由于社会绩效及生态绩效涉及的都是一些敏感问题,如果直接提问,回答者可能会因保护自身或企业的目的而不给出真实答案,导致数据的失真。因此,本书对这部分问题的量表在设计时进行了精心的处理,从制度保障和效果方面进行测量,制度保障是过程,效果则体现了结果。
量表构建完成后,首先请了笔者的6位朋友进行小范围填答,他们当中有4位自己开公司,有2位分别在家族企业做职业经理人。他们都对量表题项中存在的问题发表了意见,本书根据他们的建议修改了量表。对第二次形成的量表,又分别请笔者的同事、有企业经营经验的朋友再次填答量表并请他们对问题题项及答案进行评价。第二次仍然有对问题的意见反馈,但明显比第一次少了很多。经过两次的预测试,本书对量表进行了修订,对问题的题项进行了增加、删减和修正,从而尽量使问题题项及答案简明、中性且不会造成歧义,确保了问题的内容效度。
4.3量表预检验
量表预检验,又称前导性研究,指在正式实施调查之前,完全按照原来设计的要求进行一次小规模的调查,以检验问卷的信度和效度,并根据检验结果对有关问题题项进行增加、删减和修正。
4.3.1小样本数据收集
在进行小样本数据收集时,是请四川大学科技创新中心的EMBA学员填写的量表。因为在填写问卷时是笔者本人到场发放的问卷,并做了简要的说明,因此问卷回收情况较好。本次共发出问卷90份,收回88份,其中有21份未填写第二部分,因为这部分学员来自非家族企业,其余的67份问卷均为有效问卷。
据中国工商联的调查,中国大陆有80%以上的民营企业属于家族式企业。根据中华全国工商联合会编写的《中国民营企业发展报告》(2004)中的数据统计,全国每年新生15万家民营企业,同时每年又消亡10多万家,有60%的家族企业在5年内破产,有85%的在10年内消亡。陈朝龙等(2005)认为,大量的家族企业在其初始创业阶段充满生机和活力,极富竞争力和开创精神,对各种机会的把握和利用也往往是恰到好处,从而取得了相当可观的效果和业绩。它们大多数都经历过一段为时不长但速度极快的膨胀阶段,并得以迅速崛起。但是随着资本原始积累的完成,当企业规模壮大、家族企业具备大踏步前进的客观条件时,家族管理模式却越来越难以适应甚至阻碍企业进一步发展。可见,家族企业在初创期各方面的表现是不稳定的。为了数据具有稳定性及代表性,本书剔除了企业创立时长在5年以下的问卷;为了确保问卷信息的有效性,只使用在家族企业里担任股东、企业所有者或职业经理人等样本的数据,因此剔除了其他角色的问卷。经过以上处理后,余下小样本数据处理的有效问卷为58份。
4.3.2量表的效度检验
效度(validity)指测量工具能够正确测量出所要测量问题的程度。测定效度的目的是要确认所收集的数据能否得到所要得到的结论、反映所要讨论的问题,同时也判定潜变量是否确定的合理。
本书选择从内容效度(content validity)和结构效度(construct validity)两个方面对量表的效度进行测量。
4.3.2.1内容效度
内容效度指量表的适合性,即是否反映了想要测试的全部内容。如问卷的内容是否能够涵盖所要研究问题的各个方面,如果能够涵盖,则量表具有优良的内容效度。内容效度依赖于逻辑的处理,而非统计的分析,对内容效度采用定性判断。
本书设计量表时,大都参考的是以前学者研究证实的结论或量表,因此一定程度上保证了较高的内容效度。同时,本书还使用了专家评估的方法,对量表的内容效度进行了检验,检验的结果是各个部分的量表均具有良好的内容效度。
4.3.2.2结构效度
结构效度是指测量结果体现出来的某种结构与测量值之间的对应程度。因子分析被认为是测量量表结构效度的理想方法,其主要功能是从量表全部变量中提取公因子,各公因子分别与某一群特定变量高度关联,这些公因子即代表了量表的基本结构。通过因子分析可以考查问卷是否能够测量出研究者设计问卷时假设的某种结构。因此,本书使用因子分析的方法测量量表的结构效度。
在进行因子分析之前,首先要判断现有数据是否适宜做因子分析,在确定了数据适宜做因子分析的前提下,再寻找因子变量。
在因子分析时使用的软件为SPSS16.0。
(1)对数据是否适宜做因子分析的判断
对于现有数据是否适宜做因子分析的常用判断方法是KMO样本测度(Kaiser-Meryer-Olkin Measure of Sampling Adequacy)检验及Bartlett球体检验(Bartlett Test of Sphericity)。
KMO样本测度是所有变量的简单相关系数的平方和与这些变量之间的偏相关系数的平方和之差。KMO越接近于1,越适合做因子分析。根据Kaiser(1974)的研究结论:当KMO>0.9时,非常适合;KMO=0.8~0.9时,很适合;KMO=0.7~0.8时,适合;KMO=0.6~0.7时,不太适合;KMO=0.5~0.6时,很勉强;KMO<0.5时,不适合。
本书在问卷预检验时收集的小样本数据的KMO=0.815。
Bartlett球体检验是从整体相关系数矩阵来考虑问题,其零假设H0是相关系数矩阵为单位阵,可以用常规的假设检验判断相关系数矩阵是否显着异于0。
(2)检验因子变量
通过检验因子变量,可以测度测量结果与量表设计时构想的变量结构是否吻合,对于不吻合的变量,即效度不理想的变量给予删除。删除标准:①因子载荷小于0.4的变量;②每一个变量对应的某因子的载荷必须大于0.4,而在其他因子上的载荷小于0.4;③变量的载荷在两个因子上均大于0.4,即跨两个因子。出现以上三种情形中的任意一种,就考虑删除变量。
本书采用主成分分析法(Principal Component Analysis)提取公因子,采用方差最大正交旋转法(Varimax)对因子进行旋转,经过7次迭代后,提取了6个因子。
根据前文设定的删除标准,SP2、EP6、EP7等3个变量应考虑删除,结合其含义分析,可以予以删除。
通过检验说明,删除3个变量SP2、EP6、EP7后,现有数据依然适合做因子分析。再使用与第一次因子分析时相同的方法进行因子分析。
在删除SP2、EP6、EP7等3个变量后,大部分变量的因子载荷有所提高,每个因子的累计方差贡献率均有提高,总的累计方差贡献率从80.249提高到83.954。可见,删除3个变量后,量表的结构效度得到提高。
4.3.3量表的信度检验
量表的信度是指所获得的数据与其平均值的差异程度。常用的信度测量指标有三类:稳定性(stability)、等值性(equivalence)和内部一致性(internal consistency)。其中,内部一致性指标最为常用,它表示量表题项之间的内部一致性或同质性。内部一致性可以用折半信度或Cronbach’s α系数来测量。
本书选择Cronbach’s α系数与CITC(Corrected Item-Total Correlation,该题目与分量表的修正的项目总相关)相结合的方法检验量表的信度。α系数越接近于1,信度越高。根据Churchill(1979)的标准认为:α≥0.7,内部一致性较高;0.35≤α<0.7,内部一致性普通;α<0.35,则内部一致性较低。Smith(1999)提出用CITC与α系数一起作为检验的标准,即当操作变量的CITC值大于0.5且名义变量的α系数在0.6以上,说明用这些操作变量来度量相应的名义变量的可靠性是可以接受的,若操作变量的CITC值小于0.5,则应删去该变量。
(1)对家族绩效测度量表的信度检验
家族绩效的操作变量FP1、FP2、FP3、FP4、FP5、FP6的CITC值分别都大于0.5,家族绩效的α系数为0.761,大于0.7,任何一个操作变量被删除后的α系数都不会提高。因此,说明6个操作变量用来度量名义变量家族绩效的可靠性是可以接受的。
(2)对经营绩效测度量表的信度检验
经营绩效的α系数为0.871,大于0.7,其操作变量BP1、BP2、BP3、BP4、BP5、BP6、BP7、BP8、BP9、BP11及BP12的CITC值都大于0.5,因此,保留这11个变量。而BP10及BP13的CITC值分别小于0.5,理应删除,根据其实际意义分析,可以删除,因此删除这两个变量。度量经营绩效的操作变量调整为11个。
(3)对社会绩效测度量表的信度检验
社会绩效的操作变量SP1、SP3、SP4、SP5、SP6、SP7、SP8的CITC值分别都大于0.5,其α系数为0.762,大于0.7,任何一个操作变量被删除后的α系数都不会提高。因此,说明7个操作变量用来度量名义变量社会绩效的可靠性是可以接受的。
(4)对生态绩效测度量表的信度检验
生态绩效的α系数为0.721,大于0.7,其操作变量EP1、EP2、EP3、EP4、EP5的CITC值都大于0.5,删除任一变量都不会提高α系数。因此,说明这5个操作变量用来度量名义变量生态绩效的可靠性是可以接受的。
(5)对资源与能力测度量表的信度检验
操作变量RC1、RC2、RC3、RC4、RC5的CITC值分别都大于0.5,α系数为0.709,大于0.7,任何一个操作变量被删除后的α系数都不会提高。因此,说明这5个操作变量用来度量名义变量资源与能力的可靠性是可以接受的。
(6)对可持续性测度量表的信度检验
操作变量FS1、FS2、FS3、FS4、FS5、FS6的CITC值分别都大于0.5,α系数为0.808,大于0.7,任何一个操作变量被删除后的α系数都不会提高。因此,说明6个操作变量用来度量名义变量可持续性的可靠性是可以接受的。4.3.4量表的修改定稿
通过以上对量表的效度及信度的检验,在最初的量表基础上共删除5个题项。