前测数据分析 信度和效度分析备课讲稿文档格式.docx
《前测数据分析 信度和效度分析备课讲稿文档格式.docx》由会员分享，可在线阅读，更多相关《前测数据分析 信度和效度分析备课讲稿文档格式.docx（17页珍藏版）》请在冰豆网上搜索。
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
B1
.851
B2
.683
B3
.847
B4
.797
C口碑传播意向
C1
.874
C2
.817
C3
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）内容效度
为了确保调研问卷内容的有效性，问卷量表通过文献研究先初步圈定问卷内容，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，本问卷具有内容效度。
（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
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
.894
.763
.685
.893
.742
.869
.752
.754
.695
.770
.845
.737
.801
.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
.834
1425.820
120
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
.836
.875
.932
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
.903
758.820
30
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
.820
.928
.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**
显著性（双尾）
个案数
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
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
顾客满意
.792**
.635**
.834**
.689**
.676
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：
表4-12:
顾客满意与口碑传播意愿相关性研究
1
.842**
由表结果可知，在0.01显著性水平下顾客满意与口碑传播意愿呈现正相关关系，相关系数分别为0.842，相关系数均为正数且大于0.5，因此可以证明顾客满意与口碑传播意向具有正相关关系。
因此，通过顾客满意与口碑传播意愿相关性分析可验证假设H11成立。
二、回归分析
通过前一部分相关分析，已经验证了虚拟品牌社群价值、顾客满意与口碑传播意愿之间存在显著正向关系，但相关分析只能证明各因素之间是否存在关系，并不能对因果关系进行验证，因此本节将通过回归分析进一步指出关系的方向，运用逐步多元回归方法和回归方程验证模型的可信程度。
同时，本节运用回归分析方法验证顾客满意对虚拟品牌社群价值和口碑传播意愿的中介作用。
（一）虚拟品牌社群价值与口碑传播意愿的回归分析
运用SPSS24.0对虚拟品牌社群的功能价值、财务价值、社交价值、情感价值和形象价值与口碑传播意愿进行回归系数分析，结果如表4-13所示：
表4-13：
虚拟品牌社群价值与口碑传播意愿的回归分析
模型
未标准化系数
标准化系数
t
显著性
B
标准误差
Beta
R方
调整R方
F
（常量）
8.043
.133
2.484
.021
.214
.089
.347
3.405
.371
.361
241.75
.211
.084
.123
2.501
.012
.213
.196
74．129
.267
.069
.217
3.561
.248
178.231
.270
.045
.275
3.352
.321
.319
120.761
.109
.062
.067
1.680
.063
a.因变量：
口碑传播意愿
功能价值的回归系数为0.214，Sig.值为0.000＜0.05，表明功能价值对口碑传播意愿具有显著的预测作用。
标准化系数为0.347，为正数，表明功能价值对口碑传播意愿的预测作用是正向的。
调整R方为0.361，表明自变量功能价值可以解释因变量口碑传播意愿36.1%的变异。
因此，假设“H1：
虚拟品牌社群功能价值对口碑传播意愿具有正向影响”成立。
财务价值的回归系数为0.211，Sig.值为0.012＜0.05，表明财务价值对口碑传播意愿具有显著的预测作用。
标准化系数为0.123，是正数，表明财务价值对口碑传播意愿的预测作用是正向的。
调整R方为0.196，表明自变量财务价值可以解释因变量口碑传播意愿19.6%的变异。
因此，假设“H2：
财务价值对口碑传播意愿具有正向影响”成立。
社交价值的回归系数为0.267，Sig.值为0.000＜0.05，表明社交价值对口碑传播意愿具有显著的预测作用。
标准化系数为0.217，为正数，表明社交价值对口碑传播意愿的预测作用是正向的。
调整R方为0.248，表明自变量社交价值可以解释因变量24.8%的变异。
因此，假设“H3：
社交价值对口碑传播意向具有正向影响”成立。
情感价值的回归系数为0.270，Sig.值为0.000＜0.05，表明情感价值对口碑传播意愿具有显著的预测作用。
标准化系数为0.275，为正数，表明情感价值对口碑传播意愿的预测作用是正向的。
调整R方为0.319，表明自变量情感性可以解释因变量口碑传播意愿31.9%的变异。
因此，假设“H4：
情感价值对口碑传播意向具有正向影响”成立。
形象价值的回归系数为0.109，Sig.值为0.063>
0.05，显著性值高于水平标准，表明形象价值对口碑传播意愿的直接影响不显著。
因此，假设“H5：
形象价值对口碑传播意向具有正向影响”不成立。
（二）虚拟品牌社群价值与顾客满意的回归分析
运用SPSS24.0对虚拟品牌社群的功能价值、财务价值、社交价值、情感价值和形象价值与顾客满意进行回归系数分析，结果如表4-14所示：
表4-14：
虚拟品牌社群价值与顾客满意的回归分析
4.160
3.494
.019
.175
.073
.373
.441
.428
.142
.065
.143
.023
.253
.231
174．129
.201
.072
.251
.317
.301
78.231
.273
.036
.225
.291
.274
210.761
.136
.053
.082
顾客满意
功能价值的回归系数为0.175，Sig.值为0.000＜0.05，表明功能价值对顾客满意具有显著的预测作用。
标准化系数为0.373，为正数，表明功能价值对顾客满意的预测作用是正向的。
调整R方为0.428，表明自变量功能价值可以解释因变量顾客满意42.8%的变异。
因此，假设“H6：
虚拟品牌社群功能价值对顾客满意具有正向影响”成立。
财务价值的回归系数为0.142，Sig.值为0.023＜0.05，表明财务价值对顾客满意具有显著的预测作用。
标准化系数为0.143，是正数，表明财务价值对顾客满意的预测作用是正向的。
调整R方为0.231，表明自变量财务价值可以解释因变量顾客满意23.1%的变异。
因此，假设“H7：
虚拟品牌社群财务价值对顾客满意具有正向影响”成立。
社交价值的回归系数为0.201，Sig.值为0.000＜0.05，表明社交价值对对顾客满意具有显著的预测作用。
标准化系数为0.251，为正数，表明社交价值对对顾客满意的预测作用是正向的。
调整R方为0.301，表明自变量社交价值可以解释因变量30.1%的变异。
因此，假设“H8：
社交价值对对顾客满意具有正向影响”成立。
情感价值的回归系数为0.225，Sig.值为0.000＜0.05，表明情感价值对对顾客满意具有显著的预测作用。
调整R方为0.274，表明自变量情感性可以解释因变量对顾客满意31.9%的变异。
因此，假设“H9：
情感价值对顾客满意具有正向影响”成立。
形象价值的回归系数为0.136，Sig.值为0.082>
0.05，显著性值高于水平标准，表明形象价值对对顾客满意的直接影响不显著。
因此，假设“H10：
（三）顾客满意与口碑传播意愿的回归分析
运用SPSS24.0对顾客满意与口碑传播意愿进行回归系数分析，结果如表4-15所示：
表4-15：
顾客满意与口碑传播意愿的回归分析
非标准化系数
T
调整
Bata
.375
0.032
1.209
0.051
0.687
21.863
0.000
0.783
0．726
440.824
因变量：
前文通过顾客满意与口碑传播意愿相关分析发现，顾客满意与口碑传播意愿有显著的正相关关系，还需要通过回归分析来检验顾客满意与口碑传播意愿是否具有预测作用。
以顾客满意为自变量，以口碑传播意向为因变量，运用一元线性回归分析，得出顾客满意的回归系数为1.209，Sig.值为0.000＜0.05，表明顾客满意与口碑传播意愿具有显著的预测作用。
标准化系数是0.687，为正数，表明顾客满意与口碑传播意愿的预测作用是正向的。
调整R方为0.726，表明自变量顾客满意能够解释因变量口碑传播意向72.6%的变异。
因此，假设“H11：
顾客满意对口碑传播意向具有正向影响”成立。
（四）顾客满意中介效应验证
在自变量X与因变量Y的方程中，如果自变量X通过另一个变量M来影响因变量Y，M即为中介变量，通过M来实现X对Y的影响即为中介效应。
本研究通过逐步回归法来检验顾客满意在虚拟品牌社群价值对口碑传播意愿影响的中介效应，步骤如下：
第一步：
对自变量虚拟品牌社群价值和因变量口碑传播意愿进行回归分析，回归系数达到显著水平；
第二步：
对自变量虚拟品牌社群价值和中介变量顾客满意进行回归分析，回归系数达到显著水平；
第三步：
让自变量虚拟品牌社群价值和中介变量顾客满意共同与因变量口碑传播意愿进行回归分析。
当自变量的回归系数减小，且达不到显著水平时，说明中介效应祈祷完全中介作用；
当自变量回归系数减小，但仍达到显著水平，说明中介变量只起到部分中介作用。
表4-16中介效应分析效果表
序号
关系路径
自变量非标准回归系数
结果
功能价值→口碑传播意愿
部分中介作用
顾客满意→口碑传播意愿
.624
功能价值&
财务价值→口碑传播意愿
.614
.608
.318
社交价值→口碑传播意愿
.634
.612
.259
情感价值→口碑传播意愿
.671
.233
本章小结
本章主要对通过问卷调查收集起来的数据进行统计分析，主要是借用SPSS24.0分析统计工具，通过描述性统计对被调查者的基本资料进行分析，通过效度和信度分析检测问卷可信度和有效性，最后用相关分析和回归分析找出虚拟品牌社群价值、顾客满意和口碑传播意愿三者之间的因果关系，对本文的假设进行验证。
最后在虚拟品牌社群价值对口碑传播意愿的回归分析中发现虚拟品牌社群形象价值对口碑传播意愿不具有预测作用，因此假设H5不成立；
并进一步分析顾客满意在虚拟品牌社群价值和口碑传播意愿中的中介作用，结果显示形象价值同样对顾客满意不具有预测作用，假设H10不成立，但顾客满意具有部分中介作用。
至此验证了假设H1、H2、H3、H4、H6、H7、H8、H9、H11成立。
第五章研究结果与启示
第一节研究结果
一、假设检验结果汇总
本研究提出了虚拟品牌社群价值影响口碑传播的五个因素即：
功能价值、财务价值、社交价值、情感价值和形象价值，并根据文献研究构建了影响模型，由此进行了11个假设。
数据分析结果显示，假设H5、H10不被支持，即形象价值对顾客满意和口碑传播不存在正面正面显著影响作用，其他假设成立，检验结果汇总如表5-1所示：
表5-1：
假设检验结果汇总
假设
升级会员 