Eredeti címe:
Improving the Marriage of Modeling and Theory for Accurate Forecasts of Outcomes
Könyv tartalma:
A sorozat e kötetének nagy céljai vannak: leírni a rossz tudományos gyakorlatokat, amelyeket jelenleg a legtöbb business-to-business marketingstratégiai tanulmányban alkalmaznak, és leírni egy valódi paradigmaváltást a jó tudományos gyakorlatok felé, a változóalapú lineáris-szimmetrikus nullhipotézis-tesztelési (NHST) megközelítés felváltásával az elméletépítésben és tesztelésben - esetalapú aszimmetrikus modellekkel, némileg pontos eredményteszteléssel (SPOT). Akár sikerre, akár kudarcra vonatkozik a kérdés, a bölcs vezetők azt kérdezik: hogyan jutottunk idáig? Mi vár ránk a következő évtizedben? Sajnos a siker és a kudarc okait vizsgáló tudományos cikkek többsége kevés hasznos információt nyújt, amelyek pontosan előre jelzik a siker- vagy kudarcstratégia eredményeit. A stratégiai teljesítmény kimeneteléről szóló tanulmányok többsége a változó összefüggésekre és a kapcsolatok irányultságának (pozitív vagy negatív összefüggések) és hatásméretének vizsgálatára összpontosít - többszörös regresszióelemzéssel és strukturális egyenletmodellezéssel (MRA/SEM), nullhipotézis statisztikai tesztelés (NHST) alkalmazásával. Az NHST értékével kapcsolatos kutatások azt mutatják, hogy az ilyen vizsgálatok rosszabbak, mint haszontalanok: az ilyen kutatások nem az eseti eredményekre összpontosítanak, és a statisztikailag szignifikáns kapcsolat elérése nagyban függ a vizsgálatokban szereplő cégek mintájának méretétől.
Az NHST-t használó kutatók rossz kérdésekre válaszolnak, amikor a független változók nettó hatását vizsgálják az érdeklődésre számot tartó függő változóra (pl. az egy bevételre jutó nettó nyereségre). Itt vannak a helyes kérdések. Az előfeltételek milyen konfigurációi együttesen generálnak pozitív eredményeket a cégünk és a hasonló cégek számára? Az előzményi feltételek mely konfigurációi generálnak negatív eredményeket az iparágunkban működő cégek számára? Megalapozott érvelés és empirikus bizonyítékok támasztják alá azt a bölcsességet, hogy az üzleti vezetők figyelmen kívül hagyják a sikeres és sikertelen vezetési stratégiák előrejelzésére vonatkozó tudományos empirikus szakirodalmat a kapcsolatok méretének és irányultságának NHST-je alapján. A jó tudományos gyakorlat a kötet fejezeteiben tárgyalt komplexitáselméleti alaptételekre támaszkodik. A jó tudományos gyakorlat magában foglalja az esetközpontú elmélet és az esetközpontú adatelemzési eszközök összehangolását, valamint az aszimmetrikus modellek némileg pontos eredménytesztjeinek (SPOT) alkalmazását. A jó tudományos gyakorlat megvalósítja a mély magyarázathoz, leíráshoz és pontos előrejelzéshez szükséges szükséges változatosságot. A benyújtás elutasításától való félelem egy másik ok az esetközpontú aszimmetrikus modellezés és a SPOT elutasítására. Győzzük le ezt a félelmet azáltal, hogy megtanuljuk alkalmazni a komplexitáselmélet tanait, külön eseti alapú, közepes tartományú, sikeres és sikertelen modelleket építünk, és a pontosságot SPOT-on keresztül teszteljük.
Ez a kötet a feladat elvégzéséhez szükséges eszközöket nyújtja.
