范文丨元分析与结构方程模型

其实上周那篇二元元分析的范文，在检验中介作用的部分就涉及到了结构方程模型。但是那篇毕竟只是涉及一部分，所以我们再来介绍篇完全是MASEM的范文。

那我们开始吧~

整体介绍

Jiang, K., Lepak, D. P., Hu, J., & Baer, J. C. (2012). How Does Human Resource Management Influence Organizational Outcomes? A Meta-analytic Investigation of Mediating Mechanisms. Academy of Management Journal, 55(6), 1264–1294.

摘要：

基于能力-动机-机会（AMO）模型，本研究采用元分析方法考察了人力资源系统三维度—提升能力、激发动机、提供机会—对近端组织结果（人力资本和动机）和远端组织结果（自愿离职、运营结果和财务结果）的影响。结果表明，提升能力的实践更能促进人力资本，而激发动机和提供机会的实践更能促进员工动机。结果进一步证明，人力资源系统三维度能直接影响财务结果，也能通过影响人力资本和员工动机进而影响自愿离职和运营结果，从而间接地影响财务结果。

Drawing on the ability-motivation-opportunity model, this meta-analysis examined the effects of three dimensions of HR systems—skills-enhancing, motivation-enhancing, and opportunity-enhancing—on proximal organizational outcomes (human capital and motivation) and distal organizational outcomes (voluntary turnover, operational outcomes, and financial outcomes). The results indicate that skill-enhancing practices were more positively related to human capital and less positively related to employee motivation than motivation-enhancing practices and opportunity-enhancing practices. Moreover, the three dimensions of HR systems were related to financial outcomes both directly and indirectly by influencing human capital and employee motivation as well as voluntary turnover and operational outcomes in sequence.

理论模型：

模型假设：

• H1a：提升能力的实践与人力资本正相关；

• H1b：激发动机的实践与人力资本正相关；

• H1c：提供机会的实践与人力资本正相关；
  

• H2a：提升能力的实践比激发动机的实践与人力资本的相关性更强；

• H2b：提升能力的实践比提供机会的实践与人力资本的相关性更强；

• H3a：提升能力的实践与员工动机正相关；

• H3b：激发动机的实践与员工动机正相关；

• H3c：提供机会的实践与员工动机正相关；

• H4a：提升能力的实践比激发动机的实践与员工动机的相关性更强；

• H4b：提升能力的实践比提供机会的实践与员工动机的相关性更强；

• H5a：人力资本中介人力资源系统的三个维度与自愿离职间的关系；

• H5b：员工动机中介人力资源系统的三个维度与自愿离职间的关系；

• H6a：人力资本中介人力资源系统的三个维度与运营结果间的关系；
  

• H6b：员工动机中介人力资源系统的三个维度与运营结果间的关系；

• H7：人力资本、员工动机、自愿离职、运营结果部分中介人力资源系统的三个维度与财务结果间的关系。
  

研究设计

文献检索和纳入标准：

文献检索：作者首先检索了PsycINFO, Web of Science和ProQuest Digital Dissertations databases 发表于2011年5月之前的文献。作者使用了多个关键词，如：……此外，作者使用相同的搜索词来搜索2000年至2010年来自AOM和the Society of Industrial and Organizational Psychology的会议项目。第二，作者参考了该主题文献综述文章的参考文献列表，包括理论综述。第三，作者尽最大的努力通过AOM中人力资源和组织行为分部的名录来确定未发表的研究。

纳入标准：首先，作者只关注在组织层面检查HR实践与组织结果之间关系的研究。作者没有包括调查员工感知的人力资源实践对个人结果的影响或组织层人力资源实践对个人层结果间的跨层次关系。第二，作者只包括强调在组织中使用人力资源实践/系统的研究，而不包括这些实践或系统的有效性或价值的研究。第三，作者只关注人力资源实践与各种组织结果至少存在一种相关性的研究，排除了只与人力资源实践相关而非人力资源实践而组织结果相关的研究。没有计算效应大小所必需的统计信息（如样本大小、相关系数）的研究也被排除在外。最后，当同样的样本用于两篇或更多篇文章时，作者只考虑提供更多信息的那篇文章。相反，当一项研究使用两个或更多个独立样本时，作者将这些独立样本分开编码。最终符合要求的有116篇文章，代表了120个独立样本，总共包括31463个组织。

作者首先按照Lipsey和Wilson(2001)的建议开发了编码表和说明。第一作者和第三作者随后随机抽查了15篇文章进行编码，评估了数据的样本大小、效应大小和可靠性的一致程度。在两位编码人员确认无误后，他们对剩余文章进行了编码，一致性程度达到了96%。分歧通过两个编码者间的讨论得到解决。

变量的操作化：

人力资源系统的三个维度：将文献中的14种人力资源实践，通过使用AMO框架分为了三个维度。

• 提高技能的人力资源实践：招聘、选拔和培训；

• 提高动机的人力资源实践：绩效、薪酬、激励、福利、晋升、职业发展、工作保障；

• 提高机会的人力资源实践：工作设计、工作团队、员工参与、申诉、信息共享。

组织结果：将各种组织成果归纳为五类。

• 人力资本：通过建立的规模和劳动力教育水平衡量组织资本；

• 员工动机：组织工作满意度、组织承诺、组织氛围、感知组织支持和组织公民行为；

• 自愿离职：自愿退出或离开组织的员工的百分比，不包括辞退率和整体流动率；

• 运营结果：生产力、质量、服务、创新和总体运营绩效；

• 财务结果：财务回报、股本回报、市场回报、销售增长和整体财务绩效。

根据Aguinis等(2011)的建议，作者在附录A中提供了一个表格，列出了所有包括的研究以及作者对人力资源三个维度和不同类型结果的分类。这些信息对于未来的研究复制和扩展这项研究是很重要的。

元分析程序：

为了通过元分析结构方程模型检验中介模型，作者需要通过校正测量误差和抽样误差来计算人力资源系统的三个维度和不同类型的组织结果之间的元分析相关性(Hunter & Schmidt, 2004)。作者首先对已报告的人力资源实践和组织结果的测量进行可靠性校正，以校正测量误差。对于那些没有报告测量可靠性的研究，作者使用其他汇报的估计进行加权平均(Lipsey & Wilson, 2001)。关于用档案数据测量的变量(如资产回报率)，作者采用了更保守的0.80可靠性估计，这在以前的管理学元分析中已使用过。例如，如果在一项报告这些项目可靠性的研究中，培训实践是通过反思性项目(例如，“该公司在培训上投入了大量的时间和金钱”)来衡量的，作者将纠正培训的可靠性。相比之下，如果培训实践是通过档案数据来衡量的(例如，“这家公司的员工平均每年接受多少小时的正式培训？”)，作者会将此测量的可靠性校正为0.80。出于比较的目的，作者还通过使用档案测量的1.00的可靠性来计算可靠性校正的相关性，并且在本研究的主要结论中没有发现变化。

其次，作者使用了Hunter和Schmidt(2004: 435-439)提供的公式计算了人力资源维度和组织结果类别的相关性。

x代表人力资源实践维度，y代表组织结果类别，Σrxiyi代表人力资源维度与组织结果相关性的总和，n,m代表X与Y的数量，rxixj代表人力资源维度间的平均相关性，ryiyj代表组织结果间的平均相关性。通过使用这个公式，作者为每个研究中的每个关系创建了一个单一的效应大小。

第三，作者使用了一个随机效应模型，通过对每个研究的效应大小进行加权来校正抽样误差。作者还计算了样本加权平均相关的95%置信区间和Q同质性统计量。……（接下来是对两个指标的介绍）研究表明，当关系不均匀时，随机效应模型比固定效应模型提供了更准确的估计。

最后，作者在LISREL 8.72中使用创建的相关矩阵完成SEM分析(Jöreskog & Sörbom, 2005)。因为不同相关性的样本大小不相同，作者通过计算相关样本大小的调和平均值来估算了SEM分析的样本量。与算术平均值相比，调和平均值对大样本量的权重要小得多，因此导致更保守的参数估计。四个模型拟合统计量——卡方、RMSEA、CFI、SRMR被用来检验结构方程模型的可行性。可接受的模型拟合与无显著性的卡方值、CFI大于.90，RMSEA小于或等于.08以及SRMR小于.10有关。作者使用了两个统计数据来检验预测人力资源系统三个维度对人力资本与员工动机的相对影响的假设。一个是Z检验，它显示了回顾系数之间差异的显著性，另一个是ε统计，它通常用于确定每个预测因子在解释因变量方差时的相对权重。相对权重的结果代表由每个人力资源维度解释的总方差(R2)的比例。为了分析中介，作者使用Sobel(1982)检验间接效应的统计显著性。

结果

人力资源维度的差异效应

表1总结了人力资源维度与组织结果类别之间关系的相关结果。为了检验假设1-4，作者将人力资源系统的所有三个维度都包括在回归中，以检验它们对人力资本和员工激励的影响。

如表2所示，所有三个人力资源维度都对人力资本产生了显著的积极影响。Z检验结果表明，提升能力的人力资源实践的回归系数(β= .29, p ＜.01)显著大于激发动机的人力资源实践的系数(β=.22, p＜.01, Z=2.74, p＜.01)和提供机会的人力资源实践的系数(β=.07, p＜.01, Z=8.68, p＜.01)。此外，对相对权重的分析表明，提高技能的人力资源实践解释了人力资本中最大的百分比差异(48%)，其次是提高动机的人力资源实践(36%)和增加机会的人力资源实践(16%)。

……（对人力资源维度与员工动机的检验）

中介结果

首先证实了目标模型的拟合指数是可被接受的。

除了提供机会的人力资源实践和财务结果之间的直接关系外，所有人力资源维度和组织结果类别之间的关系都是显著的，并且与作者的预测一致。因此作者从模型中删除了此条路径，它只略微的影响了模型拟合（模型1）。作者还测量了人力资源维度与自愿离职、运营结果间的直接关系。如表3所示，从提升能力的人力资源实践到两种结果的路径增加显著提高了模型1的拟合度（模型2）。……（根据表3，一步步修改完善，成为最终的中介模型）。因此，作者将模型6作为中介分析的最终模型。

图2展示了最终中介模型的标准化路径估计。……（对上图的具体描述）。Sobel检验表明，三个人力资源维度与自愿离职、运营结果、财务结果间的关系均是显著的。总之，这些结果表明，人力资本、员工动机、自愿离职和运营结果部分地中介了提升能力和激发动机的人力资源维度与财务结果之间的关系，完全中介了提供机会的人力资源实践和财务结果之间的关系。假设5至7得到普遍支持。

事后检验：

作者最后检验了将人力资源三个维度视为一个高绩效工作系统的指标是否会拥有更好的拟合结果。除了采用卡方值的变化以外，作者还引入了AIC值进行检验，它通常在结构方程模型中用来比较用相同数据估计的非嵌套模型。AIC的价值本身并不表明一个模型的质量；只有相对于另一个模型的AIC才有意义。较低的值表示更好的拟合，因此AIC最低的模型是最好的拟合。如表3所示，模型6的AIC(190.32)低于模型7的(450.51)，这表明将其分为三个变量比拟合为一个指标更适合数据。

啦啦啦，本次介绍就到这里结束啦。其实不难看出这篇文章有一定时间了，它对SEM方面的检验，有些部分用的是相对老套的检验方式，可能和现在常用的有所区别。

萜妹对这篇文章的观感一般，也可能是我自己做组织层的研究比较少，对人力资源管理系统这个主题不太感冒，所以这篇文章看得断断续续，可能理解的并不是特别透彻。

等以后有机会的话，萜妹可能会考虑再找找更多类型的MASEM，帮助自己和小可爱们加深对MASEN的理解呀~

不出意外，下周还是元分析，那小可爱们，下周见~

往期推送