当“常态”不再寻常：期望变革的非线性与不连续过程理论及其管理启示|不连续过程|复杂性|科学|非线性

When Normal is Not Normal: A Theory of the Non-Linear and Discontinuous Process of Desired Change and its Managerial Implications 当“常态”不再寻常：期望变革的非线性与不连续过程理论及其管理启示

https://digitalcommons.bucknell.edu/cgi/viewcontent.cgi?article=3024&context=fac_journ

摘要

期望的变革可能显得混乱、缓慢或难以持续。我们或许期望变革是线性且连续的，但它往往难以实现。关于行为变革的测量与统计分析，通常要求数据呈现出连续性并符合正态（即高斯）分布。当我们遇到不符合这一预期的现象时，往往会试图对数据进行转换，以使其与我们的分析方法相兼容。我们通过问卷调查或数据转换，将研究焦点从实际行为转移到对其的感知上。我们认为，这种做法忽略了“自然”发生的数据及其所传达的真实信息。这类技术在统计学上虽然方便，却可能掩盖真实现象的重要特征。此外，期望的行为变革往往是非线性的，其数据常呈现幂律曲线分布。本文解释了这种现象产生的原因，并提出：通过采用融合非正态分布特征与不连续涌现特性的理论和方法，可以有效改进相关的研究与实践。

关键词：不连续性；非线性；复杂性；意向变革理论；人类变革

引言

变革对于适应和可持续发展至关重要（Wilson, 2000）。我们寻求期望的变革，以追求更好的绩效、更美好的生活、幸福感，或有助于建设一个更美好的社会。所期望的变革可以发生在任何分析层面。例如，它们可能涉及我们的行为、思想、情感、态度、学习，或社会群体与组织中的规范。当个体以期望的方式发生改变，或当我们目睹从团队到组织或社区等社会系统中出现期望的变革时，这种过程可能显得混乱或随机。我们可能还会对变革做出简单化、事后归因式的判断，例如：“他们完成了一项培训计划，所以他们肯定学到了东西！”而现实情况可能是，少数人在短时间内学到了很多东西，而绝大多数人总体上可能并没有学到多少。

尽管在思想史上，人们早已认识到社会变革中非线性的普遍存在，但出于对可预测性或舒适感的追求，我们可能期望甚至偏好自身及他人的变革过程是线性且连续的，然而现实往往事与愿违。从林德布洛姆（Lindblom, 1959）在行政科学中提出的具有影响力的“渐进调适”（muddling through）变革理论，到组织行为学中相对较近的关于涌现（emergence）的研究（例如，Amis 等，2004），文献中已有大量证据支持这一观点。然而，在关于行为变革的研究中，测量与统计分析通常要求数据符合正态（即高斯）分布。当我们遇到不符合这一预期的真实现象时，我们往往会试图转换或变换数据，以使其与我们的分析方法相兼容（Andriani & McKelvey, 2007, 2020; Golembiewski, 1986; O’Boyle Jr & Aguinis, 2012）。例如，最近的一项文献综述表明，研究人员通常通过以下方式处理数据中的非正态性问题：(a) 坚持使用线性模型，(b) 修改数据，或 (c) 将正态性视为具有信息量或仅仅是个麻烦（Pek 等，2018）。显然，尽管这些问题此前已被认识并提出，但它们仍未得到一致的重视与应用。

这些“不自然的统计行为”可能会掩盖真实现象的重要特征，并阻碍我们对变革的深入洞察。我们之所以这样称呼它们，是因为它们刻意忽略了“自然”发生的数据可能试图告诉我们的信息。这类技术虽然出于数学建模的便利而显得方便，却可能掩盖真实现象的重要特征，并阻碍对变革的洞察。本文的贡献在于提供一系列理由，以解释为何幂律曲线在横截面行为数据中如此普遍，以及为何非线性在纵向行为数据中如此普遍。

我们的研究建立在一系列关于非正态分布的早期工作之上：例如，Guastello（2007）的研究展示了领导者如何作为复杂涌现社会结构的一部分，从无领导的群体中涌现出来；Andriani 和 McKelvey（2007）的研究表明，一些商业研究如何通过忽略极端事件的假设机制来获得统计显著性；以及 O’Boyle 和 Aguinis（2012）的研究表明，跨行业的个体绩效并非呈正态分布，而是遵循帕累托（幂律）分布。

重新认识变革过程中的非正态分布与不连续性，将有助于理论发展与研究。具体而言，这种新的认识可以帮助研究人员：(1) 收集关于实际行为或变革的数据。例如，不忽略数据中可能提供有意义见解的“异常值”（outliers）。(2) 以允许不连续性显现的周期性来收集数据。例如，通过对变革的过程研究，利用随时间推移的档案记录和民族志观察。(3) 使用可视化和分段统计分析，以识别数据集中可能嵌入的分岔点（bifurcations）或其他断点以及各种分布。此类方法的例子包括分段分析，如断点回归设计（regression discontinuity design）。

本文的结构如下。首先，我们报告了对行为科学文献的广泛综述，以阐明为何行为变革的纵向测量通常是非线性和不连续的；以及为何横截面数据分布（即每个观察值发生的频率）通常是非正态的。理解这一点至关重要，因为未能做到这一点往往会导致研究人员忽略那些导致分布非正态的数据点。他们没有去研究这些极端事件，而是将其标记为“异常值”，从而面临丢失宝贵信息的风险。通过借鉴进化心理学的研究，我们解释了稳态（homeostasis）如何导致防御性和消极偏见，以及减少不确定性的渴望，从而引发对变革的抗拒。我们还借鉴复杂性科学来解释，为何涌现和临界点（tipping points）的概念对于理解不同分析层面的变革至关重要。接下来，我们将回顾不同情境下的绩效分布，以阐明这与管理和组织领域的学者及实践者有何关联。在最后一部分，我们将讨论关于个体和群体层面变革的研究与实践启示。

各种分布类型：简要回顾与导论

为了帮助不常深入探讨数据分布的读者，表1提供了相关定义、通用公式、来自行为科学的说明性示例，以及一些常见非线性函数的样本图形表示。

大多数行为科学研究者和从业者都熟悉高斯分布或“正态”分布。正态分布理论基于中心极限定理，该定理指出，如果一个随机变量 X 是大量微小且独立的随机变量之和，那么无论这些微小变量如何分布，X 几乎都会近似呈正态分布（Lyon, 2014）。正态性假设最初被用于考量大量专业人员样本中的绩效分布，后来开始被不加区分地应用于各种绩效测量以及行为分布的其他类别中，而忽略了实际观察到的分布特性（O’Boyle & Aguinis, 2012）。这与幂律分布或“帕累托”（Paretian）分布形成了鲜明对比，后者的特征是不稳定的均值、无限的方差以及更高比例的极端事件（O’Boyle & Aguinis, 2012）。在绩效评估的背景下，试想这样一种情况：当大多数销售人员每天销售十几个产品，少数人销售得略少，而数量相近的人销售得略多时，销售经理可能会观察到“正态”分布。另一方面，当销售经理观察到绝大多数员工销售的产品数量大致相同，但只有两三个人销售了异常高数量的产品时，这就指向了幂律分布。图1展示了叠加了正态曲线的幂律分布。

幂律是生成“幂律曲线”（power curve）图形的数学表示或公式。在数学上，它可以表示为：

也就是说，这是一种函数关系，其中一个变量的值随着另一个变量的值的幂次方变化而变化。

为什么幂律曲线与非线性在行为与变革的数据中如此普遍

各领域的学者均观察到，无论是在个体还是集体层面，幂律及相关分布在行为和变革努力中都是频繁且典型的现象（Andriani & McKelvey, 2007; Gabaix, 2016; Guastello, 2001; O’Boyle & Aguinis, 2012）。这不仅对组织研究具有重要意义，对组织发展（OD）与变革的实践者同样影响深远。变革推动者（change agents）通常假设，他们为实现变革而采取的每一次干预都会产生增量效应，且这些微小干预努力的持续叠加，最终会促使天平向成功的变革倾斜。事实上，这些研究表明，在众多所采取的干预措施中，只有极少数真正产生了影响；而且在某些情况下，同样的干预措施若应用于不同的情境，可能毫无作用。

在真实的变革世界中，真相是：极少数的努力能真正产生期望的影响；而组织发展（OD）从业者所做的许多工作，除了增加了顾问的数量之外，往往并未产生预期或期望的成效。这就是我们所说的“长尾分布”（long-tailed distribution）。读者可能对帕累托分析中的“80/20法则”（二八定律）并不陌生。该法则指出，在变革努力中，我们所做的极少数事情才真正举足轻重，而绝大多数举措根本毫无影响。如果我们假设所有干预措施对成功都同等重要，那就说明我们并未真正理解变革是如何发生的，我们也永远无法以一种能让变革变得更高效或更有效的方式来对其进行研究。

在行为研究中之所以会遇到这些幂律曲线及其他非“正态”分布，其原因或许可以从人们应对变革的方式中找到。本质上，人类行为会围绕着一个“维持现状的质心”（centroid of preservation）保持稳态（homeostatic）（Casti, 1994; Erdi, 2008）。这意味着，当面临威胁（包括预期会遭到反对，或察觉到自身与他人存在差异）时，人类的行为会表现出重复性，即消耗能量以求生存或寻求安全感。基于我们对该主题文献与研究的梳理，我们归纳了这种现象的以下几种具体表现形式。

寻求安全与防御性偏见

人类有机体在进化过程中形成了保护自身并维持运作的机制（Sapolsky, 2004）。稳态（Homeostasis）在这一运作过程中发挥着关键作用。稳态是指生命核心的一系列基本运作机制，它将生命调节在一个以生存为重点，但也能允许蓬勃发展的范围内（Damasio, 2019）。交感神经系统（SNS）（即人类的应激反应）会被激活以抵御威胁，使人体做好“战斗或逃跑”的准备。当被激活时，交感神经系统会将血液输送到适当的肌肉群，并转移原本可能用于非防御必需过程的其他能量。其结果是一系列稳态力量的产生，这些力量与保护生命的感觉或主观体验紧密且持续地相关（Damasio, 2019）。这减少了可能增加风险的反常行为。这一过程似乎不仅延伸至对人类持续生存构成威胁的物理威胁，还延伸至社会性威胁，如社会不认可或被社会群体排斥。

除了在生存和防御姿态上的潜在默认倾向外，作为社会性生物，我们还在行为上寻求一致性，以最大限度地减少指责、不认可或失败（Bowlby, 1969; Crowne & Marlowe, 1964; Parsons, 1937）。我们渴望与他人产生归属感（Baumeister & Leary, 1995; Deci & Ryan, 2000; Maslow, 1968; Schutz, 1958）。避免或尽量减少被这些群体排斥、甚至驱逐和指责的渴望，构成了对我们行为的一种约束力。因此，我们的行为，进而我们的绩效表现，在本质上变得不那么具有独特性。如果说我们在生物学上为了保持一致性而表现出“向均值回归”的趋势，那么在社会顺从和融入方面，我们同样如此（Wilson, 2000）。

当我们寻求新奇或变革时，通常是在面临不确定性或过渡期，例如中年危机或职业生涯中期危机。在社会群体中，当我们经历相对剥夺感（relative deprivation）时，可能会寻求类似于革命的集体变革（Brinton, 1952; Runciman, 1966）。但这些都被体验为极端且不同的状态。此类行为的发生频率，远低于那些旨在减少独特性（即寻求从众与一致）的行为。

消极偏见：归属感与社会化的另一面

基于先天倾向和后天经验，人们普遍存在一种偏见，即赋予负面实体（如事件、物体、个人特质）更大的权重。这种偏见表现在四个方面：（a）负面实体比同等的正面实体更具影响力；（b）随着在空间或时间上逐渐接近，负面事件的消极性比正面事件的积极性增长得更快；（c）负面与正面实体的组合所产生的评价，比各个主观效价的代数和所预测的更为消极；（d）负面实体更加多样，能产生更复杂的概念表征，并激发更广泛的反应库（Rozin & Royzman, 2001）。渴望融入社会群体并留在该群体中是灵长类动物的天性（Wilson, 2000），但这可能成为一种约束力。例如，致力于谦逊的价值观可能会起到稳态力量的作用。同样，内外群体动态（如对与我们不同的人或事物的恐惧）也可能成为约束力（Sherif 等，1961）。

这种抑制行为改变并受此类约束力影响的倾向，被称为消极偏见（Rozin & Royzman, 2001）。一系列研究支持了这样一种观点：不仅负面情绪比正面情绪更强烈（Baumeister 等，2001），而且我们对想法、人和事件往往持怀疑、犹豫和消极的态度（Rozin & Royzman, 2001）。这种消极观点作为一种约束力，抑制了对新行为或偏离预期社会规范行为的尝试。Hanson 和 Hanson（2018）将我们大脑中的这种倾向形象地描述为“对负面体验如魔术贴般紧抓不放，对正面体验如特氟龙般滑过无痕”。

在组织中，伴随着成长与成熟而来的，往往是标准化的努力以及不断增加的官僚程序，以确保行动的一致性、寻求更高的效率，或增强少数掌权者的控制力（Meyer & Zucker, 1989）。这也会导致组织规范出现某种“动脉硬化”（僵化），并扼杀创新。即使是旨在提高组织绩效的努力（如对标其他组织），实际上也更可能导致绩效向期望均值回归，而不是产生突破性的新举措或新想法。由于这些力量的存在，学习或改变的愿望可能难以持续。

例如，流行的组织发展（OD）技术“欣赏式探询”（Appreciative Inquiry）在实现可持续变革方面，往往比传统的变革管理程序有效得多，因为它关注积极的切身体验，并对参与者接纳新想法的开放态度产生级联效应（Bushe & Paranjpey, 2015）。通过结构化的干预措施（如分享正面反馈或描绘积极的未来愿景）来保持高度的积极性，能够利用欣赏式探询（AI）实践者所称的“向光性效应”（heliotropic effect），从而推动群体或组织实现期望的变革。

减少不确定性

当经历不确定性时，例如在阈限期（liminal periods，即过渡或边缘状态）（Ibarra & Petriglieri, 2010），人们很可能会采取行动来减少这种不确定性（Durrheim & Foster, 1997）。当这种不确定性让人感到威胁时，个体会产生应激反应并变得具有防御性。例外的是那些具有特定特质倾向的个体，他们会被不确定性所吸引，因为他们觉得这令人兴奋（Maddi, 1969–2004）。同时，某些文化对不确定性的容忍度较低，这会限制创业冒险和风险承担行为（Hofstede, 1984）。

在组织层面，有时甚至在社区和国家层面，掌权者会利用人们对不确定性的不安情绪（Storr, 1996）。除了降低对不确定性的感知外，其结果往往是权力的巩固以及领导者个人控制的加强。这种权力的集中通常会对创新构成约束力，或者至少会阻碍那些不在领导者设想范围内的创新。无论其明确目的是提高质量标准还是提升效率，这种官僚式的集权都会限制个人的主动性（Barnard, 1938）。

在组织中，这类规范通常表现为一种经常被提及的信念：“我们这里不这么做”。即使不完全排除创新、独特和颠覆性的行为，它也会阻碍这些努力的持久性。这些力量被认为是导致“竞争忽视”（即未察觉到竞争对手行为的变化）的原因（Camerer & Lovallo, 1999）。在各专业领域，认证工作往往以质量为名被提出，但实际上却强加了标准化，并限制了创新（Fallows, 1985）。

这些约束力的一个总体后果是，个体行为或社会群体内的变革变得不那么独特，也不那么频繁。这导致了一种局面：只有极少数个体愿意改变或创新。在集体层面，变革过程往往表现为在长期的无所作为之后突然发生，而不是平滑或渐进的。

变革的感知成本

学习或变革会打破稳态（homeostasis）。这些行为会带来一定的压力，从而激活交感神经系统（SNS）（Dickerson & Kemeny, 2004; Segerstrom & Miller, 2004）。很快，压力带来的退行效应（regressive effect）就会消除维持学习或变革的动力与兴趣。这可以通过交感神经系统的运作机制、自我损耗（ego depletion）或资源损耗理论来解释（Sapolsky, 2004）。改变行为或采纳所学新观念、新态度的转换成本，往往高于维持现状的感知成本。这也成为了一种阻碍变革的退行力量。

例如，在医疗保健领域，治疗依从性（即遵照医生或护士的指示，以加速疾病或手术后的康复）的整体效果低得令人担忧。尽管医疗人员投入了大量精力，且不遵医嘱可能带来严重后果，但这一现象仍令专业人士感到困惑。在许多国家，确诊的2型糖尿病患者的治疗依从率仅约为50%，骨科手术后的依从率同样如此，而冠状动脉搭桥手术后的患者依从率甚至更低（Khawaja, 2010）。

类似地，组织培训项目的影响在3周到3个月内急剧下降，这种现象被称为“蜜月效应”（Campbell等，1970）。同样地，Specht和Sandlin（1991）将研究重点放在研究生必修课程领域的知识留存上，结果表明知识的半衰期大约为六个半星期。这表明，无论投入多少资金和精力，持续的学习或变革都是一种较少发生的现象。

然而，必须指出的是，仅仅因为这种现象发生频率低，并不意味着它就具有非正态性。它只是使得数据分布对每一个观测值更加敏感，从而更有可能偏离正态分布。

至关重要的是，这提供了一个与我们核心论点密切相关的重要启示：如果我们继续以当前的方式实践变革管理，即将重点放在庞大的“正常”或“平均”个体群体上，我们将永远无法实现可持续的变革。另一方面，如果我们把重点放在“例外”案例上（正是那些通常被统计学家忽略的案例），我们将能够深入洞察在特定情境下，究竟是哪些关键因素能够推动个体和群体层面的长期发展与变革。

事件依赖性、临界点与涌现

Gersick (1991) 观察到，团队发展是一个经历“间断平衡”（punctuated equilibrium）关键时刻的过程。在团队发展的生命周期中，这些时刻标志着团队的关系、互动以及其他变革迹象会发生突然的转折或中断。如果团队能够继续发展，其运作方式将发生翻天覆地的变化。变革过程中出现这种非线性的原因在于：规范是先前行为、共享价值观、可能已达成共识的行为规则，以及掌权者视角的共同产物。任何旨在改变团队、组织或社区行为、决策或价值观的努力，都要求发生重大的文化变革。无论变革从何开始，每一次努力都高度依赖于先前的行为、规范、价值观和决策。这种相互依赖性为幂律现象的反复出现创造了条件。

从数学角度来看，幂律并不假设事件或数据点是相互独立的（Andriani & McKelvey, 2007）。另一方面，高斯分布则假设数据点或事件是相互独立的（Erdi, 2008）。换言之，当一个人寻求改变时，这通常与他们当前正在做或正在经历的某种不尽如人意的状态有关。学习或变革的第一步，取决于个人对其初始状态的经验或感知。一旦个人开启了变革过程（例如尝试减肥），他们每天的行为都与前一天、前一周甚至前一个月的行为密切相关。他们必须与吃零食或饮用高热量饮料的旧习惯作斗争。当一个人试图戒烟时，其对尼古丁的渴望程度，取决于其身体最后一次接触尼古丁的时间，以及其在生理和行为上适应或成瘾的程度。换言之，每一个行为都依赖于先前的行为与状态。如果一个人曾经历过一段功能失调的亲密关系，并渴望与潜在伴侣建立健康的关系，那么新对象（“prospects”）身上的许多特质可能会唤起其对过去负面关系的记忆，从而导致其退缩，放弃与新对象发展关系的尝试。在这种情况下，对他人行为的反应会直接影响个人下一次尝试变革的努力。

当一个人感染疾病或遭遇身体意外（如脚踝骨折）时，往往会引发合并症（comorbidities）。也就是说，疾病的某些方面会引发炎症，进而削弱免疫系统，导致继发性病毒或细菌感染。当某人脚踝骨折并开始打着石膏或拄着拐杖行走时，其承受不均匀负荷的肌肉群很可能会感到酸痛。这种劳损往往会导致进一步的肌肉问题，同样需要加以解决。另一个例子是，个人渴望在团队协作或领导工作团队时变得更加高效。为了提升个人在团队中的效能，他必须考虑并更加关注团队中的其他每一位成员。培养同理心，成为了提升团队参与度或领导能力的先决条件。如果他们未能充分培养同理心，其团队协作的努力迟早会走向失败。反之，如果他们能迅速或轻松地调动同理心，新的团队行为可能会比预期更快地涌现。

复杂性科学领域向我们表明，无论在哪个层面（即个人、团队、组织或社区），变革需求的启动往往伴随着某种顿悟（sudden realization）。从分布的角度来看，这意味着即使在变革努力的初期，极端事件也至关重要。正因为如此，加之系统内部存在相对高度的相互依赖性，每一个行为都会对未来的可能行为产生乘数效应（例如，甚至可能是几何级数或指数级效应），而非简单的叠加效应。随着时间的推移，受其内部动态机制的影响，一个复杂系统（如个人或团队）会演化至一种“自组织临界状态”（self-organized critical state）（Bak, 1996）或“混沌边缘”（edge of chaos）（Kauffman & Kauffman, 1995）。在这一阶段，系统某一部分的微小变化，就可能引发重大的系统性变革。通过关键阈值的级联效应，单条信息就可能引发一连串的活跃反应（Dooley, 2004）。

因此，我们可以看到，复杂系统中结构与行为的涌现，往往是出于一些非直觉的原因。它的发生，正是源于这类系统所固有的不确定性、不可预测性和非线性特征（Marion & Uhl-Bien, 2001）。卓越的领导者能够洞察组织内个体与群体之间错综复杂的互联网络，并能够通过调和个体自主性与组织控制，打造出更具参与性、开放性和适应性的组织（Wheatley, 1994）。尽管人们仍期望领导者能够阐明发展进程背后的共同价值观，但他们或许需要克制住去精确描绘变革具体模样的诱惑（Uhl-Bein 等，2007）。

由于期望的变革发生于复杂的社会系统之中，因此，无论变革发生在个人、团队、组织、社区乃至国家层面，其模式与分布都可能是相似的（即同构的，isomorphic）或相同的（即分形的，fractal）。这正是 Boyatzis 的意向变革理论（Intentional Change Theory, ICT; Boyatzis, 2008）的一个特征。该理论指出，在各个分析层面上都存在特定的涌现现象，且这些现象对个体或群体的动机与认知会产生相同的影响。例如，个人愿景陈述对个体具有极强的激励作用，而团队共享愿景则能对团队产生同等的强大激励。此外，对“自我差异”（self-discrepancy）的觉察能够启动个体的意向变革过程；同样，当团队意识到其当前运作状态远未达到理想状态时，也能激发出集体的变革渴望（Boyatzis & Dhar, 2021; Higgins, 1987）。此外，还存在能够推动变革的跨层级联动（cross-level linkages）。例如，团队成员与团队领导者的关系越紧密，他们在期望变革的节奏与模式上的相似度就越高。

如果可持续的期望变革具有分形特征，那么“临界点”（tipping points）应当是可观测的，它们表现为触发或先于新思想、态度、行为或规范涌现的关键时刻。进一步地，Boyatzis (2008) 提出，这些临界点会表现为奇异吸引子或洛伦兹吸引子（Lorenz attractors）（Viana, 2000）。吸引子是指某个区域或形态，在表现出对初始条件具有敏感依赖性的过程中，各个状态点会被“拉”向该区域或形态。在他的理论中，存在积极情绪吸引子（positive emotional attractors）与消极情绪吸引子（negative emotional attractors），二者均由三个维度来定义：感知到的积极或消极情感体验；副交感神经系统与交感神经系统（SNS）的唤醒状态；以及共情网络（即默认模式网络，default mode network）与分析网络（即任务正向网络，task positive network）的激活状态（Boyatzis 等，2015; Jack 等，2012）。

在本节中，我们回顾了诸多导致创新或独特性行为受到抑制的因素。无论是对威胁的防御反应、对归属感的渴望，还是对顺从或共识性认可的追求，都会导致创新或差异化行为的发生频率降低。当这一现象与行为变革的本质（即每一个行为都高度依赖于先前的行为及由此产生的状态）叠加在一起时，便为长尾分布（如幂律曲线）的形成创造了条件。当突破性时刻（breakout moment）降临时，它似乎源于某个临界点，该临界点引发了系统的分岔（bifurcation）或二维/三维的不连续性。基于这一理论背景——即幂律曲线、其他非正态分布，乃至行为变革中的不连续分布可能无处不在——接下来对人类绩效与变革相关实证证据的回顾，将变得更容易理解。

行为与变革中的非正态性与不连续性：文献证据回顾个体、团队与组织中的非正态数据

行为科学文献中，展示非正态分布的例子正日益增多（Gore, 2022）。O’Boyle Jr 和 Aguinis (2012) 在涉及 198 个样本（涵盖 633,263 名研究人员、演艺人员、政治人物以及业余和专业运动员）的五项独立研究中发现，94% 的样本更符合幂律分布，而非正态分布。例如，在其中一项研究中，他们检验了幂律分布与正态分布哪一个能更好地拟合跨多个学术学科发表论文的研究人员的绩效分布。他们发现，幂律分布的平均拟合误差低于正态分布的拟合误差。为了直观说明，图 2 展示了观察到的绩效分布直方图，包括：研究人员的论文发表数量、艾美奖提名者的提名次数、美国众议院代表的当选次数、NBA 职业生涯得分手的生涯总得分，以及美国职业棒球大联盟（MLB）球员的职业生涯失误次数（O’Boyle Jr & Aguinis, 2012）。

在 10 名参与者的实验试验中，平均问题解决时间也遵循幂律分布（Ritter & Bibby, 1997）。具体而言，虽然执行前两项或三项任务所需的时间相对较高，但在随后的几项任务中，所需时间急剧减少。通过将个体在任务上的学习过程随时间进行映射，研究人员能够在某些情况下对更快的反应进行建模，他们将其归因于个体反思的作用。Donkin 和 Nosofsky (2012) 也在记忆力表现测试中发现了幂律模式。他们分别报告了四名参与者的研究结果。研究人员发现，与正态曲线相比，参与者在记忆测试中遗忘项目的速率更符合幂律曲线模型。

对于研究小群体中涌现型领导力（emergent leadership）的 Guastello (2007) 而言，这种现象表现为燕尾分布（swallowtail distribution），其特征是一个主峰（众数）和两个次峰，无论团队的目标背景如何（Guastello, 2007）。例如，在一项研究中（Guastello, 2011），137 名工程学本科生自发组成 4 到 6 人的小组，以设计和测试工程产品。任务结束后，学生们根据特定的领导行为（如控制讨论、促进他人的创造力以及贡献创造性想法）对团队中的其他成员进行评分。领导力评分的分布符合如图 3 所示的燕尾模型。这种情况的发生，很可能是因为当无领导的群体在执行任务时进行互动，其成员会分化为主要领导者、次要领导者，以及在分化过程完成后仍保持非领导者身份的大多数群体成员（Guastello, 2011）。再次说明，偏离传统的数据表示形式，使研究人员能够理解：团队中的非正式领导力呈现出与层级结构截然不同的样貌。

当我们将人类群体的层级从团队提升至组织时，Andriani 和 McKelvey (2007) 提供了令人信服的证据，证明了从战略决策到产出模式的绩效分布情况。几十年来，他们（以及其他学者，如 Gabaix, 2016）一直强调幂律在组织研究中反复出现的特性。2008 年《麦肯锡季刊》（McKinsey Quarterly）一篇题为“利用幂律曲线评估行业动态”的报告，展示了几个幂律现象的例子，如美国前 30 大银行和储蓄机构的国内存款、跨行业公司市值的分布，以及前 30 大公司的金融资产基础（Zanini, 2008）。

甚至将范围从组织扩展到整个行业，诸如金融危机（Mandelbrot & Hudson, 2008）等经济现象似乎也遵循幂律分布。最近，Avi Turetsky (2018) 的博士论文表明，5000 多家企业在内部收益率（Internal Rate of Return, IRR）方面的绩效呈现出非正态分布。观察不同数据切分下的直方图，可以让人直观地感受到绩效分布中的长尾特征。

伪线性与期望行为变革的掩盖模式

长期以来，组织研究借用生物学中的“进化”隐喻来描述变革，其潜在观念是变革等同于一条平滑的进步轨迹（Gersick, 1991）。在近几十年，一些社会和组织心理学家提出，“涌现”（emergence）或“蜕变”（metamorphosis）可能是描述组织生活中发生的许多变革的更准确的隐喻（Gersick, 1991）。

组织与团队变革。组织理论中最早系统描述非线性变革模式影响的尝试之一，来自 Robert Golembiewski (1986)。他指出，行为科学的多种技术（如受试者随机化、使用对照组和重测信度）都假设变革是线性的。其他形式的变革则涉及复杂且有模式的决策过程，并导致从一种心理状态向另一种心理状态的转变。例如，团队朝着长期目标迈进是线性变革的一个例子；但有时作为发展过程的一部分，团队可能会重新定义其自身的愿景目标。这涉及思维模式的转变以及对变革内涵的重新定义。Greenwood 和 Hinings (1988) 同样指出，时间与结构的关系定义了组织的变革轨迹。典型的轨迹包括：惯性（inertia）、中断的尝试（aborted excursions）、重新定位（reorientations）和悬而未决的探索（unresolved excursions）；其中，非线性是后三种轨迹的固有元素。当不满的群体认识到现行权力分配与其不利地位之间的联系时，因对利益妥协的不满而产生的强烈变革压力，可能会导致“激进变革”（radical change）（Greenwood & Hinings, 1996）。

团队中可能导致激进变革的微观行为的一个例子是：两名成员之间的双向沟通（dyadic communications），且这种沟通不受团队领导者自上而下的影响。这些微观互动是非线性的（例如，团队成员在没有明确时间线的情况下进行互动），表现出自下而上的活动特征（例如，产生的想法会影响整个团队随后的行动方式），并且能够创造出一种复杂的自然目的论（即，它们可以推动秩序的涌现）（Marion & Uhl-Bien, 2001）。它们还表现出对初始条件的敏感依赖性。例如，如果两名团队成员在入职第一天碰巧共用同一张办公桌，从而获得了率先互动的机会，这可能会对他们几个月后共同工作的最终结果产生影响（Newman, 1996）。

社会科学中的“间断平衡”（punctuated equilibrium）模型提供了一种理论，该理论认为变革由相对漫长的稳定或平衡期，以及穿插其中的短暂、质变、蜕变式或革命性的变革期所构成（Gersick, 1991）。间断平衡模型的核心假设是，根本性组织变革的模式表现为激进、短暂且普遍的变革（Romanelli & Tushman, 1994）。回到我们之前关于个体互动影响团队运作的例子，我们可以想象在组织中也会发生类似的变革，即多个团队随着时间的推移进行互动，从而促成特定组织形式的涌现。

基于上述讨论，我们可以得出结论：个体或群体如何认识到变革的需求、期望变革的方向及其最终轨迹，无法通过简单的方差理论（variance theory）来充分捕捉。将其解释为一种长期的、具有一定不可预测性的不连续过程理论似乎更为恰当。此类性质的变革过程及其相关的过渡期，已在组织层面的结构（Tushman & Romanelli, 1985）与运营（Ramanujam, 2003）领域，以及团队层面的群体发展（Gersick, 1991）与领导力涌现（Guastello, 1998, 2011）领域得到了研究。

Amis 等人（2004）考察了多家非政府组织的变革轨迹，发现实际的线性变革远少于最初显现的那样，尤其是在涉及组织内部更具争议性的部分时。他们得出结论：“……当我们审视在亚组织层面发生的变革时，会发现变革往往呈现出振荡与反复的特征。”（Amis 等，2004，第35页）。在他们的研究中，那些完成了激进组织变革项目的组织，其特征表现为初期爆发式的变革活动，随后是朝着期望目标相对平稳的进展。同样，Chang 及其同事对 25 个模拟项目团队的数据进行了内容分析，对群体发展提供了更为细致入微的洞察，指出其由间断平衡构成，同时也为线性进展保留了有限的空间（Chang 等，2003）。

个体变革。个体层面的变革同样展现出具有涌现性行为的类似非线性轨迹。行为变革，特别是自我导向或意向性的变革，往往不会随着时间的推移呈现出线性进展。相反，如果追踪这种行为变革模式，它更可能展现出“涌现性”行为，用渐近曲线（asymptotic curve）而非直线来描述更为贴切。例如，一项调查日常生活中习惯形成过程的研究（Lally 等，2010）要求参与者在 12 周内记录他们是否执行了一项新行为（如午餐吃水果），更具体地说，是记录该行为对他们而言显得多么自动化。大多数提交数据的参与者（82 名志愿者中的 62 名）的图表符合渐近曲线。例如，图 4 展示了其中一名参与者在研究期间的自动化得分，这可以被描述为一种逆幂律分布。自动化程度是衡量新行为是否已被内化的良好指标，研究结果表明，意向性行为变革更准确地应被描述为一种涌现现象。

或许，关于个体行为变革研究最多的领域是成瘾研究与治疗。复发（relapse）现象一直难以捉摸，且始终呈现出遵循幂律曲线的特征。Hunt 等人（1971）指出，无论不同类型的成瘾（即酒精、海洛因和香烟）涉及何种人格类型，其复发率都惊人地相似，如图 5 所示。最近，Hughes 等人（2004）对一系列试图戒烟的吸烟者研究进行了剖析，再次发现了幂律曲线，如图 6 所示。在另一项针对 1,689 名 11 至 17 岁青少年的研究中，Byrne 等人（2001）表明，在试图改变每日吸烟量后，其消费量的变化更符合幂律曲线，而非任何其他类型的分布。

心理学中的定性研究表明，重大决策往往是欲望或不满“结晶”（crystallization）的结果（Bauer 等，2005），这些研究揭示了此类涌现背后的机制。变革的渴望随着时间的推移不断累积，并表现为朝着新方向的不连续运动。例如，Bauer 等人（2005）的研究使用叙事方法表明，有些人是通过意识到自己未来想做什么，从而做出改变生活的决定的。其中一位从急救人员转变为医学院学生并最终行医的受访者表示：“我意识到，我可以拥有一份自己充满热情的职业……我一直幻想有一天能成为一名医生。观察[医生们]协同工作的实际行动，猛然推动（catapulted）我做出了去追求它的决定——我知道我的热情在于从事治愈工作。”（Bauer 等，2005，第 1,193 页）。“猛然推动”（catapulted）一词生动地捕捉到了变革的不连续性，而这种变革的潜力已在数年间不断积蓄。

Miller 和 C’de Baca（2001）描述了几个他们称之为“量子变革”（quantum change）的实例，这些实例基于对 55 名经历了重大人格转变以及突然发生广泛认知和行为改变的人的详细访谈。据他们所述，此类变革发生的方式之一是通过概念性的顿悟，从而改变个体对自我和现实的感知。这种顿悟伴随着强烈的情感释放。他们剖析的其中一个故事是关于一位正处于人生低谷期的受访者。然而，在短短几天内发生的三起强烈事件让他“醒悟”了。其中一起事件与一位朋友称他为“胖子”有关。该受访者这样描述这段经历：“……以前从来没有人这样告诉过我，这也完全不符合我的自我形象……就像有人在告诉我一些关于我自己的、我原本不知道的事情。这感觉意义重大，因为这意味着我甚至不知道自己是谁！”（Miller & C’de Baca, 2001, p. 58）。由于这些事件，他决定在生活中做出重大改变。他停止了酗酒，开始规律锻炼、健康饮食，感到更加自信，并在工作中主动承担责任。因此，这种意向性变革是非线性的、不连续的，并且是突然且强烈地涌现出的内在动机的结果。

讨论：对研究与实践的启示未来研究方向

基于上述理论见解，可以通过多种方式改进针对个体和群体层面的变革研究。

考虑数据的非正态分布。研究人员不应假设其数据呈正态分布，而应开放地接受能更好拟合数据的替代曲线。例如，Turetsky (2018) 使用了最大似然估计经验分布拟合（MLE EDF）技术，以识别出与投资组合增长数据的理论驱动模型高度吻合的特定、可识别的形状，从而最终实现了更好的理论洞察。MLE EDF 技术分别假设每一个候选理论分布，并在每种情况下使用最大似然估计对数据进行参数化，然后生成多种拟合统计量，可用于比较这些候选模型之间的拟合优度。Turetsky 的分析表明，通过找到最拟合数据的分布，并根据其特征对其进行参数化，研究人员不仅可以更准确地理解非异常值绩效的预测因素，还能获得识别异常值差异化绩效预测因素的重要工具。这有助于避免统计学中稳健性检验带来的虚假安全感（Andriani & McKelvey, 2007）。例如，统计学往往关注平均值，而事实上，极端值可能蕴含着最重要的信息（Andriani & McKelvey, 2007）。

使用稳健的非参数方法来调整非正态性和非线性。我们不建议全面避免数据转换，而是主张更审慎地应用它们。Rönkkö 等人（2022）在最近的一篇相关文章中指出，数据转换的选择不应基于单个变量的性质或分布，而应基于理论上预期或经验上发现的两个或多个变量之间关系的函数形式。详细解释这些方法超出了本文的范围。然而，我们希望引导感兴趣的读者阅读一些近期专注于非线性效应建模的出版物（例如，Edwards & Parry, 2018; Guastello, 1998; 2001; Rönkkö 等, 2022; Sieweke & Santoni, 2020; Turetsky, 2018; Zeeman, 1979）。

通过基于主体的模型（Agent-Based Models, ABM）模拟复杂适应系统中的变革。另一种对意向变革理论（ICT）所代表的复杂行为进行建模的方法，是考察在复杂适应系统（CAS）中相互连接的各个元素互动时所涌现出的规律性。研究人员可以对真实的人类系统进行建模。他们可以基于理论用图式（schemata）来定义主体（agents），在它们之间建立连接，通过反馈回路促进自组织网络的形成，允许它们在不断变化的适应性景观（adaptive landscape）背景下协同演化，并最终导致重组与系统演化（Anderson, 1999）。基于主体的建模（ABM）方法可以洞察涌现的动态过程，并展示简单且可预测的局部互动如何生成人们熟悉却又神秘的宏观模式（Macy & Willer, 2002）。迄今为止，组织研究已使用 ABM 来解释群体层面涌现的现象。Goertzel (2007) 表明，ABM 可以基于人类心理不同组成部分的假设性整合，创建认知的模拟。因此，ABM 同样适用于研究个体层面的期望变革。然而，这种方法的应用受到必须创建普遍规则的局限。此外，尽管 ABM 能够复制人类系统的行为，但无法对因果关系得出确切的结论。

使用定性方法来捕捉涌现。在定性研究领域，收集丰富的深度访谈和其他数据（如日记条目）的叙事方法，可以揭示涌现的实例及其感知特质（例如，Lichtenstein, 2018）。变革的过程研究可以通过随时间描绘出涌现和不连续变革的轨迹，帮助研究人员揭示时间性、活动性和流动性。例如，Gehman 等人（2013）从多种来源收集了数据，包括档案记录、民族志观察和利益相关者访谈。由此产生的数据库包含了跨越十年的约 300 个事件，随后被用于描绘在此期间组织价值观实践是如何涌现的。对话的视频录像（例如与职业教练的对话）可以被转录（例如，Schindler 等，2021），并进行归纳分析，甚至可以进行编码，并利用统计技术来揭示变量的长期轨迹。例如，分层线性模型（HLM; Raudenbush & Bryk, 2002）可用于检验线性、二次和三次变革模式。它同时考虑了结果中的受试者内（within-subject）和受试者间（between-subject）方差，可用于提供变革的整体图景。Hayes 和 Smith (2005) 的研究提供了一个有用的范例，展示了定性数据如何转化为潜在增长模型（latent growth models）可用的形式，以及应用它们的具体样貌。在该研究中，研究人员对 24 周内每周撰写的文章进行编码以测量抑郁水平，然后使用 HLM 技术描绘了康复轨迹。这对于可持续的期望变革研究尤为相关，因为受试者之间的长期变革模式可能截然不同。传统的统计方法（如 t 检验）旨在寻找群体在一段时间内的平均变革，这可能会模糊个体层面变革模式的多样性。另一方面，如果在过渡期间的多个时间点收集数据，HLM 则可以突出显示动机水平等相关变量的波动情况。

将这些方法应用于知识留存（retained learning）研究。20 世纪 90 年代，高等教育中的结果评估研究超越了项目评估的范畴成为常态，随后被认证机构列为强制要求。它提出了一个基本问题：“我们的学生学到了什么？”引申而言，他们所学的知识中有多少能够“留存”下来，或者在 3 周到 3 个月的“蜜月期”之后仍能持续。在美国排名前 20 的 MBA 项目中，一项针对 MBA 学生（约 28-30 岁）的研究，通过使用相同的测试对他们第一门必修会计课程进行重复评估，揭示了许多身为教授的我们过于恐惧的事实（Specht & Sandlin, 1991）。知识的半衰期大约为 6 个半星期。在期末考试结束 6 个半星期后，学生们只能回忆起或表现出他们在该期末考试中所掌握知识的大约一半。学习科学可以从上述简要描述的方法中获益，不仅去容忍，而且去接受并将诸如幂律曲线之类的非线性分布假设，以及学习留存中出现不连续性的可能性，整合到其研究假设之中。

未来实践

从幂律曲线或至少是非线性和不连续分布的视角来理解变革，其实践意义同样重大。忽视变革中涉及的非线性动态，可能会让试图变革的个人或群体，以及变革推动者感到挫败。不切实际的期望，会导致在如何帮助促进变革方面，得出低效的推论和解读。

重新评估领导力在推动变革中的作用尽管大众媒体强调了杰克·韦尔奇（Jack Welch）和史蒂夫·乔布斯（Steve Jobs）等领导者在其企业中推动变革时的魅力型角色，但一些实证研究表明，他们的作用可能被夸大了（Khurana & Nohria, 2008）。相反，一种承认敏锐的领导者如何利用情境条件作用的领导力模型，能更好地预测组织中的重大变革（Marion, 1999）。领导力在促成变革方面的有效性，不能仅仅建立在控制未来的基础上。它取决于耐心地培育互动条件，从而最终促成富有成效的未来（Marion & Uhl-Bien, 2001）。这涉及一个基本假设：任何变革努力都可能呈现非线性和潜在的不连续进展。具体而言，领导者可以通过授权，或者干脆不干预网络构建，并优化工作环境以促成和鼓励员工之间的互动来实现这一点（Marion & Uhl-Bien, 2001）。在某些情况下，领导者可能是那个凝聚统一行为、作为事业象征，并促使大量追随者汇聚成一股强大变革力量的人（Marion, 1999）。

对组织的启示对组织的启示在于，它们应专注于建立一个动态系统，允许自下而上的结构化（structuration）得以涌现，从而提高系统的长期生存能力（Osborn & Hunt, 2007）。组织可以通过将工作场所中的非正式网络正式化、在办公室设置更多开放空间（而不仅仅是格子间），以及使用内部社交媒体平台来实现这一点。促进这种大型群体互动的一种流行组织发展（OD）方法是“欣赏式探询”（Appreciative Inquiry）峰会，这是意向变革理论（ICT）指导下的整体过程的一部分（Van Oosten, 2006）。北美一家领先的工业和商业货物运输提供商就采用这种方法开启了文化转型。该案例表明，当领导力不是自上而下地强加变革，而是随着时间的推移创造合适的条件，从而使意向变革能够自下而上地涌现时，可持续的变革就会发生。

积极与信任关系的作用领导力的这一方面还强调了领导者可以在组织各个层面培养的积极和信任关系的作用。它认识到，这种关系的建立和维护很可能遵循幂律曲线。另一项案例研究涉及 20 世纪 50 年代末东巴基斯坦农村，以及 20 世纪 80 和 90 年代卡拉奇贫困社区的社区转型项目的成功（Boyatzis & Khawaja, 2014），该研究揭示了积极和信任关系在促成社区层面可持续意向变革中的作用。研究发现，正如 ICT 所预测的那样，信任关系不仅是变革过程的核心，而且还能提供跨层级的联动（cross-level linkages）。例如，科米拉（Comilla）的村民组织者在带回学习成果并传授给他人时，成为了其他人的导师和教练。通过这种方式，关系不仅在村庄内部发展，还在该村庄及其所属的多村合作社之间建立了跨层级联动。这种关系的传播和社会网络的构建遵循着一条反向幂律曲线。

识别并利用能够促成变革的关键力量前文提到的麦肯锡报告（Zanini, 2008）得出结论：行业结构和结果似乎围绕“自然”值分布，这一事实为战略意义的研究开辟了一个引人入胜的新领域。值得注意的是，幂律曲线的特征在于其极端结果，这表明需要“战略推力”（strategic thrusts）而非渐进式策略，才能显著提升公司的地位（Gabaix, 2016）。O’Boyle Jr 和 Aguinis (2012) 也得出了类似的结论：既然大多数绩效成果可归因于一小部分精英绩效者，那么理论和实践都必须适应这些个体所发挥的重要作用。也就是说，可持续的变革是通过在任何特定情境中识别并利用最关键的战略、想法或个人来实现的。

重点在于首先找到临界点（tipping points），然后利用它们使系统脱离当前状态并进入下一个状态。这方面的一个例子是小额信贷在帮助人们摆脱贫困陷阱中的作用。孟加拉国格莱珉银行（Grameen Bank）项目的成功，就在于确保穷人拥有投资自己微小企业所需的少量资金，并从中开始创造更多价值（Scheffer, 2009）。换言之，多出的这几美元可以鼓励穷人创办自己的企业，因为此时“不作为”突然变得不如“作为”具有吸引力（即行动成为了更强的吸引子）。

另一个可以利用的因素是有意引导的情绪传染（emotional contagion）和群体聚集（swarming）。Hazy 和 Boyatzis (2015) 描述了积极的情绪传染如何推动围绕期望的项目、价值观或规范进行重组。通过社交媒体“病毒式传播”是这种力量的另一个例子。渗流理论（percolation theory, Stauffer & Aharony, 1994）的各个方面提供了详细信息，说明了如何概念化地利用情绪传染来访问和激活网络中的节点（在此应用中，即为组织或社区内的社交网络）。他们还解释了，如果不加以激活，这些潜在的访问点将如何按照幂律规律衰减。

结论

在行为研究或实际应用中，考量横截面数据的非正态分布与纵向数据的非线性，并非一项全新的要求。然而，主流的统计方法和常规实践常常使我们偏离这一呼吁，转而使用各种技术将特定的结构强加于数据，或在变革努力中采取自上而下的方式，这些做法实际上抑制了期望的变革。研究人类行为与绩效，以及人类的期望变革，需要仔细审视数据的实际分布与发展模式。寻找不连续性（如分岔）和幂律分布，有助于从数据中提取更深刻的洞察，并使实践应用更加卓有成效。理解期望变革的非线性本质，将有助于在个体、团队和组织层面实现更有效的变革管理。

原文链接：https://digitalcommons.bucknell.edu/cgi/viewcontent.cgi?article=3024&context=fac_journ