campbell&Fiske1959)，即多特質(zhì)一多方法(mulfitrait-multimethod，MTMM)法。具體的方法有：相關(guān)的特質(zhì)一相關(guān)的方法模型(correlated trait-correlated method model，CTCM)法、相關(guān)的獨(dú)特變異量模型(correlatedtrait-correlated uniqueness model，CTCU或cu)法、直積模型(direct product model，DP)法和二階因素分析模型法(second-order confirmatory factoranalysis)等。針對不同研究中的CMV的統(tǒng)計(jì)控制，Sharma等(2009)提出了方法一方法配對技術(shù)(method-method paired technology)。

Harman的單一因子檢驗(yàn)法(Harman''sSingle-Factor Test)只是一種粗略的檢測法，不能對CMV進(jìn)行控制。有多篇文獻(xiàn)(Podsakoff et a1，，2003；周浩，龍立榮，2004；彭臺光，高月慈，林鉦棽，2006)比較清楚地介紹了，不詳述。鑒于方法一方法配對技術(shù)主要用于多個研究之間的CMV控制，不作介紹。

同一研究中CMV的統(tǒng)計(jì)控制，有兩個重要的問題需要考慮：第一，CMV的影響是加法效應(yīng)還是乘法效應(yīng)?當(dāng)方法效應(yīng)存在依賴于測量的特質(zhì)之間的相關(guān)大小時，特質(zhì)與方法的乘法形式的交互作用存在了。例如，當(dāng)特質(zhì)與特質(zhì)相關(guān)越高，方法效應(yīng)就越大，那么方法與特質(zhì)之間的交互作用就存在了(campbell＆O''Connell，1967)。CTCM模型法和CU模型法的前提就是假設(shè)方法效應(yīng)為加法效應(yīng)，也就是說，方法效應(yīng)的大小與特質(zhì)和特質(zhì)之間的相互相關(guān)沒有關(guān)系(Becker&Cote，1994)。在以下提到的幾種統(tǒng)計(jì)控制方法中，DP模型法和二階因素分析模型法考慮了乘法效應(yīng)。第二，CMV的影響是在測驗(yàn)題目層面還是構(gòu)念層面?題目層面的影響是指CMV只會在題目層面產(chǎn)生與研究構(gòu)念無關(guān)變異。構(gòu)念層面的影響是指方法因素直接影響構(gòu)念，使得測驗(yàn)測量的構(gòu)念偏離了原本想測的構(gòu)念的性質(zhì)。偏相關(guān)的三種方法都不能區(qū)分方法變異到底產(chǎn)生哪種影響。

3.1偏相關(guān)途徑(Partial Correlation Approaches)

偏相關(guān)途徑的基本思想是把方法變異作為控制變量，通過偏相關(guān)控制方法變異的影響。有三種偏相關(guān)途徑：控制已測方法變量的偏相關(guān)法、控制標(biāo)記變量的偏相關(guān)法和控制第一方法因子變量的偏相關(guān)法。區(qū)別此三者的關(guān)鍵在于方法變異的產(chǎn)生方式或替代不同。這類方法的一個共同優(yōu)點(diǎn)是簡單易行。共同的不足是在測量研究變量和方法變量時均無法考慮測量誤差，難以區(qū)分構(gòu)念層面和題目層面的CMV影響，而且所選擇的方法變異代替變量往往不能代表大多數(shù)方法變異。

有多篇文獻(xiàn)；周浩，龍立榮，2004；彭臺光等，2006)比較清楚地介紹了偏相關(guān)途徑及其具體操作，在此不詳述。只對其中一個重要問題進(jìn)行補(bǔ)充。控制綜合方法因子變量的偏相關(guān)途徑的綜合因子的測量指標(biāo)怎么求?彭臺光等(2006)在文章中介紹，把在綜合因子上負(fù)荷高的題目刪除后，剩余題目再求構(gòu)念觀測值及其相關(guān)。這其實(shí)不是偏相關(guān)法：控制變量沒有了。也會產(chǎn)生嚴(yán)重的問題，刪除一部分題目后，很可能破壞了原假設(shè)的構(gòu)念的結(jié)構(gòu)，使用剩下來的題目算出的構(gòu)念觀測量與原假設(shè)構(gòu)念在性質(zhì)上有所不同，所以這種方法不可取。

3.2單一方法潛因子途徑(Single Method-Factor Approaches)

單一方法潛因子途徑主要用于研究的構(gòu)念用了同一種方法進(jìn)行測量時的CMV控制，通過結(jié)構(gòu)方程模型來實(shí)現(xiàn)。在結(jié)構(gòu)方程中，所有測量構(gòu)念的題目除了負(fù)荷在所屬的構(gòu)念因子上，還負(fù)荷在單一的方法潛因子上。有兩種方法，其主要區(qū)別在于方法因子的產(chǎn)生方式不同。而控制未測方法潛因子法沒有單獨(dú)的測量方法因子，方法因子負(fù)荷只來自所有測量構(gòu)念的題目。

3.2.1控制已測單一方法潛因子法

已測方法潛因子法測量了預(yù)先設(shè)想影響很大的方法變異，如社會贊許性、積極情緒或消極情緒等，并設(shè)計(jì)了一定的題目對其進(jìn)行測量。此方法的因素分析模型中，所有測量構(gòu)念的題目除了負(fù)荷在所屬的構(gòu)念因子上，還負(fù)荷在同一個方法潛因子上。而且方法潛因子的負(fù)荷一方面有來自所有測量構(gòu)念的題目，另一方面還有來自對社會贊許等方法變異測量的題目。這模型通過明確納入方法潛因子在每個觀測指標(biāo)上的效應(yīng)來控制CMV(Meade et al.，2007)。比較有無方法潛因子的結(jié)構(gòu)參數(shù)差異，看CMV影響的大小。同時可根據(jù)研究需要算出控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。其變異分析思想是，測量構(gòu)念的題目的分?jǐn)?shù)變異可以分為：對應(yīng)的特質(zhì)變異、方法變異和測量誤差；方法因子測量題目分?jǐn)?shù)變異可分為：方法變異和測量誤差變異。

此模型的變量與因子從屬關(guān)系見圖1。

此方法有假設(shè)前提上的不足，如假設(shè)研究能確定所有的CMV來源并能有效測量之且假設(shè)方法的效應(yīng)為加法效應(yīng)。

此方法具體操作可采用以下幾個步驟：

第一步，研究變量的選定與測量。例如要研究自我提升(預(yù)測變量，表示為T1)與自尊(效標(biāo)變量，表示為T2)的關(guān)系，根據(jù)相關(guān)理論，社會贊許性(方法變量，表示為M)對T1和T2的測量均會產(chǎn)生影響，是一個主要的方法變異引起因素，現(xiàn)分別用相應(yīng)的量表對T1、T2和M進(jìn)行測量。

第二步，建構(gòu)有方法潛因子的模型(Model)。Model的變量與因子從屬關(guān)系類似于圖1所示，通過結(jié)構(gòu)方程模型可以得到相關(guān)的模型參數(shù)。

第三步，建構(gòu)無方法潛因子的竟比模型(Model'')。Model''中，測量T1、T2的題目對應(yīng)負(fù)荷的潛因子T1、T2上。不考慮方法因子。

第四步，比較兩個模型的擬合指標(biāo)差異，看CMV影響的大小。同時可根據(jù)研究需要算出控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

第五步，結(jié)果選擇。如果CMV影響存在，則應(yīng)當(dāng)選擇控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

3.2.2控制未測單一方法潛因子法

此方法的因素分析模型中，所有測量構(gòu)念的題目除了負(fù)荷在所屬的構(gòu)念因子上，還負(fù)荷在同一個方法潛因子上。可根據(jù)研究需要算出控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。其變異分析思想是，測量構(gòu)念的題目的分?jǐn)?shù)變異可以分為：對應(yīng)的特質(zhì)變異、方法變異和測量誤差。

此模型的變量與因子從屬關(guān)系見圖2。

此方法的優(yōu)點(diǎn)在于不需要事先測量方法因子，不足在于無法確定CMV的具體原因。

以上兩種單一方法潛因子途徑的優(yōu)點(diǎn)有：第一，方法因子構(gòu)建在測量題目層面；第二，構(gòu)念分?jǐn)?shù)是排除方法和誤差變異后的分?jǐn)?shù)，能較好地代表構(gòu)念；第三，考慮了測量誤差。不足在于CMV的加法效應(yīng)假設(shè)可能難以滿足。

此方法具體操作可采用以下幾個步驟：

第一步，研究變量的選定與測量。例如要研究自我提升(預(yù)測變量，表示為T1)與自尊(效標(biāo)變量，表示為T2)的關(guān)系并分別用相應(yīng)的量表對T1和T2進(jìn)行測量。

第二步，建構(gòu)有方法潛因子的模型(Model)。Model的變量與因子從屬關(guān)系類似于圖2所示，通過結(jié)構(gòu)方程模型可以得到相關(guān)的模型參數(shù)。

第三步，建構(gòu)無方法潛因子的競比模型(Model'')。Model''中，測量T1、T2的題目對應(yīng)負(fù)荷的潛因子T1、T2上。不考慮方法因子。

第四步，比較兩個模型的擬合指標(biāo)差異，看CMV影響的大小。同時可根據(jù)研究需要算出控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

第五步，結(jié)果選擇。如果CMV影響存在，則應(yīng)當(dāng)選擇控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

3.3多方法潛因子途徑(Multiple Method-Factor Approaches)

多方法潛因子途徑主要用于研究的兩個或以上構(gòu)念用了兩種或以上方法進(jìn)行測量時的CMV控制。前提條件是對多個構(gòu)念必須事先進(jìn)行多種方法測量。例如有構(gòu)念T1、T2和T3，每個構(gòu)念都分別用了方法M1、M2和M3來進(jìn)行測量。其數(shù)據(jù)都可用MTMM來展現(xiàn)。驗(yàn)證性因素分析(confirmatory factor analysis，CFA)為分析MTMM數(shù)據(jù)提供了最為一般和靈活的量化方法。但是CFA是否為MTMM數(shù)據(jù)提供了最好的描述，還存在許多爭論(conway，Lievens，Scullen，&Lance，2004)。MTMM數(shù)據(jù)分析的CFA法主要有四種形式：相關(guān)特質(zhì)一相關(guān)方法模型、相關(guān)的獨(dú)特變異量模型、直積模型和二階因素分析模型。

3.3.1相關(guān)的特質(zhì)一相關(guān)的方(CTCM)模型法

全稱為多特質(zhì)一多方法數(shù)據(jù)的相關(guān)的特質(zhì)一相關(guān)的方法(correlated trait-correlated method，CTCM)模型驗(yàn)證性因素分析法。此模型中，有多個方法因子和多個特質(zhì)因子。各構(gòu)念測量的題目同時負(fù)荷在相應(yīng)的構(gòu)念因子和相應(yīng)的測量方法因子上。例如題目1是用M1方法測量構(gòu)念T1的，此題就同時負(fù)荷在T1因子和方法M1因子上。所謂相關(guān)的特質(zhì)一相關(guān)的方法是指，在潛因子之間求相關(guān)時，限定為特質(zhì)與特質(zhì)相關(guān)，方法與方法相關(guān)。可通過比較有方法潛因子與無方法潛因子的模型擬合指標(biāo)，評估CMV的存在。也可以通過比較CTCM模型與只有特質(zhì)因子的模型的差異來估計(jì)CMB((Meade et al.，2007)。

此模型的變量與因子從屬關(guān)系見圖3。

方程(2)和(3)使CTCM模型的這種表述使得其加法模型的特性顯露無遺：變量之間的觀測相關(guān)在數(shù)學(xué)上可定義為潛在特質(zhì)因子和潛在方法因子的之和的函數(shù)。根據(jù)此模型，觀測值的變異可歸為三個部分的變異：特質(zhì)變異、方法變異和隨機(jī)誤差變異(Becker&Cote，1994)。

其明顯的優(yōu)點(diǎn)是：第一，構(gòu)念分?jǐn)?shù)是排除方法和誤差變異后的分?jǐn)?shù)，能很好的代表構(gòu)念；第二，方法因子構(gòu)建在測量題目層面；第三，能分離出多個方法因子。其不足是存在模型不可識別的問題和方法的加法效應(yīng)假設(shè)有時不能滿足的問題。此模型的典型問題有：在沒有約束的情況下參數(shù)落到其允許值之外(即落在可接受的參數(shù)空間之外，如標(biāo)準(zhǔn)化因素負(fù)荷和因子相關(guān)的絕對值大于1)，過高的標(biāo)準(zhǔn)誤，甚至收斂于任何解(Scullen，1999)。

此方法具體操作可采用以下幾個步驟：

第一步，研究變量的選定與測量。以王姝瓊等(2011)研究的變量為例，假定要研究兒童中期三種攻擊行為(身體攻擊T1，言語攻擊T2和關(guān)系攻擊T3)關(guān)系(注：原文并非研究這三者之間的關(guān)系，此處僅為舉例方便而做的假定)。用三種方法(同伴評定M1、同伴提名M2和教師評定M3)對以上三個變量的每個變量進(jìn)行測量，可得到MTMM數(shù)據(jù)。

第二步，建構(gòu)有方法潛因子的模型(Model)。Model的變量與因子從屬關(guān)系類似于圖3所示，通過結(jié)構(gòu)方程模型可以得到相關(guān)的模型參數(shù)。

第三步，建構(gòu)無方法潛因子的競比模型(Model'')。Model''中，測量T1、T2和T3的題目對應(yīng)負(fù)荷的潛因子T1、T2和T3上。不考慮方法因子。

第四步，比較兩個模型的擬合指標(biāo)差異，看CMV影響的大小。同時可根據(jù)研究需要算出控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

第五步，結(jié)果選擇。如果CMV影響存在，則應(yīng)當(dāng)選擇控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

3.3.2相關(guān)的獨(dú)特變異量模型法(the correlated uniqueness model，CU)

全稱為多特質(zhì)-多方法數(shù)據(jù)的相關(guān)的特質(zhì)-相關(guān)的獨(dú)特變異量模型(me correlated trait-correlateduniqueness model，CTCU或CU)驗(yàn)證性因素分析法(C0nway，Lievens，Scullen，&Lance，2004)。為了解決CTCM模型經(jīng)常存在的識別問題，Marsh及其同事(Marsh，1989；Marsh&Bailey,1991)提出了相關(guān)的獨(dú)特變異量模型。這個模型并不建模方法潛因子，各構(gòu)念測量的題目只負(fù)荷在相應(yīng)的構(gòu)念因子上并允許自由估計(jì)。不過此模型中，每個題目還對應(yīng)一個獨(dú)特的誤差項(xiàng)(error item，誤差項(xiàng)包含方法變異、隨機(jī)誤差變異和其它系統(tǒng)變異)，并允許通過同一方法測量的題目獨(dú)特的誤差項(xiàng)之間相關(guān)。也就是說，不像CTCM模型那樣用明顯的方法因子來代表方法效應(yīng)，CU模型把方法效應(yīng)表示為相關(guān)的獨(dú)特變異量(Becker&Cote，1994)。這足以說明，研究者可以通過相關(guān)的獨(dú)特變異量的平均來估計(jì)方法變異的平均比例。這個方法用更簡潔和無偏的方式估計(jì)了每個測量方法的方法變異的平均比例(Scullen，1999)。

Ar是潛特質(zhì)的因素負(fù)荷矩陣；Θ_r特質(zhì)因子之間的相關(guān)矩陣；Θ_δ包含獨(dú)特變異量的協(xié)方差矩陣。從方程(3)明顯可以看到，觀測值的變異可歸為兩個方面的變異：特質(zhì)變異和獨(dú)特(uniqueness，如誤差項(xiàng))變異。獨(dú)特變異又源于三個方面：特殊變異、非系統(tǒng)誤差變異和方法變異。

此模型的變量與因子從屬關(guān)系見圖4。

其優(yōu)點(diǎn)是比CTCM模型約束更少，模型更收斂，有更合適的解(Becker&Cote，1994)。也存在不足。因?yàn)檫@個模型假設(shè)方法之間不相關(guān)，觀測變量之間的相關(guān)傾向于通過特質(zhì)相關(guān)來反映，并且因素負(fù)荷會比CTCM模型大，因而特質(zhì)變異會被偏估(高估)。因此研究者在用CU模型估計(jì)特質(zhì)參數(shù)時要謹(jǐn)慎(Meade et al.，2007)。另外，由于它混合了方法變異和誤差變異，使得模型參數(shù)估計(jì)的標(biāo)準(zhǔn)誤有偏下降，因而不能用于統(tǒng)計(jì)檢驗(yàn)，也不能估計(jì)方法主效應(yīng)。

假設(shè)方法之間不相關(guān)是CU模型最大的理論缺陷。因此Conway,Lievens，Scullen和Lance(2004)建議，在使用CU模型之前，研究者最好是使用一定的策略提高CTCM模型和或其它理論上更合適的模型成功的可能性，不得已才用CU模型法。

此方法具體操作可采用以下幾個步驟：

第一步，研究變量的選定與測量。用多方法對多個特質(zhì)進(jìn)行測量，得到MTMM數(shù)據(jù)。

第二步，建構(gòu)有方法潛因子的模型(Model)。Model的變量與因子從屬關(guān)系類似于圖4所示，通過結(jié)構(gòu)方程模型可以得到相關(guān)的模型參數(shù)。

第三步，建構(gòu)無方法潛因子的競比模型(Model'')。Model''中，測量T1、T2和T3的題目對應(yīng)負(fù)荷的潛因子T1、T2和T3上。不考慮方法因子。

第四步，比較兩個模型的擬合指標(biāo)差異，看CMV影響的大小。同時可根據(jù)研究需要算出控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

第五步，結(jié)果選擇。如果CMV影響存在，則應(yīng)當(dāng)選擇控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

3.3.3直積模型法(direct product model，DP)

全稱為多特質(zhì)一多方法數(shù)據(jù)的直積模型驗(yàn)證性因素分析法(Cudeck，1988)。Swain提出這個模型，并用于估計(jì)MTMM數(shù)據(jù)中特質(zhì)與方法交互作用。基于Swain的模型，Browne(1984)在直積模型中正式表示了特質(zhì)與方法的交互作用。這個模型假設(shè)在測量變量中存在特質(zhì)與方法交互作用。也就是說變量之間的相關(guān)與方法效應(yīng)相關(guān)聯(lián)。修訂后的模型中，觀測變量之間的協(xié)方差(或相關(guān))矩陣可以表示為特質(zhì)的協(xié)方差矩陣和方法的協(xié)方差矩陣的直積，并且允許觀測變量中有測量誤差和允許測量有不同的量尺(Becker&Cote，1994)。

Browne完善后的DP模型的數(shù)學(xué)方程為：

∑為觀測變量的協(xié)方差矩陣；z為公因子的非負(fù)定對角矩陣；PM和pT分別為非負(fù)定方法相關(guān)矩陣和特質(zhì)相關(guān)矩陣；為右直積；EM和ET分別為方法和特質(zhì)的誤差項(xiàng)非負(fù)定對角矩陣(Bagozzi&Yi，1992)。這個模型要研究的矩陣有：z，公因子矩陣，即描述通過這個模型，測量的變量所能解釋的變異量；PM，方法間的相關(guān)矩陣；Pr,特質(zhì)問的相關(guān)矩陣(詳見Bagozzi&Yi，1990；Browne，1984；Wothke&Browne，1990)。由方程(4)可知，觀測變量之間的相關(guān)在數(shù)學(xué)上界定為潛特質(zhì)和潛方法的乘積的函數(shù)，因此公因子相關(guān)是一個直積結(jié)構(gòu)(a direct-product structure)。此模型的測驗(yàn)分?jǐn)?shù)變異可以分解為公因子分?jǐn)?shù)變異和誤差分?jǐn)?shù)變異。此模型的變量與因子從屬關(guān)系見圖5。

其優(yōu)點(diǎn)是可以算出特質(zhì)與方法的交互作用。但缺點(diǎn)也不少：第一，特質(zhì)與方法的交互作用這個概念的本質(zhì)不清，很難預(yù)測它什么時候會出現(xiàn)：第二，因?yàn)闆]有特質(zhì)因子和方法因子，所以沒有辦法估計(jì)方法變異和特質(zhì)變異的量，而且在估計(jì)特質(zhì)與方法的交互作用時，無法控制方法和特質(zhì)的主效應(yīng)；第三，不能確定CMV來源：第四，在結(jié)構(gòu)方程程序使用時，需要做詳細(xì)復(fù)雜的系列約束。

此方法具體操作可采用以下幾個步驟：

第一步，研究變量的選定與測量。用多方法對多個特質(zhì)進(jìn)行測量，得到MTMM數(shù)據(jù)

第二步，建構(gòu)直積模型。Model的變量與因子從屬關(guān)系類似于圖5所示，通過結(jié)構(gòu)方程模型可以得到共同因子Mlfrl、M1／T2、M1／T3、M2／T1、M2／T2、M2／T3、M3／T1、M3／T2和M3／T3的相關(guān)矩陣，并可以求出方法與特質(zhì)的交互作用。可判斷方法與特質(zhì)的交互作用是否顯著。

很顯然，這種操作方法不能估計(jì)方法變異和特質(zhì)變異，因此也就不能在真正意義上控制方法變異的問題。當(dāng)觀測變量較多的情況下，模型的約束相關(guān)復(fù)雜，這也限制了DP模型法在LISREL，EQS上的具體操作。

DP模型法也可以通過MUTMUM程序來很好的實(shí)現(xiàn)，并真正做到對方法變異的控制。

MUTMUM是Browne設(shè)計(jì)用于處理直積模型的專門程序。相比于其它方法(如LISREL，EQS)其優(yōu)點(diǎn)是可以同時估計(jì)方法相關(guān)矩陣和特質(zhì)相關(guān)矩陣，以及二者的標(biāo)準(zhǔn)誤。另外此程序還可以進(jìn)行假設(shè)檢驗(yàn)。Browne已把此程序放在網(wǎng)上，供研究者隨時下載。

3.3.4二階驗(yàn)證性因素分析模型法

全稱為多特質(zhì)一多方法數(shù)據(jù)的二階驗(yàn)證性因素分析模型法。其特點(diǎn)是，所有觀測變量分別負(fù)荷在相應(yīng)的初階因子(first-order factot)上。同時還有一個二階因子(second-order factor)反映多個初階因子的相關(guān)。應(yīng)用到MTMM數(shù)據(jù)矩陣時，初階因子表示相應(yīng)方法測量(如用方法1測量)的相應(yīng)特質(zhì)(如特質(zhì)1)的方法與特質(zhì)結(jié)合因子(如M1T1，)，二階因子則表示方法因子(如M1)或特質(zhì)因子(T1)。

其協(xié)方差成分模型為：

∑=AгФгΛ+Θ

(5)

人為因子負(fù)荷對角矩陣；r為固定的測量對比(measurement contrasts)矩陣；Θ為方差一協(xié)方差成分矩陣；Θ誤差方差成分的對角矩陣(Wothke&Browne 1990)。

此模型的變量與因子從屬關(guān)系見圖6。

DP模型重新參數(shù)化為二階驗(yàn)證性因素分析后，可以用使用更為廣泛的線性潛變量模型軟件(LISREL和LISCOMP)來作點(diǎn)估計(jì)和區(qū)間估計(jì)。這樣做比DP模型更簡單易行(Wothke&Browne，1990)。同時，還可以直接檢驗(yàn)整個模式和特定模式方法和特質(zhì)因子。

此方法具體操作可采用以下幾個步驟：

第一步，研究變量的選定與測量。用多方法對多個特質(zhì)進(jìn)行測量，得到MTMM數(shù)據(jù)。

第二步，建構(gòu)有方法潛因子的模型(Model)。Model的變量與因子從屬關(guān)系類似于圖6所示，通過結(jié)構(gòu)方程模型可以得到相關(guān)的模型參數(shù)。

第三步，建構(gòu)無方法潛因子的競比模型(Model'')。Model''中，測量T1、T2和T3的題目對應(yīng)負(fù)荷的潛因子T1、T2和T3上。不考慮方法因子。

第四步，比較兩個模型的擬合指標(biāo)差異，看CMV影響的大小。同時可根據(jù)研究需要算出控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

第五步，結(jié)果選擇。如果CMV影響存在，則應(yīng)當(dāng)選擇控制方法潛因子之后，構(gòu)念之間的相關(guān)或路徑系數(shù)。

4統(tǒng)計(jì)控制方法的比較與選擇

如果是單一方法測量研究設(shè)計(jì)，可采用單一方法潛因子途徑和偏相關(guān)途徑來控制cMv效應(yīng)。如果研究的構(gòu)念都用多個方法來測量，可以用多方法潛因子途徑。在單一方法因子途徑選擇時，如果已測了方法變異的主要來源，可選擇使用已測方法變量的偏相關(guān)法或控制已測單一方法潛因子方法，否則可使用控制綜合方法變量的偏相關(guān)法和控制未測方法潛因子法。在偏相關(guān)途徑和單一方法潛因子途徑的選擇問題上，如果數(shù)據(jù)樣本很小，達(dá)不到結(jié)構(gòu)方程的最低樣本要求，那么可使用偏相關(guān)途徑。如果樣本達(dá)到要求，選擇后者顯然更優(yōu)。在多方法潛因子途徑選擇時，如果能確信方法與特質(zhì)的交互作用很大，應(yīng)當(dāng)使用直積模型法或二階驗(yàn)證性因素分析法，否則可以使用CTCM模型法和CU模型法。在加法效應(yīng)前提可以滿足，CTCM模型和CU模型均可識別的前提下，CTCM模型法比CU模型法更好，因?yàn)樗梢怨烙?jì)方法變異和誤差。

一種統(tǒng)計(jì)控制方法是否分離了特質(zhì)變異(能得到排除了測量誤差變異和方法因子變異的特質(zhì)變異)，能否區(qū)分CMV是對構(gòu)念層次的影響還是對測驗(yàn)題目層面的影響是兩個非常關(guān)鍵的問題。如果能，這種方法算是比較可靠的。否則不是很可靠，所有的偏相關(guān)途徑即是如此。

偏相關(guān)途徑不是很理想的一類方法：不能區(qū)分問卷研究中的三大主要變異(構(gòu)念變異、方法變異和誤差變異)，難以區(qū)分CMV影響的層面，難以考慮特質(zhì)與方法的交互作用。因而有人認(rèn)為，它并不能真正控制CMV的影響。但在潛因子模型的條件難以滿足的情況下，退而求其次也是可行的。

單一方法潛因子途徑方法明顯優(yōu)于偏相關(guān)途徑。它既能分離問卷研究中的三大主要變異，又能較好地區(qū)分CMV的影響層面。在單一方法研究設(shè)計(jì)中這兩種方法算是比較好的選擇。Richardson等(2009)用模擬數(shù)據(jù)評估了偏相關(guān)途徑和未測單一方法潛因子法，二者都產(chǎn)生的令人失望的結(jié)果。事實(shí)上，當(dāng)方法變異存在和真實(shí)相關(guān)大于零時，它們的對相關(guān)的估計(jì)準(zhǔn)確程度并不比沒有校正時高。因此Conway和Lance(2010)建議研究者盡量不使用以上兩類方法。控制已測單一方法潛因子法相對較好，但其不足在于假定研究者知道方法變異的來源。

多方法潛因子途徑是所有方法中最好的一類：能分離問卷研究中的三大主要變異，能較好地區(qū)分CMV的影響層面，有的方法(DP模型法和二階驗(yàn)證性因素分析法)還能區(qū)分特質(zhì)與方法的交互作用。但它們的缺陷也很明顯：操作復(fù)雜，前提條件多，在實(shí)際操作中收集MTMM數(shù)據(jù)并不容易(conway&Lance，2010)。如果從模型的可接受性(admissibility)來看，CU模型似乎比CTCM模型和DP模型有更少的參數(shù)估計(jì)問題。如果拋開估計(jì)問題，CTCM模型比DP模型和CU模型更能擬合MTMM數(shù)據(jù)。DP模型是四個模型中最弱的一個(Becket&Cote，1994)。建議研究者應(yīng)當(dāng)先使用CTCM模型，再用二階驗(yàn)證因素分析法和DP模型。前者更能擬合MTMM數(shù)據(jù)，而且更能解釋和說明。如果CTCM模型不能產(chǎn)生適合的結(jié)果，可以使用二階驗(yàn)證因素分析法和DP模型(先于CU模型)。不推薦使用CU模型的原因在于CU模型的方法間不相關(guān)假設(shè)常常被違反，而且CU模型的數(shù)據(jù)可能是這些多方法模型中最難解釋的。如果使用CU模型，研究者在討論中必須考慮方法之間相關(guān)的問題(Becker＆Cote，1994)。

5小結(jié)

綜上述可見，再精巧的統(tǒng)計(jì)控制方法都是有缺陷的。事后的CMV統(tǒng)計(jì)控制法目前還處于實(shí)踐狀態(tài)：一些著名的易操作的方法似乎是無效的，而使用MTMM系列方法又費(fèi)時費(fèi)力(conway&Lance，2010)。即使是多方法潛因子途徑，也并非如人意。例如DP模型法雖然考慮了特質(zhì)方法交互作用的問題，但DP模型法的問題是對實(shí)證結(jié)果的解釋比辯論還難，因此，這個“治療”方法的過于復(fù)雜性可能會CMV這個“病”還要糟糕。對各統(tǒng)計(jì)控制法，Spector(2006)有更精辟的論述：“如果CMV不是一個傳說，每個方法都產(chǎn)生一定量的方法變異，那么用統(tǒng)計(jì)方法來估計(jì)和控制之相對容易。不幸的是，已有估計(jì)和控制CMV的方法都有不足，并且在許多情形下控制了根本不存在的東西。例如，比較方法的研究者經(jīng)常假設(shè)同一方法相關(guān)高于不同方法相關(guān)，這應(yīng)當(dāng)歸于CMV。然而，這并不總是一個安全的假設(shè)。”因此，Spector(2006)建議，在關(guān)注構(gòu)念與測量構(gòu)念的方法之間交互作用有關(guān)的測量偏差時，CMV這個詞及其衍生詞應(yīng)當(dāng)“退休”。取而代之的是對具體偏差的思考和對觀測到的現(xiàn)象的更為合理的解釋，無論數(shù)據(jù)用自陳方法還是用其它方法取得。通過使用多種方法的系統(tǒng)測試排除這些替代性解釋因素，有助于從單方法研究中得到有效的結(jié)論。

在沒有深入研究各種具體偏差之前，目前研究得出的對CMV控制的各種方法還是可用的。在控制CMV時，最好是先采用過程控制的方法，做好事先預(yù)防。避免或減少CMV影響的最好的方式就是從不同來源收集不同構(gòu)念的測量數(shù)據(jù)(Chang，vail Witteloostuijn，&Eden，2010)。在研究設(shè)計(jì)控制之后，再選擇合適的統(tǒng)計(jì)補(bǔ)救法。過程控制與統(tǒng)計(jì)控制相結(jié)合是一個相對較好的選擇。

方法變異影響可能存在，但目前各種控制方法都存在一定的不足，這需要研究者不斷努力，以研究出新的CMV控制方法。Spector(2006)認(rèn)為提出有關(guān)方法變異的更好的想法比條件反射式地抱怨CMV更好。Sharma等(2009)對處理CMV的方法作了展望。他們認(rèn)為研究重點(diǎn)可以作兩個轉(zhuǎn)變：第一，把關(guān)注點(diǎn)從將單個研究中的方法變異影響最小化轉(zhuǎn)向評估多個研究的CMV效應(yīng)：第二，側(cè)重評估個別理論研究的CMV引起的潛在效度威脅，而不是在一般意義上評估整個社會科學(xué)研究領(lǐng)域的的CMV引起的潛在效度威脅。