组织服务导向的验证性因素分析

二、组织服务导向的验证性因素分析

探索性因素分析在探索未知的构思结构时具有优势，而验证性因素分析则为假设模型提供有意义的检验和拟合指标（Church和Burke，1994）。与探索性因素分析相比，验证性因素分析使得研究者在相关理论的基础上，通过具体的限制使得理论与测量相互融合（McDonald和Marsh，1990）。因此，通过探索性因素分析得到的组织服务导向的三个维度需要经过进一步的验证性因素分析加以证实。这一部分将采用结构方程建模的方法，通过考察各拟合指标，对组织服务导向的结构效度进行检验。

验证的假设模型如图4.1所示，验证性因素分析拟合指数见表4.6。

图4.1　组织服务导向三因素结构模型

侯杰泰等（2004）指出，拟合指数按功能可分为两大类:一类是绝对指数，即将理论模型与饱和模型比较得到的统计量，它衡量了所考虑的理论模型与样本数据的拟合程度。另一类是相对指数，是指理论模型与基准模型比较得到的统计量，它衡量了所考虑的理论模型与基准模型相比，拟合程度改进了多少。在验证性因素分析中，常用的绝对拟合指标有（卡方）、χ2/d f检验、近似误差均方根指数（RMSEA）、拟合优度（GFI）、校正拟合优度（AGFI）等。常用的相对拟合指标有标准拟合指数（NFI）、比较拟合指数（CFI）、非范拟合指数（TLI）、差别拟合指数（IFI）。

对各拟合指标的判断要考虑多方面因素，才能得出较为准确的研究结论。一般认为当卡方值的显著性P≥0.05，模型可以接受的，但是卡方值大小与样本量有直接关系，在看卡方值时必须考虑样本因素。如果样本足够小，任何假设的模式都可以与数据吻合；如果样本足够大，指数太敏感，则几乎所有假设的模式都会被拒绝。同时，数据运算不能直接提供模型拟合程度，所以卡方值在应用时需要结合自由度或其他指数:当卡方值较小时，χ2/d f检验的意义较少，这时需要考虑其他指数指标（Medsker等，1994；丁岳枫，2006）。RMSEA这一指标对错误模型比较敏感，可以用来表征模型质量。一般根据检验，当RMSEA小于0.05时表示完全拟合；当RMSEA介于0.05～0.08时，表示拟合得较好；当RMSEA大于0.1时，则表明模型拟合得很差。而GFI和AGFI等一般都要求大于0.90，这类指标容易受到样本大小的影响，且在不同情况下会有各种程度的误差（Hu和Bentler，1995）。在相对指数中，TLI和CFI两个指标因不受样本大小影响，而在新近的拟合指数研究中得到推荐（温忠麟等，2004；Hu和Bentler，1999）。相对拟合指数越接近于1，表示模型拟合得越好；一般认为大于或等于0.90，就认为模型可以接受。总的说来，对于结构方程拟合指数的应用，应当采用综合指标体系来加以判断。

从图4.1的路径系数可以看出，组织服务导向的三个维度的标准因素负荷都较高，说明观测指标与测量的潜变量具有较好的效标关联效度。同时，从表4.6中可以看到，χ²/d f值为1.54，RMSEA等于0.054，而CFI、GFI、AGFI、RFI、NFI的值都在0.90以上。因此，可以认为我们假设的理论结构模型得到了实证数据的良好拟合，包括需求匹配、服务创新和品质构建的三维结构的组织服务导向模型得到了验证。

表4.6　组织服务导向结构模型验证性因素分析拟合指标