共同方法偏差（common method variance，CMV）是系统测量误差的主要来源之一（Bagozzi and Yi，1991），是由收集数据时共同的数据来源（共同评定者效应，如一致性倾向、社会赞许动机等）、共同测量背景（如变量同时、同地以及相同方式测量）、测量指标语境（指标的嵌入环境、量表长度等）以及测量指标本身特征（指标的暗示性、模糊性、量表形式等）造成的（Podsakoff et al.，2003）。测量误差一般认为由随机误差和系统误差组成，它们会降低测量关系结论的效度（Spector，1987；Bagozzi and Yi，1991），而共同方法偏差作为系统误差方差能严重影响实证研究结果，可潜在地产生误导性的结论（Campbell and Fiske，1959）。因此，在正式分析各变量之间关系之前需要对数据进行CMV检验。

为减少数据收集过程中CMV的产生，数据收集过程进行了程序控制，如保护被调查者的匿名性、平衡测量指标的顺序效应以及对测量指标进行改进等。除程序控制补救外，还可以通过统计检验进行补救，即对数据进行进一步CMV检验。

对CMV检验的方法有很多种，本书采用潜在误差变量中无可测方法进行因素效应检验，该方法在验证性因子模型中增加一阶共同方法偏差潜在变量，让所有测量指标在其上均有载荷，通过检验模型拟合度，进而检验共同方法偏差效应，该方法也是目前研究者多采用的检验方法。

按照Widaman（1985）提出的方法步骤，需要检验未添加共同方法偏差的多因子测量模型（EM1）在增加共同方法偏差潜变量后的测量模型（EM2）拟合度是否显著改善（Widaman，1985），检验结果如表5－3所示。(www.daowen.com)

表5-3　样本数据共同方法偏差检验

从对比员工样本数据的7因子（EM1）和8因子（EM2），以及消费者样本数据的4因子（CM1）和5因子（CM2）验证模型的拟合指标可以看出，自由度分别减少Δdf=29和Δdf=15，但Δχ2值分别是215.98和294.54，得到了显著改变。但由于卡方值与样本容量N有关，Δχ2同样受到样本容量的影响，并不能据此判定变量之间存在明显的共同方法偏差效应（郑建君等，2009）。因此，还需要从其他拟合指标共同判断，由于NNFI、IFI和CFI不受样本容量N的影响，同时惩罚复杂模型，而RMSEA受N的影响较小，对参数过少的误设模型还稍微敏感一些（温忠麟等，2004），在此选择这四个作为判断指标，通过对比RMSEA、NNFI、IFI以及CFI可以发现，指标变化值在0.0025～0.0184之间，说明本研究收集的数据不存在显著的共同方法偏差效应。