荣泰生(2009)指出,所谓效度包含两个条件,第一个条件是,该测量工具确实是在测量其所要探讨的观念,而非其他观念;第二个条件是,能正确地测量出该观念[155]。本书主要从内容效度、建构效度两方面来检验其问卷的效度,具体方法参见4.4数据分析方法。
5.1.2.1 探索性因素分析
探索性因素分析,旨在找出量表潜在的结构,减少题项的数目,使之变成一组较少而彼此相关较大的变量。为此,一般需要先对样本进行KMO取样适当性测试(Kaiser-Meyer-Olykin Measure of Sampling Adequacy,KMO)、巴特莱特球形度检验(Bartlett Test of Sphericity)并据此判定是否适合采用探索性因素分析。吴明隆(2010)指出,KMO指标值介于0至1之间,当KMO值小于0.5时,表示题项变量间不适合进行因素分析;相对的,若是所有题项变量所呈现的KMO指标值大于0.8,表示题项变量间的关系是良好的,适合进行因素分析;KMO指标值大于0.9,表示题项变量间的关系是极佳的,非常适合进行因子分析。此外,若Bartlett’s球形检验结果未达0.05显著水平,则表示拒绝净相关矩阵不是单元矩阵的虚无假设,代表总体间的相关矩阵间有共同因素存在,适合进行因素分析[174]。
本书参考吴明隆(2010)的做法,将因子取舍的标准定为:特征值(Eigenvalue)必须大于1,因子载荷(Factor Loading)的绝对值必须大于0.4,对于不符合这两个要求的题项将在分析中予以删除。然后,通过Cronbach’ɑ系数检验进行信度分析,以考察数据对变量度量的一致性程度,其判断标准为:如果删除某一题项会导致整个维度构成题项的Cronbach’ɑ系数提高,那么就删除这一题项,另外,保留下来的题项对全体题项的相关系数应大于0.35。
(1)创业导向维度的因子分析
从表5-2创业导向的因子分析中,可以发现代表样本充分水平的KMO=0.792,大于0.7的标准,而Bartlett’s球形度检验结果达到显著水平。如前所述,本书中的创业导向量表适合进一步做因子分析。
创业导向量表被抽取出来的有效因子为2个,共同因素1中包含创新及超前行动维度6题,共同因素2中包含风险承担维度3题,因此将共同因素1命名为创新及超前行动、共同因素2命名为风险承担,两个因素的方差解释率分别为25.533%、20.955%、,累积方差解释率达到了46.488%,说明创业导向量表的结构效度是可以接受的。
表5-2 创业导向因子分析——因子载荷矩阵
(2)市场导向维度的因子分析
从表5-3市场导向的因子分析中,可以发现市场导向量表的KMO=0.907,大于0.7的标准,而Bartlett球形度检验结果显著,根据前述规则,市场导向量表适合进一步做因子分析。从市场导向的因子分析结果来看,所有题项的因子载荷都大于0.4,共同因素1中包含顾客导向维度6题;共同因素2中包含部门间协调维度5题;共同因素3中包含竞争者导向维度4题。最终,市场导向量表被抽取出来的有效因子为3个,分别命名为共同因素1:顾客导向、共同因素2:部门间协调、共同因素3:竞争者导向,各个因素的方差解释率分别为22.620%、17.339%、15.382%,累积方差解释率达到了55.341%。说明市场导向量表的结构效度是可以接受的。
表5-3 市场导向因子分析——因子载荷矩阵
(3)组织学习维度的因子分析
从表5-4组织学习的因子分析中,可以发现代表样本充分水平的KMO=0.864,大于0.7的标准,而Bartlett’s球形度检验结果达到显著水平。如前所述,本书中的组织学习量表适合进一步做因子分析。
从组织学习的因子分析结果来看,所有题项的因子载荷都大于0.4,共同因素1中包含利用性学习维度5题(sc1-sc5);共同因素2中包含探索性学习维度5题(dc1-dc5)。最终,组织学习量表被抽取出来的有效因子为2个,分别命名为共同因素1:利用性学习、共同因素2:探索性学习,各因素的方差解释率分别为30.023%、28.930%,累积方差解释率达到了58.953%。说明组织学习量表的结构效度是可以接受的。
表5-4 组织学习因子分析——因子载荷矩阵
(4)组织绩效维度的因子分析
从表5-5组织绩效的因子分析中,可以发现代表样本充分水平的KMO=0.765,大于0.7的标准,而Bartlett球形度检验结果显著。根据前述规则,本书的组织绩效量表适合进一步做因子分析。
从组织绩效的因子分析结果来看,所有题项的因子载荷都大于0.4,共同因素1中包含财务绩效维度3题;共同因素2中包含非财务绩效维度5题。最终,组织绩效量表被抽取出来的有效因子为2个,分别命名为共同因素1:财务绩效、共同因素2:非财务绩效,各个因素的方差解释率分别为43.745%、32.778%,累积方差解释率达到了76.523%。说明组织绩效量表的结构效度是可以接受的。(www.daowen.com)
表5-5 组织绩效因子分析——因子载荷矩阵
(5)内部创业环境维度的因子分析
从表5-6内部创业环境的因子分析结果来看,所有题项的因子载荷都大于0.4,共抽取出一个共同因素,命名为内部创业环境,其累积方差解释率达到了52.186%。说明内部创业环境量表的结构效度是可以接受的。
表5-6 内部创业环境因子分析——因子载荷矩阵
(6)不确定性环境维度的因子分析
从表5-7不确定性环境的因子分析结果来看,所有题项的因子载荷都大于0.4,共抽取出一个共同因素,命名为不确定性环境,其累积方差解释率达到了43.233%。说明内部创业环境量表的结构效度是可以接受的。
表5-7 不确定性环境因子分析——因子载荷矩阵
5.1.2.2 验证性因素分析
在探索性因素分析的基础上,为了进一步确认本书所采用问卷的效度,本书采用AMOS18.0软件对所采集的样本数据进行验证性因素分析。荣泰生(2009)指出,在模型拟合度评估方面,若模型拟合度越高,则代表模型可用性越高,参数的估计越具有其涵义,AMOS是以卡方统计值(χ2)来进行检验的,一般以卡方值P>0.05作为判断模型具有良好拟合的标准[155]。但荣泰生(2009)同时指出,卡方统计量容易受到样本大学影响,因此除了卡方统计量外,还需同时参考其他拟合度指标[155]。表5-8列出了学者们较常使用的拟合度指标。
表5-8 SEM模型拟合度参照指标综合说明
续表
资料来源:荣泰生(2009)[155]
根据以上标准,本书运用验证性因素分析来对正式问卷进行验证,结果显示各问卷的模型验证指标如χ2/df值、RMSEA、GFI、AGFI等均达到了可以接受的水平,表明本书所采用的正式问卷具有良好的结构效度,具体结果见表5-9。
表5-9 验证性因素分析结果
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。