公司职位 普通职员 管理者 62 96 39.24% 60.76%
3.3统计分析
用SPSS 19.0进行统计分析,主要涉及:描述性统计、效度信度分析、因子分析、指标因子得分分析。
1、描述性统计:包括样本基本信息统计(问卷第一部分信息统计)
2、信度效度分析:调查问卷总的信度、效度分析,得出研究的可信与可靠性。 3、因子分析:通过数据处理输出的公因子提取方差信息、方差解释信息和公因子旋转矩阵信息对指标提取因子,对因子命名,并最终得出数据分析后得出的指标分布图。
4、指标因子得分:由因子得分矩阵得出因子数值,对因子上的数值进行比较。
第四章 实证分析
- 16 -
4.1因子分析 4.1.1信度检验
信度是一个检测所得分数的稳定性或可靠性,即个人在同一检测上数次测量结果的一致性,在信度检测中Cronbach ’s а系数是其中一种直接分析问题间的一致性或相关性程度的信度指标,在各种信度中较为严谨,可以说是目前采用最广的一种信度指标,而Cronbach ’s а值越高则代表量表信度越高,反之越低。
经Cronbach ’s а系数检验,该调查问卷的Cronbach ’s а值为0.871(见表
表4-1可靠性统计分析
Cronbach's Alpha 项数 4-1),说明问卷设计较为合理,问卷的内在一致性高,信度较好。
.871 44
4.1.2效度检验
效度是用度量方法测出变量的准确程度,效度检验是检验测量工具或方法能否准确测出所需测量的事物的程度。利用KMO检验以及Bartlett球度检验考察问卷的结构效度是效度分析的理想方法,分别对问卷的四个部分进行效度检验,该问卷四部分的KMO样本测度值如表4-2所示,说明问卷(即原有变量)间的相关性较强,适合进行因子分析;Bartlett球度检验统计量的Sig值小于0.01,说明原有变量的相关系数矩阵非单位矩阵,能够提取公因子,适合做因子分析,同时又能检验部分的方差。
表4-2 KMO 和 Bartlett 的检验
取样足够度的 Kaiser-Meyer-Olkin 度量。 Bartlett 的球形度检验 近似卡方 df Sig. .729 1790.956 153 .000
4.1.3因子分析
因子分析是一种降维、简化数据的技术。因子分析的核心是用较少的相互独立的因子反映原有变量的绝大部分信息,其基本思想是根据变量间相关性的大小把变量分组,分组后同变量间的相关性较高,不同组变量间相关性较低,每组变量代表一个基本结构。
- 17 -
(1) 提取因子
对该问卷进行分析,根据原有变量的相关系数矩阵,在主成分的基础上提取因子并选取特征根大于1的特征根,如表4-3所示:
表4-3公因子方差
C1 C2 C3 C4 S1 S2 M1 M2 M3 L1 L2
初始 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 提取 .594 .648 .538 .386 .712 .762 .754 .613 .747 .695 .721
经过多次尝试发现,提取四个特征根时所有变量的共同度均较高,如表4—3所示。变量共同度反应每个变量对提取出的所有因子的依赖程度,大部分变量的共同度在60%以上,由此说明提取的因子能够包含原始变量的大部分信息,因子提取的总体效果比较理想,四个因子共解释原有变量总方差的80.565%,因此,总体上原有的变量的信息丢失较少,因子分析效果较理想。
表4-4 解释的总方差
成分 初始特征值 合计 方差% 1 2 3 4 2.175 1.987 1.709 1.