multilevel leiderschapsonderzoekers hebben voornamelijk directe consensus of referent-shift consensuscompositie-modellen toegepast bij het aggregeren van gegevens op individueel niveau naar een hoger analyseniveau., Consensus samenstelling veronderstelt dat er voldoende binnen-groep overeenstemming is met betrekking tot de leiderschapsconstructie van belang; bij gebrek aan overeenstemming is de gezamenlijke leiderschapsconstructie onhoudbaar. Tegelijkertijd, richtlijnen om leiderschap onderzoekers te helpen beslissingen te nemen met betrekking tot data aggregatie problemen hebben weinig expliciete aandacht ontvangen. In het bijzonder, een discussie over hoe data aggregatie beslissingen kunnen verbeteren of obscure theoretische bijdrage van een studie – een centrale focus van dit artikel – is niet grondig behandeld., Erkennend dat empirische generalisatie afhankelijk is van de nauwkeurigheid waarmee aggregatiebeslissingen worden toegepast, herbekijken we de vaak verwaarloosde veronderstellingen geassocieerd met de meest voorkomende overeenkomst statistiek gebruikt om data aggregatie te rechtvaardigen — rWG en rWG(J) (James, Demaree, and Wolf, 1984). Daarna, met behulp van een dataset gepubliceerd als onderdeel van een Leadership Quarterly special issue (Bliese, Halverson, & Schriesheim, 2002), benadrukken we het potentiële misbruik van rWG en rWG(J) als de enige statistiek om aggregatie naar een hoger niveau van analyse te rechtvaardigen., We sluiten af met prescriptieve implicaties voor het bevorderen van consistentie in de manier waarop multilevel leiderschap onderzoek wordt uitgevoerd en gerapporteerd.