管理世界》(月刊 2007 年第8期 后正面情绪中的自豪”和感动”问项以及补救后 从表4看出,通过SNK两两比较,表格中各组 负面情绪中的疚”问项,均偏离所载荷因子,我 均数均按大小排序,然后在表格的横向上分成了若 们予以删除 干个亚组,不同亚组间的p值小于0.05,也就是说 3.判别效度检验。我们采用AVE作为检验指 如果不同情境下的均值进入不同的亚组,则说明组 标,结果显示,AVE值均大于0.50,并且所有变量的间是有显著差异的(张文彤,2002)。四变量在不同 AVE值均大于个变量间的相关系数,说明因子的汇 的补救情境中的均值落在不同的亚组内,这说明在 聚效度和因子间的区别效度很好( Fomell and 不同的补救情境中,四变量出现了显著的差异性 Larcher1981)。结果见表2。 我们再分析变量取值的大小,发现补救后正面情 (三)实验控制检验 绪、补救后满意度和行为倾向变量的取值大小排序 1.被试样本的控制。我们在实验中采用的被试 致,而补救后负面情绪的取值恰恰为反向排序 样本均为大学3年级生,平均年龄为20.8岁,方差 这与我们的假设是一致的。于是证实假设1a1d 仅为0.8,学生的生活环境和消费经历非常相近,具 为了证实其余假设,我们采用PLS- Graph结构 有较高的内部效度,这也排除了年龄、职业、学历、 方程软件进行检验。PLS被称之为软建模方法 消费经验等因素的干扰 (WoH,1982),主要通过R2来验证模型的解释力。从 2被试者情绪的控制。我们在实验过程中,首先结果看,内生变量的R2值分别为补救后正面情绪 由被试学生静坐在电脑前,放松地听45秒钟轻松 (0.69)、补救后负面情绪(0.530)、补救后满意度 的音乐,尽量使学生产生轻松的情绪。从结果看,填(0.785)和行为倾向(0.612),均大于0.5,说明所建 写问卷时被试者的情绪均值为4.33(7级 Likert量模型具有较强的解释力。 表,以下同),方差为0.07,绝大多数被试者的情绪在 我们用非参数 Bootstrap再抽样(N=500)计算 40~5.0之间,接近于中性偏高。并且方差值较低,这 路径的显著度水平。假设检验的结果见表4。 也说明被试者情绪的一致性比较高。由此,我们认为 从表5可看出,原假设中除假设2f外,其余均 被试者填写问卷时的情绪已经被很好的控制 得到验证。功利补偿和象征补偿均显著地影响消费 3被试者情景融入的控制和检验。在被试者填表3补救后情堵、满意度和行为倾向的多因素方差分析 写问卷前,作者和助手多次启发学生把自己想象为 自变量 补救情景 场景中的主人公,并充分鼓励学生调动其情绪感 因变量 受。同时,在问卷中特别设置了一个问项您能把自 补救后正面情绪6992033233068193880000 己想象为剧情中的主人公吗”,用以提醒和测试被 补救后负面情绪5679223|18930716168000 补救后满意 1184641339480303237000 试者情景融入的情况。结果显示,在10分制打分 行为倾向 9646733321558[18669000 中,均值为8.07,方差为0.160。这说明绝大表4补教后情绪、满意度和行为倾向的 ANOVA分析(SN两两比较) 多数被试者均能很好的融入场景。 补教后正面情绪 补救后负面情绪 低功利补数2 高功利补救|2.583 六、数据分析与假设检验 低象征补救 高象征补救 3497 以下我们将对提出的假设进行检验,为低象征补救 高象征补救 了检验假设1a至假设1d,我们采用多因素低功利补教 4.321 高功利补救 高象征补救 低象征补救 方差分析、 ANOVA等进行验证。首先看多因高功利补数 4971低功利补救 4428 素方差分析的结果,见表3。 高象征补救 低象征补救 结果表明,补救情景对补救后正面情 补救后满意度 行为倾向 绪、负面情绪、补救后满意和行为倾向得主 低功利补救2863 低功利补救2234 低象征补教 低象征补救 效应都是显著的。也就是说,在不同的补救高功利补教 3.798 高功利补救 3.309 情境下,以上四变量出现了明显的差异性。低象征补教 低象征补救 但我们还不能据此得到在不同情境下的比低功利补数 低功利补救 3.87 高象征补救 高象征补救 较。于是,我们还需进行 ANOVA分析进 高功利补救 5724高功利补救 4956 步证实 高象征补教 高象征补救 o1994-2008ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp:/www.crrki.slt《管理世界》(月刊) 2007 年第 8 期 后正面情绪中的“自豪”和“感动”问项以及补救后 负面情绪中的“内疚”问项, 均偏离所载荷因子, 我 们予以删除。 3. 判别效度检验。我们采用 AVE 作为检验指 标, 结果显示, AVE 值均大于 0.50, 并且所有变量的 AVE 值均大于个变量间的相关系数, 说明因子的汇 聚 效 度 和 因 子 间 的 区 别 效 度 很 好 ( Fornell and Larcher,1981) 。结果见表 2。 ( 三) 实验控制检验 1.被试样本的控制。我们在实验中采用的被试 样本均为大学 3 年级生, 平均年龄为 20.8 岁, 方差 仅为 0.8, 学生的生活环境和消费经历非常相近, 具 有较高的内部效度, 这也排除了年龄、职业、学历、 消费经验等因素的干扰。 2.被试者情绪的控制。我们在实验过程中, 首先 由被试学生静坐在电脑前, 放松地听 45 秒钟轻松 的音乐, 尽量使学生产生轻松的情绪。从结果看, 填 写问卷时被试者的情绪均值为 4.33 ( 7 级 Likert 量 表, 以下同) , 方差为 0.07, 绝大多数被试者的情绪在 4.0~5.0 之间, 接近于中性偏高。并且方差值较低, 这 也说明被试者情绪的一致性比较高。由此, 我们认为 被试者填写问卷时的情绪已经被很好的控制。 3.被试者情景融入的控制和检验。在被试者填 写问卷前, 作者和助手多次启发学生把自己想象为 场景中的主人公, 并充分鼓励学生调动 其情绪感 受。同时, 在问卷中特别设置了一个问项“您能把自 己想象为剧情中的主人公吗”, 用以提醒和测试被 试者情景融入的情况。结果显示, 在 10 分制打分 中, 均值为 8.07, 方差为 0.160。这说明绝大 多数被试者均能很好的融入场景。 六、数据分析与假设检验 以下我们将对提出的假设进行检验, 为 了检验假设 1a 至假设 1d, 我们采用多因素 方差分析、ANOVA 等进行验证。首先看多因 素方差分析的结果, 见表 3。 结果表明, 补救情景对补救 后 正 面 情 绪、负面情绪、补救后满意和行为倾向得主 效应都是显著的。也就是说, 在不同的补救 情境下, 以上四变量出现了明显的差异性。 但我们还不能据 此得到在不同情境下的比 较。于是, 我们还需进行 ANOVA 分析进一 步证实。 从表 4 看出, 通过 SNK 两两比较, 表格中各组 均数均按大小排序, 然后在表格的横向上分成了若 干个亚组, 不同亚组间的 p 值小于 0.05, 也就是说, 如果不同情境下的均值进入不同的亚组, 则说明组 间是有显著差异的( 张文彤, 2002) 。四变量在不同 的补救情境中的均值落在不同的亚组内, 这说明在 不同的补救情境中, 四变量出现了显著的差异性。 我们再分析变量取值的大小, 发 现补救后正面情 绪、补救后满意度和行为倾向变量的取值大小排序 一致, 而补救后负面情绪的取值恰恰为反向排序, 这与我们的假设是一致的。于是证实假设 1a~1d。 为了证实其余假设, 我们采用 PLS- Graph 结构 方 程 软 件 进 行 检 验 。PLS 被 称 之 为 软 建 模 方 法 ( Wold,1982) , 主要通过 R2 来验证模型的解释力。从 结果看, 内生变量的 R2 值分别为补救后正面情绪 ( 0.669) 、补 救 后 负 面 情 绪 ( 0.530) 、补 救 后 满 意 度 ( 0.785) 和 行 为 倾 向( 0.612) , 均 大 于 0.5, 说 明 所 建 模型具有较强的解释力。 我 们 用 非 参 数 Bootstrap 再 抽 样( N=500) 计 算 路径的显著度水平。假设检验的结果见表 4。 从表 5 可看出, 原假设中除假设 2f 外, 其余均 得到验证。功利补偿和象征补偿均显著地影响消费 91- -