数据分析的内容与方法

4．1．6　数据分析的内容与方法

根据衡量尺度以及统计分析工具的适用性，本文选用的主要统计分析方法为：

1）叙述性统计分析

叙述性统计分析主要用于两个方面：一是用来说明样本资料的结构，如受测对象的性别、受教育程度、职位、工作年限以及所属部门等；二是对问卷资料进行单一变量的统计分析，亦即对受测者对各变量的意见作一概略性的描述。

2）信度分析

信度（Reliability）是指量表的可靠性程度。本文采用分项对总项（Item－Total Correlation）相关系数和Cronbach’sα系数来检验问卷量表项目间的内部一致性程度。分项对总项相关系数以大于0．6为佳，最低不宜低于0．35。Cronbach’sα系数则是越高越好，Guieford认为，α系数若低于0．35，属于低信度，其相关程度没能达到应该达到的水平，应该给予删除；若α系数介于0．35—0．75之间表示可以接受；若α系数高于0．75，则表示信度相当高。分项对总项相关系数和Cronbach’sα系数的分析工具采用SPSS　12．0统计分析软件。

3）效度分析

效度（Validity）是指一个量表能够有效地测量到它所要测量的特质的程度。在结构方程模型中常用的效度分析指标有内容效度（Content Validity）、收敛效度（Convergent Validity）以及区别效度（Discriminant Validity）。效度的分析工具采用AMOS　7．0线性结构软件。一般而言，线性结构关系分析所需的样本数要求为：样本数减去模型中所要估计的参数数目须大于50（Bagozzi和Yi，1988）^[8]。

（1）内容效度

内容效度是指一个测验本身所能包含的概念意义范围或程度。亦即测验的内容是否针对欲测的目的，且具有代表性和适当性。内容效度相当依赖逻辑的处理而非统计分析，因此理论定义就显得相当重要。

（2）收敛效度

在收敛效度方面，必须考虑个别项目（观察变量）的信度（Individual Item Reliability，通常用R²表示）、潜在变量的组成信度（Composite Reliability，通常用CR表示）以及潜在变量的平均变异抽取量（Average Variance Extracted，通常用AVE表示）三项指标（Hairs et al．，1998）^[9]，若这三项指标均符合要求则表示量表具有收敛效度。

个别项目信度R2的取值范围介于0—1之间，愈接近1，代表观察变量愈适合作潜在变量的衡量工具。一般而言，R²应大于0．5（Bentler和Wu，1993）^[10]，不能达到这一门槛值的观察变量应删除。然而，大量的研究表明，将R2锁定在0．5以上是相当严格的，这种严格的评价标准往往会使得后续对结构模式的评价缺乏理论意义。广义结构方程模型的重点在于验证理论假设是否成立，结构模式是检验的主要对象，因此R²大于0．20的观察变量只要其理论意义存在，仍可被保留在模型中（黄芳铭，2005）^[11]。个别项目信度（R²）可由AMOS　7．0软件直接测得。

潜在变量的组成信度（CR）是反映潜在变量内部一致性的指标。CR的取值范围介于0—1之间，CR值越大，表明同一潜在变量的相关观察变量间的相关程度越高，也就越能测出该潜在变量。一般而言，潜在变量的组成信度大于0．6（Bagozzi和Yi，1988）就表示该潜在变量具有良好的内部一致性。潜在变量信度（CR）的计算公式如下：

式中：λ——标准化负荷量；

ε——则观察变量的标准化测量误差。

潜在变量的平均变异抽取量（AVE）主要反映所有观察变量的变异量能被潜在变量所解释的程度，AVE的取值范围介于0—1之间，建议值为0．5以上（Hairs et al．，1998）。潜在变量的平均变异抽取量（AVE）的计算公式如下：

综上所述，若个别项目的信度（R2）、潜在变量的组成信度（CR）以及潜在变量的平均变异抽取量（AVE）均符合理想结果，则该问卷中所有测量项目均收敛于各对应的潜在变量，具有收敛效度。

（3）区别效度

在区别效度方面，若潜在变量之间具有区别效度，其潜在变量间的相关程度必须小于潜在变量内的相关程度。区别效度通常利用变量间的相关系数矩阵来加以检定，潜在变量的平均变异抽取量（AVE）的平方根值需大于潜在变量之间的相关系数（Fornell，C．，and Larcker，D．F．，1981）^[12]，模型的各潜在变量具有区别效度。

4）实证分析模型的整体分析

通过信度效度检验后，就可进一步针对各个潜在变量之间的实质关系进行检测，即进行实证分析模型的整体分析，包括实证分析模型的适配度检验与假设检验。

实证分析模型的适配度检验一般应从基本适配度、整体模式适配度以及模式内在结构适配度三方面加以考虑。

基本适配度是用来检测模式的误差、辨认问题或输入有误等，这可从测量指标的测量误差不能有负值及因素负荷量不能太低（低于0．5），且是否达到显著水平来加以衡量。

整体模式适配度检验一般包括绝对适配度检验、增量适配度检验和简效适配度检验（Hairs et al．，1998；Hu和Bentler，1995；Diamantopoulos和Siguaw，2000；Tanaka，1993；黄芳铭，2005）。绝对适配度检验是用来确定理论模型可以预测观察变量的协方差或相关系数矩阵的程度；增量适配度检验用来比较所发展的理论模式与虚无（基准）模式的结果；简效适配度检验是用来评估理论模型的精简程度。本文整体模式适配度检验指标的选用遵守Bagozzi and Yi（1988）的建议，详见表4－6。

表4－6　本文所采用的整体模式检验指标汇总表

注：表中，GFI：适配度指标；RMR：平均残差平方根；RMSEA：平均近似值误差平方根；AGFI：调整适配度指标；NFI：基准适配度指标；CFI：比较适配度指标；RNFI：简效的基准适配度指标；PGFI：简效的适配度指标。

模式内在结构适配度标准包括观察变量以及潜在变量的信度、潜在变量的平均变异抽取量、测量模式估计参数的显著性程度。观察变量的信度即个别项目的信度，通常其评判标准大于0．5。但是，对于广义的结构方程模型而言，当R²＝0．20时，只要观察变量存在理论意义，则仍然可被保留在模型中。潜在变量组合信度的评判标准大于0．6，潜在变量的平均变异抽取量的评判标准大于0．5。