【摘要】:测量模型的有效性主要通过内容效度、收敛效度和区分效度进行衡量[54]。测量模型的信度和收敛效度由AVE、CR和Cronbach's Alpha值来评判,并且当这三个参数的值分别大于0.5、0.7、0.7时,则表示测量模型具有较好的信度和收敛效度。此外,所有潜在变量的CR的最小值为0.822,AVE的最小值为0.619,均大于临界值标准,从而保证了测量模型具有良好的信度和充分的收敛效度。
测量模型的有效性主要通过内容效度、收敛效度和区分效度进行衡量[54]。除信息需求的测量题项是本书经过科学的程序和步骤开发设计的之外,其他的测量题项均改编自已有文献,并且,在开展大规模调查之前对所用问卷进行了预调研,因此,认为测量量表的表意是清晰明确的。在问卷调查过程中,信息需求变量由5个测量题项测量,但在数据分析过程中发现IN3和IN4(表4-1)两个测量题项在信息需求变量上的因子载荷值小于0.7,因而,将这两个题项删除,仅保留了3个测量题项用于后续的数据分析。测量模型的信度和收敛效度由AVE(Average Variance Extracted)、CR(Composite Reliability)和Cronbach's Alpha值来评判,并且当这三个参数的值分别大于0.5、0.7、0.7时,则表示测量模型具有较好的信度和收敛效度。①表4-3列出了涉及的各个潜在变量的AVE、CR以及Cronbach's Alpha值。可以看到,除尽责的Cronbach's Alpha值未能达到0.7的标准要求,其他所有潜在变量的Cronbach's Alpha值均大于0.7,但考虑到性格特质模型的完整性,这里将尽责变量予以保留。此外,所有潜在变量的CR的最小值为0.822,AVE的最小值为0.619,均大于临界值标准,从而保证了测量模型具有良好的信度和充分的收敛效度。
表4-3 验证性因子分析
① Straub D W,Boudreau M C,Gefen D.Validation guideline for ISpositivist research[J].Communications of the Association for Information Systems,2004,13(1):380-427.
续表
注:AVE(Average Variance Extracted)为平均方差提取值,CR(Composite Reliability)为组合信度。
区分效度通过比较每个潜在变量的AVE的平方根和该潜在变量与其他潜在变量之间的相关系数进行评估[55],从表4-4可以看到,每个潜在变量的AVE值的平方根都远大于该潜在变量与其他潜在变量之间的相关系数,表明测量模型具有充分的区分效度。
测量模型的效度还可以通过因子载荷与交叉载荷进行判定和评估[56],从表4-5可以看到,所有测量题项在既定变量下的因子载荷都大于0.7,超过了理想水平的临界值标准[57],进一步证明了测量模型具有充分的收敛效度。同时,每个测量题项的因子载荷都高于它们与其他潜在变量的交叉载荷,从而进一步证明测量模型具有很好的区分效度。
续表
续表
从表4-4可以看到,一些潜在变量之间的相关系数大于0.6。为了避免多重共线性的问题,通过计算方差膨胀因子(Variance Inflation Factor,VIF)对自变量之间是否存在多重共线性进行检验。表4-6的分析结果显示,所有自变量的VIF值从1.109到4.898,远小于建议的阈值10[58],因此,不存在多重共线性问题。
表4-6 多重共线性检验
注:IU代表信息有用性,IQ代表信息质量,SerQ代表服务质量,SysQ代表系统质量,SC代表信息源可信度,IN代表信息需求,Extr代表外向,Cons代表尽责,Open代表开放,Neur代表情绪,Agre代表随和。
相关推荐