本章将运用正式量表调查的数据验证研究假设。在验证研究假设之前,首先要进行数据质量分析、模型的信度及效度的讨论。本章的数据分析主要使用AMOS16.0进行。
5.1数据质量分析
5.1.1样本描述
在正式测试收集数据时,我们在成都、重庆、昆明、东莞、佛山、宁波、温州等城市的培训现场发放测试量表,共发放量表727份,收回642份,有效量表511份。有效量表是指收回的与本研究的目标及研究假设一致的、能用于数据分析的那部分量表。
由于本次的量表发放是跟随题为“大、中型企业如何突破发展瓶颈”的培训进行的,培训对象是各大、中型企业的高、中层管理者。据统计,参加培训者分别来自食品制造、纺织、家具制造、文化体育用品制造、医药制造、金属冶炼、装卸搬运、仓储、房地产、电子设备制造、造纸及纸制品、煤矿开采等行业。从规模上看,具有较强的代表性。从行业看,涉及制造业及服务业,也具有一定的代表性;不足的是,所涉及的城市只有7个,这算是本研究的一个局限性吧。
尽管对使用多少样本进行数据分析还存在争议,但大多数学者的观点都认为样本容量应该大于量表题项的10倍以上,据此,本书的有效样本数已达到要求,因此,收集的数据可用于数据分析。
企业创立的时长都在5年以上,根据企业生命周期理论,这些企业基本上已度过创立期,进入了成长期或成熟期。而量表的填写人员90%以上均是参与企业管理或企业的所有者。因此,样本的来源与本书的研究目标基本吻合,样本数据可以用于研究。
5.1.2数据的可靠性分析
为了检验变量的内部一致性,使用SPSS16.0计算各变量的Cronbach’s α系数。
5.1.3单变项常态性检验
常态性分配是SEM分析的基本假设,通常单变项常态性符合时,多变项常态分配通常也会成立。通过常态性检验,检查数据中有没有极端值存在。检验指标有两个:偏态S(skewness)与峰度K(kurtosis)。
通常的方法是使用S与K的绝对值来判断。根据Kline(1998)的研究,S的绝对值大于3时,一般被视为极端的偏态;K的绝对值大于10时,表示峰度有问题,若是大于20,则可以视为是极端的峰度。
5.2模型检验
模型检验的目的在于评价显变量可以定义潜在变量的程度。主要通过AMOS16.0用最大似然估计方法(Maximum Likelihook,ML)进行参数估计,对得到的数据进行分析判断。
模型的效度检验主要从违犯估计检验、整体模型的适配度检验以及个别变量的效度检验三个方面进行。
5.2.1模型的效度检验
(1)违犯估计检验
根据Hair等(1998)的建议,检验模型时,需要首先检验模型是否产生违犯估计的现象。常见的违犯估计现象有3种:①标准化系数低于0.5或超过0.95;②有负的误差变异数存在;③有太大的标准误差。
2.变量BP10、BP13、SP2、EP6、EP7在量表检验时已删除。
(2)整体模型的适配度检验
Amos本身提供了20多种模型适配度指标,本书根据邱皓政(2003)及Bollen(1993)的建议,使用、GFI(Goodness-of-Fit Index,拟合优度指数)、RMSEA(Root Mean Square Error of Approximation,近似误差均方根)、RMR(Root Mean square Residual,残差均方根)四个绝对适配检定指标,AGFI(Adjusted Goodness of Fit Index,调整后拟合优度指数)、NFI(Normed Fit Index,赋范拟合指数)、RFI(Relative Fit Indes,相对拟合指数)、IFI(Incremental Fix Index,增值拟合指数)、CFI(Comparative Fit Index,比较拟合指数)五个增量适配检定指标,以及PNFI(Parsimony Normed Fit Index,简效拟合指数)、AIC(Akaike Information Criterion for Model,信息指数)两个简效适配指标对整体模型的适配度进行检验。
(3)个别变量的效度检验
个别变量的效度检验,类似于回归模型中的参数显着性检验,因此,有的学者又将此称作参数的显着性检验。在Amos中,C.R.是参数显着性检验的统计量,当C.R.大于1.96时,表明参数显着不为0。
5.2.2模型的信度检验
模型的信度检验分为两部分:一是对显变量的信度的检验,主要通过多元相关的平方值(Squared Multiple Correlation,SMC)来做出判断,它反映了显变量对潜变量的解释程度,通常要求大于0.5,最低可接受值不能低于0.3;二是对潜变量的信度检验,主要通过建构信度(Construct Reliability,CR)和变异抽取量(Variance Extracted,VE)来进行判断。
(1)对显变量的信度检验
多元相关平方反映了单个显变量受到潜变量影响的程度。当SMC越高,表示方程对数据的解释能力越强,信度越高。通常要求其大于0.5。
除了BP1及BP6两个变量,其他显变量的SMC值均大于0.5,而BP11及BP6的SMC值也大于最低可接受值0.3。因此,显变量的信度良好。
(2)对潜变量的信度检验
建构信度CR和变异抽取量VE是检验潜变量信度的主要指标。
一些学者建议CR值应大于0.6(Bagozzi et al.,1988),另一些学者建议CR值应大于0.5(Raines-Eudy,2000)。
对于VE的值应为多少更适宜,也有不同的建议。一些学者建议VE应大于0.5(Bagozzi et al.,1988),而另一些学者则建议VE应大于0.3(Fornell et al.,1981)。
本书将CR大于0.5及VE大于0.3作为最低要求来检验潜变量的信度。
5.3模型的效应分析
通过前面两节对数据的检验及对模型各方面的检验,可以认为数据是可靠的,模型也是可以接受的。接下来便可以进行模型的效应分析了。