安全支持验证性因子分析

（1）模型假设。

安全支持包含三个潜变量，分别是安全帮助、认同价值、关心安全。其中，安全帮助有4个观测变量，认同价值有3个观测变量，关心安全有3个观测变量。安全支持的验证性因子分析模型如图5－3所示。

（2）模型识别。

安全支持验证性因子模型共有观测变量10个，一共需要估计10个观测变量的因子负荷，10个观测变量的误差方差以及3个潜变量的相关系数，共计23个估计参数。根据T法则（T－rule），n×（n＋1）/2＝55（n＝10），t＝23＜55，满足T法则（T－rule）要求，符合模型识别的必要条件。

此外，安全支持验证性因子模型满足三指标法则（Three－indicator Rule），即每个潜变量都有三个或三个以上的观测变量，一个测量变量对应一个因子，特殊因子间相互独立的要求，符合模型识别的条件。

因此，安全支持验证性因子模型可识别。

（3）参数估计。

图5－3　安全支持的验证性因子分析模型

本书研究使用AMOS17.0对安全支持的验证性因子模型进行参数估计，结果如表5－9所示。

表5－9　安全支持模型参数估计

注：＊＊＊表示p＜0.001，＊＊表示p＜0.05，未标注t值为限制估计参数。

从拟合指标来看，χ2/df值为2.462，p＜0.01，达到显著性水平。RMSEA值为0.061，小于接受值0.08，模型可接受。IFI值为0.972，CFI值为0.981，均大于0.9，PNFI值为0.977，PGFI值为0.969，均符合大于0.5的要求，模型拟合良好。

个别指标效度检验中，10个观测变量的R2值均大于0.5，并且所有标准化系数均大于0.6，具有显著水平，可以作为潜变量的观测变量。

建构信度检验中，3个潜变量的建构效度为0.877、0.897、0.915，均在0.6以上，表明潜变量有良好的内部一致性，信度指标可接受。

聚合效度检验中，3个潜变量的AVE分别为0.511、0.643、0.667，均在0.5以上，说明潜变量具有聚合效度。

区分效度的检验通过比较限定模型（潜变量之间的相关系数小于1.0）及非限定模型（潜变量间的相关系数为自由参数）的χ2的差值进行检验，且要求χ2的差值达到显著性水平（p＜0.05）。因此，将安全支持的3项因子两两组合，比较限定模型（潜变量之间的相关系数小于1.0）及非限定模型（潜变量间的相关系数为自由参数）的χ2的差值，并计算其显著性水平。结果如表5－10所示。

表5－10　职业倦怠模型区分效度

注：＊＊＊表示p＜0.001，＊＊表示p＜0.05。

可见，安全支持的假设理论模型中两两组合的因子间限定模型（潜变量之间的相关系数小于1.0）及非限定模型（潜变量间的相关系数为自由参数）的χ2的差值均达到了显著性水平（p＜0.05），说明安全支持模型的3个因子间的区分效度良好，模型可接受。