只有一个量表怎么分析影响因素

第二节　信度与效度分析

一、信度分析

所谓信度是指一项测试所得的数值的可信度或稳定性，是一种测量一致性的指标。影响信度的来源主要来自误差，误差来源可分为三种：①抽样误差；②测量误差；③偏差。一般认为，Cronbach's α系数适合测量一组“同义”或“平行测试”总和的信度，也由于Cronbach's α系数比其他方式计算信度要好，故本书采用Cronbach's α系数来检验各因素衡量问题间的内部一致性，Cronbach's α系数越大，显示该因素内容各题项间的相关性越大，信度越高。Cuieford(1965)和Joseph，Rolph，Ronald(1987)曾提出Cronbach's α系数的取舍标准：如果Cronbach's α系数大于0.7，则表明信度相当高；如果介于0.35和0.7之间，则表明信度尚可；如果小于0.35，则表明信度偏低。Wortzel(1979)认为Cronbach's α系数若介于0.7～0.98，则表明各衡量指标间存在高信度值。Nunnally(1978)亦认为Cronbach's α系数应大于或等于0.7，否则应拒绝使用。

(一)市场导向量表的信度分析

市场导向量表信度分析的结果如表5-11所示，顾客导向、竞争者导向和职能间协调的Cronbach's α系数分别为0.818 2、0.718 2、0.815 7，而且删除任何一个题项都无法显著增加其Cronbach's α系数，市场导向的Cronbach's α系数为0.885 9，信度水准⁽¹⁾超过Nunnally(1978)所建议的0.7的可接受水平，表示市场导向量表具有较高的内部一致性。

表5-11　市场导向量表的信度分析

续表

(二)竞争优势量表的信度分析

本书遵照Porter(1985)的划分，将竞争优势分为差异化优势和低成本优势。差异化优势用8个题项来测量，低成本优势用5个题项来衡量。竞争优势量表信度分析的结果如表5-12所示。从表中可发现，差异化优势DA4题项对整体构面的相关系数为0.398 7，略低于0.4的标准。但将该题项删除后，差异化优势量表及整个竞争优势量表的Cronbach's α系数并没有显著提高，因而保留该题项。而低成本优势的CA3题项，其与整体构面的相关系数为0.329 1，把该项删除后量表的Cronbach's α系数有明显提高，因而删除该项。删除CA3题项后，低成本优势量表的Cronbach's α系数为0.761 7，竞争优势量表的Cronbach's α系数为0.886 8，均超过了Nunnally(1978)所建议的0.7的可接受水平。

表5-12　竞争优势量表的信度分析

*表示该题项与整体构面的相关系数低于0.4的临界值。

(三)组织绩效量表的信度分析

组织绩效量表的信度分析如表5-13所示，组织绩效各题项对整体构面的相关系数均在0.6以上，而且删除任何一个题项都无法增加其Cronbach's α系数，组织绩效的Cronbach's α系数为0.896 0，信度水准超过Nunnally(1978)所建议的0.7的可接受水平，表明组织绩效量表指标的内部一致性相当高。

表5-13　组织绩效量表的信度分析

(四)环境特征量表的信度分析

环境特征量表的信度分析见表5-14。市场动荡、技术动荡和竞争强度的Cronbach's α系数分别为0.539 0、0.647 2、0.764 2。显然市场动荡和技术动荡的信度水准未达Nunnally(1978)所建议的0.7的水平。究其原因，市场动荡量表的MT3和MT4题项与整体架构的相关系数过低，分别为0.227 5和0.339 0，删除这两个题项后市场动荡量表的Cronbach's α系数为0.728 4；技术动荡的TT5题项在单项对总项的相关系数仅为0.228 7，未及0.4的标准，因而删除该题项，修正后的技术动荡量表的Cronbach's α系数为0.775 2，修正后的环境特征量表的Cronbach's α系数为0.821 5，均超过Nunnally(1978)所建议的0.7的水平。

表5-14　环境特征量表的信度分析

*表示该题项与整体构面的相关系数低于0.4的临界值。

二、效度分析

效度指所使用的衡量工具，是否真能量测出研究人员所想量测的事物的程度(Cooper，Emory，1995)。但效度的衡量较信度困难许多，事实上，多数研究仅以人为方式来判断衡量工具效度是否适合，但是这样只能得到表面效度。所以本书以探索性因素分析⁽²⁾来检验衡量量表的正确性，以验证性因素分析⁽³⁾衡量量表的拟合度，以确认各个构面是否有足够的收敛效度和区别效度。⁽⁴⁾

(一)市场导向量表的效度分析

由于市场导向量表是利用过去学者所发展的问卷题项进行访谈后发展而得的，所以不再进行探索性因素分析，直接进行验证性因素分析。根据Anderson和Gerbing(1988)的建议，收敛效度可以用验证性因素分析检验衡量模型，以确定每个题项是否收敛到所要衡量的变量。本书采用最大概似法(MLE)，⁽⁵⁾对市场导向量表进行验证性因素分析，来检验顾客导向、竞争者导向和职能间协调的各个题项是否收敛。市场导向量表收敛效度见表5-15。

Hair等(1992)认为，若问卷问项所属因素负荷量超过0.5以上时，则称该问项的变量，具有相当的解释能力。从图5-1中可看出，除PO4外，各因素负荷均大于0.5，衡量指标的误差协方差均为正值，且具有统计显著性，符合Hairs等(1998)的建议值。整体而言，结果较为理想。PO4的因素负荷为0.397 7，低于0.5的标准，J9reskog与S9rbom(1984)建议删除标准后残差值过高或因素负荷量在0.4以上的题项作为测量模型的观测变量，故删除PO4题项，即“有机会拥有竞争优势时就能锁定目标顾客”。χ²(卡方)/df是直接检验样本协方差矩阵和估计的协方差矩阵间的相似程度的统计量，理论期望值为1，越接近1，说明模型的拟合度越好；小于5时，可以认为模拟的

表5-15　市场导向量表收敛效度分析表

*表明因素负荷量低于0.4的临界值。

注：χ²=139.89，df=87，p=0.000 28，RMSEA=0.053，GFI=0.921 8，NFI=0.881 8，NNFI⁽⁶⁾=0.936 8，CFI=0.947 6，IFI=0.948 5

Chi-square=139H89，df=87，P-value=0.00028，RMSEA=0.053

图5-1　市场导向量表的验证性因素分析

拟合度比较好。χ²(卡方)/df=1.607 9，表明模型拟合较好。

模型的适合度指标中，近似误差均方根RMSEA(Root Mean Square Error of Approximation)为0.053，小于Marsh和Balla(1994)所提出的0.1⁽⁷⁾的水平，接近0.05的水平，表明模型拟合非常好；拟合优度指数GFI(Goodness of Fit Index)为0.921 8，相对拟合指数CFI(Comparative Fit Index)为0.947 6，均已超过0.9的经验值，NNFI，NFI，IFI均接近1，加上各衡量题项的因素负荷量的t值均已达显著水平(α=0.01时，t绝对值须大于2.58；α=0.05时，t绝对值须大于1.96)，显示市场导向的各个构面的收敛效度处于可接受的范围。

在前述因素分析法中，各变量的衡量项目均没有与其他变量的衡量项目收敛于同一个共同因素之下，此外，从相关系数矩阵来看(见表5-16)，三个构面的相关系数在95%的置信区间都不包括1，表明不同变量的衡量项目彼此之间关联性并不高。综合这两个方面，显示不同变量的衡量项目间彼此皆不具有强烈的关联性。据此，本研究的区别效度是可以被接受的(Bagozzi和Phillips，1982)。

表5-16　市场导向三个构面的相关系数

参见侯杰泰等.结构方程模型及其应用.北京：教育科学出版社，2004.第一行是(未标准化的)参数估计值，第二行是标准误(standard error，SE)，第三行是t值。一般认为，t值大于2为显著。

(二)竞争优势量表的效度分析

竞争优势量表包括差异化优势和低成本优势两个子量表。其中，差异化优势量表是在过去学者研究的基础上发展而来的，属首创的量表，所以均应当先进行探索性因素分析，再决定是否进行验证性因子分析。为了检验差异化优势的8个题项，本书采用Bartlett球形检验(Bartlett's Test of Sphericity)得到卡方值(chi-square)为652.445(df=28)，KMO统计量(Kaiser-Meyer-Olkin Measure of Sampling Adequacy)为0.846(见表5-17)(一般认为，当KMO大于0.9时效果最佳，0.7以上时效果尚可，0.6时效果很差，0.5以下时不宜做因子分析。张文彤)，表明各变量间有共享信息，有公因子需要提取。采用主成分分析法(Principle Components)及正交旋转(Varimax)萃取出两个特征根(Eigenvalue)大于1的因素，解释51.38%的变异，结果如表5-18，表5-19所示。

表5-17　KMO和Bartlett's的检验

表5-18　差异化优势的因素分析

表5-19　差异化优势的因素分析(续)

虽然萃取了两个因素，但题项分配差异很大，有些题项较难以合理解释，详见表5-20，采用正交旋转法进行分析，结果亦是无差异，故决定以原来的定性分析为主。成本优势的4个题项是Langerak(2003)发展的量表，故直接进行验证性因素分析，检验其收敛效度。竞争优势各题项的收敛效度分析如表5-21所示。

表5-20　差异化优势衡量题项的因素负荷量(Varimax-Rotated Factor Loadings)

注：萃取方法(Extraction Method)：主成分分析法(Principal Component Analysis).

旋转方法(Rotation Method)：方差最大化正交旋转(Varimax)

表5-21　竞争优势量表收敛效度分析表

注：χ²=250.23，df=53，p=0.000 00，RMSEA=0.130，GFI=0.840 6，NFI=0.811 2，NNFI=0.812 4，CFI=0.849 4，IFI=0.859 2

除DA4外，各因素负荷均大于0.5，衡量指标的误差协方差均为正值。而DA4的因素负荷为0.479 4，亦接近于0.5的标准。⁽⁸⁾χ²(卡方)/df= 250.23/53=4.712 3＜5，表明模型拟合较好。绝对拟合指数RMSEA值为0.13，接近0.1的较好拟合的水平。拟合优度指数GFI为0.840 6，相对拟合指数CFI为0.849 4，均接近0.9的经验值，NNFI，NFI，IFI均接近1，加上各衡量题项的因素负荷量的t值均已达显著水平，显示竞争优势的各个构面的收敛效度处于可接受的范围，如图5-2所示。

在前述因素分析法中，各变量的衡量项目均没有与其他变量的衡量项目收敛于同一个共同因素之下，此外，从相关系数矩阵来看(见表5-22)，三个构面的相关系数在95%的置信区间都不包括1。综合这两个方面，显示不同变量的衡量项目间彼此皆不具有强烈的关联性。据此，本研究的区别效度是可以被接受的。

Chi-square=250.23，df=53，P-value=0.00000，RMSEA=0.130

图5-2　竞争优势量表的验证性因素分析

表5-22　竞争优势两个构面的相关系数

(三)组织绩效的量表分析

组织绩效量表的收敛效度分析如表5-23所示。从因素负荷量来看，七个题项均超过0.6，误差协方差均为正数。卡方/自由度=28.14/14=2.01＜5，表明模型拟合较好。绝对拟合指数RMSEA值为0.068，小于0.1。拟合优度指数GFI为0.964 7，相对拟合指数CFI为0.982 0，均大大超过0.9的经验值，NNFI值为0.973 0，NFI为0.964 3，IFI为0.982 1，均十分接近1的水平，加上各衡量题项的因素负荷量的t值均已达显著水平(p=0.001 365)，显示组织绩效的收敛效度处于可接受的范围，如图5-3所示。

Chi-square=28.14，df=14，P-value=0.01365，RMSEA=0.068

图5-3　组织绩效量表的验证性因素分析

表5-23　组织绩效量表收敛效度分析表

注：χ²=28.14，df=14，p=0.001 365，RMSEA=0.068，GFI=0.964 7，NFI=0.964 3，NNFI=0.973 0，CFI=0.982 0，IFI=0.982 1

(四)环境特征量表的效度分析

由于环境特征量表直接取自Jaworski和Kohli(1993)发展的量表，因而只针对量表的各个构面的题项作验证性因素分析。分析结果如表5-24所示。

表5-24　环境特征量表收敛效度分析表

注：χ²=91.81，df=32，p=0.000 00，RMSEA=0.092，GFI=0.923 0，CFI=0.915 3

从表中可看出，各因素负荷均大于0.5，且均达到显著水平，衡量指标的误差协方差均为正值。χ²(卡方)/df=2.869 1，表明模型拟合较好。

模型的适合度指标中，近似误差均方根RMSEA(Root Mean Square Error of Approximation)为0.092，小于0.1，表明模型拟合较好；拟合优度指数GFI(Goodness of Fit Index)为0.923 0，相对拟合指数CFI(Comparative Fit Index)为0.915 3，均已超过0.9的经验值，显示环境特征各个构面的收敛效度处于可接受的范围，如图5-4所示。

在前述因素分析法中，各变量的衡量项目均没有与其他变量的衡量项目收敛于同一个共同因素之下，此外，从相关系数矩阵来看(见表5-25)，三个构面的相关系数在95%的置信区间都不包括1，不同变量的衡量项目彼此之间关联性并不高。综合这两个方面，显示不同变量的衡量项目间彼此皆不具有强烈的关联性。据此，环境特征三个构面的区别效度是可以被接受的。

Chi-square=91.81，df=32，P-value=0.00000，RMSEA=0.092

GFI=0.9230，NFI=0.8772，NNFI=0.8808，CFI=0.9153，IFI=0.9168

图5-4　环境特征量表的验证性因素分析

表5-25　环境特征三个构面的相关系数