第五章管理实证研究(下) 【教学目的】熟悉验证性因子分析方法;理解研究问题与统计分析方法的匹 配,熟悉各类统计分析技术;理解理论构建中的中介效应和调节效应,掌握中介 和调节效应检验技术;理解结构方程模型及其适用条件,掌握结构方程模型硏究 方法。 【教学重点与难点】验证性因子分析;统计分析技术;中介和调节效应检验 结构方法模型方法 【教学时数】8 【教学方法与手段】案例教学、课堂讨论、多媒体演示、上级操作 前述章节已经制作完成了测量工具,并对预试涉及的样本选择和数据采集进 行了简要介绍。如果研究者通过调查采集到了数据,接下来的问题就是对数据的 处理和统计分析,并借此对硏究假说进行校验。为了便于研究者熟悉理论假设与 假设验证方法,将研究问题、假设验证与统计分析有机结合,并对SPSS统计分 析软件有所了解,本章的重点将聚焦于实证研究中的假设校验,其中重点对统计 分析方法选择、调节和中介效应验证、结构方程模型的使用进行阐述。 第一节研究问题与统计方法选择 不同的理论可能用不同的模型来表示,不同的模型都有自己特殊的问题和不 同的分析方法。研究者必须在十分清楚自己研究的问题的基础上,才能选择适宜 的方法进行假设验证,而不是从一个复杂的模型出发,去考察数据是否成立,或 者看看数据结果能构造一个什么复杂模型。为考察研究问题与统计分析方法选择 之间的对应关系,以及统计分析及其结果展现,下面举例进行说明。 研究模型举例 前面的章节在介绍理论构建的时候已经指出,在研究中往往需要或者要习惯 于用框图来勾勒研究中的理论假设,从而形成研究的概念模型。这种用框图表达 的概念模型既能够直观表达硏究者所构建的理论,便于读者理解,同时能够帮助 或者训练研究中更为清晰地思考自己的理论框架。图51就是一个概念模型,其
- 1 - 第五章 管理实证研究(下) 【教学目的】熟悉验证性因子分析方法;理解研究问题与统计分析方法的匹 配,熟悉各类统计分析技术;理解理论构建中的中介效应和调节效应,掌握中介 和调节效应检验技术;理解结构方程模型及其适用条件,掌握结构方程模型研究 方法。 【教学重点与难点】验证性因子分析;统计分析技术;中介和调节效应检验; 结构方法模型方法 【教学时数】 8 【教学方法与手段】 案例教学、课堂讨论、多媒体演示、上级操作 前述章节已经制作完成了测量工具,并对预试涉及的样本选择和数据采集进 行了简要介绍。如果研究者通过调查采集到了数据,接下来的问题就是对数据的 处理和统计分析,并借此对研究假说进行校验。为了便于研究者熟悉理论假设与 假设验证方法,将研究问题、假设验证与统计分析有机结合,并对 SPSS 统计分 析软件有所了解,本章的重点将聚焦于实证研究中的假设校验,其中重点对统计 分析方法选择、调节和中介效应验证、结构方程模型的使用进行阐述。 第一节 研究问题与统计方法选择 不同的理论可能用不同的模型来表示,不同的模型都有自己特殊的问题和不 同的分析方法。研究者必须在十分清楚自己研究的问题的基础上,才能选择适宜 的方法进行假设验证,而不是从一个复杂的模型出发,去考察数据是否成立,或 者看看数据结果能构造一个什么复杂模型。为考察研究问题与统计分析方法选择 之间的对应关系,以及统计分析及其结果展现,下面举例进行说明。 一、研究模型举例 前面的章节在介绍理论构建的时候已经指出,在研究中往往需要或者要习惯 于用框图来勾勒研究中的理论假设,从而形成研究的概念模型。这种用框图表达 的概念模型既能够直观表达研究者所构建的理论,便于读者理解,同时能够帮助 或者训练研究中更为清晰地思考自己的理论框架。图 5.1 就是一个概念模型,其
中研究的是“英语焦虑”与“英语成绩”之间的关系,这个模型建立的详细情况 请参阅吴明隆的相关著作,很容易把焦虑这一应用心理学的范畴放大到管理学 所谓“欲速则不达”之类问题所要表达的就是这样的含义。吴明隆规划的模型是 关于英语学习的,其目的在于揭示研究问题和统计方法之间的关系(图5.1)。将 其改为英语学习只是让读者更有感觉,因为英语学习在国内极其受到重视,一些 大学甚至将英语四、六级等成绩作为取得学位的必要条件,也将英语成绩作为教 师职称评定中的必要条件,尽管实际工作中用到英语的机会和场合并不多见。对 英语学习的外在压力实际上会导致学习的焦虑,案例中设计的研究并不将“英语 焦虑”作为因变量,因此不探索什么导致英语学习的焦虑问题,也不谈英语学习 的必要性问题,这里只是关注焦虑作为自变量时如何影响成绩的问题,并且重点 的不是案例本身所涉及的问题,而只是举例来说明如何开展实证研究的问题。 英语焦虑 压力惧怕 情绪担忧 考试焦虑 课堂焦虑 英语态度 学习信心 有用性 英语成绩 成功态度 探究动机 个人变量 英语投入动机 学生性别 工作投入 大学年级 ●自我投入 ●大学专业 图5.1研究概念模型举例 图5.1的概念模型显示,该研究关注的问题是“英语焦虑”对“英语成绩” 的影响,并考察这种影响在不同“学生性别”、不同“大学年级”和“大学专业” 学生之间的差异。这是由概念模型首先要关注到的研究目的,研究生要加强从理 论到模型、从模型到理论的理解的锻炼,以便尽快把握住什么是科学问题。而事 实上,在“英语焦虑”对“英语成绩”的影响中,存在这样几种效应或者作用机 制:其一是“英语焦虑”直接影响“英语成绩”,即作为消极心理体验的焦虑情 ①吴明隆.SPSS统计应用实务[M]北京:中国铁道出版社,2001:5
- 2 - 中研究的是“英语焦虑”与“英语成绩”之间的关系,这个模型建立的详细情况 请参阅吴明隆的相关著作①,很容易把焦虑这一应用心理学的范畴放大到管理学, 所谓“欲速则不达”之类问题所要表达的就是这样的含义。吴明隆规划的模型是 关于英语学习的,其目的在于揭示研究问题和统计方法之间的关系(图 5.1)。将 其改为英语学习只是让读者更有感觉,因为英语学习在国内极其受到重视,一些 大学甚至将英语四、六级等成绩作为取得学位的必要条件,也将英语成绩作为教 师职称评定中的必要条件,尽管实际工作中用到英语的机会和场合并不多见。对 英语学习的外在压力实际上会导致学习的焦虑,案例中设计的研究并不将“英语 焦虑”作为因变量,因此不探索什么导致英语学习的焦虑问题,也不谈英语学习 的必要性问题,这里只是关注焦虑作为自变量时如何影响成绩的问题,并且重点 的不是案例本身所涉及的问题,而只是举例来说明如何开展实证研究的问题。 图 5.1 研究概念模型举例 图 5.1 的概念模型显示,该研究关注的问题是“英语焦虑”对“英语成绩” 的影响,并考察这种影响在不同“学生性别”、不同“大学年级”和“大学专业” 学生之间的差异。这是由概念模型首先要关注到的研究目的,研究生要加强从理 论到模型、从模型到理论的理解的锻炼,以便尽快把握住什么是科学问题。而事 实上,在“英语焦虑”对“英语成绩”的影响中,存在这样几种效应或者作用机 制:其一是“英语焦虑”直接影响“英语成绩”,即作为消极心理体验的焦虑情 ① 吴明隆. SPSS 统计应用实务[M]. 北京:中国铁道出版社,2001:55. 个人变量 学生性别 大学年级 大学专业 英语焦虑 压力惧怕 情绪担忧 考试焦虑 课堂焦虑 英语态度 学习信心 有用性 成功态度 探究动机 英语投入动机 工作投入 自我投入 英语成绩
绪,会引起倦怠、积极性降低、效率下降等不良后果,并最终表现为学习成绩下 降。其二是“英语焦虑”通过影响“英语态度”最终影响“英语成绩”;其三是 “英语焦虑”通过影响“投入动机”最终影响“英语成绩”其四是“英语焦虑” 通过影响“投入动机”和“英语态度”最终影响“英语成绩”。上述影响机制是 在一般心理过程分析、理论演绎和实践归纳基础上而得到的,其中包含两种效应, 第一种称之为直接效应,其余三种称之为间接效应,而“英语焦虑”为自变量, “英语成绩”为因变量,“英语投入动机”和“英语态度”为中介变量。 图5.1的概念模型中,作为自变量的“英语焦虑”是一个潜在变量,它是不 可直接观测的,并且,此变量有四个构面,分别为“压力惧怕”、“情绪担忧” “考试焦虑”、“课堂焦虑”,并且这四个构面同样也是不可直接观测的潜在变量。 为了测量这一变量及其构面,研究者开发了由27个题项组成的测量量表(表5.1) 表51“英语焦虑”测量量表 认同程度 编号 问题 非常不网不,同不确定發同非常会同 英语考试时,我越考得好,就觉得越慌乱 口 2不管我如何用功准备,我仍然会害怕英语 口口口 3英语考完后,我常常会为我的答题而后悔不已 即使这次英语考得很好,但我对下次考试仍没有信心 5英语考试会使我惊慌 6在所有科目中,我最害怕英语考试 7考试时我最担心的科目是英语 8考英语时我常常想起过去的成绩表现而感到紧张 口口口口口口口口口口 9我常常担心英语考试会不及格 口口口口口口口 口口口口口口 口口口口口口 口口口口口口口 10我担心父母对我的英语成绩感到失望 11我担心老师对我的英语成绩感到失望 口口口 12考英语的时候我常因过度紧张而把应该会的都忘记 口口 13考完英语后,我的心情仍然无法放松 14当要做英语题时,我的头脑就一片空白 15只要看到英语这两个字,我就感到紧张 16我时常梦见英语考不好被父母责备 17同学在讨论英语时,我会感到紧张 口口口 18我担心老师会公布英语成绩 口口口口口 口 口口口口口 19我觉得英语比较难,不容易理解 口口口 20上英语课时,我一直盼望下课的铃声赶快响起 口口 21我最害怕补上英语课 22我觉得自己比别的同学更害怕英语 23在所有的科目中我最害怕英语 口口口 口口口 24英语课上我常常感到轻松自在
- 3 - 绪,会引起倦怠、积极性降低、效率下降等不良后果,并最终表现为学习成绩下 降。其二是“英语焦虑”通过影响“英语态度”最终影响“英语成绩”;其三是 “英语焦虑”通过影响“投入动机”最终影响“英语成绩”;其四是“英语焦虑” 通过影响“投入动机”和“英语态度”最终影响“英语成绩”。上述影响机制是 在一般心理过程分析、理论演绎和实践归纳基础上而得到的,其中包含两种效应, 第一种称之为直接效应,其余三种称之为间接效应,而“英语焦虑”为自变量, “英语成绩”为因变量,“英语投入动机”和“英语态度”为中介变量。 图 5.1 的概念模型中,作为自变量的“英语焦虑”是一个潜在变量,它是不 可直接观测的,并且,此变量有四个构面,分别为“压力惧怕”、“情绪担忧”、 “考试焦虑”、“课堂焦虑”,并且这四个构面同样也是不可直接观测的潜在变量。 为了测量这一变量及其构面,研究者开发了由 27 个题项组成的测量量表(表 5.1)。 表 5.1 “英语焦虑”测量量表 编 号 问 题 认同程度 非常不赞同 不赞同 不确定 赞同 非常赞同 1 2 3 4 5 1 英语考试时,我越考得好,就觉得越慌乱 □ □ □ □ □ 2 不管我如何用功准备,我仍然会害怕英语 □ □ □ □ □ 3 英语考完后,我常常会为我的答题而后悔不已 □ □ □ □ □ 4 即使这次英语考得很好,但我对下次考试仍没有信心 □ □ □ □ □ 5 英语考试会使我惊慌 □ □ □ □ □ 6 在所有科目中,我最害怕英语考试 □ □ □ □ □ 7 考试时我最担心的科目是英语 □ □ □ □ □ 8 考英语时我常常想起过去的成绩表现而感到紧张 □ □ □ □ □ 9 我常常担心英语考试会不及格 □ □ □ □ □ 10 我担心父母对我的英语成绩感到失望 □ □ □ □ □ 11 我担心老师对我的英语成绩感到失望 □ □ □ □ □ 12 考英语的时候我常因过度紧张而把应该会的都忘记 □ □ □ □ □ 13 考完英语后,我的心情仍然无法放松 □ □ □ □ □ 14 当要做英语题时,我的头脑就一片空白 □ □ □ □ □ 15 只要看到英语这两个字,我就感到紧张 □ □ □ □ □ 16 我时常梦见英语考不好被父母责备 □ □ □ □ □ 17 同学在讨论英语时,我会感到紧张 □ □ □ □ □ 18 我担心老师会公布英语成绩 □ □ □ □ □ 19 我觉得英语比较难,不容易理解 □ □ □ □ □ 20 上英语课时,我一直盼望下课的铃声赶快响起 □ □ □ □ □ 21 我最害怕补上英语课 □ □ □ □ □ 22 我觉得自己比别的同学更害怕英语 □ □ □ □ □ 23 在所有的科目中我最害怕英语 □ □ □ □ □ 24 英语课上我常常感到轻松自在 □ □ □ □ □
25上英语课是一件令人愉快的事情 26我希望每天都上英语课 口口 27做英语作业是一件痛苦的事情 口 口 口口口 表5.1是针对“英语焦虑”开发的量表,是在头脑风暴、访谈,以及研究“焦 虑”研究文献的基础上形成初始量表,并经过量表预试后形成的正式的量表。利 用正式量表进行抽样调査时首先的一项任务是确定样本数量,表5.1量表的调查 样本为300。抽样对于研究是有重要影响的,一般地,对于有限总体,样本抽样 的大小按照以下公式计算,即 n≥ N k)P(1 其中,N为总体样本数:;P通常设为0.50,以得到最可信的样本大小;a为显 著性水平,行为和社会科学研究中一般将显著性水平设定为005;k为正态分布 的分位数。例如研究者以某一地区企业员工为研究对象,已知该地区中小型企业 员工共有5000人,则研究者随机抽样的样本数为 5000 =356816≈357 0.05 5000-1 1.96050(1-0.50 其中,当显著性水平为0.05,置信度水平1-0.05=095时,k=1.96。计算结果 意味着研究者若采取随机抽样方法,样本数最好在357以上。 对于抽样总体相当大或无限大,样本抽样大小的公式为 P(1-P) 其中的参数含义与抽样总体有限时样本数量计算公式的相同。 研究设计中受试者数目需要多大才算具有代表性、多少位样本才算够大,不 同的学者有不同的看法。有些学者直接从问卷调查的属性来界定正式样本抽样人 数,如 Creswell(2002)认为一般的问卷调査研究中,正式抽样样本数最好在350 人以上; Airasian与Gay(2003)认为问卷调查的正式样本数至少要占其总体的 10%,若是总体的人数少于500,则分析样本数最好占总体的20%以上; Neuman (2003)主张若是总体的人数较少,则分析样本数最好占总体的30%以上。 Sudman(1976)认为,初学者进行与前人相类似的研究,可参考别人的样本数
- 4 - 25 上英语课是一件令人愉快的事情 □ □ □ □ □ 26 我希望每天都上英语课 □ □ □ □ □ 27 做英语作业是一件痛苦的事情 □ □ □ □ □ 表 5.1 是针对“英语焦虑”开发的量表,是在头脑风暴、访谈,以及研究“焦 虑”研究文献的基础上形成初始量表,并经过量表预试后形成的正式的量表。利 用正式量表进行抽样调查时首先的一项任务是确定样本数量,表 5.1 量表的调查 样本为 300。抽样对于研究是有重要影响的,一般地,对于有限总体,样本抽样 的大小按照以下公式计算,即 2 1 1 1 N n N k P P 其中, N 为总体样本数; P 通常设为 0.50,以得到最可信的样本大小; 为显 著性水平,行为和社会科学研究中一般将显著性水平设定为 0.05; k 为正态分布 的分位数。例如研究者以某一地区企业员工为研究对象,已知该地区中小型企业 员工共有 5000 人,则研究者随机抽样的样本数为 2 5000 =356.816 357 0.05 5000 1 1 1.96 0.50 1 0.50 n 其中,当显著性水平为 0.05,置信度水平 1 0.05 0.95 时, k 1.96。计算结果 意味着研究者若采取随机抽样方法,样本数最好在 357 以上。 对于抽样总体相当大或无限大,样本抽样大小的公式为 2 1 k n P P 其中的参数含义与抽样总体有限时样本数量计算公式的相同。 研究设计中受试者数目需要多大才算具有代表性、多少位样本才算够大,不 同的学者有不同的看法。有些学者直接从问卷调查的属性来界定正式样本抽样人 数,如 Creswell(2002)认为一般的问卷调查研究中,正式抽样样本数最好在 350 人以上;Airasian 与 Gay(2003)认为问卷调查的正式样本数至少要占其总体的 10%,若是总体的人数少于 500,则分析样本数最好占总体的 20%以上;Neuman (2003)主张若是总体的人数较少,则分析样本数最好占总体的 30%以上。 Sudman(1976)认为,初学者进行与前人相类似的研究,可参考别人的样本数
以作为自己取样的参考。如果是进行地区性研究,平均样本数在500至1000人 之间较为适合;而如果是全国性的研究,平均样本数约在1500至2500人之间较 为适宜。Gay(1992)对于样本数量提出了自己的看法,他认为进行描述性研究, 样本数最少占总体的10%,如果总体较小,则最小的样本数最好为总体的20%; 如果是进行研究目的在于探究变量间有无关系存在的相关研究,受试者至少须在 30人以上:如果进行因果比较研究或进行实验研究,各组人数至少要有30位 如果实验研究设计得宜,有严密的实验控制,每组受试者至少在15人以上,但 权威学者还是认为每组受试者最好应有30人。 需要指出的是,正式问卷调査中,抽样样本数越多推论的效度越可靠,但抽 样的样本性质必须能确实反映出总体的属性,因而研究者最好采取随机抽样或分 层随机抽样方式,如此抽取的样本数才能有效代表其所属的总体。在决定样本数 的大小时,除参考上述抽样调查的估值公式外,研究者还应考虑到时间、精力、 财力等因素,因为研究者抽取有代表的样本来推估总体,比抽取多数而代表性不 高的样本更具有外在效度。也就是说,抽取样本如果局限于“绝对数量”多少, 较为不妥。可接受样本数准则只是一种参考指针,因为如果取样方式不当,虽然 选择可很大的样本,代表性很低,还不如以适当抽样的方式,选取有代表性的小 样本。 图5,1中的“英语投入动机”和“英语态度”两个中介变量也是潜在变量, 其中前者有两个构面“工作投入”和“自我投入”,后者有四个构面“学习信心” “有用性”、“成功态度”、“探究动机”,这些构面也都是潜在变量。研究者为“英 语投入动机”开发了包含14个题项的测量量表,为“英语态度”开发了包含30 个题项的测量量表。这些量表在此不再赘述,可参照吴明隆(2001,p66-68)的 著作 二、因子分析 前面章节在量表的效度分析时,已经简单了解了探索性因子分析,这里比较 详细地对因子分析进行介绍。 依使用目的而言,因子分析可分为探索性因子分析( exploratory factor analysis;EFA)与验证性因素分析( confirmatory factor analysis;CFA),两种 分析方法最大的不同,在于测量理论架构在分析过程中所扮演的角色与检验时机
- 5 - 以作为自己取样的参考。如果是进行地区性研究,平均样本数在 500 至 1000 人 之间较为适合;而如果是全国性的研究,平均样本数约在 1500 至 2500 人之间较 为适宜。Gay(1992)对于样本数量提出了自己的看法,他认为进行描述性研究, 样本数最少占总体的 10%,如果总体较小,则最小的样本数最好为总体的 20%; 如果是进行研究目的在于探究变量间有无关系存在的相关研究,受试者至少须在 30 人以上;如果进行因果比较研究或进行实验研究,各组人数至少要有 30 位; 如果实验研究设计得宜,有严密的实验控制,每组受试者至少在 15 人以上,但 权威学者还是认为每组受试者最好应有 30 人。 需要指出的是,正式问卷调查中,抽样样本数越多推论的效度越可靠,但抽 样的样本性质必须能确实反映出总体的属性,因而研究者最好采取随机抽样或分 层随机抽样方式,如此抽取的样本数才能有效代表其所属的总体。在决定样本数 的大小时,除参考上述抽样调查的估值公式外,研究者还应考虑到时间、精力、 财力等因素,因为研究者抽取有代表的样本来推估总体,比抽取多数而代表性不 高的样本更具有外在效度。也就是说,抽取样本如果局限于“绝对数量”多少, 较为不妥。可接受样本数准则只是一种参考指针,因为如果取样方式不当,虽然 选择可很大的样本,代表性很低,还不如以适当抽样的方式,选取有代表性的小 样本。 图 5.1 中的“英语投入动机”和“英语态度”两个中介变量也是潜在变量, 其中前者有两个构面“工作投入”和“自我投入”,后者有四个构面“学习信心”、 “有用性”、“成功态度”、“探究动机”,这些构面也都是潜在变量。研究者为“英 语投入动机”开发了包含 14 个题项的测量量表,为“英语态度”开发了包含 30 个题项的测量量表。这些量表在此不再赘述,可参照吴明隆(2001,p66-68)的 著作。 二、因子分析 前面章节在量表的效度分析时,已经简单了解了探索性因子分析,这里比较 详细地对因子分析进行介绍。 依使用目的而言,因子分析可分为探索性因子分析(exploratory factor analysis;EFA)与验证性因素分析(confirmatory factor analysis; CFA),两种 分析方法最大的不同,在于测量理论架构在分析过程中所扮演的角色与检验时机
的不同。就EFA而言,测量变量的理论架构是因子分析后的产物,因子结构是 由研究者从一组独立的测量指标或题项之间,主观判断来决定的一个具有计量合 理性与理论适切性的结构,并以该结构来代表所测量的概念内容或构念特质。这 就是说,理论架构的出现在EFA程序中是一个事后概念。相比之下,CFA的进 行则必须有特定的理论观点或概念架构作为基础,然后借由英语程序来确认评估 该理论观点所导出的计量模型是否适当、合理,因此理论架构对CFA的影响是 在分析之前发生的,其计量模型具有先验性,理念是一种事前的概念(邱皓政, 2005)。EFA所要达成的是建立量表或问卷的建构效度,而CFA则是要检验此建 构效度的适切性与真实性 探索性因素分析的目的在于确认量表因子结构或一组变量的模型,经常考虑 的是要决定多少个因子或构念,同时因子负荷量的组型如何。虽然大部分的探索 性因子分析允许事先决定因素的个数,但强制某个变量只归于某一个特定因子则 有其困难。探索性因子分析偏向于理论的产岀,而非理论架构的检验。相反的, 验证性因子分析通常会依据一个严谨的理论,或在实征基础上,允许研究者事先 确认一个正确的因子模型,这个模型通常明确将变量归类于那个因子层面中,并 同时决定因子构念间是相关的,与探索性因子分析相比,验证性因子分析有较多 的理论检验程序。在实际应用上,研究可能同时会使用到探索性因子分析与验证 性因子分析,但有效区分两种分析方法的差异及其适用情境是非常重要的 ( Stevens,1996)。 在量表或问卷编制的预试上,都会先进行探索性因子分析,不断尝试,以求 得到量表最佳的因子结构,建立量表的建构效度。当研究者得知量表或问卷是由 数个不同潜在面向或因子所构成,为了确认量表所包含的因素是否与最初探究的 构念相同,会以不同的样本为对象加以检验。此时量表的各因子与其题项均已固 定,研究者所要探究的是量表的因子结构模型是否与实际搜集的数据契合,指标 变量是否可以有效作为因子构念(潜在变量)的测量变量,此种因子分析的程序, 称为验证性因子分析。 验证性因子分析模型被归类于一般结构方程模型或共变结构模型之中,允许 反映与解释潜在变量,它和一系列的线性方程相连结。与探索性因子分析相比, 验证性因子分析模型较为复杂,但两种模型的基本目标是相似的,皆在解释观察
- 6 - 的不同。就 EFA 而言,测量变量的理论架构是因子分析后的产物,因子结构是 由研究者从一组独立的测量指标或题项之间,主观判断来决定的一个具有计量合 理性与理论适切性的结构,并以该结构来代表所测量的概念内容或构念特质。这 就是说,理论架构的出现在 EFA 程序中是一个事后概念。相比之下,CFA 的进 行则必须有特定的理论观点或概念架构作为基础,然后借由英语程序来确认评估 该理论观点所导出的计量模型是否适当、合理,因此理论架构对 CFA 的影响是 在分析之前发生的,其计量模型具有先验性,理念是一种事前的概念(邱皓政, 2005)。EFA 所要达成的是建立量表或问卷的建构效度,而 CFA 则是要检验此建 构效度的适切性与真实性。 探索性因素分析的目的在于确认量表因子结构或一组变量的模型,经常考虑 的是要决定多少个因子或构念,同时因子负荷量的组型如何。虽然大部分的探索 性因子分析允许事先决定因素的个数,但强制某个变量只归于某一个特定因子则 有其困难。探索性因子分析偏向于理论的产出,而非理论架构的检验。相反的, 验证性因子分析通常会依据一个严谨的理论,或在实征基础上,允许研究者事先 确认一个正确的因子模型,这个模型通常明确将变量归类于那个因子层面中,并 同时决定因子构念间是相关的,与探索性因子分析相比,验证性因子分析有较多 的理论检验程序。在实际应用上,研究可能同时会使用到探索性因子分析与验证 性因子分析,但有效区分两种分析方法的差异及其适用情境是非常重要的 (Stevens,1996)。 在量表或问卷编制的预试上,都会先进行探索性因子分析,不断尝试,以求 得到量表最佳的因子结构,建立量表的建构效度。当研究者得知量表或问卷是由 数个不同潜在面向或因子所构成,为了确认量表所包含的因素是否与最初探究的 构念相同,会以不同的样本为对象加以检验。此时量表的各因子与其题项均已固 定,研究者所要探究的是量表的因子结构模型是否与实际搜集的数据契合,指标 变量是否可以有效作为因子构念(潜在变量)的测量变量,此种因子分析的程序, 称为验证性因子分析。 验证性因子分析模型被归类于一般结构方程模型或共变结构模型之中,允许 反映与解释潜在变量,它和一系列的线性方程相连结。与探索性因子分析相比, 验证性因子分析模型较为复杂,但两种模型的基本目标是相似的,皆在解释观察
变量间的相关或共变关系,但CFA偏重于检验假定的观察变量与假定的潜在变 量间的关系( Everitt和Dumn,2001)。探索性因子分析和验证性因子分析的差异 归纳在表52中( Stevens,1996,p389) 表5.2两种因子分析方法比较 探索性因子分析 验证性因子分析 理论产出 理论检验 理论启发,文献基础薄弱 强势理论或实证基础 决定因子数目 之前分析后因子的数目已经固定 决定因子间是否相关 根据之前的分析固定因子间有相关或无相关 变量可以自由归类所有因子 变量固定归类于某一特定因子 验证性因子分析被使用于检验一组测量变量与一组可以解释测量变量的因 子构念间的关系,CFA允许研究者分析确认事先假设的测量变量与因子间关系 的正确性。通常EFA是利用一组样本来产生测量变量问因子结构,而CFA则是 再从总体中抽取另一组样本来检验假设因子结构的契合度。有些研究者会将样本 数一分为二,以一半的样本数来使用EFA方法产生因子结构,另外一半样本采 用CFA方法来进行模型的正式比较。CFA是SEM家族的一个应用典型,CFA 也可处理因素结构间斜交(因素构念间有相关)及直交的问题(因素构念间没有 相关),此外,还可以分析指标变量间的随机测量误差、指标变量的信度与效度 检验等( Spicer,2005)。 总之,因子分析在实施上至少有下列三方面的功能(林邦杰,1979),或者 进行因子分析要实现的目标:(1)描述性的功能。因子分析能够将数目众多的变 量浓缩成数目较少几个精简变量,这些精简变量即是一般的因子。亦即因子分析 能够以较少因子层面涵括所有的观察变量。(2)提供假设的功能。透过因子分析 可以将杂杂乱无章的变量重新排列组合,理出头绪,此种探索性的功能有助于建 立新的假设、发展性的理论,而此种因子分析即称为探索性因子分析。(3)检验 假设的功能。假定使用者的理论架构已经非常清晰且十分完善,那么就可以利用 因子分析未检验这些理论和假设,此种因子分析即为验证性因子分析。 传统的测验理论或因子分析均是假设潜在变量为“因”,而指标变量为“果”, ①吴明隆.结构方程模型一—AMOS的操作与应用[M]重庆:重庆大学出版社,2009214
- 7 - 变量间的相关或共变关系,但 CFA 偏重于检验假定的观察变量与假定的潜在变 量间的关系(Everitt 和 Dunn,2001)。探索性因子分析和验证性因子分析的差异 归纳在表 5.2 中(Stevens,1996,p389)。 表 5.2 两种因子分析方法比较① 探索性因子分析 验证性因子分析 理论产出 理论检验 理论启发,文献基础薄弱 强势理论或实证基础 决定因子数目 之前分析后因子的数目已经固定 决定因子间是否相关 根据之前的分析固定因子间有相关或无相关 变量可以自由归类所有因子 变量固定归类于某一特定因子 验证性因子分析被使用于检验一组测量变量与一组可以解释测量变量的因 子构念间的关系,CFA 允许研究者分析确认事先假设的测量变量与因子间关系 的正确性。通常 EFA 是利用一组样本来产生测量变量问因子结构,而 CFA 则是 再从总体中抽取另一组样本来检验假设因子结构的契合度。有些研究者会将样本 数一分为二,以一半的样本数来使用 EFA 方法产生因子结构,另外一半样本采 用 CFA 方法来进行模型的正式比较。CFA 是 SEM 家族的一个应用典型,CFA 也可处理因素结构间斜交(因素构念间有相关)及直交的问题(因素构念间没有 相关),此外,还可以分析指标变量间的随机测量误差、指标变量的信度与效度 检验等(Spicer,2005)。 总之,因子分析在实施上至少有下列三方面的功能(林邦杰,1979),或者 进行因子分析要实现的目标:(1)描述性的功能。因子分析能够将数目众多的变 量浓缩成数目较少几个精简变量,这些精简变量即是一般的因子。亦即因子分析 能够以较少因子层面涵括所有的观察变量。(2)提供假设的功能。透过因子分析 可以将杂杂乱无章的变量重新排列组合,理出头绪,此种探索性的功能有助于建 立新的假设、发展性的理论,而此种因子分析即称为探索性因子分析。(3)检验 假设的功能。假定使用者的理论架构已经非常清晰且十分完善,那么就可以利用 因子分析未检验这些理论和假设,此种因子分析即为验证性因子分析。 传统的测验理论或因子分析均是假设潜在变量为“因”,而指标变量为“果”, ① 吴明隆. 结构方程模型——AMOS 的操作与应用[M]. 重庆:重庆大学出版社,2009:214
将此论点用于测验编制上,要把握以下几个原则:①同一构面因子的外显指标其 内部一致性三高;②同一构面因子的测量指标间的相关越高越好;③单一维度构 面中,信度相同的测量指标,本质上是可以替换的;④同一构面内测量指标的相 关应高于构面间测量指标的相关;⑤测量指标线性组合可以取代潜在变量。对于 验证性因子分析在测验编制的应用,学者 Bollen与 Lennox(1991)提出五个观 点供研究者参考:(1)同一构面的测量指标应具有高度一致性的原则只适用于效 果指标(反映性指标),而不适用于原因指标(形成性指标),各原因指标间不 定需要具有同质性。(2)同一构面的测量指标间的相关越高越好只适用于反映性 指标,不适用于形成性指标,因为形成性指标(原因指标)间具有高相关容易产 生多元共线性的问题。(3)单一构面因子中,信度相同的测量指标,本质上是可 以替换的,此原则并不适用于形成性指标,因为各原因指标本质上可能不相同, 删去任何一个原因指标都会破坏原先构面的架构。(4)不管是效果指标还是原因 指标,构面内指标的相关不一定会高于构面间指标的相关,除非是多因素直交模 型,潜在变量间的相关为0。(5)不管是形成指标还是反映性指标,指标的线性 组合都不等于潜在变量 现在回到案例分析。对“英语焦虑”分量表作因子分析,得到表5.3的结果, 其中显示,“英语焦虑”潜变量包含了四个层面,即抽取了四个因子。根据对各 个因子所包含题项的考察,可以为四个因子命名。其中,第一个因子所包含11 个题项均体现了对英语课堂的畏惧心理,可以命名为“课堂焦虑”;第二个因子 所包含的9个题项均与英语解题相关,是英语考试时的焦虑心理,可以命名为“考 试焦虑”;第三个因子的四个题项体现了在英语学习方面的压力,可以命名为“压 力惧怕”;第四个因子的三个题项的共同特征是“情绪担忧”。 表53“英语焦虑”分量表旋转成份矩阵 成份 题项 课题焦虑 考试焦虑 压力惧怕 情绪担忧 a20 643 a23
- 8 - 将此论点用于测验编制上,要把握以下几个原则:①同一构面因子的外显指标其 内部一致性三高;②同一构面因子的测量指标间的相关越高越好;③单一维度构 面中,信度相同的测量指标,本质上是可以替换的;④同一构面内测量指标的相 关应高于构面间测量指标的相关;⑤测量指标线性组合可以取代潜在变量。对于 验证性因子分析在测验编制的应用,学者 Bollen 与 Lennox(1991)提出五个观 点供研究者参考:(1)同一构面的测量指标应具有高度一致性的原则只适用于效 果指标(反映性指标),而不适用于原因指标(形成性指标),各原因指标间不一 定需要具有同质性。(2)同一构面的测量指标间的相关越高越好只适用于反映性 指标,不适用于形成性指标,因为形成性指标(原因指标)间具有高相关容易产 生多元共线性的问题。(3)单一构面因子中,信度相同的测量指标,本质上是可 以替换的,此原则并不适用于形成性指标,因为各原因指标本质上可能不相同, 删去任何一个原因指标都会破坏原先构面的架构。(4)不管是效果指标还是原因 指标,构面内指标的相关不一定会高于构面间指标的相关,除非是多因素直交模 型,潜在变量间的相关为 0。(5)不管是形成指标还是反映性指标,指标的线性 组合都不等于潜在变量。 现在回到案例分析。对“英语焦虑”分量表作因子分析,得到表 5.3 的结果, 其中显示,“英语焦虑”潜变量包含了四个层面,即抽取了四个因子。根据对各 个因子所包含题项的考察,可以为四个因子命名。其中,第一个因子所包含 11 个题项均体现了对英语课堂的畏惧心理,可以命名为“课堂焦虑”;第二个因子 所包含的 9 个题项均与英语解题相关,是英语考试时的焦虑心理,可以命名为“考 试焦虑”;第三个因子的四个题项体现了在英语学习方面的压力,可以命名为“压 力惧怕”;第四个因子的三个题项的共同特征是“情绪担忧”。 表 5.3 “英语焦虑”分量表旋转成份矩阵 题 项 成份 课题焦虑 考试焦虑 压力惧怕 情绪担忧 a25 .735 a24 .680 a20 .668 a6 .643 a23 .642 a21 .617 a26 .598 a7 .595
517 a16 731 a22 a15 a18 .399 542 a10 a11 658 提取方法:主成份。 旋转法:具有 Kaiser标准化的正交旋转法 假定量表均已经过校验,满足建构效度和信度分析要求。得到表53的因子 结构表后,就需要计算各个因子或层面的得分。例如对于第一个因子来讲,计算 其得分时需要将其所包含的全部题项的得分相加。四个构面的得分计算得到后, 将四个构面的得分相加,就得到了“英语焦虑”潜在变量的得分,表54列出了 计算结果。 表5.4“英语焦虑”分量表及各层面汇总 构面/量表 代码 包含题项 题项数 课堂焦虑 claa25+a24+a20+a6+a23+a21+a26+a7+a27+a5+a1911 考试焦虑 exa a16+a17+a14+a22+a15+a8+a18+al3+a12 压力惧怕 fea a1+a4+a3+a2 情绪担忧 wor a10+all+a9 英语焦虑分量表总分 anx cla+exa+fea+wor 27 同理,按照上述因子分析步骤可以得到“英语投入动机”、“英语态度”两个 分量表的汇总情况,见表55。 表5.5分量表及各层面汇总
- 9 - a27 .530 a5 .517 a19 .481 a16 .731 a17 .633 a14 .594 a22 .584 a15 .583 a8 .580 a18 .575 a13 .501 a12 .399 a1 .642 a4 .636 a3 .558 a2 .542 a10 .840 a11 .730 a9 .658 提取方法 :主成份。 旋转法 :具有 Kaiser 标准化的正交旋转法。 假定量表均已经过校验,满足建构效度和信度分析要求。得到表 5.3 的因子 结构表后,就需要计算各个因子或层面的得分。例如对于第一个因子来讲,计算 其得分时需要将其所包含的全部题项的得分相加。四个构面的得分计算得到后, 将四个构面的得分相加,就得到了“英语焦虑”潜在变量的得分,表 5.4 列出了 计算结果。 表 5.4 “英语焦虑”分量表及各层面汇总 构面/量表 代码 包含题项 题项数 课堂焦虑 cla a25+a24+a20+a6+a23+a21+a26+a7+a27+a5+a19 11 考试焦虑 exa a16+a17+a14+a22+a15+a8+a18+a13+a12 9 压力惧怕 fea a1+a4+a3+a2 4 情绪担忧 wor a10+a11+a9 3 英语焦虑分量表总分 anx cla+exa+fea+wor 27 同理,按照上述因子分析步骤可以得到“英语投入动机”、“英语态度”两个 分量表的汇总情况,见表 5.5。 表 5.5 分量表及各层面汇总
量表/构面名称 代码 包含题项 题项数 英语态度分量表 学习信心 con b6+b2+b5+b10+67+b1+b18+b4 有用性 use b9+b17+b12+b20+b29+b30+b13+b19 成功态度 b23+b22+b25+b21+b26+b28 探究动机 mot b16+b11+b14+b3+b8+624+b27+15 英语态度分量表总分 con+use+suc+mot 英语投入动机分量表 工作投入 c2+c3+c6+cl+c4+c5+c9 自我投入 ein c14+c13+c7+c1l+c8+c10+c12 7 投入动机分量表总分 tintin 通过因子分析,对变量及其构面已经有了非常清晰的了解,并借助统计分析 软件计算得到了各个构面及其分量表的得分,接下来就可以根据研究中要解决的 问题进行实证校验了。 研究问题与统计分析方法 尽管表面上看,前述案例所要研究的问题是“英语焦虑”对“英语成绩”的 影响问题,但是,此问题的研究不是简单地了解两个变量之间的影响程度有多大, 而是要把握清楚“英语焦虑”影响“英语成绩”的机理问题。机理硏究是管理学 科学硏究的根本要求,研究者对科学问题的硏究就是要深入分析隐藏在管理问题 现象和事实背后的作用机理,即(1)问题的本质是什么?(2)什么因素在起影 响作用?(3)这些因素产生作用的动力学原理是什么?以及(4)作用力的大小、 方向及其稳定性等。既然需要探索和分析“英语焦虑”对“学习成绩”的影响机 理,就需要明确研究所涉及的问题层次和结构,这对应着新増知识的体系和结构。 根据对“英语焦虑”与“英语成绩”之间影响机理的理论把握和实践认知, 此问题的研究涉及到如下具体的问题,并分别对应着不同的统计分析方法: 1、调查对象在各个变量方面的现状如何? 尽管研究的重要任务是统计推断,但是首要的任务是呈现各类变量的分布情 形和各个量表的基本数据,关键是对“英语焦虑”、“英语投入动机”“英语态度” 等潜在变量,以及“英语成绩”显在变量的现状。现状描述实际是针对相关变量
- 10 - 量表/构面名称 代码 包含题项 题项数 英语态度分量表: 学习信心 con b6+b2+b5+b10+b7+b1+b18+b4 8 有用性 use b9+b17+b12+b20+b29+b30+b13+b19 8 成功态度 suc b23+b22+b25+b21+b26+b28 6 探究动机 mot b16+b11+b14+b3+b8+b24+b27+15 8 英语态度分量表总分 att con+use+suc+mot 30 英语投入动机分量表: 工作投入 tin c2+c3+c6+c1+c4+c5+c9 7 自我投入 ein c14+c13+c7+c11+c8+c10+c12 7 投入动机分量表总分 inv tin+ein 14 通过因子分析,对变量及其构面已经有了非常清晰的了解,并借助统计分析 软件计算得到了各个构面及其分量表的得分,接下来就可以根据研究中要解决的 问题进行实证校验了。 三、研究问题与统计分析方法 尽管表面上看,前述案例所要研究的问题是“英语焦虑”对“英语成绩”的 影响问题,但是,此问题的研究不是简单地了解两个变量之间的影响程度有多大, 而是要把握清楚“英语焦虑”影响“英语成绩”的机理问题。机理研究是管理学 科学研究的根本要求,研究者对科学问题的研究就是要深入分析隐藏在管理问题、 现象和事实背后的作用机理,即(1)问题的本质是什么?(2)什么因素在起影 响作用?(3)这些因素产生作用的动力学原理是什么?以及(4)作用力的大小、 方向及其稳定性等。既然需要探索和分析“英语焦虑”对“学习成绩”的影响机 理,就需要明确研究所涉及的问题层次和结构,这对应着新增知识的体系和结构。 根据对“英语焦虑”与“英语成绩”之间影响机理的理论把握和实践认知, 此问题的研究涉及到如下具体的问题,并分别对应着不同的统计分析方法: 1、调查对象在各个变量方面的现状如何? 尽管研究的重要任务是统计推断,但是首要的任务是呈现各类变量的分布情 形和各个量表的基本数据,关键是对“英语焦虑”、“英语投入动机”、“英语态度” 等潜在变量,以及“英语成绩”显在变量的现状。现状描述实际是针对相关变量