第三章 研究設計
第六節 後設分析之實證方法
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
48
第六節 後設分析之實證方法
後設分析的實證方法必頇計算出效應量(effect size)，效應量是一種以標準差 為單位的量尺，因而不同類別的概念可以互相比較，也就是每篇文獻做為樣本計 算出之效應量間可以互相作為比較之基準。Cohen（1977）定義效應量為母體中 呈現某一現象的程度，當值越大，某一現象在研究中的顯現程度也越大。而此研 究中效應量即是家族企業績效大於非家族企業績效的程度。使用的是標準化平均 數差異的效應量指標（standardized mean difference effect size indicators）中的 Cohen’s d：
其中
σ
pooled＝〔（n
1－1）SD
12＋（n
2－1）SD
22/n
1＋n
2－2〕
1/2n
1：家族企業的樣本數n
2：非家族企業的樣本數SD
1：家族企業績效的標準差SD
2：非家族企業的標準差將所蒐集之各篇文獻中，家族企業與非家族企業績效的兩群體平均數差異之 相關數據，包括家族企業與非家族企業績效平均數、樣本數（n1、n2）、標準差
（SD1、SD2）等帶入上述公式，即可在每篇文獻都算出一個 d 值，來說明家族 企業績效大於非家族企業績效的程度。此時再將各個 d 平均算出平均效應量，
即可得知此篇研究對家族企業與非家族企業績效比較的一般化結果。
除了說明家族企業績效大於非家族企業績效的程度外，另外尚可利用樣本特 性中的文獻類型、文獻蒐集樣本期間、特定產業、文獻蒐集樣本數、家族企業定
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
49
義寬鬆程度等作為家族與非家族企業間績效關係的干擾變數（moderator），去 探討在不同的干擾變數下家族與非家族企業績效關係的影響。其作法為將每一篇 文獻算出之 d 值，歸類在上述干擾變數的不同編碼區間中，被歸類在同一區間 即可算出其平均之 d 值、標準差以及是否顯著，如此即可從每一干擾變數的平 均 d 值來分析此干擾變數是否會對家族與非家族績效的關係產生影響。
除了從後設分析的 d 值可以分析干擾變數的影響外，此研究也搜集了過去 文獻中以迴歸式實證家族企業與績效間關係的原始資料，希望做後設分析中ω2 效應量的計算，以解釋家族企業對企業經營績效的解釋程度，ω2公式如下：
（Fern and Monroe 1996）
但此公式中ANOVA table的組間誤差平方和、誤差均方和、總誤差平方和等數 據，在所蒐集的文獻中並非每篇都充分揭露，造成資料不足而難以計算。另外 Fern and Monroe（1996）也指出ω2效應量的計算只能適用於原始資料為單迴歸 式，因為複迴歸式有太多其他的變數，則會影響家族企業單一變數對企業經營績 效的解釋能力，我們就無法得知究竟是家族企業此變數對績效產生影響，抑或是 其他變數的影響。而此研究蒐集到使用迴歸式的文獻，皆是採用複迴歸式，也就 是自變數除了家族企業此一變數外，尚加入很多其他的變數，例如家族成員持股 率、董監事持股率等等。也因為上述之原因，此篇所蒐集之文獻無法作為ω2計算 的基礎，也因此無法得到家族企業對企業經營績效的解釋程度。
因此我們將複迴歸式的樣本資料加上前述家族與非家族企業績效的原始資 料，做一分類的敘述統計，來觀察這些過去文獻在家族企業與績效間研究的實證 結果中，家族企業與績效的顯著正向關係、顯著負向關係與不顯著間有何差異，
以及是否可從其中的樣本特性來發現一些影響家族企業與績效的趨勢。因為迴歸
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
50
式中家族企業此自變數只要係數為正，就代表著家族企業對績效是有著正向的影 響；而同樣的，家族企業平均績效減去非家族企業平均績效為正，就代表著家族 企業績效優於一般企業，家族企業與績效是正向關係。因此可將迴歸與t檢定的 原始資料作一敘述統計，觀察其是否有趨勢存在。
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
51