影响因素检验量表开发

一、样品选择

正如前文所述，鉴于矿业企业的行业特殊性和产权特殊性，领导行为会对矿业企业资源开发利用绩效（以下简称“企业绩效”）产生重要影响。本节从领导行为视角开展定量分析，研究横向边界为该企业内部，纵向边界为2013年，研究的案例为安棚碱矿[1]。

（一）样本选择方案

本文的研究在数据的获取方式上拟采取Likert7点量表。众所周知，使用量表的优势在于数据标准化的程度较高，而不足的一方面在于统计分析的结果属于主观概率，这样对现实的解释力也大打折扣。况且数据自身的色噪声问题也需要解决，选取合理的白化方法显得尤为重要。比起面对看起来复杂无章的统计数据，采用量表方式来满足数据获取的需要不能不说是一种在技术层面上有利的选择。随着现代统计技术的发展和完善，通过对数据的分析而来发掘藏在数据背后的规律成为了现实。

从本文题目可知，本研究中的抽样对象是包括安棚碱矿这类资源密集型企业中的各类工作人员，为了提升数据的代表性，研究要求样本尽可能地广泛，同时又要求每个数据点都能够为研究所需求的测量指标提供可靠的综合信息，为了保证数据的有效性，本研究特考虑了从企业管理者和普通工作人员双边获取。

（二）样本的人口统计学分析

本次研究的对象人口统计特征如下表所示，所有有效问卷的回答者，包括目标企业领导与普通工作人员。本次研究共发放问卷321份，其中剔除恶意答项较多和回答不完整度较高的14份，共有有效问卷307份。307份正式问卷中有64份目标企业中的行政首脑与部门负责人，243份为普通工作人员。两种样本占有效问卷的比例各为20.85%和79.15%。307名受访人员中具有10年以上工作经验的接近40%，具体比例为39.7%，5‐10年工作经验的为35.9%，5年以下工作经验的比例为24.4%，可以看出超过75%的受访具有5年以上的工作经验，其填写的量表应当具有较好的代表现实情况的能力。受访企业管理者与普通工作人员的占比分别为19.1%与80.9%；领导与员工比例大致在1：4左右，确保了前期数据的质量。

另外，本研究还调查了受试样本的性别与受教育程度，总共307名被试中男性占201人，女性为106名，男女性别比例约为2：1。受访者的教育水平分布如下：本科以上有164人，占受试总数的53.4%；专科以上的有102人，占受试总数的33.2%；；高中程度以上的有41人，占受试总数的13.4%；高中程度以下的人数为0。

以上调查对象的人口统计分析与所期望调查的目标企业的领导行为与企业绩效所需了解的对象非常接近。这些受试的领导者和普通员工都来自安棚碱矿，是典型的资源密集型企业，因此认为其具有一定的代表性。

表3‐2 职业身份

表3‐3 工作年限

表3‐4 教育水平

表3‐5 性别

二、前测

从企业领导行为的视角出发，探寻影响安棚碱矿领导行为的关键因素是本文的目的之一，在具体的研究计划的制定上，本文考虑了多种方案。作为研究标的，“领导行为”一词相对抽象，对其测度存在着一定的困难，这就要求选取一种适用于主观概率的方法来进行测量。考虑到现有文献对类似研究方法的评述，本文拟采用验证性因子分析的方法来确定。验证性因子分析可以将无法直接测量的潜变量用可以测量的题项来测度，并具有较好的解释力，对于本文的研究应当作为优先采用的方法。

数据的采集拟采用量表的形式，向目标企业发放。本文的量表肇始于美国俄亥俄州立大学的领导行为描述问卷（Leader Behaviordescription Questionaries，LBDQ），本文的量表是在其基础之上进行了中国本土化的修正。对量表的修正基于以下两点理由：①本研究的根本目的在于解释企业领导行为对企业绩效之间影响的路径关系，并不是简单地对企业的领导行为做描述性的测量和评价，传统的LBDQ量表不能对所有的问题进行有效的解释；②任何量表，包括已具备足够成功经验的量表在全新的外部环境中再度使用，都应进行前测，只有各项统计指标均达到显著才可以认为量表有效，相反地，如果统计指标不理想，就应当对量表进行修正。

LBDQ量表的出发点在于两个问题：①领导者表现出的行为风格如何？②不同的领导风格对组织内成员的工作绩效和工作满意度的影响程度如何？LBDQ量表认为领导行为分为两个层面：关怀型的领导与开创型的领导。该量表的成功之处在于可以测度关怀因素与开创因素分值的高低。但是在对于影响领导行为的关键因素方面，LBDQ量表的解释力有限。本研究目的在于发现影响安棚碱矿领导行为的关键因素，所以，对现有的LBDQ量表进行修正，才能为达到研究目标提供更好的保证。

（一）量表设计

通过对文献的梳理，本文将影响安棚碱矿领导行为的关键因素划分为以下几个部分：行业异质性、沟通能力、决策能力、权力距离、身份认同、执行能力、亲和力、协调能力、组织能力。

本文在对影响因素的专家评价方面，拟采用决策试验与评价实验室（Decision Making Trialand Evaluation Laboratory，DEMATEL）分析方法，该方法是一种运用图论与矩阵工具进行系统要素分析的方法，通过分析系统中各要素之间的逻辑关系与直接影响关系，可以判断要素之间关系的有无及其强弱评价（Fontela，1976）。

本研究访谈了十四位包含企业领导行为、资源管理工程等专业领域的专家，选取的每位专家在相关领域都有具有说服力的成果，对研究结论的推导有较好的支持效果。选取的安棚碱矿领导行为关键要素集合为：沟通能力（f1）；行业异质性（f2）；不确定性规避（f3）；权力距离（f4）；身份认同（f5）；性别偏好（f6）；组织能力（f7）；协调能力（f8）；个人/集体主义倾向（f9）。另外，本文在验证性因子分析和路径分析方面拟采用结构方程模型（SEM）的方法来进行分析。

（二）自然语言模糊定值

本文对语言变量赋值，使其量化，具体运用的是三角模糊数的方法。称=(lij,mij,uij)

为三角模糊数，隶属度函数表示为：

其中，

用加权方法综合考虑各个专家的偏好信息：其中，ri为加权系数为每个专家的评分矩阵。

某一方案的模糊综合评价值为：

模糊评价的期望值为：

，其中，η为乐观=悲观系数，当，

则期望值公式为 (=li+2 um1+i 4/) 十四个模糊矩阵中的每个元素用三角模糊 =表示，进一步获取白化的直接

本研究采取的量表形式为Likert五点量表，用三角模糊数来表示各取值如下：

表3‐6 语言变量三角模糊数取值

（三）评判矩阵

十四位专家在互不知情的情况下以语言变量表示的关系矩阵进行模糊评价，获得原始的关系矩阵其中m代表专家个数。

关于群决策矩阵中的模糊数白化处理方法，有足够的相关文献支持，Yager和Opricovic在这方面做了大量的工作。本文采用的是Opricovic的CFCS方法确定直接关系矩阵，其中 Fij= Opricovic，2003）

（四）综合影响矩阵d

取F每行之和的最大值λ，用Fd每个元素除以λ将Fd=(Fij)m×n正规化为矩阵X，并根据X求的组合影响矩阵T，T=X1(−X 1)−

（五）影响度、被影响度、中心度、原因度

在DEMATEL方法中，各行之和表明各行对应要素对所有其他要素的综合影响值，称为影响度；各列之和表明各列对应要素对所有其他要素的综合影响值，称为被影响度；要素的中心度表示该要素在评价指标体系中的位置及其所起作用大小，要素的原因度需要分两种情况来分析，如果 0>j R ，表示该要素对其他要素影响大，称为原因要素；如果 0<j R ，表

示该要素受其他要素影响大，称为结果要素。

由综合影响矩阵来计算影响度Di、被影响度Rj中心度(Di+Rj)和原因度(Di−Rj)并通过这些值来计算各要素对安棚碱矿领导行为的影响程度，进而得出要素集合的因果分类和重要程度排序。

本质上，上述过程就是专家运用其自身的知识、技能、经验等隐性知识，通过对企业领导管理组织的过程的思考、判断来给定要素集合，以给各个要素相互之间的影响关系定性、定值，进而获得各要素之间的直接关系矩阵。并以此为依据，寻求各要素之间的因果关联和重要程度排序，得出评价结果，是一种定性与定量混合的研究方法。

通过上文的计算，我们可以比较容易地得到影响度、被影响度的值，并可以通过它们获取各个要素之间的相互关系，以及对整个系统的影响程度。另外，中心度的获取有利于我们了解各个要素在领导行为中的重要程度，而原因度可以帮助我们确定各要素在领导行为中的位置。这些初步的结论可以使我们更加清晰地了解领导行为中各要素的关键程度，有助于我们进一步探讨领导行为。

下图较为形象地说明了各要素之间的综合影响关系：

图3‐1 领导行为要素关系有向图

接下来，我们令十四位专家运用三角模糊数来对下表的评判进行模糊定值，形成9个模糊矩阵，再通过白化处理，直接关系矩阵表如下所示：

表3‐7 领导行为要素直接影响矩阵

接着计算各要素之间的影响度、被影响度、中心度和原因度，结果由表3‐8所示：

表3‐8 领导行为关键要素综合矩阵及计算结果

从计算结果我们可以直观地得到如下结果：

第一，行业异质性（f2）；不确定性规避（f3）；权力距离（f4）；性别偏好（f6）；组织能力（f7）；协调能力（f8）；个人/集体主义倾向（f9）七个要素中心度较大。

第二，在上述中心度较大的要素中，原因度 0>jR 的要素仅有行业异质性（f2）、不确定性规避（f3）、权力距离（f4）、个人/集体主义倾向（f9）四个。

从以上结论可以推得，行业异质性、不确定性规避、及权力距离及个人/集体主义倾向四个要素在领导行为中的关键程度远远大于其余五个，换言之，我们可以运用以上三个要素来分析领导行为的测量问题。

通过以上结论，本文量表设计假定行业异质性、不确定性规避、权力距离及个人/集体主义倾四个要素是影响安棚碱矿领导行为的关键因素。题项设计应以上述四个潜变量为基础，量表整体提取的公因子数量为四个，再进一步通过实证来检验立论假设的支持程度。

二、探索性问卷

本研究拟采取访谈问卷的形式进行数据的回收，量表的形成过程将分为两个阶段：探索性量表阶段与正式量表形成阶段。

（一）探索性量表

在领导行为研究的领域中，较为成熟的是LBDQ量表，该量表是由美国俄亥俄州立大学编制的，全称是领导行为问卷（Leader Behavior Description Questionnaire LBDQ），共计30道题目。该量表的题目设计遵循了有效管理行为的十个维度，包括主动、成员身份、代表、整合、组织、管辖、向上沟通、向下沟通、认可和生产。这份量表的本质在于将领导行为归纳为两个基本维度：以人为导向与以组织为导向。下表是对两个维度的定义。

表3‐9 领导行为的两个维度

在LBDQ量表中，以人为导向的维度与以组织为导向的领导行为维度存在着不同的差异。LBDQ量表依据组织领导对组织内部的人还是组织本身更为关注的趋势设计而成，能够对不同组织中领导行为的各个方面进行评测打分。但是LBDQ量表也存在一个问题，就是难以测量领导行为对组织绩效的影响程度。本文在对相关专家访谈的基础上，运用DEMATEL的方法对影响领导行为要素的中心度、原因度、影响度与被影响度进行测量，选取其中分值较高的四个：行业异质性、不确定性规避、权力距离、个人\集体主义倾向来假定作为影响安棚碱矿领导行为的关键因素，并围绕这四个因素来对组织绩效的影响程度进行测度。

本研究采用的双边问卷将从企业管理者即来自于目标企业安棚碱矿和普通员工进行数据采集。之后，问卷草稿使用两种问卷即对象为领导与对象为员工的问卷，并邀请公共管理领域的专家进行评定。

（二）量表修正

第一次问卷调查是发向安棚碱矿，主要面向中层管理人员以上的员工发放。发放问卷101份，收回97份，回收率为97%，剔除无效问卷，即填写缺失项目较多的问卷，或者连着10个以上测量条款给予同一选项的问卷，剩下有效问卷85份，有效率85%。

由于回收数据量表中存在部分缺失值，在进行数据分析之前，首先对缺失值进行整理，采用均值替换。使用修正条款的总相关系数CITC（Corrected Item‐Total Correlation，CITC）和克朗巴哈（Cronbach）á系数法净化和删除“垃圾测量条款”，在此基础上对影响因素进行探索性因子分析确定出最终测量条款。当CITC小于0.5时，通常就删除该测量条款，也有学者认为0.3也符合研究的要求，本研究以0.3为净化测量条款的标准。并利于á信度系数法检验测量条款的信度，若删除某个测量条款，á系数增大，则表示可以删除该条款。在测量条款净化后，再计算á系数，剩余测量条款á系数超过0.7，说明信度符合要求。

净化测量条款后，对剩余测量条款进行探索性因子分析。首先，判断这些条款是否可以做因子分析。对样本进行KMO（Kaiser‐Meyer‐Olkin Measureof Sampling Adequacy）样本测度和巴特莱特球体检验（Bartlett Testof Sphericity），判断是否可以做因子分析。一般认为， KMO在0.9以上非常适合；0.8‐0.9，很适合；0.7‐0.8，适合；0.6‐0.7，不太适合，0.5‐0.6，很勉强；0.5以下，不适合。巴特莱特球体检验的统计值的显著性概率小于等于显著性水平时，可以作因子分析。其次，对适合的测量条款进行探索性因子分析。

本研究采用主成分分析法对剩余测量条款进行因素提取，并用方差最大法（varimax）进行因子旋转，将特征值大于1作为因子提取标准。若测量条款因子荷载小于0.5，则删除该条款。当剩余测量条款的因子载荷都大于0.5，而且解释方差的累计比例（Cumulativeof Variances）大于50%，则表示测量条款符合要求。具体详见下表：

表3‐10领导行为与组织绩效量表探索性分析表

从表可以看出，Q2、Q7、Q8、Q9、Q18、Q19、Q20、Q21、Q22九个测量条款的CITC值都小于0.3，并且删除之后都提高了量表的信度，因此予以删除。删除后量表中剩余的21个测量条款CITC值均大于0.6，巴特莱特球体检验统计量显著，适合做因子分析。因子分析表明剩余21个测量条款的因子载荷都大于0.5，特征值大于1，解释方差累计比例为72.5%。所以最终企业领导者行为调查量表中使用剩余的21条测量条款。在进行了探索性因子分析之后，删除无效选项，整理出了最终的调查量表应用于本次研究。

三、正式量表信度检验

由检测结果可知，量表内各变量的克伦巴赫阿尔法值值均在0.70以上，这就说明量表中的所有变量都具有较好的内部一致性。

表3‐11量表信度汇总

折半系数将量表自动分为两部分，并检验两部分的相关性。

表3‐12 量表折半信度分析

从上表可知，原量表的克伦巴赫阿尔法系数较折半系数高，因为折半量表的长度较短，信度会下降。但就整体而言，整个量表的同质性较高，两个子量表的相关度达到了0.889，克伦巴赫阿尔法系数分别为0.921和0.950，显示了量表具有优秀的内部一致性和稳定性。

下面进行量表效度检验。进行探索性因子分析，以验证理论模型的基本结构。对总体样本进行随机拆分，并进行差异检验，两部分样本在总体差异上分布均衡。在对其中之一样本的KMO和球形指数进行检测后，现实数据允许进行因子分析。遂采用主成分分析法，以最大变异轴法进行探索性因子分析，提取特征值大于1的因子，并保留多个指标进行测量。最终发现全部二十一个题项可以较好地归属于七个因子，每个测项的因子载荷均大于0.5，达到了因子分析的要求。由结果可以看出，量表题项设计较为合理，因子提取效果良好，符合研究所提出的理论假设，总体效度较好。

内容效度从统计分析来看，21个测量条款与总体的相关系数在0.5以上的有21个，占到100%。从下表可以看出，本次量表21道题的KMO值达到了0.882，一般认为KMO值应当大于0.7，本问卷已经超出了这个标准。从逻辑分析来看，问卷中每个变量及变量中测量条款的提出，都是在国内外大量文献梳理的基础上提出的，有充足的理论论据，因此，问卷有较高的内容效度。

表3‐13数据效度分析表

由以上的量表前测试的信度与效度分析可知量表品质较好，题项设计合理，能够较好地解释研究问题，量表的统计结果分布在一个置信度较高的区间，能够对本研究假设的证明提供有力的支持。

本研究的提出了一个关于安棚碱矿领导行为与组织绩效之间的假设路径模型，共有自变量四个、中介变量两个、因变量一个，模型共涉及七个变量。量表拟对所有七个变量均进行测量以检查其对假设模型的匹配程度，因此，量表效度的检验应当包含对变量总体载荷的测量。本研究对总体样本进行了随机拆分，并进行了差异检验。由表所示，量表的KMO值为0.874，球形指数为1149.361，允许进行探索性因子分析。提取特征值大于1的因子，并保留多指标测量，最终发现全部二十一个题项可以较好地归属于七个因子，且每个测项的因子载荷均大于0.5，符合因子分析的要求。考虑到量表中各题项之间的相关性较低，遂采用正交旋转的方法对因子矩阵进行旋转。下表为对因子矩阵进行了正交旋转后的变量总体载荷矩阵。

从分析的结果可以看出，量表题项设计较为合理，因子提取效果良好，符合研究假设所要求条件，量表整体效度较好。

表3‐14正交旋转后变量总体载荷矩阵

由以上的量表前测试的信度与效度分析可知量表品质较好，题项设计合理，能够较好地解释研究问题，量表的统计结果分布在一个置信度较高的区间，能够对本研究假设的证明提供有力的支持。

[1]考虑到本文实证研究的重点是对安棚碱矿资源开发利用绩效进行定量评估，在不影响本章定量检验分析前提下，关于安棚碱矿的基本背景的现状分析将在第四章进行详细介绍。此外，由于论文研究的重点是资源开发利用绩效的评价，本章并没有对每个影响因素都展开进行实证分析。