共同方法偏差的统计检验与控制方法

心理科学进展 2004，12（6）：942~950 Advances in Psychological Science

共同方法偏差的统计检验与控制方法∗

周 浩 龙立荣

（华中师范大学心理学系，武汉 430079）

摘 要 共同方法偏差是心理学研究中一个越来越被关注的课题，但国内心理学界对其的介绍、研究还比较少，导致研究中对共同方法偏差的控制还有所欠缺。共同方法偏差的控制方法分为程序控制和统计控制，该文介绍了共同方法偏差的多种统计控制法，如因素分析法、偏相关法、潜在的误差变量控制法、结构方程模型法等，分析了其各自的优缺点，并提出了如何选择采用这些方法的建议。

关键词 共同方法偏差，统计控制法，心理学研究方法。

分类号 B841.2

1引言

共同方法偏差（common method biases）指的是因为同样的数据来源或评分者、同样的测量环境、项目语境以及项目本身特征所造成的预测变量与效标变量之间人为的共变。这种人为的共变对研究结果产生严重的混淆并对结论有潜在的误导，是一种系统误差。共同方法偏差在心理学、行为科学研究中特别是采用问卷法的研究中广泛存在，引起了越来越多研究者的注意。国外对此的研究已经有40多年的历史，现在仍是学界关注的焦点[1]。在国内，有的研究者根本就还没有意识到这个问题，更不会在研究中采取相应的控制措施；有的研究者虽然意识到了这个问题，但由于缺乏对共同方法偏差控制方法的了解，所以控制效果并不理想。

共同方法偏差的控制方法分为程序控制和统计控制。程序控制指的是研究者在研究设计与测量过程中所采取的控制措施，比如从不同来源测量预测与效标变量，对测量进行时间上、空间上、心理上、方法上的分离，保护反应者的匿名性、减小对测量目的的猜度，平衡项目的顺序效应以及改进量表项目等。研究者首先应该考虑采用程序控制，因为这些方法是直接针对共同方法偏差的来源而设计的。但是，在某些研究情境中，受条件限制，上述的程序控制方法无法实施，或者无法完全消除共同方法偏差，这个时候就应该考虑在数据分析时采用统计的方法来对共同方法偏差进行检验和控制。本文的目的就在于简要地介绍共同方法偏差的统计检验与控制方法，分析其各自的优缺点，并提供一些选择采用这些方法建议。 收稿日期：2004-06-16

∗ 国家自然科学基金资助（项目号：70171046）。

通讯作者：龙立荣，电话：027-62532443，E-mail: [email protected]

942

第12卷第6期 共同方法偏差的统计检验与控制方法 -943- 2 Harman单因素检验

这种技术的基本假设是如果方法变异大量存在，进行因素分析时，要么析出单独一个因子；要么一个公因子解释了大部分变量变异。传统的做法是把所有变量放到一个探索性因素分析中，检验未旋转的因素分析结果，确定解释变量变异必须的最少因子数，如果只析出一个因子或某个因子解释力特别大，即可判定存在严重的共同方法偏差[2,3]。现在更普遍的是采用验证性因素分析，设定公因子数为1，这样可以对“单一因素解释了所有的变异”这一假设作更为精确的检验[4,5]。

Harman 单因素检验的最大优点是简单易用，但仅仅是一种评估共同方法变异严重程度的诊断技术，而且是一种不灵敏的检验方法，并没有任何控制方法效应的作用[1]。按照其假设，只有当单独一个因子从因素分析中析出并解释了大部分的变量变异时，才有理由认为存在严重的共同方法偏差。然而，单因素模型拟合数据不太可能，更可能的情况是有多个因子从因素分析中析出，但这并不能证明测量中没有共同方法变异。

3 偏相关法

用偏相关的方法来控制共同方法偏差的原理是将方法变异来源作为统计分析中的一个协变量。根据这些变异来源能否被识别，以及在多大程度上能够被测量，这类方法一般有以下三种：

3.1 分离出可测量的方法变异来源

这种方法通过直接测量某个方法变异来源，并将其作为统计分析中的协变量，从而使其效应从预测与效标变量中分离出来的方法实现对这些偏差的控制[6]。比如，对于反应者的情绪状态和社会称许性这两种常见的共同方法变异来源，就可以采用在这种方法加以控制。

这种方法的优点在于使用起来简单和直接，因为它只需要研究者对方法偏差的可能原因加以测量（比如社会称许性、积极或消极情感）并是使用Olkin 和Finn 的显著性检验来比较预测与效标变量的偏相关与其零阶相关的差异[7]，从而检验方法偏差的效应，同时得到预测与效标变量中没有方法偏差的偏相关。Williams （1996）[8]指出了这种方法主要有以下缺陷：①这种方法假设所有的方法变异都是由所测量的那个偏差源所造成（比如社会称许性、消极或积极的情感），然而所测量的那个偏差源并不能够反映全部的共同方法变异；②所测量的那个偏差源有可能的确是测量的方法变异来源，但也有可能与所要研究的构念有本质的联系，一味地将其视为测量的方法变异来源有可能忽略了测量方法与研究的构念本质的联系；③忽略了测量误差。

3.2 分离出一个标签变量

Lindell 认为，如果一个变量在理论上不与任何其他变量相关，那么这个变量可以当作“标签”，其他任何变量与它的相关都可以归因于共同方法偏差。将标签变量作为协变量，并比较预测与效标变量的偏相关与其零阶相关的差异可以检验方法偏差的效应，更进一步，将标签变量与研究中其他变量的平均相关分离出来，可以使研究者对方法偏差的效应实现控制[9,10]。

-944- 心理科学进展 2004年

这种方法的最大优点是不用找出共同方法偏差的具体来源，因而简单易用。其缺陷主要有以下几点：①无法控制一些重要的共同方法偏差（比如内隐理论、一致性动机、社会称许性）。例如，标签变量被认为是与预测、效标变量无关的，而内隐理论指的是个人对预测与效标变量如何关联的内在观念，所以不能指望其能估算内隐理论的效应，将标签变量的效应分离出来并不能控制这些方法偏差变异；②这种方法假设共同方法偏差在所有观测变量上有同样的效应，假设共同方法偏差只能增大不能缩小预测与效标变量间的相关，并且假设方法因素与研究的特质之间无交互作用，已有的研究已经证明这些假设并不成立；③忽略了测量误差[1]。

3.3 分离出第一公因子

这种方法的理论假设是探索性因素分析所析出的第一未旋转因子包含了对共同方法变异的最佳估计，将这个因子从预测与效标变量的相关中分离出来，可以实现对共同方法变异的控制。在SPSS 中可以设置将析出的因子另存为变量，然后求控制第一因子变量后预测与效标变量的偏相关[11]。

这种方法的首要优点是研究者不用找出具体的共同方法偏差来源，所以使用相对容易。其缺陷是：①第一公因子反映的不仅是共同方法变异，也可能包括构念间真实存在共变，这两种变异来源无法区分。因而，分离出第一公因子的效应会导致对构念间相关系数的有偏参数估计；②由于采用了因子分析，这种方法的结论容易受到变量多少的影响；③忽略了测量误差。

4 潜在误差变量控制法

在结构方程模型中，将共同方法偏差作为一个潜在变量，如果在包含方法偏差潜在变量情况下模型的显著拟合度优于不包含的情况，那么共同方法偏差效应就得到了检验，而包含共同方法偏差潜在变量的模型对于预测与效标变量关系的估计则控制了共同方法偏差。根据是否能够对共同方法偏差的来源加以测量，这种方法分以下两种技术：

4.1 无可测方法的方法因素效应的控制

这种情况下，研究者不能识别共同方法偏差的来源或者无法有效测量，而是将共同方法偏差作为一个潜在变量进入结构方程模型，允许所有标识变量在这个方法潜在变量上负载，通过检验模型拟合度，从而检验共同方法偏差的效应，并在估计预测与效标变量关系中对共同方法偏差实施了控制。Anderson 和Williams （1992）[12]用这种方法考察了员工态度在交换关系（reciprocal relationship）中的作用。

这种技术不需要研究者识别方法偏差的具体来源，不需要对方法偏差加以测量，更不需要考虑测量误差，因而简单易用[12]。其缺点是：首先，研究者无法确定方法偏差的具体来源；其次，加入共同方法偏差潜在变量，增加了需要估计的自由参数的数目，有可能导致模型无法被识别；最后，这种技术假设方法因子与特征因子间没有交互作用，但已有研究表明这并不成立[13]。

4.2 直接测量的方法因素效应的控制

第12卷第6期 共同方法偏差的统计检验与控制方法 -945-

这种技术直接测量某种重要的共同方法偏差因素（比如社会称许性、消极或积极情感），将其作为一个潜在变量进入结构方程模型，在这个方法潜在变量上不仅其自身的标识变量而且所要研究的构念的所有标识变量也有负载。通过检验模型拟合度，从而检验共同方法偏差的效应，而包含方法潜在变量的模型中对于预测与效标变量关系的估计则控制了共同方法偏差。被测量那个方法偏差因素是被研究者认定为在其研究中具有最大影响力的偏差来源，代表了该研究中的共同方法变异。Williams 应用这种方法检验了多种工作态度与角色知觉的关系中消极情感的潜在偏差效应[8]，以及积极和消极情绪的效应[14]。

这种方法的优点在于：①方法因素的测量误差能够被估计；②对方法偏差的效应检验与控制来自于对方法因素本身的直接测量，而非对所要研究的构念的测量；③没有限定方法因素对所要研究的构念的所有标识变量有同样的效应[1]。这种方法的缺陷在于，首先研究者必须能够识别共同方法偏差的来源，并且进行有效的测量，这往往难以实现，因为在特定的研究情境中很难判断最重要的方法偏差源，而且研究者所确定的某些最重要的方法偏差源无法被有效测量（比如内隐理论、一致性偏差、同样的量表格式或标定）；其次，这种方法假设方法因子与特征因子间没有交互作用，已有的研究已经证明这种假设并不成立[13]。

5 多质多法模型（multitrait-multimethod, MTMM）

通过多种方法对多个特质进行测量，每一个具体的观测变量的变异可以分解为特质、方法以及随机误差成分。在结构方程模型中，将每种方法设定为一个潜在变量，研究者可以通过检验模型拟合度来检验方法偏差的效应，并且在考察预测与效标变量关系时控制方法变异与随机误差（见图1）。

图1 多质多法模型(来源：Podsakoff ，2003)

-946- 心理科学进展 2004年

这种方法的首要优点是研究者可以一次性检验和控制多个方法因素的效应。在一个研究中往往同时存在多个有重大影响的方法偏差，通过这种方法一次性加以检验和控制，可以对预测与效标变量的关系作更合理的估计；其次，这种方法可以通过在结构方程模型中设定某些方法因素对标识变量的影响为零从而检验某个具体假设的方法偏差效应；第三、不需要对这些假设的方法偏差直接测量。这种方法的缺陷主要有：首先，加入多个方法潜在变量后，增加了自由参数的数目，有可能导致模型无法被识别，进而影响模型的估计[15]；其次，这种方法假设方法因素与预测和效标潜在变量无交互作用，仅仅作用于标识变量；最后，这种方法需要识别共同方法偏差的潜在来源并详细指定说明这些方法因素与标识变量之间的关系，即在结构方程模型中进行复杂的设定。

6 误差的独特性相关模型(correlated uniqueness model)

为了解决MTMM 模型中参数估计的问题，有研究者建议采用相关独特性模型[16]。在MTMM 模型中，每一个观测变量的变异被看作由一个特质因子、一个方法因子、一个测量误差所组成, 而在独特性相关模型中，每一个观测变量的变异仅由一个特质因子和一个测量误差组成，不包括方法因子。这种方法的理论假设是，独特性相关模型的误差项包含测量随机误差和可能的共同方法偏差导致的系统误差。如果误差项中只有随机误差，那么误差项之间将没有相关或相关很低；如果存在共同方法变异，那么误差项之间就会存在显著相关。方法独特性相关模型正是通过以同样方法测量的观测变量的误差项之间的相关来解释方法效应的，并且Scullen 提出将测量误差相关的平均数作为检验方法效应的指标[17]。最终，在结构方程模型中得到的预测与效标变量关系则控制共同方法变异与随机误差（见图2）。

图2 误差的独特性相关模型(来源：Podsakoff ，2003)

这种方法的优点与MTMM 类似：首先，独特性相关模型可以同时检验多种方法偏差的效应；其次，通过在结构方程模型中设定某些方法因素对标识变量的影响为零可以对某种具体的方法偏差效应进行检验；最后，不需要对这些假设的方法偏差直接测量。而独特性相关模

第12卷第6期 共同方法偏差的统计检验与控制方法 -947- 型的缺点在于：①由于模型中的误差项是系统、非系统的误差以及方法效应的集合，所以无法估计由方法效应导致的变异的大小，而对特质变异的估计则可能发生偏差；②这种模型假设不同的方法偏差间是不相关的，并假设特质与方法效应间没有交互作用。这些已经受到研究者的置疑[13]。

7 直接乘积模型(direct product model)

上面所介绍的方法都涉及一个前提假设，即方法因素与预测、效标构念间无交互作用，而有研究者认为这是一个苍白无力的假设[1]，并认为在不同的情形中，特质与方法因素可能有交互作用。直接乘积模型完整考察了方法因素与特质之间的交互作用，并采用结构方程模型加以检验（见图3）。

这种方法的最大优点是考虑了方法因素与所要研究的构念之间的交互作用，在理论上更加合理。缺陷主要是：首先，直接乘积模型不能分别对特质与方法变异量进行估计，因此无法通过检验每一观测变量在多大程度上反映了其所代表的特质的方法来评估项目效度；其次，这种方法仅用于检验方法偏差，不能作为对方法偏差的统计控制；第三，研究者不能识别方法偏差的具体来源；第四，使用结构方程模型程序（LISREL 、EQS 、AMOS ）来实现直接乘积模型时时，需要进行复杂的设定和详细说明。这样方法存在的最大缺陷是特质、方法间的交互作用并不普遍或效应足够大。事实上，研究表明，虽然特质、方法的交互效应有理论上的可能性并在某些情形下的确存在，但它们的效力并不大[18]。

图3 直接乘积模型(来源：Podsakoff ，2003)

8 小结

对于共同方法偏差的控制，首先应该考虑程序控制方法，通过程序控制尽量消除方法偏差的来源。如条件限制了程序控制无法实施或无法完全消除共同方法偏差，则应该在数据分析阶段考虑采用统计方法来对共同方法偏差的效应加以检验和控制。上面分别介绍了几种常用的统计控制方法，它们各自都有优缺点，那么究竟该采用何种方法呢？应该视研究情境而定，具体而言，研究者应该依次考虑以下三个因素：①能否识别共同方法偏差的主要来源；②所识别的方法偏差是单个还是多个；③所识别的方法偏差能否被有效测量。这三个因素的

-948- 心理科学进展 2004年 不同组合，其应该采取的统计控制方法大不相同（见图4）。

图4 共同方法偏差的统计控制法选择程序

首先，能否识别研究中共同方法偏差的主要来源？如果不能识别，可以考虑采用Harman 单因素检验，分离出一个标签变量或分离出第一公因子求偏相关的方法，以及将无可测方法的方法因素作为潜在变量的控制方法。这几种方法中，Harman 单因素检验虽然被广泛使用，但只能用于共同方法偏差效应的检验而无控制功能，并且极其不灵敏，建议研究者慎用；通过分离出一个标签变量或分离出第一公因子求偏相关的方法简单易用，控制效果明显，但用于检验共同方法偏差则比较困难，因为迄今为止还没有比较好的检验方法；相比而言，将无可测方法的方法因素作为潜在变量的控制方法能比较好地检验和控制共同方法偏差效应，因此当不能识别共同方法偏差的来源时，建议研究者采用将无可测方法的方法因素作为潜在变量的控制方法。

其次，当能够识别共同方法偏差的主要来源时，则应该进一步区分所识别的方法偏差是单个还是多个，以及能否被有效测量。在单个方法偏差的情况下，如果方法偏差能够被有效测量，那么研究者可以采用的方法有两种：分离出可测量的方法变异来源求偏相关或者直接测量方法因素并作为潜在变量。这两种的共同缺点是所识别的方法偏差能否被真正有效地测量还值得商榷，以及加入对方法偏差的测量可能导致对预测与效标变量测量的污染。相比之下，前者简单易用，或者更为精巧，建议研究者采用后者。如果所识别的单个方法偏差不能

第12卷第6期 共同方法偏差的统计检验与控制方法 -949- 被有效测量时，可以采用将非可测方法因素作为潜在变量的控制方法。

当研究者识别出多个共同方法偏差存在时，如果这些方法偏差不能被有效测量，研究者可以考虑的方法有多质多法模型、误差的独特性相关模型以及直接乘积模型。随着对于测量误差、方法与特质交互效应的考虑，这三种方法使用的复杂程度依次递增。研究表明，虽然特质、方法的交互效应有理论上的可能性并在某些情形下的确存在，但它们的效力并不大，而一个相对而言简单的MTMM 模型与复杂的误差的独特性相关模型以及直接乘积模型有同样的控制效果[17]。所以，建议研究者在面对多个共同方法偏差且无法测量时采用MTMM 模型。最后，识别出多个方法偏差且都能被有效测量的情况。这种情况在实际研究情境中很少见，因为方法偏差是不容易被有效测量的，即使能够被有效测量，建议研究者也不要对其测量并作为控制变量求偏相关或者作为结构方程模型的潜在变量加以检验和控制，因为这些加入的测量之间以及和所要研究的构念之间复杂的关系本身就会导致更加复杂的共同方法偏差，建议研究者依然采用MTMM 模型，用结构方程模型对MTMM 模型加以处理能够取得比较理想的检验和控制效果[19]。

参考文献

[1] Podsakoff P M, MacKenzie S B, Lee J Y et al. Common method biases in behavioral research: a critical review of the literature and

recommended remedies. Journal of Applied Psychology, 2003, 88(5): 879~903

[2] Livingstone L P, Nelson D L, Barr S H. Person-environment fit and creativity: an examination of supply-value and demand-ability

version of fit. Journal of Management, 1997, 23(2): 119~146

[3] Eby L T, Dobbins G H. Collectivistic orientation in teams: an individual and group-level analysis. Journal of Organizational Behavior,

1997, 18: 275~295

[4] 龙立荣, 方俐洛, 凌文辁. 企业员工自我职业生涯管理的结构及关系. 心理学报, 2003, 34(2): 183~191

[5] Harris S G, Mossholder K W. The affective implications of perceived congruence with culture dimensions during organizational

transformation. Journal of Management, 1996, 22(4): 527~547

[6] Burke M J, Brief A P, George J M. The role of negative affectivity in understanding relations between self-reports of stressors and

strains: A comment on the applied psychology literature. Journal of Applied Psychology, 1993, 78: 402~412

[7] Olkin I, Finn J D. Correlation redux. Psychological Bulletin, 1995, 118: 155~164

[8] Williams L J, Gavin M B, Williams M L. Measurement and nonmeasurement processes with negative affectivity and employee

attitudes. Journal of Applied Psychology, 1996, 81: 88~101

[9] Lindell M K, Brandt C J. Climate quality and climate consensus as mediators of the relationship between organizational antecedents

and outcomes. Journal of Applied Psychology, 2000, 85: 331~348

[10] Lindell M K, Whitney D J. Accounting for common method variance in cross-sectional designs. Journal of Applied Psychology, 2001,

86: 114~121

[11] 郭志刚. 社会统计分析方法-SPSS 软件应用. 北京:中国人民大学出版社, 1999. 87~114

[12] Anderson S E, Williams L J. Assumption about unmeasured variables with studies of reciprocal relationships: The case of employee

attitudes. Journal of Applied Psychology, 1992, 77: 638~650

[13] Bagozzi R P, Yi Y. Assessing method variance in mltitrait-multimethod matrices: The case of self-reported effect and perceptions at

work. Journal of Applied Psychology, 1990, 75: 547~560

-950- 心理科学进展 2004年

[14] Williams L J, Anderson S E. An alterative approach to method effects by using latent-variable model: Applications in organizational

behavior research. Journal of Applied Psychology, 1994, 79: 323~331

[15] Spector P E, Chen P Y, O`Connell B J. A longitudinal study of relations between job stressors and job strains while controlling for

prior negative affectivity and strains. Journal of Applied Psychology, 2000, 85: 211~218

[16] Marsh H W, Bailey M. Confirmatory factor analyses of multitrait-multimethod data: A comparison of alterative methods. Applied

psychological measurement, 1991, 15: 47~70

[17] Scullen M J. Using confirmatory factor analysis of correlated uniquness to estimate method variance in mltitrait-multimethod

matrices. Organizational Research Method, 1999, 2: 275~292

[18] Becker T E, Cote J A. Additive and multiplicative method effects in applied psychological research: An empirical assessment of three

models. Journal of Management, 1994, 20: 625~641

[19] 龙立荣. 结构方程模型：心理学方法变革的逻辑. 自然辩证法通讯, 2001, 23(5): 26~30

Statistical Remedies for Common Method Biases

Zhou Hao, Long Lirong

(Department of Psychology, Central China Normal University, Wuhan 430079)

Abstract: The problem of common method biases has being given more and more attention in the field of psychology, but there is little research about it in China, and the effects of common method bias are not well controlled. Generally, there are two ways of controlling common method biases, procedural remedies and statistical remedies. In this paper, statistical remedies for common method biases are provided, such as factor analysis, partial correlation, latent method factor, structural equation model, and their advantages and disadvantages are analyzed separately. Finally, suggestions of how to choose these remedies are given.

Key words: common method biases, statistical remedies, psychological method.