一、變量的屬性設計和尺度
概念名詞界定清楚之後，接下來便是變量設計，變量設計包括三項內容:操作變量設計、變量的屬性設計尺度選擇。
變量是可測的名詞。一項科學研究,特別是實證研究,需要定量的數據作爲分析基礎，總免不了處理許多變量。有些變量如溫度、日產量，可以直接測量。另一些變量，內涵雖很清晰，但直接測量有困難。例如勞動生產率這個詞，概念上是國內生產總值除以職工總數，但在收集數據計算時，還會有不同理解，需要作出具體說明，如職工總數，是指在冊的職工人數，還是包括臨時工、合同工。“職工總數”是名義變量，而操作變量可能是“企業在冊職工數”，或“在冊職工加合同工總數”。
將名義變量轉換成操作變量是變量設計的重要內容。如1993年頒佈的《中華人民共和國教師法》規定，“教師的平均工資水平應當不低於或者高於國家公務員的平均工資水平,並逐步提高”，但到現在還沒有看到這項規定的執行情況報告，這些年教師與公務員比較起來，平均工資水平到底是高還是低，差別有多大，誰都說不清楚。究其原因，是按此規定表述的命題去測量和檢驗，操作有難度。“平均工資水平”是名義變量，要計算的話，還須轉換成合理的操作變量，並要清晰界定每個變量的含義，如平均工資水平，是指所有教師和公務員而言，還是各類學校教師與相應類型的公務員比較。工資指基本工資還是包括績效工資在內的實際工資，這些細節不交代清楚就無法統計。
變量必須可測。這意味着該名詞(概念)的某種屬性有量的差異，如“職工人數”這個變量指職工羣體的數量，它的屬性就是人數。“工人性別”這個變量的屬性，只有男性或女性。“工人年齡”變量的屬性可以設定爲青年、中年、老年三種，也可以設定爲18歲到60歲之間的數字。
變量是屬性的集合，不同的屬性要用不同的尺度來衡量屬性之間的差異。“職工人數”的屬性集合就是大於1的數，所用尺度是定比尺度。如“1000人”就是表示“職工人數”的一個屬性。“工人性別”的屬性集合只有男、女兩種，屬於定類尺度變量，將工人按男或女的屬性分類。“工人年齡”如設定其屬性爲青年中年、老年，也屬於定類尺度，如設定爲18到60歲，則屬定比尺度。如設定“職工學歷”變量，可以採用定類尺度，分本科、碩士和博士等。如需要對各種屬性排出優先順序，可採用定序尺度，例如招聘職工中按學歷指標優先排序，設定爲本科、高中、碩士、博士、初中， 則定序尺度相應標爲第一至第五。
研究工作總是離不開研究變量之間的關係,變量是可用數值來測度的名詞、概念,有些變量只有兩個數值,即0-1變量,如“性別”作爲變量只有兩個屬性:“男”或“女”,炮彈的狀態只有爆炸和不爆炸。當然屬性也可增加,如個人所屬民族,分別可用“1,2,3,4,5,..”表示“漢、回、蒙、藏....。.如表示汽車品牌,長安爲1,吉利爲2,捷達爲3等。這些變量都屬於離散型,一般不能用小數如3.2來表示。另一類變量則是連續型,如年收入、考試成績、年齡等,可以用小數表示。
工人總數、年齡、學歷這類變量和屬性的測度還比較直觀,可以用單項指標來完成。有些情況下變量要求用多項指標來測度,涉及多維度屬性。管理研究常遇到這類變量,如滿意度、凝聚力、執行力等,不像長度、年齡、重量等變量能用單一指標測度,研究者往往要設計一套多項指標來間接測度這類變量,這是管理研究的難點,但也爲管理研究者提供了特有的研究空間，設計出一套有效的測度指標，就是一項研究工作結果。
二、變量操作化過程
從假設到變量設計要經過一系列轉換和細化的環節,這些環節構成了論文工作中有個人特色的實體研究內容。研究生不能忽視和輕視這個轉換和細化過程,正確地完成各個環節的工作並非易事。下面舉例來說明這個過程。
民間有諺語“紅顏薄命”,這實際上是個假設,有人憑自己的觀察和感悟提出這個論點,別人聽了也覺得有道理,說得深刻，於是逐漸傳播開來,但要作爲科學結論,那就要論證。“紅顏薄命”,按字面可以理解爲“漂亮女人的命運不好”,如用假設的語言來表述,即“凡是夠得上‘漂亮’的女人,命運都不好”。或者另一種表述:“女人的顏值與命運呈負相關”。不論何種解釋,所研究的對象是“女人”,這個假設涉及兩個變量:“顏值”和“命運”。這兩個變量的屬性可設置爲離散型,比如,顏值的屬性可以是“很漂亮、漂亮、一般、醜”;命運的屬性可以是“好運、一般、薄命”。
如果屬性設置爲連續型,則可以按照顏值的漂亮程度和命運的好命程度用數值表示,如1...5。其中5爲最漂亮,命運最好。爲了實證,滿足收集數據的要求,這個名義變量還須轉化爲可測的操作變量。儘管現實中還找不到科學儀器來測量顏值、命運,但作爲科學研究,必須解決可測的問題。
這種情況下，有兩種解決問題的途徑。一種是邏輯推理的方法,另一種是直感判斷法。
邏輯推理的方法是,找不出直接測度“顏值”或“命運”的辦法,就要根據“顏值”或“命運”的外延,設計出幾個指標來間接測度該變量。這裏引出了指標這個名詞。前面提到,論點樹中衍生到操作層次的論點稱爲操作論點,其中的變量便屬操作變量。這些操作變量,有的可以直接測度,有的不行，就要尋找一組能直接測度的變量來測度它,這種可據以直接收集數據的變量,在實用中常稱之爲“指標”，多個或多層指標便形成“指標體系”。
設想“顏值”可轉換出容貌美、體態美和風度美三個變量,這離可操作性的要求接近了一步,但還不能直接測量,於是再分解出下一級變量,如體態美分爲身高、體重身高比、三圍腿長身高比等。身高等這類變量可以直接測度,可稱之爲指標，使用這套指標就能間接地測出體態美的量化值。變量設計到這一步纔算基本結束,後續工作包括操作變量屬性和尺度的設定。“命運”也是類似的情況，需設計一套可供操作的指標體系。
直感判斷法是找一些專家,憑直感作出顏值和好命程度的主觀判斷。後面問卷法一節中將要討論,即使是主觀判斷,讓專家回答什麼問題也是大有講究的,不能直接問:“這個人命好嗎”“這個人漂亮嗎”。因爲回答問題的專家,對好命和漂亮的概念有不同的理解,這些直接答案缺乏可比性和一致性,從統計上來說就沒有多大意義。像已經很成熟的“智商”測試問卷,不是去問當事人,“你智商如何,請從7個等級中作出選擇”,設計得好的智商問卷,應讓被測者意識不到這是在測試智商。直感判斷法同樣要設計一套類似操作指標體系的問卷。
從以上討論可以看出,像“紅顏薄命”這類常見的假設,要按科學方法論證起來，可不簡單。如真的把上例作爲一項研究工作來做,能將“顏值”和“命運”這兩個概念的可操作性指標體系設計出來,本身也就是一項有價值的研究工作。管理研究中,往往碰到這類抽象概念,如“凝聚力”“開放度”等。所以，管理類學位論文中,從假設提出到操作變量及測量指標的設計,其間的轉換和細化工作是大有文章可做的。
從名義變量轉換成可測的操作變量和指標的過程，有兩個問題值得注意。
一是變量和屬性不能混淆。屬性表示變量在類型或程度上的差異，總是有伴生的可比概念,而變量是相對獨立概念。比如，性別是變量,屬性有“男”,還有伴生的“女”。在一篇論文中,不能將同一概念既當作變量又當作屬性處理。比如文章前面設定了“顏值”爲變量,“漂亮”或“很漂亮”是屬性,後面就不能又將“漂亮”視爲變量,並賦予一套關於漂亮的屬性。不過,這種混淆變量和屬性的情況在學位論文中時有發生。
二是從名義變量轉換到可直接測度的指標，要論證各環節的有效性，有的論文涉及名義變量如“企業創新型”“企業績效”等,在實證測度此變量時，卻簡單地依靠問卷中的一個認識性問項：“你認爲本企業的創新性(績效)屬於：很強(很好)，強(好)，一般，差，很差。”面對這樣的問題和選項，企業職工只能憑藉個人印象給出答案。這些答案彙集成的數據，其有效性就難以令人信服
文章來源 | MBA學位論文研究及寫作指導
文章作者 | 李懷祖