共同方法偏差（common method biases）
目录 |
共同方法偏差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。[1]
共同方法偏差很大程度上影响了研究结果，因此研究其来源具有重要的意义。共同方法偏差的来源包括：
（1）方法出自同一个来源或评价者
（2）问项的特征
(3）问项的内容
（4）测量语境的影响
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。
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。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。
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。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。
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，这类方法一般有三种：分离出可测量的方法变异来源、分离出一个标签变量、分离出第一公因子。
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。
共同方法偏差对测评的影响，一是表现在行为测评的数据上，另一是表现在测评数据之间的相关上。
人们认识和探讨共同方法变异对行为测评的影响，大多依据对多特质-多方法(mulitrait - mulimnethod ，简称MIMM)研究的元分析。Cote 和Buckley所提供的依据，或许是最全面最有说服力的。他们考察了70项MIMM测评研究中的共同方法变异，这些研究所涵盖的领域包括心理学、社会学、营销学、教育学等。他们发现，在通常的测评研究中，大约四分之一(26.3 %)的变异是由共同方法偏差之类的系统误差造成的。而且，他们还发现，方法偏差所导致的变异大小，因学科和所研究的构想类型(the type of construct)而异。
一般说来，营销学研究领域的方法变异数最小(15.8%) ，而教育学研究领域中的方法变异数最大(30.5%)。在通常的工作绩效测评中，方法变异数平均为总变异数的22.5% ，而在态度测量中，方法变异数则平均可达总变异数的40. 7%。Wlliamn 等在对应用心理学文献的研究中，也发现同样的模式。
此外，越来越多的研究探讨了共同方法变异对测评间相关关系的影响。这类研究比较了共同方法变异受到控制和未受控制条件下，变量之间相关程度的大小。研究结果发现，平均而言，存在共同方法变异时，其变异数约占35%；而控制共同方法变异时，其变异数约占11%。这足以表明，共同方法变异对不同构想测评数据之间的相关系数有着很大影响。而且，还有研究表明，方法因素导致的偏差因研究背景而异。