6.2.1 统计方法
本书探讨项目团队中团队气氛对团队效能的影响，透过文献整理，分别查找团队气氛、情绪劳动及团队效能的相关文献，建构“团队气氛——情绪劳动——团队效能”路径模式，建立统计假说并设计问卷，借由前测将不显著问项进行删除，之后再重新进行问卷调整与实测。本书希望借由实证后得到重要的研究结论，提供团队管理中情绪气氛对团队效能影响的依据，进而增加团队整体营运绩效。
（1）因素分析。因素分析（factor analysis）系指自k个行为变量（X1，X2……，Xk）萃取j个潜在因素（potential factor）（Y1，Y2……，Yj）的统计方法。在因素分析中，k 个行为变量均可观察，潜在因素则无法观察，必须借由因素分析萃取而得。因素分析包括四个目的：分别为潜在因素命名、潜在结构分析、因素相关分析与因素分数产生。因素分析萃取潜在因素的方法有数种，如：主轴法、重心法、最大概似法等；其中最常应用主轴法来萃取潜在因素，萃取原则是极大化潜在因素对总共同性的贡献，概念与主成分分析法类似，在决定因素个数之后，根据目标转轴后的因素分析结构矩阵为因素命名，赋予概念上的意涵。
（2）信度分析。进行因素分析时，需同时量测问卷的信度与效度，在因素分析完后，为进一步了解问卷的可靠性与有效性，必须作信度分析。“信度”系指根据测验工具所得到的结果的一致性或稳定性，常用的信度检验方法为Cronbach α系数及折半信度（split half reliability）。一般而言，两个测验的结果愈一致，则误差愈小，所求的信度愈高。根据Nunnally（1978）所采用标准，若Cronbach α值大于0.6才保留；同时，若发现将某一题目删除反而会增加其内部一致性者，则该题需删除不用。本书则是采用Cronbach α系数值作为判断依据。
（3）效度分析。效度则是指问卷的有效程度，在此就内容效度与构念效度两方面进行说明。
内容效度。由于本书问卷乃由文献探讨整理出相关问项，并透过前测之后，重新进行问卷发放成为最后的正式问卷，因此，本书认为本问卷应已具有相当程度的内容效度。
构念效度。关于构念效度则是以因素分析的方式来加以验证，在进行因素分析之前，先进行Bartlett球形检定（Bartlett test of sphericity）及KMO取样适切性（Kaiser Meyer Olkin measure of sample adequacy），以确定各变量观察值之间是否具有共同因素存在，以决定是否适合进行因素分析。
（4）路径分析。路径分析探讨分析性变量间的单向影响，是一连串分析性的单向因果关系，这一连串的分析性变量多半依时间顺序先后发生，先发生者视为解释变量，后发生者视为反应变量，变量间的因果关系可由路径图（path diagram）表示。路径图的建立乃源自于逻辑推理、实证经验、学理基础、专家共识等推论，呈现出多个变量间的单向影响途径及影响方向；借由路径图，研究者能清楚了解变量间的影响途径（箭头方向）及影响方向（正向、负向或模糊等）。
路径分析目的在于探讨原始解释变量对反应变量的直接效果及间接效果，以及预测反应变量的数值。原始解释变量（X1）对反应变量（Y）的影响，包括二者间的直接效果（X1→Y），以及原始解释变量经由其他解释变量（X2，X3……，Xk）对最终反应变量（Y）所造成的间接效果（X1→……，→Y），二者皆可经由路径系数计算而得。直接效果与间接效果的加总称为总效果（total effects），即反应变量与解释变量间的简单相关系数。
路径分析的假说检定除了探讨直接效果的显著性外，亦与回归模式相似可用来进行预测，即投入解释变量的观察值之后，路径模式能产生反应变量的预测。Pedhazur（1982）提出在运用路径分析时，一些基本假设必须注意：
模型中变量间的关系必须是线性、可加性及因果性，不包括曲线性及乘积项（交互作用项）的关系。
每个变量的残差和其先前的变量间并不相关。
模型中只有单向的因果关系；换言之，不包括变量间的交互关系。
模型中变量衡量均区间尺度（interval scale）。
变量均衡量无误。
一般而言，结构方程模式由测量和潜在变量两部分组成。测量部分求出观察指标与潜在变量之间的关系；潜在变量部分求出潜在变量与潜在变量之间的关系。因此，结构方程模式分为测量模式与潜在结构模式（侯杰泰，1994）。测量模式的方程表示为：
X=ΛXξ+δ
Y=ΛYη+ε
X、Y分别是外源和内源指标；η、ξ分别是内源和外源变量；δ、ε分别是X、Y的测量误差；ΛX是X指标与外源潜在变量ξ的关系；ΛY是Y指标与内源潜在变量η的关系。结构模式的方程表示为：
η=βη+Гξ+ζ
η是内源潜在变量，ξ是外源潜在变量，β是内源潜在变量间的关系，Г是外源潜在变量对内源潜在变量的影响，ζ是模式内未能解释的部分。
与其他多变量分析技术相比较，路径分析在其不严格的统计假设方面更具弹性，这使得结构方程模型（SEM）更具灵活性。结构方程模型具有以下优点：可同时考虑和处理多个因变量；容许自变量和因变量含有测量误差；与因素分析相似，SEM容许潜在变量由多个观察指标所构成，并可同时估计各指标的信度和效度；SEM可采用比传统方法更有弹性的测量模式，如某个指标在SEM内可从属于两个潜在因素，但在传统方法中，一个指标大多只依附于某一个因素；研究者可设计出潜在变量间的关系，并估计整个模式与数据的拟合程度。
6.2.2 调查程序
（1）调查对象及问卷发放。调查主要针对武汉地区的高校及武汉光谷的一些高科技企业。武汉市的高等教育水平和规模在全国的排名比较靠前，且它地处全国的心脏地位，其科研水平在华中地区比较有辐射力，其科研团队也比较多，因而对其科研等项目团队进行研究具有一定的代表意义。而武汉光谷是光电子信息产业基地，由于积极推动技术创新和技术成果产业化，形成或正在形成一批具有自主知识产权的产业项目，同时也引进或正在引进国内外光电子信息大项目，因而对其项目团队的研究也是具有实际意义的。
本次调查，从湖北省武汉市的近30所高等院校中主要选取了华中科技大学、武汉大学、中国地质大学、中南财经政法大学、湖北大学、武汉化工学院、中南民族大学、武汉科技大学等高校。在武汉光谷的企业中主要选取了华工科技、烽火科技、武汉电信器件公司、长飞光纤、楚天激光等武汉中国光谷的部分知名企业。
问卷的发放与收取主要采取以下几种方式：调查人员亲自登门发放问卷并收取问卷；透过各种关系如师长介绍、朋友以及同学等，协助将问卷发放给合乎本研究情况的调查对象。
在调查中，调查人员先根据需要，确定调查对象的学科门类、年龄层次、性别等特征，再托付给相关院系的熟人进行调查。为保证调查的匿名性，每位被试人员在做完问卷后，可直接投入本课题组托付人的信箱中，这在一定程度上保证了调查的匿名性。问卷处理采用spss11.5软件进行数据统计分析。
（2）预测试。由于本研究的量表大部分是根据以前学者发展的量表修改而成，其中团队情绪量表是作者根据研究文献提炼而成，因而有必要对量表进行预测。预测对象人数以问卷中包括最多题项的“分量表”的3～5倍人数为原则，如调查预试问卷中，包括三种分量表，每种分量表的题项分别为40题、35题、25题，则预试对象最好在120位至200位之间，如果样本较为特殊，预试人数的选取还可以酌情减少（吴明隆，2003）。本研究中题项最多的为项目团队效能量表，共计17题，因而预试人数以51～85人为宜。
预测发放问卷100人，经过整理后获得有效问卷74份，而后对预测的问卷进行项目分析和因素分析，以剔除不合理项目，确立正式问卷的题目。因素分析结果显示，修订后的问卷抽样适当性KMO值，Chi-Square值，Bartlett’s Test 检验结果大都符合要求，量表的项目的因素负荷量基本都在0.382～0.821之间，量表各因素的累积贡献率在允许范围内，最大正交旋转结果与所构想的结构基本一致，表明该量表具有较好的结构效度。本量表的信度以内在一致性a系数和重测信度加以解释，重测时间间隔为两周。
通过预测试，将因素负荷量大于0.6的变项保留，因素负荷量小于0.6的变项则删除，一变项自成一因素也删除，同时有两个变项大于0.6且存在于两个因素构面，也将其删除，这样就得到正式测试量表，见附录。
（3）正式测试。正式测试发放了330份问卷，回收了266份问卷，有效问卷共232份。回收率及有效率分别为78.8%与70.3%。
