首頁員工協助專區組織面及管理面

好文章分享:績效分析的研究方法。 人事室
 
小魏雖然不是悟性很高的年輕人,但凡事喜歡追根究柢,若是沒有得到答案,絕不罷休。上次問了老王幾回有關戀愛及結婚的問題,還是沒有悟得真理,於是一天又追著老王,問道:「老闆,您認為小美真的愛我嗎?但請不要再叫我看鳥籠了!」老王回問他為什麼有這樣的疑問,小魏應答:「我就是不確定,才開始問我週遭的朋友,想統計一下有多少人認為小美是真的愛我。」老王拿出一幅圖(如圖一),說道:「情人眼裡出西施,仔細看看這幅圖後,告訴我在你的眼裡聖誕老人存在嗎?」小魏看了老半天,卻看不出啥玩意,便告訴老王:「老闆,您就別再折騰我了,上次叫我看鳥籠,這次叫我看霧煞煞的圖像,我真的看不到任何東西。」老王回道:「如果你還是用以往的眼光看事情,永遠看不到事情表相下的真象,這叫看不穿,參不透啊!」於是小魏換一種方法,將兩眼的視線聚焦成一點,專心注視圖像,沒過多久,便驚叫:「老闆,我看穿了,圖裏真的有個立體的聖誕老人,還有一副鈴鐺呢!」並若有所悟喊道:「我瞭解了,我不應該太拘泥於世俗的眼光來看待我與小美的愛情。」
隱藏立體圖(Stereogram),內有聖誕老人及鈴鐺的立體圖像
圖一:隱藏立體圖(Stereogram),內有聖誕老人及鈴鐺的立體圖像
  隔了幾天,小魏又面帶疑惑向老王問道:「老闆,我應該和小美結婚嗎?因為統計顯示『男女朋友相愛愈多,就愈可能結婚』,我想瞭解我與小美是否相愛很多。」老王聽了不加思索回道:「若是統計顯示『活得越長的人,過的生日也越多』,你會認為慶祝生日有利於延長壽命嗎?」小魏似懂非懂的回到座位。
   有一天老王帶著小魏到一家企業進行績效分析,這家企業業務部門的年度業績雖然打平,但是沒有達到預期目標,所以請老王來進行績效問題診斷。兩人開車前往,由小魏駕駛,一路上只要經過十字路,小魏總是在十字路口時加速,急速通過,然後再減速。老王被小魏的駕駛方式弄得心驚膽戰,問他為什麼要這麼開車,小魏回答:「老闆,是這樣的,從統計學的角度來講,十字路口發生事故的機率最高,所以我要盡可能的減少在十字路口的時間。」
  在回程的途中,老王便問小魏是否發現這家企業的業務績效問題,小魏答道:「我查看了業務部門的業務報表,發現他們的業務收入增加,代表他們業務能力增加,但是卻沒有任何餘絀,因為他們的業務成本同時增加,把收入抵減了,代表他們控制成本能力還有待提昇。」
  從上面的故事及對話,不難理解小魏的悟性仍然有待加強,原因是小魏在分析事情時太偏於理性的觀點,喜歡將複雜的問題簡化成數理的假設,希望以「客觀」的數據推論及理解「現象」的發生,例如小魏想以統計的方式去瞭解小美是否真的愛他,或者顛倒統計上的因果關係,例如結婚是否可以驗證相愛多少的假設。習慣以量化或統計的方式去理解或處理事情的發生,比較無法看清事情的全貌及發生的深層原因,有時容易做出錯誤的決定,或者不容易找到問題的根源。例如小魏在通過十字路口喜歡加速,減少在十字路間的時間,就以為可以降低肇事的機率,然而加速再減速反而會增加肇事的機率;又如小魏從報表數據看到的業務績效問題,只是問題的表像,並沒有找到業務成本增加的真正原因。
不同專長會用不同觀點

  老王終年忙著經營他的績效顧問事業,趁著暑假時間想稍事休息而參加一個非洲觀光團,同團的觀光客除了老王是績效顧問外,還包含一位生物學家、一位統計學家、一位企業家及一位法官。一天,導遊帶著這群觀光客在風景如畫的非洲大草原遊覽,看到一大群的羚羊在草原奔跑,這位導遊介紹說:「非洲所有的的羚羊都是棕色的。」正當他們坐在吉普車上向前奔馳,欣賞大自然的美景時,司機突然停下來,用手指向地平線的一方。
  生物學家首先尖叫起來:「看,那裡有一群羚羊,而且有一頭白色的羚羊!太神奇了,非洲竟然有白羚羊,這個發現會讓我們出名的!」
  統計學家接著說:「我們只知道那裡可能有一頭白羚羊,這可能會推翻非洲只有棕色羚羊的理論,但是這個發現目前在統計上還不顯著。

  法官也說:「我們還不能判斷那是一頭白羚羊,我們只能說那裡有一隻身體一面是白色而且長得像羚羊的動物,證據不夠充份,還不能下結論。」
  企業家卻說:「哇!讓我們把那頭白羚羊抓起來,然後繁殖,我們就可以賺大錢了!」
  老王則驚呼:「嘿!我們應該要瞭解為什麼會有白羚羊在那裡出現!」
  由於背景及經驗不同,每個人遇到異常的事情,反應會不一樣,如同上述的故事般,有人會因為發現異常而想出名,有人會對所有的異常抱持謹慎懷疑的態度,需要進一步驗證,而商人看到異常就看到商機,學過統計學的人懂得以統計的方法去推論異常發生的可能性(機率),而績效顧問則會追查異常發生的原因,並且會綜合各種分析與研究的方法,包含統計研究法,去發掘與驗證問題的根源。
量化研究(Quantitative Research)
  管理學強調的是化繁為簡,所以經常運用量化研究的方法,試圖將複雜的現象,以質化量,並用統計分析的方式去驗證簡單的數理描述或推論,例如台灣中小企業佔絕大多數(現象描述),或者由於中小企業的資源有限,台灣企業普遍不重視員工教育訓練(現象推論)。而以上面的描述及推論為例,在進行量化研究時,首先就要將欲觀察的現象建立命題或形成假設,並將質性的名詞如中小企業、資源、重視、員工教育訓練轉化成可衡量的數據指標,例如員工數或營業收入來衡量企業的規模,或者將投入教育訓練活動的經費佔營業收入的百分比代表企業重視員工教育訓練的程度。一旦研究內容製作成量表如問卷,量化研究接下來進行的就是如圖一所示收集、分析、發現、解釋、陳述資料的程式。而管理學者常將欲研究的管理問題設定為具有因果關係的假設,例如員工的能力愈強是否績效表現愈好,然後以統計的方法驗證這些關係的存在及測量的信效度;信度代表測量的可靠性包含量表試題的一致性及不同測量結果的穩定性,而效度代表測量結果的準確性。量化研究法雖然是「化繁為簡」的科學,但卻不是一門簡單的學問,研究者必須受過專門的訓練才能不出偏差,衍生爭議。
量化研究的程式
圖一: 量化研究的程式

  西方便有句諺語:「世上有三種謊言:謊言,該死的謊言,統計」,意指統計若有偏差,是比謊言還糟的謊言,甚至常會被濫用。由於大眾對統計研究方法的陌生,所以許多濫用統計結果的人常會用「以偏概全」、「忽視樣本偏差」或「規避信效度」的方式,刻意作出圖利自己的結論。當然,對統計研究的誤用也可能係出於無意,這常發生在引用別人的研究發現,當被引用的研究結論被輕率地概化(Generalization),超過了研究主體所能代表的範圍,卻套用在自己的研究論述上,誤用就發生了。舉例而言,如果台灣的數位學習研究引用歐美研究的數位學習理論或模式,卻沒有顧及這些理論或模式是否適用於社會文化情境非常不一樣的本土學生,而導出新的理論或模式,這就很可能產生誤用的狀況。
質性研究(Qualitative Research)
  筆者絕對無意貶抑以統計分析為主的量化研究,由於量化研究方法經過幾百年的進化,已證明是科學研究的有效方法,至今仍是自然科學與社會科學的主流研究方法,甚至仍有許多「科學家」認為質性研究的方法及其產出的理論過於主觀,無法客觀地驗證而變得「不科學」,因此不接受質性研究。但是許多社會或自然現象很難以簡化的理論或模式來概化,特別是涉及人性的社會現象,其發生往往都是在特定的情境下,人事時地物的情境因素不僅難以精準地量化,而且因素間的關係往往是動態性的交錯變換,更難以事先設定成相關性假設,然後以統計學的方法推論及驗證彼此間的因果關係,無法進行量化研究,也只能選擇質性研究。若以生物學深具影響力的「進化論」為例,便可以說明質性研究在科學研究上的重要性,當時達爾文主要就是以質性研究的方法,在南美洲的東岸及小島,經過5年對許多生物與其生態之深入觀察及研究後,所歸納出來的一個系統性的見解,用來解釋生物的多樣性及複雜演進過程。
  質性研究為自然探詢(Naturalistic Inquiry)的研究方法與程式,如圖二所示,質性研究也起始於研究問題的界定,選定要研究之現象的問題及範疇,主張在沒有經過設計或變更的自然情境下,採取多種資料收集的方式,包含過去研究的文獻或量化調查,對界定過的社會現象進行綜合性的研究分析;而質性研究的資料分析主要為歸納法,將收集的資料重複地整理、拆解、編排、組合及歸類、歸納出有意義的樣式(Pattern)及類別(Category),或整理為概念(Concept),再多方驗證概念是否足以形成理論,若是概念不足以形成理論,則要再收集更多的資料及進行資料分析,直到概念中類別的組成及彼此間的關係非常明確,無法再擴展或補充,足以形成理論為止。
質性研究的程式
圖二:質性研究的程式
  質性研究與量化研究最主要的差異有三,第一,質性研究的目的著重於瞭解發生的現象,特別是複雜現象發生的原因與影響,因此通常會比量化研究就界定的問題進行更全面及更深入的研究分析。第二,質性研究主張理論的形成必須紮根於所收集的資料,所以不像量化研究,先預設理論,再收集資料,經由統計分析去驗證理論,而是在反覆地分析及歸納資料的過程中,理論是逐漸出現及成形的(Emerging)。第三,質性研究的科學性及信效度主要是依賴資料收集及分析的多方及相互驗證,稱之為三角驗證(triangulation),而非量化研究的統計分析而已,所以質性研究需要收集不同來源的資料,包含研究者本身對研究現象的觀察及經驗,以多種的分析方法,包含統計分析,去驗證理論的建立,包含以既有理論去驗證新理論。下表為研究社會現象之質性研究與量化研究的比較:
質性研究
量化研究
社會現象的設定 主觀的存在 客觀的事實
研究的主要目的 瞭解與詮釋 揭露與描述
理論 研究的產物 研究的起始
理論建立 在反覆的研究過程中成形 事先假設
資料收集 依賴多方來源與多種方法 以測量的量表為主
研究資料的特性 豐富且深入 量化、可靠及準確
資料分析 歸納為主 統計分析
研究程式 反覆及演化的程式(如圖二) 通常是線性程式(如圖一)
研究者的角色 研究的局內人,參與者 研究的局外人,執行者
研究者的價值觀 受特定的價值觀影響 價值觀中立
研究的主體 特定情境的人事時地物 研究母體與樣本
主要的研究方法 個案研究
田野調查
民族誌(Ethnography)
歷史研究
評量研究(Evaluation)
實驗研究
調查研究
相關性研究
  舉前面虛構的非洲觀光團事件為例,假設老王想瞭解為什麼在「所有非洲羚羊都是棕色」的認知下,卻發生有一隻白色羚羊的現象,老王便可以質性研究的方法找到答案,首先界定研究問題為「在此國家公園內的非洲羚羊為什麼會有白色的羚羊出現」,如此的問題界定可以讓老王專注於特定區域及特定對象做更深入的研究。
  所以老王可以透過觀察、訪談、參考國家公園的生態資料、過往研究文獻、量化問卷調查、甚至對這隻白羚羊的生理檢查等方式收集資料,再將龐大的質性或量化的資料整理成豐厚的描述(Thick Description),然後將這些資料反覆地拆解、編排、組合及歸類、找到有意義的樣式(Pattern)及類別(Category),例如從調查及訪談的資料發現這隻白羚羊是在最近3個月內才出現的,並會在固定的時間出現在固定的地點做同樣的事,而且從文獻發現這個季節是羚羊的交配季節;老王也可藉由觀察的方式發現白羚羊的體型是否異於棕色羚羊,追蹤白羚羊平常生活的地點與生態,瞭解白羚羊在此區域出現的可能原因,並進一步以基因鑑定的方式確認這隻白羚羊是否為非洲原生或外來的品種。如此的質性研究方法,可以幫助老王找到一隻白羚羊為什麼會出現在非洲一個國家公園的真正原因。
個案研究方法(Case Research Method)
  在績效科技領域,績效問題都是發生在特定的組織情境下,加上問題的根源經常錯綜複雜,變數特別多,難以設定成簡單的假設去驗證問題的發生及影響;再者,針對某一特定情境所發展的解決方案也難以概化,不能適用於不同情境的問題解決。因此,績效分析通常採取相對於量化研究的質性研究,又因為每一個組織都有其特殊的情境,每一個績效分析專案的執行與結果,都應該以單一的個案待之,個案研究方法自然成為績效分析常用的質性研究方法。
  個案研究法屬於質性研究的方法之一,其研究的本質與程序都如前表及圖二所描述,惟與其他質性研究方法最主要的差異在於研究問題的界定,個案研究的主體是受空間及時間界限的系統,因而稱之為個案(Case),例如針對公務人力發展中心的e-learning系統在實施階段所發生的問題進行個案研究,而系統可能是一個人、一群人、一個場域、一個組織、一個生態、一件事、一個行動,或是一項與人有所互動的科技,而且如系統的組成般,一個個案可以由好幾個個案組成,例如針對員工e-learning能力問題之個案研究,可以選擇部門內幾位員工(個案)進行研究,所以研究者要視個案研究的問題與目的,進行單一個案(single-case)或多重個案(multiple-case)的研究。
  個案研究的內容主要以此個案系統運作產生的現象或問題為起始點,進而瞭解現象發生的原因及結果,並歸納出可以解釋現象發生的理論,因此個案研究的資料分析著重於現象發生的情境與脈絡,藉此釐清現象的來龍去脈,找出發生的根本原因,而非只是尋找現象發生的變項因素而已。例如上述e-learning問題的個案研究,若只是確定e-learning問題的變項是不夠的,如使用者的能力或是系統的技術效能,除了要收集及分析公務人力發展中心建置e-learning系統的背景及情境資料外,也要收集及分析與e-learning系統有切身關係者的資料包含系統的主管、建置人員、維護人員,以及使用者,更要就問題發生的可能途徑進行探索性的分析,才能建立解釋現象發生的理論。
  顧名思義,個案本身就有其獨特性,因此個案研究必須對個案有全面且深度的描述及分析,因為是在特定情境下歸納或發展出來的,個案研究的結論或理論通常只適用在相同或類似的情境,例如公務人員使用e-learning系統的個案研究不宜套用在私人企業員工使用e-learning系統的個案研究上。而筆者在上篇專欄提出下列績效問題分析的六項原則,也同樣適用在個案研究上。
1. 掌握重點-根據研究問題與目的,收集與分析資料。
2. 跳脫框架-研究時,不要有先入為主的觀念或偏執。
3. 善用外力-借用多方研究資源,以團隊方式進行研究。
4. 追根究柢-建構現象發生的脈絡,找出根本原因。
5. 系統分析-運用系統性思維與方法,分析資料及歸納結論。
6. 多方驗證-以多元資料、多種方法及多位研究者,進行三角驗證。
  就績效分析最常運用的個案研究方法而言,績效顧問個人在質性研究方法的學識及經驗是非常重要的,筆者並非排斥量化研究方法,反而在從事績效分析時,經常會運用到各種量化研究的方法,但是套用諾貝爾物理學獎得主盧瑟福(Ernst Rutherford)所說的話「如果你的實驗需要統計學,說明你的實驗做得不夠好!」,如果績效分析的結論還需要用統計學來驗證,代表你的績效分析做的不夠好。

(作者為中國文化大學特聘教授)