变量的信度和效度检验

信度和效度检验是实证研究过程中的一个重要环节。只有满足信度和效度要求的实证研究，其分析与结果才具有说服力。对于本研究而言，不仅需要研究模型的构建和数据收集等是否符合信度和效度要求，还要分析论文研究所涉及的变量内部测量项是否也达到信度和效度的要求。

5.5.1信度检验

信度分析是用来检验可观测变量(item)的方差对潜变量(latent factor)的解释程度(DeVellis，1991)。信度越大，说明用于解释一个潜变量的各观测变量具有共方差的程度越高。本研究以Cronbachα系数作为评判标准，从量表的构思层次化入手，根据其内部结构的一致性程度，对量表整体和子量表的内部一致信度进行检验。

保留在变量测度项中的测度项对所有测度项(ItemTotal)的相关系数大于0.6，各潜变量的测度变量量表的Cronbach α系数值都达到了0.8以上，符合ItemTotal相关系数应大于0.35，Cronbach α系数值应大于0.7的判断标准(Nunnally &Bernstein，1994)，检验结果表明各量表的信度较高，变量之间具有较高的内部结构一致性。

5.5.2效度检验

本书研究模型中的企业社会责任表现被分为四类，即物质资源、人力资源、技术资源和声誉资源，并选择持续发展指标和企业营运(结果)指标作为企业绩效衡量的主要指标，是在评述国内外文献与理论研究以及调查典型企业的基础上建构的，然后经过田野访谈和第4章实证检验后修改而成，因此，它具有相当高的内容效度。本研究通过收敛效度(convergent validity)和区别效度(discriminant validity)的检验，进一步分析显变量对潜变量的测度效果，以及显变量之间、潜变量之间的区别性。

1．收敛效度检验

收敛效度是指用不同的方法测量同一特质的各量数之间的一致性程度，即解释潜变量(latent variable)的各个可观测变量(item)的一致性程度，目的是选取对因子解释程度最大的几个item项。结构方程中的模型可分为三类：只描述显变量和潜变量之间关联关系的模型称为CFA模型；描述潜变量之间路径关系的模型称为结构模型(structural model)；既包含显变量和潜变量之间关联关系也包含潜变量之间路径关系的模型称为混合模型(hybrid model)，即通常意义上的结构方程模型(Kline，R.B.，1998)。通过构建各测度项的CFA模型，对CFA模型的拟合效果及回归参数进行分析，可以检验各子量表的收敛效度。

各子量表CFA模型的χ2值在测度模型有自由度时的显著性概率都大于0.05；χ2/d.f.值符合小于3的标准；GFI、NFI、CFI和IFI等都大于推荐的标准值0.9；AGFI都大于推荐的0.8；TLI(等同于NNFI)都大于0.90；RMR都小于0.05；RMSEA都小于0.06。各项测度指标都比较接近理想值，说明测度模型的拟合效果符合要求。

尽管技术资源χ2不具有统计显著性(χ2=4.208；d.f.=2；p=0.0170.05)，但χ2与自由度(d.f)的比率(χ2/d.f.=2.1043)符合拟合指数的要求。而其他的拟合指数也均达到要求：NFI=0.955，TLI=0.901，CFI=0.984，均超过了0.90的参考值，RMSEA=0.060，等于0.06的参考值，说明模型的绝对拟合度比较好。

在各子量表中，潜变量对显变量回归系数的临界比(C.R.)都大于1.96。因子对变量的回归系数即各显变量的因子载荷，因为某些显变量的因子载荷固定为1，所以会出现显变量的因子载荷大于1的情况。模型不估计因子载荷固定为1的回归系数的C.R.值及其显著性水平(Kline，R.B.，1998)61。标准差都大于零，估计的R2都大于0.3，说明显变量对潜变量的解释能力符合要求，不需要删除任何变量。

各子量表中的变量可以表征潜变量的内涵，子量表中变量的收敛效度符合要求。

2．区别效度检验

区分效度(discriminant validity)是指不同特质之间的区别性，即要求各因子(factor)之间具有显著差异，通常用相关系数或卡方检验来判断，Anderson和Gerbing(1988)指出可以用各测量项的标准因子载荷是否大于其标准差的两倍来判断。

各因子之间的相关系数均较低，由于总资产收益率ROA06与净资产收益率ROE06相关度本身较高，可以除去外，全部介于0.08~0.65，各测量项的标准因子载荷均远远大于其标准差的2倍，说明模型中各因子均具有较高的区别效度。