《Psychology & Marketing》:Guidelines for Meta-Analytic Structural Equation Modeling: Steps, Resources, and Illustrations
编辑推荐:
摘要专业翻译
科学的目标是随时间推移构建增量式、结构化且可靠的知识。然而,营销学及相关学科的许多分支呈现出累积停滞的症状,包括可重复性缺乏和理论整合薄弱。现有补救措施,如重复研究、多研究调查和开放科学实践,为未来研究提供了保障,但并非旨在调和当前正受到审视的过
摘要专业翻译
科学的目标是随时间推移构建增量式、结构化且可靠的知识。然而,营销学及相关学科的许多分支呈现出累积停滞的症状,包括可重复性缺乏和理论整合薄弱。现有补救措施,如重复研究、多研究调查和开放科学实践,为未来研究提供了保障,但并非旨在调和当前正受到审视的过往证据。元分析结构方程建模(MASEM)提供了一条补充路径,通过将过去碎片化的证据聚合为对总体理论的多元检验,来改善营销研究的累积特性。鉴于此类检验发生在累积层面,MASEM通过揭示结构性不一致、裁定存在争议的作用机制,以及揭示整个文献流中被遮蔽的中介机制,提供更高层次的贡献。然而,其应用仍然有限,因为实施需要一长串技术决策,而这些决策很少以可重复的形式被报告。此外,方法论建议仍分散于各项研究之中,研究人员不得不自行整合整体工作流程。本文开发了一套整合性的MASEM实施指南,通过三种重要方式应对上述障碍。第一,该指南提供了一个六步方法论指引,将碎片化的方法论知识整合为连贯的工作流程。第二,该指南通过一个实证示例进行操作化,提供了六个步骤的实际应用。第三,该指南配套提供模块化的开放资源,以促进MASEM的可及性实施。总之,该指南支持MASEM更严谨和更广泛的应用。
论文解读
一、研究背景与问题
当代营销学及相关学科面临一个严峻的困境:尽管科学研究的目标在于构建增量式、结构化且可靠的知识体系,但大量研究领域却呈现出明显的累积停滞症状。这种停滞主要表现为两个方面:一是研究结果缺乏可重复性,大量曾被视为经典的实证发现无法在后续研究中得到复现;二是理论整合薄弱,研究成果日益碎片化,缺乏统一的理论框架加以贯通和解释。
造成这一困境的根源是多方面的。学术激励结构与累积科学追求之间存在根本性错位,期刊对统计显著性和新颖性的偏好,客观上提高了具有这些特征的论文的发表概率,由此催生了以指标为导向的学术文化。在这种文化中,学术生存依赖于持续产出被认为"可发表"的研究发现。这种压力为可疑研究实践(QRPs)的滋生提供了肥沃土壤,包括p值操纵和选择性报告等,这些实践利用研究者的自由度来加速研究产出,进而加剧了重复危机。与此同时,重复危机还植根于更广泛的理论危机,即孤立且模糊的理论不断延续。对新颖性的执着将研究注意力从整合性理论建构转向孤立的消费者事实,而可疑研究实践则因使碎片化和弱规范化的理论难以被证伪,而为其提供了持续的支持。
为改善科学的累积特性,学界倡导了多种研究实践,包括重复研究、多研究调查和开放科学实践。然而,越来越多的怀疑认为,这些实践本身并不足以解决累积停滞问题。具体而言,失败的重复研究难以解读,因为缺乏将各项研究联系起来的连贯理论结构,无法区分方法论缺陷与真正的理论驱动边界条件。开放科学则引入了实际约束,可能激励小样本研究的开展,而这类研究通常统计功效不足且易犯第一类错误。更重要的是,这些补救措施主要面向未来,并非旨在调和当前正受到审视的数十年证据。
在此背景下,许多研究者主张将现有理论整合为总体框架,通过该框架对累积证据进行解读。相互关联的理论能够将科学直觉调谐为集体智慧,从而更易于识别和自我纠正有缺陷的发现。传统元分析虽然能够将碎片化证据转化为稳健统一的结论,但其通常聚焦于合成双变量关系或"一次检验理论模型中的一个要素",限制了完整理论模型的整合。营销领域的理论很少不涉及潜在作用机制,这加剧了待整合理论结构的复杂性。因此,有意义的理论整合需要能够合并数据、建模间接路径、同时估计多个前因、中介、调节和结果变量、考虑效应量之间的抽样协方差、估计模型拟合统计量,并提供具有标准误和置信区间的结构参数估计的技术。元分析结构方程建模(MASEM)通过将元分析的数据合并优势与结构方程建模(SEM)的分析灵活性相结合,满足了这些要求。
MASEM的主要优势不在于建模复杂理论关系本身,而在于在累积证据层面进行这种建模。这不仅有助于缓解累积停滞,还能实现更高层次的评估,包括揭示替代模型规范、裁定竞争模型的解释充分性、识别初级证据与累积证据之间的结构性脱节,以及揭示被单项研究的微观视角所遮蔽的中介机制。然而,MASEM的应用仍然有限,因为实施需要一长串很少以可重复形式报告的技术决策。现有MASEM指南主要强调程序性和统计性细节,目标读者是具有高级统计水平的资深元分析专家,这使得缺乏元分析训练的研究者难以理解实际工作流程。应用型MASEM研究虽提供了有价值的示例,但其重点在于报告实质性发现,可能导致关键阶段的理论依据不清晰,难以适应未来研究。此外,方法论建议分散于各项研究之中,研究人员必须自行整合整体工作流程,而各决策之间又存在内在的相互依赖性。
二、研究内容与结论
为应对上述障碍,本研究整合了现有MASEM方法论知识,开发了一套综合指南,包括三个核心组成部分:一是六步方法论指南,将碎片化的方法论知识转化为连贯的MASEM实施工作流程;二是通过一个实证示例对指南进行操作化,在开放科学框架(OSF)内实际实施六个步骤;三是配套的模块化开放资源,包括带注释的R脚本、所需程序包、原始及注释版元分析数据集、筛选表、编码手册、视频教程和推荐阅读清单。此外,研究团队还开发了一个独立的Shiny应用程序,提供用户友好的MASEM实施界面,仅需用户提供CSV数据文件即可在本地启动运行,无需额外编程或托管网络服务。
本研究的核心贡献在于方法论层面,增强了研究者应用MASEM的能力。指南将MASEM应用概念化和支撑为一个相互关联的方法论工作流程,而非一系列孤立的分析程序,从而为评估方法论选择如何影响理论评估的有效性建立了透明基础。指南还阐明了MASEM如何用于整合碎片化的理论视角,并评估超越单项研究解释范围的总体理论结构,为比较和论证替代性方法论选择提供了共同的方法论基础。
三、关键技术与方法
研究人员开发了六步MASEM实施指南。第一步是整合而非简单导入理论框架以构建正式模型,要求理论假设与证据生成和测量方式保持一致,且理论需对其应用领域内的核心现象提供清晰解释。第二步是制定元分析方案,作为规定目标、纳入标准、检索策略、筛选程序、编码决策和分析细节的蓝图,并建议遵循PRISMA等报告标准。第三步是识别和筛选研究,确保元分析数据集的全面性、概念一致性和足够的研究质量,通常由至少两名独立评审者进行筛选。第四步是提取和编码元分析数据,核心输入为相关系数及对应样本量,需处理测量误差校正和Fisher's z变换等决策。第五步是选择适当的MASEM方法,包括单变量方法和多变量方法,如两阶段结构方程建模(TSSEM)和单阶段元分析结构方程建模(OSMASEM),以及处理依赖效应量的三水平元分析(WPL方法)和相关分层效应(CHE)模型。第六步是进行稳健性检验,涵盖发表偏倚评估、敏感性分析和异质性评估。实证示例的数据集构建遵循系统检索和多数据库三角验证策略。
四、研究结果
步骤1:整合理论框架构建正式模型。 通过阐述理论原则并将其形式化为可检验模型,研究强调理论必须与其应用领域内证据生成和测量的方式保持一致,且需对核心现象提供清晰解释。
步骤2:制定元分析方案。 研究确立了先验方案作为蓝图,规定目标、纳入标准、检索策略、筛选程序、编码决策和分析细节,并建议遵循PRISMA等标准化报告指南以增强可靠性和可重复性。
步骤3:识别和筛选研究。 研究强调数据集应具备全面性、概念一致性和足够的研究质量。检索应在Scopus、Google Scholar和Web of Science等多数据库间三角验证,并通过引文追溯补充。筛选应由至少两名独立评审者进行,分歧通过讨论或第三方评审解决。
步骤4:提取和编码元分析数据。 研究区分了基于相关性和基于参数的MASEM类型,讨论了效应量类型选择、测量误差校正和Fisher's z变换等关键决策,并建议将效应量类型决策视为需要敏感性分析的设计选择。
步骤5:选择适当的MASEM方法。 研究比较了单变量方法与多变量方法(TSSEM和OSMASEM),以及处理依赖效应量的WPL方法和CHE模型。研究明确建议不要使用单变量方法,在存在依赖效应量时推荐采用三水平元分析,并建议研究者不应局限于单一方法。
步骤6:进行稳健性检验。 研究涵盖发表偏倚评估(漏斗图、Egger回归、PET-PEESE、时间趋势、累积元分析、p-uniform方法等)、敏感性分析(检验核心决策变更的影响和异常值影响)和异质性评估(随机效应与固定效应建模的选择)。
五、讨论与结论
讨论部分指出,不存在在所有标准下均表现最优的单一MASEM方法。在存在依赖效应量的情况下,明确建议在三水平元分析框架下采用WPL方法,但需假设结构同质性。研究者不应局限于单一方法,而应在可能的情况下证明结论在多种方法下保持稳定。发表偏倚评估应使用视觉诊断和统计检验相结合的多重证据三角验证,而非依赖单一检验。敏感性分析应明确报告排除有影响力案例后的实质性变化。异质性评估中,由于样本、情境和测量实践的差异,随机效应模型通常更为适切。
研究结论指出,本指南通过将碎片化的方法论知识整合为连贯的六步工作流程,并辅以实证示例和模块化开放资源,支持MASEM更严谨和更广泛的应用。指南将MASEM应用概念化为相互关联的方法论工作流程,建立了评估方法论选择如何影响理论评估有效性的透明基础,从而将MASEM定位为在营销研究中开展更高层次评估的更严谨、更系统的方法。