前测数据分析信度和效度分析.docx
《前测数据分析信度和效度分析.docx》由会员分享，可在线阅读，更多相关《前测数据分析信度和效度分析.docx（17页珍藏版）》请在冰豆网上搜索。
前测数据分析信度和效度分析
第二节信度和效度分析
一、信度分析
与预测试数据分析方法一样，为了确保问卷的可靠性，先进行信度分析，信度检验指标在前面已详细述，在此不再述。
问卷信度分析如表4-2所示：
表4-2：
量表信度检验结果
潜变量
项数
问项编码
Cronbach'sα
总信度
A1虚拟品牌社群功能价值
3
A1a
.821
.879
A1b
.673
A1c
.734
A2虚拟品牌社群财务价值
3
A2a
.689
.901
A2b
.734
A2c
.635
A3虚拟品牌社群社交价值
4
A3a
.782
.803
A3b
.649
A3c
.762
A3e
.835
A4虚拟品牌社群情感价值
4
A4a
.629
.792
A4b
.719
A4c
.745
A4d
.813
A5虚拟品牌社群形象价值
2
A5b
.769
.882
A5c
.843
B顾客满意
4
B1
.792
.851
B2
.683
B3
.847
B4
.797
C口碑传播意向
3
C1
.769
.874
C2
.817
C3
.817
经过SPSS24.0数据统计软件分析得知个变量Cronbach'sα均大于0.6，且组合信度在0.792以上，说明所有问卷都具备可靠性，能够较好的反应变量的真实情况。
二、效度检验
（一）容效度
为了确保调研问卷容的有效性，问卷量表通过文献研究先初步圈定问卷容，所用量表大多采用国外已经开发出的成熟量表，对于这部分量表，本文给予直接采用的方式，其余量表则是在前人研究的基础上，根据本文的研究目的和方向进行谨慎的拟定。
因此，本问卷具有容效度。
（二）结构效度
在测量结构效度时，通常采用探索性因子分析。
在进行因子分析时，通常采用主成分分析法，主成分分析的目的在于利用变量间的线性组合来解释每个层面的方差，变量的第一个线性组合可以解释最大的变异量，以此类推，所以主成分分析法的步骤是，选取特征值大于1的因子，然后利用方差最大旋转法进行旋转，使得旋转后题目在各个因子的负荷量大小出现明显差异，大部分题目在每个公共因子中有一个差异较大的因子负荷量出现。
但在因子分析之前需要进行KMO值和Bartlett球形检验，只有当KMO>0.5且Bartlett球形检验的Sig.值小于0.05时，问卷才具有结构效度，才能够进行因子分析。
本研究中对三个量表进行的结构效度分析具体情况如下。
（1）虚拟品牌社群价值的效度检测
1.1虚拟品牌社群价值的KMO值和Bartlett球形检验
在对虚拟品牌社群价值做因子分析之前，先做KMO值和Bartlett球形检验，检测结果如表4-3所示：
表4-3：
虚拟品牌社群价值的KMO值和Bartlett检验
取样足够度的Kaiser-Meyer-Olkin度量
.901
Bartlett的球形度检验
近似卡方
4892.820
df
186
Sig.
.000
通过对虚拟品牌社群价值量表的14个题项进行KMO检验和Bartlett球形检验，发现虚拟品牌社群价值量表的KMO值为0.901，表明各个变量之间的相关系数非常高，适合做因子分析，同时Sig.值为0.000<0.05，达到显著性水平，综上可以得出虚拟品牌社群价值量表适合做因子分析。
1.2虚拟品牌社群价值因子分析
通过KMO值和Bartlett球形检验可知，虚拟品牌社群价值适合做因子分析，运用主成分提取法进行因子旋转后得到以下数据，如:
表4-4所示：
表4-4：
虚拟品牌社群价值旋转因子负荷值
编号
因子1
因子2
因子3
因子4
因子5
A1a
.894
A1b
.763
A1c
.821
A2a
.685
A2b
.893
A2c
.742
A3a
.869
A3b
.752
A3c
.683
A3e
.754
A4a
.695
A4b
.770
A4c
.845
A4d
.737
A5b
.801
A5c
.723
方差解释率
20.374%
16.629%
14.534%
15.790%
11.384%
总方差解释率
78.711%
通过因子旋转对虚拟品牌社群价值量表的14个题目进行因子分析，旋转出5个因子，总方差解释率达到78.711%，表明这5个因子对虚拟品牌社群价值具有较强的解释性，同时各因子负荷量均在0.6以上，说明因子与变量之间的相关性很高。
在这5个维度对虚拟品牌社群价值的解释中，虚拟品牌社群功能价值的解释力最强，解释了总方差变异量的20.374%，其次是虚拟品牌社群利益价值，解释了总方差变异量的16.629%，虚拟品牌社群情感价值解释了总方差变异量的15.790%，然后是虚拟品牌社群社交价值，解释了总方差变异量的14.534%，虚拟品牌社群社交价值贡献率最低，解释了总方差变异量的11.384%。
因子分析的结果表明，虚拟品牌社群价值量表具有较好的效度，适合用于本研究。
（2）顾客满意的效度检测
2.1顾客满意的KMO值和Bartlett球形检验
在对顾客满意做因子分析之前，先做KMO值和Bartlett球形检验，检测结果如表4-5所示：
表4-5：
顾客满意的KMO值和Bartlett检验
取样足够度的Kaiser-Meyer-Olkin度量
.834
Bartlett的球形度检验
近似卡方
1425.820
df
120
Sig.
.000
通过对顾客满意量表的4个题项进行KMO检验和Bartlett球形检验，发现顾客满意量表的KMO值为0.834，表明各个变量之间的相关系数非常高，适合做因子分析，同时Sig.值为0.000<0.05，达到显著性水平，综上可以得出顾客满意量表适合做因子分析。
2.2顾客满意因子分析
通过KMO值和Bartlett球形检验可知，顾客满意适合做因子分析，运用主成分提取法进行因子旋转后得到以下数据，如:
表4-6所示：
表4-6：
顾客满意旋转因子负荷值
编号
因子1
B1
.836
B2
.875
B3
.932
B4
.792
方差解释率
82.56%
通过因子旋转对顾客满意量表的4个题目进行因子分析，旋转出1个因子，方差解释率达到82.56%，各因子负荷量均在0.6以上，表明该因子对顾客满意具有较强的解释性，同时，说明因子与变量之间的相关性很高，具有良好的结构效度。
（3）口碑传播意愿的效度检测
3.1口碑传播意愿的KMO值和Bartlett球形检验
在对口碑传播意愿做因子分析之前，先做KMO值和Bartlett球形检验，检测结果如:
表4-7所示：
表4-7：
口碑传播意愿的KMO值和Bartlett检验
取样足够度的Kaiser-Meyer-Olkin度量
.903
Bartlett的球形度检验
近似卡方
758.820
df
30
Sig.
.000
通过对口碑传播意愿量表的3个题项进行KMO检验和Bartlett球形检验，发现口碑传播意愿量表的KMO值为0.903，表明各个变量之间的相关系数非常高，适合做因子分析，同时Sig.值为0.000<0.05，达到显著性水平，综上可以得出口碑传播意愿量表适合做因子分析。
3.2口碑传播意愿因子分析
通过KMO值和Bartlett球形检验可知，口碑传播意愿适合做因子分析，运用主成分提取法进行因子旋转后得到以下数据，如表4-9所示：
表4-9：
口碑传播意愿旋转因子负荷值
因子1
C1
.820
C2
.928
C3
.839
累计方差解释率
85.05%
通过因子旋转对口碑传播意愿量表的3个题目进行因子分析，旋转出1个因子，方差解释率达到85.05%，各因子负荷量均在0.6以上，表明该因子对口碑传播意愿具有较强的解释性，同时，说明因子与变量之间的相关性很高，具有良好的结构效度。
第四节假设检验
本节将采用相关分析和回归分析两种方法研究虚拟品牌社群价值、顾客满意和口碑传播意愿之间的作用机制，用相关分析探讨各因素之间的联系，用回归分析研究各因素之间的因果关系，从而对本文研究假设进行检验。
一、相关分析
相关分析是一种常见的数据分析方法，主要是用于分析两个变量之间的关联程度，本文采用相关分析最常用的皮尔森相关系数来表示两个变量之间的关联程度，相关系数在-1到1之间，相关系数的绝对值越接近1，表明两个变量之间的关联程度越强，绝对值越小，关联程度越弱，通常情况下我们认为若绝对值小于0.3，则表明变量之间关系微弱，认为不相关；若绝对值在0.3-0.5之间，是低相关度，若在0.5-0.8之间为中度相关度，若大于0.8则为高相关度。
同时，如果相关系数是正数，则表明两个变量之间是正相关的关系，即一个变量增强，另一个变量也增强；相反，若相关系数是负数，表明两个变量之间是负相关的关系，即一个变量增强，另一个变量会减弱。
（一）虚拟品牌社群价值与消费者口碑传播意愿的相关分析
首先，将虚拟品牌社群价值所包含的五个测量维度：
功能价值、财务价值、社交价值、情感价值和形象价值与口碑传播意向进行相关性分析，如表4-10所示：
表4-10：
虚拟品牌社群价值与口碑传播意愿相关性分析
功能价值
财务价值
社交价值
情感价值
形象价值
口碑传播意愿
皮尔逊相关性
.849**
.735**
.693**
.744**
.689
显著性（双尾）
.000
.000
.000
.000
.000
个案数
314
314
314
314
314
**.在0.01级别（双尾），相关性显著。
由表结果可知，在0.01显著性水平下虚拟品牌社群功能价值、财务价值、社交价值、情感价值和形象价值与口碑传播意愿呈现正相关关系，相关系数分别为0.849、0.735、0.693、0.744、0.689，相关系数均为正数且大于0.5，因此可以证明虚拟品牌社群价值与口碑传播意愿具有正向相关关系。
（二）虚拟品牌社群价值与顾客满意的相关分析
首先，将虚拟品牌社群价值所包含的五个测量维度：
功能价值、财务价值、社交价值、情感价值和形象价值与顾客满意进行相关性分析，如表4-11所示：
表4-11：
虚拟品牌社群价值与顾客满意相关性分析
功能价值
财务价值
社交价值
情感价值
形象价值
顾客满意
皮尔逊相关性
.792**
.635**
.834**
.689**
.676
显著性（双尾）
.000
.000
.000
.000
.000
个案数
314
314
314
314
314
**.在0.01级别（双尾），相关性显著。
由表结果可知，在0.01显著性水平下虚拟品牌社群功能价值、财务价值、社交价值、情感价值和形象价值与顾客满意呈现正相关关系，相关系数分别为0.792、0.635、0.834、0.689、0.676，相关系数均为正数且大于0.5，因此可以证明虚拟品牌社群价值与顾客满意具有正向相关关系。
（三）顾客满意与消费者口碑传播意愿的相关分析
首先，将顾客满意与口碑传播意向进行相关性分析，如表4-12所示：
升级会员 