别：政府治理
导言
“领导力”吸引了公共管理领域的学者和从业人员的日益关注。然而，随着研究结果的不断增长，我们越来越难以追踪领导力在公共部门的哪些条件下发挥了作用或没有发挥作用。德国汉堡大学两位学者Leonie Backhaus＆Rick Vogel对领导力和各种相关因素进行了元分析。本研究基于151项研究的486个效应大小的多层随机效应元分析，结果表明，领导力实现有益结果的相关性强于预防有害结果，以及领导力与团体和组织相关的相关性强于与员工相关的结果。适度分析表明，领导风格，行政传统，行政子领域和方法论因素解释了异质性的有效大小。论文发表在公共管理类顶级期刊PAR上面。
（文献来源：Backhaus,L.＆ Vogel,R.(2022).Leadership in the public sector: A meta-analysis of styles,outcomes, contexts, and methods.Public Administration Review,online first 26 April：1–31. DOI:）.
研究问题
领导力是公共管理（PA）学术研究的核心概念之一（Chapman，2016；Crosby＆Bryson，2018；Ospina，2017）。二十年前，公共部门领导力的研究处于新生但仍然有限的阶段，严重落后于一般领导研究。Van Wart（2003）在对当时可用文献的评论中得出的结论是，“需求是很大的，研究机会是多方面”（第225页）。从那时起，PA抓住领导力研究的机会（Van Wart，2013a；Vogel＆Masal，2015）。可用研究的数量大大增加，在PA学术研究中形成了蓬勃发展的潮流。
然而，既有研究并没有能够回答领导力的一个核心问题：“领导力在多大程度上发挥了作用？”（Van Wart，2003）。尽管学者们在很大程度上都同意领导力是影响公共组织的重要的话题。但是，除了一般同意之外，几乎没有明确的意义。Polyphony始于领导特征和行为的不同概念。大多数学者都专注于变革型领导（Chapman，2016），但最近分析了更多的领导风格。一些学者对采用通用型领导风格的采用表达了担忧，并开始开发领导力构架，以解释公共部门领导的特殊性（Fernandez，2010；Tummers＆Knies，2016；Vogel，2020）。因此，存在着多种领导风格，目前尚不清楚它们是否存在潜在差异。
总之，PA期刊的读者面临着越来越多的领导力研究，但他们越来越困惑于从单一研究中可以学到什么，并传递给实践者，因为这种研究的风格、结果、背景和方法各不相同。本研究旨在综合以往公共部门量化领导研究的最新综合综述。重点是行政领导能力，即公共部门中非选举产生的领导人的领导能力，而不是政治或社区领导能力(Van Wart，2013a)。行政领导在多大程度上与不同种类和价值的结果相关？领导风格以及管理传统和子领域如何调节这些关系？评估方法、数据来源和研究设计等方法论因素在解释领导-结果关系的差异中扮演了什么角色？
公共部门的领导力:风格、结果、背景和方法
（一）领导风格
很少有学者和实践者会反对领导力在公共组织中发挥作用的说法。然而，什么样的领导对什么样的结果有影响，以及这种影响有多大，还不太清楚。在过去二十年里，PA研究已经审查了越来越广泛的领导力概念。这种多样化尤其适用于领导风格，即“对领导者特征和行为的可识别模式的中间概念化”(Van Wart，2013b，第531页)。因此，领导风格是以一致的组合形式反复出现的领导者的特征和行为。PA研究中讨论的领导风格的范围确实令人印象深刻，最近又进一步扩大，例如，企业家领导(e.g., Miao et al., 2018)、道德型领导(e.g., Umans et al., 2018)，仆人型领导(e.g., Schwarz et al., 2016)、共享型领导，以及矛盾型领导(e.g., Backhaus et al., 2021)。这些风格很可能有共同点，但在领导的背景、对象和结果方面也有所不同(Ospina, 2017)。然而，还不清楚其他领导风格是否在相同的条件下达到相似的程度，因为只有少数研究同时调查了多种风格。
（二）领导成果
领导力结果在可取性方面也有所不同。例如，追随者的杰出表现作为一种领导成果 (Hassan，Park和Raadschelders，2019)，而防止消极行为的出现也是具价值的(Hassan等人，2014).学者和实践者通常认为，当领导促进有益结果但抑制有害结果时，领导是有效的，但是领导产生这些效果的潜在社会心理机制可能是非常不同的。因此，一般来说，领导的含义，特别是各种领导风格，也可能因结果变量的价值(即有利或不利)而异。
（三）领导背景
哪个领导出现可能是一个重要但经常被忽视的因素。学者们一再强调需要将领导理解为一种依赖于背景的现象(Ospina，2017；沃格尔&马萨尔律师事务所，2015；莱特&潘迪公司，2010).背景不仅在公共领导研究中是一个盲点，在更普遍的公共管理学术中也是如此(Meier et al .2017).因此，对研究结果的普遍性和可转移性及其在不同背景下的实际影响的认识仍然有限。虽然许多背景变量可能对领导-结果的联系有影响，但很少有几个既有更广泛的相关性，又可从领导研究的报告中获得。
（四）领导力研究方法
在如何研究公共部门的领导力方面，研究也有很大差异。虽然在绝大多数研究中，调查仍是首选的总体方法，但在问卷的详细配置和实施方面仍存在许多问题。第一个问题是向谁询问领导力。例如，Muterera等人(2018)询问领导者和追随者对领导者变革型领导的评价。在任何情况下，与单一数据源的标准情况相比，使用多个数据源可能会有所不同。最后，研究人员可以在嵌入数据收集的不同研究设计之间进行选择。大多数领导力研究都采用了横断面设计，自变量和因变量在同一时间点进行测量。为了减轻与这些设计相关的常见方法偏差的顾虑(George & Pandey，2017；迈耶&奥图尔，2013)，有人建议在不同的时间点测量自变量和因变量(Podsakoff等人，2003)。简而言之，领导力研究中效应的异质性可能源于应用的评级方法、数据来源和研究设计，但这些差异的显著程度尚未在广泛的研究中得到评估。
数据和方法
（一）方法
元分析最近在PA研究中获得了关注(例如，George等人，2021；Homberg等人，2015；公园，2020)，因为它们允许对大量样本的影响进行系统汇总，并进而检查这些影响的背景偶然性。然而，读者应该意识到，这种元分析是基于相关技术的。如果主要研究没有使用因果研究设计，元分析就不能确定因果关系。将相关因素称为“领导成果”，并从这种领导有效性的关联中得出结论，是一种概念上的选择，而不是方法上的选择。这一选择引起了大量学者的共鸣，这些学者为这种领导效应提供了坚实的理论基础和大量的经验证据(Yukl & Gardner，2020).这也与Ringquist(2013)使用相关性作为PA领域的元分析的效应大小，并使用其他元分析的词汇(例如，George等人，2021).
（二）数据
元分析的主要研究选自“公共管理”主题的期刊，社会科学引文索引中的类别(在线附录A)。该数据库主要涵盖学术、同行评议的期刊，包括该领域的顶级期刊，这应确保纳入元分析的数据的高质量。搜索查询覆盖了从2000年开始的所有文章，以保持新近性。自2000年以来，在以英语发表的25，000多篇论文中，有2377篇(约9%)在标题、关键词和/或摘要中提到了“领导力”。作者筛选了这些文章，选择了那些包括定量分析领导力和领导力结果的文章。纳入的要求是报告领导和结果变量之间关联的相关系数。这同样适用于样品尺寸。如果没有报告相关性和/或样本量，原始研究的作者是保守的联系并询问缺失的信息。最终数据库包括来自151项研究的486个效应大小(N = 2，819，591)，使用133个样本。在线附录c中提供了系统文献综述流程的流程图。
（三）编码
本节描述了编码过程，其中概念框架是从主要研究中提取的。在线附录D-E提供了有关应用编码类别的补充信息。通过提供数据表，在线附录N提供了所有纳入研究和效应的编码程序结果。领导风格的编码产生了20个类别(即风格)，并采用了成熟的标签。一些风格合并成一个更广泛的类别，因为这些风格在它们的原始标签上不同，但在它们的内容上显示出大量的重叠或强烈的相似性。
统计程序
元分析是根据Ringquist(2013)，菲尔德和吉列(2010)，以及Steel等人(2021).统计程序遵循四个步骤:(1)提取效应大小，(2)进行元分析，(3)进行调节分析，(4)分析发表偏倚。
提取效应大小
元分析基于从主要研究中检索到的单个效应大小并通过样本大小加权来计算总体效应大小。“效应大小”是元分析中的一个常用术语，即使测量数据是从非因果研究设计的研究中获得的。事实上，使用皮尔逊相关系数作为效应大小提供了最好的可比性和适用性(例如，Field & Gillett，2010)，因为通常的做法是在定量分析中报告它们。在领导风格维度测量的情况下，一些作者没有报告总体结构的相关性，而只报告了子维度的相关性。与惯例一致(Geyskens等人，2008)，通过计算偏相关的平均值，将这些相关汇总成一个相关系数。
进行元分析
为了计算所有纳入文章的总体人群效应大小，使用R中的metafor包进行多级随机效应元分析。应用多级元分析说明了由于大多数研究报告了基于同一样本几个关联性而产生的依赖性，对样本内的先关系数进行聚类说明了这些依赖性。因此，该模型区分了三种类型的方差。
进行调节分析
为了评估概念模型中的调节效应，进行了一个以虚拟编码的调节变量作为预测因子的元回归。显著的QM统计量作为显著的调节子效应的指示，因为它指示在调节子类别和参考类别之间的平均效应大小中存在至少一个显著差异。根据Ringquist(2013)，这一步尤其重要，因为在PA研究中，元分析的主要目的是研究影响大小的异质性的因素。
分析出版偏差
出版偏见，或“文件抽屉问题”(罗森塔尔，1997)，指的是报告有利结果的研究可能比报告较差或无结果的研究更有可能被发表的现象。相应地元分析的效应大小和差异可能低于-皮尔逊积矩相关。
研究发现
结果显示为领导风格和结果变量的两模式网络。总体而言，该网络可以被认为是PA奖学金领导力研究的名义网络。所有领导人之间的关联度量（即编码方案中的高阶类别）表显示了小到中间的关联，这意味着这些表示这些领导研究的特征不是均匀分布和组合，而是在某些模式下共同发生。例如，某些领导风格比在某些行政传统中比其他领导方式更有可能研究。仔细检查在线附录G和H中的偶然性和相关表，显示了低阶编码类别之间的关联，表明，例如，在盎格鲁 – 美国和东亚传统中对道德领导群的研究在某种程度上进行了研究在日耳曼和斯堪的纳维亚传统中的人数略微不足。但是，由于相关系数的数量仍然很小，因此在编码类别之间的分布不均匀，因此应谨慎解释此类意外情况。
（一）主要效应的元分析
关于领导力和有益输出之间关系的多层次元分析的结果，会遇到各种领导风格。平均效应大小为正且显著(ρ = .380，95% CI:[0.347；0.413]，p < .001)，对应于大的相关性(钢等，2021)。平均效应大小为负且显著(ρ = .196，95% CI:[0.254；0.136]，p < .001)，表明中等相关性(Steel等人，2021).Q-检验显示了两种领导结果的相关性的实质性异质性。对于有益的结果(Q = 336035.0937，df = 441，p < .001)，有p < .001)，Q检验揭示了样本内的低变异(σ1 = .063，I 2 = 10.34%)和大变异(σ2 = .184，I 2 = 89.22%)。这些结果有力地表明了调节效应存在在领导与结果的关系中。
（二）调节分析
调节分析为了确保足够的统计能力，只包括那些至少有五个相关系数可从主要研究中获得的调节者类别。出于简洁的原因，提出的结果仅限于领导和有益结果之间的关系的调节，因为这种结果比有害结果得到了领导学者更多的关注。
（三）领导风格
虚拟编码领导风格的调节分析总体结果证实了领导力风格确实解释了样本内和样本间相关系数的异质性(QM = 43.0561，df = 13，p < .001，σ12 = 0.034，σ22±0.034)。因为变革型领导是最常被研究的风格(图2)，它在元回归中作为一个参考类别。大多数领导风格在效果大小上与变革型领导没有显著差异。例外的情况是控制型领导和放任型领导，在统计学意义上有较小的关联度水平。
（四）结果的种类
主持人对领导成果类型(即员工、工作、管理、团队/组织相关)的分析结果。在这些类型中，领导与结果之间的关系确实有所不同(QM = 14.1662，df = 3，p = .0027，σ12 0.036公共部门工作分析的方法有哪些?，σ22 0.037)。与员工相关的结果作为参考类别，因为这样的结果经常被研究。虽然领导与结果的联系对于工作和管理相关的结果来说并不更强也不更弱，但是调节分析揭示了这种相关性在群体/组织相关结果的情况下显著更强(b = .094，p < .001)。
（五）行政子领域
领导-结果关系的强度在不同的管理子领域中仅略有不同(QM = 7.1855，df = 4，p= .1264，σ12 = 0.033, σ22 = 0.041)。执法的子领域-男性/军事(b = -. 157，p = .072)和教育(b = -. 137，p = .049)的相关性稍弱结果变量与核心行政服务相比较，核心行政服务是模型中的参考类别。
（六）行政传统
管理传统的调节分析结果，这确实是影响大小异质性的一个重要来源(QM = 24.8595，df = 7公共部门工作分析的方法有哪些?，p < .001，σ12 0.028，σ22 = 0.037)。大多数研究都是在英美国家进行的，传统是参照范畴。在东亚，领导力与结果的相关性要小得多。国家(b = .136，p = .022)和苏联传统国家(b = .129，p = .042)以及两个欧洲大陆传统:日耳曼传统(b = .183，p =.001)和斯堪的纳维亚传统(b =-. 276，p
限时特惠：本站每日持续更新海量各大内部网赚创业教程，会员可以下载全站资源点击查看详情
站长微信：
相关文章
