组织行为与领导力最新成果综述(3)

　　3研究的创新和未来的方向
　　
　　这里我们首先列举在理论、方法和范式上颇有创新的研究，其次我们提供影响非常大、显示组织行为研究者以更宽广的视野研究问题的典范。最后我们对于未来的研究方向提出建议。
　　
　　3.1理论的创新
　　
　　近年来，在领导力领域中出现了一些理论上的创新。这些理论虽然还算不上是很宏大的理论， 但其研究问题的视角值得关注。
　　
　　功 能 型 领 导 理 论（Functional  LeadershipTheory）。功能型领导理论认为，领导的作用是保证被领导的个人或团队能够完成任务，因此领导行为涉及监控下属的状态，发现下属在当前任务状态下行为的不足并予以完善。Morgeson, De Rue和Karam  （2010）将该理论引入到团队研究中，将团队领导力定义为，为提高团队效率而满足团队需求的过程。Morgeson等人（2010）根据所处位置和正式性对团队领导力做出区分。领导力的位置维度表示领导是团队内部成员还是团队外部人士；正式性维度则表明，领导对团队绩效所负的责任是组织规定的（正式的）还是无直接责任（非正式的）。这就产生了4类团队领导力：内部正式型领导是团队内部有正式任命的领导，即团队领导或项目经理；外部正式型领导是正式指定的非团队内部成员担任的领导，被称为团队赞助者、教练或顾问；内部非正式型领导表示领导职责分布在团队中，或团队中存在自发形成的非正式领导；外部非正式领导则是致力于达成团队关键需求的外部个体，包括团队导师、执行协调员等。
　　
　　Morgeson等人（2010）从相关文献中总结精炼出了15个维度的团队领导力功能。在团队策划任务和任务过渡阶段有7个功能维度，包括组建团队、确定愿景、建立预期和目标、规划任务、训练队员、解释任务要求、提供反馈；在团队任务执行阶段有8个维度，包括监控团队状态、管理团队和外界的关系、挑战团队、直接参与任务的完成、解决问题、提供资源、鼓励团队成员自我管理、提供人际支持系统。
　　
　　多团队系统中的领导力（Leadership  in  Multi-team System）。随着当今社会所要求任务的复杂性逐渐增加，以及逐渐激烈的竞争，多团队系统在许多组织中都有出现，并且其形成经常是为了应对灾难等需要协调多方力量的紧急性事件。这些任务通常都极富挑战性，需要许多之前并不相识的、掌握多种技能的、处于不同领域的团队间进行合作协调来完成任务。与零散地将几个团队相加不同，多团队系统要求团队网络至少有一个共同的目标，并且团队间是互相依赖的。多团队的背景要求领导这一角色在高于个体、单一团队水平，但又低于组织水平的单元内发挥协调作用，促进任务的完成。这些需要管理的单元经常还会跨越不同的组织机构。
　　
　　多团队系统是研究领导力的一种重要组织背景。一是因为多团队系统涉及了组织内部的复杂互动，与以往对领导力的研究较多关注组织顶层领导采取的策略或团队经理与直接下属间的互动不同，多团队系统的领导在指导其直接团队下属之外，还需要保持和与之有重要关系的团队及该团队领导间的互动和沟通联系。二是多团队系统的任务通常都是非常规性、充满挑战、极富动态的，对团队的绩效要求较高，如果任务完成失败，后果也将很严重。但目前对多团队系领导力这一领 域 的 研 究 还 较 为 缺 乏，  Zaccaro,  Marks和De Church  （2012）的回顾表明，多团队系统中领导力的最优结构分布目前还没有统一的答案，但促进多团队系统中各组成团队之间的相互融合，是多团队系统领导力的一个关键性功能。要最优化多团队系统的绩效，就需要一种能够有效连接不同团队，改变团队的自我利益和互相竞争导向，促进团队间合作和协调的领导力。Lanaj, Hollenbeck,Ilgen,  Barnes和Hormon  （2013）发现，集中的领导结构（centralized）比分散的（decentralized）的结构更利于多团队系统的任务表现。
　　
　　共享领导力的网络结构（Network  Perspectiveon Shared Leadership）。对共享领导力结构的研究的创新体现在借鉴网络理论和方法来研究这一现象。De Church等人提出了一系列新的在多团队系统中共享领导力结构的量化指标。这种方法在描述团体中领导力模式的同时，还可以对这种领导结构模式的前因变量及结果变量进行推测和检验。Contractor, De Church, Carson, Carter和Keegan（2012）等 归 纳 出 共 享 领 导 力，或 集 体 型 领 导（collective  leadership）的3个主要特征。第一个是集体型领导的形式，共享领导力情况下团队中的多个个体都会扮演领导的角色，因此需要考察领导力分布的集中度和领导关系的方向。第二个是领导关系的多重性（multiplexity），集体型领导包含多种不同的功能或角色。第三个是集体型领导的动态，在集体型领导中多个个体会扮演多种角色，而这种关系多重性还会随着时间发生改变，因此在研究中还需要加入时间这个因素。他们使用网络分析法将集体型领导的3个关键维度--成员集中性、角色多重性以及时间稳定性--进行了模型表示，描述出团队中的哪个个体在哪个时间扮演了何种角色。同时，他们还发展了使用社会网络分析方法对集体型领导进行研究的具体步骤。
　　
　　3.2方法与范式的创新
　　
　　近几年主要的研究方法创新体现在出现了整合 的 多 层 模 型 分 析 方 法 .Preacher,  Zyphur和Zhang  （2010）提出多层模型中介关系的估计应该抛弃零散检验的方法，而应该将模型中所有的关系整合在一组方程中进行估计，从而提供更准确的点估计值。在对中介效应的置信区间进行估计时，应该采用基于bootstrapping思路的方法，以解决中介效应分布违反正态分布假设时可能出现的问题。传统上检验两水平嵌套型数据中介效应使用的多层模型（MLM）范式有多种缺陷。首先，MLM范式在处理多水平数据的中介效应时，将组间效应和组内效应合并在一起不加区分。然而，所有涉及到二层变量的中介关系其实都只有组间成分的效应需要考虑，混合了组间和组内效应的斜率就会产生一定程度的偏差，进而导致得到的中介效应也有偏差。以往研究在水平1中使用经过组均值化的预测变量和该变量的组均值来区分出组间和组内效应，但把组均值作为预测变量在每个组的潜在表现会带来对组间效应估计的偏差，尤其是在组内相关较小时这种偏差会更明显。此外，传统的MLM模型只能用于一个变量影响与其同水平或低水平变量的“向下的”因果链，对于“自下而上”型的中介关系无法进行检验。因此，以往对此的检验都要使用两步、聚合或解聚的分析方法，即先使用最小二乘回归法得出自变量X到中介变量M的效应成分a,再使用MLM得到M到因变量Y的效应成分b,两者相乘才能得到间接效应的值。这种方法不能同时估计多个系数，在模型较为复杂时缺点会更加突出。
　　
　　针对上述问题，学者们提出多层结构方程模型（MSEM）的方法，将水平1变量的组水平成分以潜变量的形式区分出来，并且不需要结果变量是水平1变量，也不需要两步的分析方法。使用MSEM,还可以将体系中的任意变量指定为潜变量，并且其在模型拟合度的解释上也更有实际意义。
　　
　　Baldwin和Fellingham （2013）的研究关注了多水平模型中小样本或复杂结构型数据的统计推断问题。传统上使用（限制性）最大似然法对这种复杂的多水平数据进行检验时，为保证对固定效应的推断结果是正确的，对标准误和自由度经常需要进行校正。但这种校正方法并不能解决对方差/协方差成分以及组内相关性估计的偏差问题。另一种校正方法是贝叶斯方法，能够对固定效应以及方差/协方差系数都进行精准的推测。Baldwin和Fellingham  （2013）在 一 种 部 分 分 组 的 干 预 研 究（partial-clustered  intervention  study）情境下，对比了似然校正法和贝叶斯方法的优势及不足。结果表明，二者在检验固定效应时，在偏差、效力、覆盖率上的表现都是同等优异的。而在类别方差上的表现则有明显差别，使用贝叶斯分析法，如果选择了一个合适的先验值，由于其估计的收缩性，得到的方差估计结果更为有效，相较似然法与群体方差值更为接近，这种优势在样本量较小时会更加突出。因此，使用贝叶斯分析方法对部分分组的多水平数据进行处理是更为可靠的。但应注意，尤其是在样本量较小时，应慎重选取合适的先验值。
　　
　　此外，计算模型的研究范式已经被更多的研究者提出应该应用到微观组织行为的研究中。其中Vancouver和他的合作者报告了一些计算模型范式的研究例子。Vancouver的研究主要采用的是系统动力学的范式（system  dynamics）。Kozlowski和 合 作 者 也 给 出 了 基 于 主 体 建 模（agent-basedmodeling）的例子。
　　
　　2010年， Vancouver和他的合作者（Vancouver,Tamanini, & Yoder, 2010; Vancouver, Weinhardt, &Schmidt,  2010）指出，近年来组织和管理科学领域的研究开始越来越多地采用长时研究的范式，这种范式的不足在于内部效度不够理想，并且也难以区分对相同过程的不同理论解释效力的大小。他们提出采用动态计算模型的范式，对解释关键变量（或构念）是如何随时间变化相互影响的理论进行数学规范化。这种数学设定后的理论能够被模拟出来，从而检验系统内的变量是如何从给定的初始值开始变化的。Vancouver等通过几个例子说明，将动态计算模型应用于组织科学中的动态、复杂性现象，能够在改善理论和研究结果间的关系上发挥多种作用。
　　
　　Kozlowski,  Chao,  Grand,  Braun和Kuljanin（2013）提出，多水平理论的研究中缺少了对从个体心理特征、个体间接触等简单低水平开始、而在高水平发生聚合展现出的自下而上关系的定量研究。他们引入了计算模型或称为基于主体的模拟方法，发展了一种能够将这种自下而上的聚合型现象展开为一个动态过程进行检验的、更为直接、具动态性和时间敏感的定量研究方法。计算模型能够对理论机制进行精准正式的数学规范，并只需通过几个必要的规则来模拟有待研究的现象，能够在建立理论和开展虚拟实验上发挥多种作用。传统对这一现象的研究都采用了定性或非直接性定量方法，因而，如果在研究这种多水平聚合型现象的动态过程中引入计算模型的研究范式，将会带来很大的优势。