1.描述性统计
利用描述性统计方法来说明本研究样本数据的基本情况,比如各维度及变量的数据分布情况、百分比、平均数、标准差等,包括所调查企业的基本情况,如所在行业、员工人数、成立年数等分布情况,通过这些基本信息以了解回收样本的基本特性,以便于后续的进一步分析。
2.项目分析
项目分析又称为鉴别分析,主要目的是检验问卷题项是否达到显著水平。一般来说是根据各项目值的总和定义高分组和低分组,如果两者平均数存在显著差异,表示这个项目具有鉴别能力,可以被保留;否则,应该被删除。
3.信度分析
信度(Reliability)是指测试所获得结果的稳定性或一致性,即使用同样测验工具针对同一群受试者测量多次的结果是否具有一致性。对于信度的测试,一般采用斯坦福大学克龙巴赫·李(Lee J。Cronbach)教授于1951年提出的Cronbach's α系数来衡量问卷中各变量的内部一致性程度,该数值越大,代表测量结果的一致性越高,其信度越佳。因此,本研究将以Cronbach's α来检测调查问卷的信度。
4.效度分析
效度(Validity)是指测量工具能够测出研究人员所要测量事物的程度,也就是测量结果是否达到了测量的真正目的。针对效度的检验,一般考虑内容效度(Content Validity)和结构效度(Construct Validity)。内容效度指测量工具能涵盖测量主题的程度,结构效度是指测量工具能测量理论上某概念的程度。对于结构效度的检验一般通过KMO适当性参数检验和Bartlett的球形检验来检测调查工具的有效性。然后通过t检验和因子分析来进行效度检验。
5.因子分析
为进行数据缩减与归纳变量,采取主成分因素分析法(Principal Component Factor Analysis),及最大方差转轴法(Varimax Orthogonal Rotation)选取特征值大于1的共同因子,根据旋转后的因素负荷量(Factor Loading)绝对值大于0.4,总累积解释方差大于60%的准则,抽取出适当的因子。
6.差异性分析(方差分析)
为检验本研究通过不同途径来发放的问卷之间是否有显著性差异,对通过不同途径搜集来的问卷进行方差分析。
7.结构方程模型
结构方程模式(Structural Equation Modeling,SEM)是一种以回归为基础并结合路径分析的多变量分析技术,广泛应用于心理学、经济学、社会及行为科学等领域,常常用来研究可观测的(显性)变量与不可观测的(潜在)变量之间或潜变量之间的关系。一般的多变量统计方法主要是分析显变量(Manifest variables)之间的函数关系,而结构方程则可以分析无法直接观察的潜变量(Latent variables)之间的路径关系,和传统的其他方法相比,结构方程模型有许多优点:如自变量和因变量允许含有测量误差;可同时考虑多个因变量等。
本研究使用Lisrel 8.7统计软件,建立结构方程模型,进行验证性因子分析,检验以上所提出理论模型的拟合情况,进而验证相关假设。