[PR] Estimating the CMA effect with MA

Author(s): Sharma, R.; Yetton, P.; Crawford, J.
Title: Estmating the Effect of Common Method Variance: The Method-Method Pair Technique with an Illustration from TAM Research
Source: MIS Quarterly, 33(3), 2009, pp. 437-490
[摘要]
本研究利用以MA為基礎的方法，估計同源誤差(CMV)對個別理論效度的影響之估計，並以個別研究所使用之CMV方法之函數來解釋研究間觀察相關之變異，擴充單一方法研究，並以PEU及U間的觀察相關為例，說明如何使用此技術。

• [緒論]
  因共同方法所造成的衡量間人為共變，會膨漲觀測相關並提供理論檢驗的虛假支持 (Campbell & Fiske, 1959)，CMV是社會科學研究潛在的效度威脅，Doty & Glick利用一個例子說明CMV的強度對研究結果的效度有威脅，Woszczynski & Whitman (2004)估計約有一半以上的IS研究受到影響，Malhotra et al. (2006)認為IS領域偏誤的程度並不大，且不構成效度威脅，CMV是否對IS文獻發現有潛在效度威脅？
  要處理這個問題需要一種可以讓研究者評估那些CMV會影響個別研究領域發現的技術，估計CMV效果是一個方法上的主要挑戰 (Podsakoff et al., 2003)，多處理多方法 (multitrait-multimethod, MTMM)技術是最被接受估計CMV影響之技術 (Doty & Glick, 1998; Podsakoff et al., 2003)，而社會科學領域通常使用單一方法衡量 (mono-method measurement)，造成MTMM不可行；反而使用包括 Harman 單因子檢定，以及marker variable technique (Podsakoff et al., 2003)，這些技術的效度仍需建立。
  此研究利用MTMM方法變異原則，發展MA為主的技術，從使用單一方法衡量之研究發現估計CMV效果，MTMM仰賴個別研究中方法與處理設計上的差異，以評估衡量的收斂與區別效度，並評估CMV對結果之影響。本研究以目前研究間方法之變異進行CMV效果之估計，將挑戰從設計控制CMV之個別研究，到以MA進行累積實徵研究之理論檢驗。
  本研究先回顧CMV之文獻，並說明方法成對技術 (method-method pair)，並以TAM文獻中的PEU與U間之關係為例，分析發現，超過56%相關變異可以用方法之效果來說明，與Malhotra et al.之結論不同，認為CMV對IS研究結果有潛在效度威脅。
  
• [CMA Effect]
  社會科學研究之衡量會受限於衡量誤 (Burton-Jones & Gallivan, 2007; Podsakoff et al., 2003)，受測者對衡量的回覆可以區分為兩個要素 (Le et al., 2009, p. 13)：(1) 潛在構念之效果；(2) 不同衡量產物 (artifacts)之效果；這些衡量誤會在從觀察分數計算構念層次關係估計時引入偏誤 (Doty & Glick, 1998; Le et al., 2009)，當用共同或相似的方法
  衡量兩個變數時，衡量誤在兩分數中共變，包括偏誤其相關 (見圖1)，因此，觀察相關被膨漲。
  Podsakoff et al. (2003) 將觀察相關區分為三個部份：
  觀察相關 = 構念層次相關 + CMV產生之虛假相關 + 誤差
  上述誤差項包含非CMV之衡量誤差，CMV通常會膨漲觀察相關 (Le et al., 2009, p.13)，衡量誤差則會減少觀察相關，後者可以透過校正衡量信度來處理 (Hunter & Schmidt, 2004; Schmidt et al., 2003)
  
  2.1 MTMM
  兩種被提出用來控制CMV效果的方法：(1) MTMM：要求研究者應使用多種處理來操作各個變數，並用多種方法衡量該處理 (Campbell & Fiske, 1959)；(2) 單一方法研究設計，包括 Harman 單因子檢定及marker variable technique，這些方法的效度可以參考附錄A，本研究以MTMM為發展的點，故以下回顧之。
  MTMM是由Campbell & Fiske (1959)提出，除了用來評估研究衡量之區別與收斂效度外，也用來評估來自CMV之效度威脅，主要的概念以方法間的變異來估計CMV效果，因Campbell & Fiske沒有排除替代的技術，MTMM通常視為使用多重，且在個別研究中最大差異方法以獲得各個處理 (Williams et al., 1989)，分析MTMM資料，目前較多使用SEM技術 (Williams et al., 2003)，能讓研究者估計處理、方法與誤差變異之程度，並估計控制方法效果與衡量誤差之構念相關 (Millsap, 1995; Podsakoff et al., 2003)。
  雖然以MTMM解釋相關矩陣中的型態較少在IS領域使用，Straub et al. (2004)指出一些例子，如Venkatraman & Ramanujam (1987) 用MTMM來評估收斂效度，兩種資料收集方式，自我報導與檔案資料，以三種處理：銷售成長、獲利成長、及獲利性來取得商業經濟表現之構念，雖然一開始處理是指個人特性，也就是他們用來發展MTMM技術中用來反應人格特性研究之情境。
  研究以MTMM技術來報導CMV影響社會科學中研究結果的影響 (williams et al., 1989)，分析28份研究之MTMM矩陣，Doty & Glick (1998, p. 394)認為共同方法造成對觀測相關中度的26%偏誤，Podsakoff et al. (2003, p. 80)發現，當有CMV時之解釋變異為35%，沒有則變成11%。
  其限制是要求在個別研究中使用多種方法來獲得代表各構念之多重處理 (Doty & Glick, 1998)，也因為這樣繁重的要求，許多研究採用單一方法衡量構念，如用Likert-type問項，缺乏多重方法，使得在研究中的效用大小無法被區分為構念相關與虛假相關。另一個限制是，並沒有一個可以用來區分方法相似程度，例如計算不同方法衡量變數之相關如何影響觀察相關。Spector (1987)分析十個MTMM矩陣，發現資料中並沒有方法差異；Williams et al. (1989)假設其方法並不是最大差異下再次檢驗資料，卻發現有方法變異，這樣衝突的結果顯示需要發展方法來評估方法對CMV之敏感度。
  
  2.2 MA
  研究者要評估CMV對實徵結果在理論的影響主要有兩個挑戰：(1) 現有在單一方法研究中用來控制CMV技術之效度還沒建立；(2) 沒有足夠的MTMM矩陣可以進行以MTMM為主之技術。有些學者累積來自多個領域之MTMM矩陣以估計平均CMV (Doty & Glick, 1998)，其他研究者分析特別因素對CMV之效果，如：Crampton & Wagner (1994)從組織行為與人力資源管理研究中使用自我報導的40,000相關之CMV效果，這分析能突顯CMV對觀察相關之效果，但不能讓研究者去估計某研究領域之程度。
  此研究所提出之技術是基於單一方法研究間的方法差異，以解釋研究間效用大小之差異，單一方法研究中的效用大小包含CMV之效果，其強度無法在各研究中被估計 (Avolio et al., 1991)，這些效用是研究中用來衡量IV與DV方法之函數：方法的相似度愈高時，則預期增加方法間的共變異，且增加結果被偏誤的可能性 (Doty & Glick, 1998, p. 379)，且當方法對方法變異愈敏感時，則效果會增加，例如自我報導的Likert尺度對上主觀衡量。
  作者提出可以用研究間方法變異來估計CMV對多個單一方法研究之結果的影響，此效果為MMP用來衡量DV與IV之函數，研究在衡量變數的方法上不同，則CMV效果在研究間也不同，例如用Likert衡量會受到CMV的限制，使用主觀衡量則較不會 (Podsakoff et al., 2003)。
  過去研究指出許多方法因素會增加CMV對觀察效用大小之效果，包括：使用抽象構念與相同的回覆格式 (Doty & glick, 1998; Podsakoff et al., 2003)，IV與DV來自相同來源與同一時間點會有較大的CMV效度威脅。也就是，觀察效用大小會對衡量焦點變數之MMP的CMV而有所差異，CMV造成的偏誤程度可以用研究中所使用之MMP為函數計算研究間的效用大小，MA為基礎的技術適合用來評估個別研究間的差異 (Erez et al., 1996)。
  MA是在控制誤差與衡量產物效果下，用來系統化的累績多研究發現 (Hunter & Schmidt, 2004)，估計研究間CMV之效果，有助於在控制下進行實徵證明的累積，因為在個別研究中，通常受限於在個別研究中無法估計之誤差與偏誤 (Avolio et al., 1991; Hunter & Schmidt, 2004)。
  MMP以MTMM為發展基礎，兩種技術依賴將效用大小變異區分為構念效果與CMV之效果，MTMM並不說明多方法使用之CMV的敏感性，而MMP提供一矩陣來估計之，另外，MTMM依賴研究中方法設計差異，MMP針對研究間的實際差異。主要有兩個貢獻：(1) 將估計CMV之問題重製為MA之應用，讓研究者可以從單一方法之研究結果來看CMV之效果；(2) 讓研究者可以針對特地研究領域估計CMV之效果。
  
  
• [MMP]
  
• [例子]
  
• [討論]
  
• [結論]
  
• [附錄]