问卷信度和效度检验结果

八、问卷的信度和效度检验

表5.6显示了问卷的信度，整个问卷的Cronbach’s Alpha系数是0.893，这说明该问卷具有良好的一致性。另外，每个变量的Cronbach’s Alpha系数分别是组织精细化安全因素（ORSF，or－ganization refined safety factors）是0.821，外部因素（EF，exter－nal factors）是0.914，内部因素（IF，internal factors）是0.856，个人精细化安全因素（IRSF，individual refined safety factors）是0.892，领导者能力（leader’s capability）是0.871，员工素质（em－ployee’s merits）是0.904，组织精细化安全知识内化（ORSKI，organizational refined safety knowledge internalization）是0.923，个人精细化安全知识内化（IRSKI，individual refined safety knowledge internalization）是0.881，组织精细化安全绩效（OR－SP，organization refined safety performance）是0.834，个人精细化安全绩效（IRSP，organization refined safety performance）是0.865，最后的控制变量——企业规模（company size）是0.882，教育水平（education level）是0.833。

以上所有变量的Cronbach’s Alpha系数都在0.7以上，说明本研究模型中的所有变量具有较好的内部一致性，即信度。

效度方面，本研究测试其内容效度和建构效度。由于本研究采用的问项大都是笔者自己设计的（除了知识内化这一构念），但是经过5名营销专家和10名煤炭企业管理中高层人士的判断验证，其测试结果是问卷问项内容效度符合他们的经验判断。

表5.6　企业转化模型中各变量的信度

另一方面，本研究检验所设计问卷的建构效度。建构效度（construct validity）系指态度量表能测量理论的概念或特质之程度^［7］。如果研究者要了解某种测量工具真正要衡量的是什么，那就要检验建构效度。所谓“建构”、“构念”，就是心理学理论所涉及之抽象而属假设性的概念、特质或变项，如智力、焦虑、机械性向、成就动机等。建构效度的主要重点是在于理论上的假设和对理论假设的检验。在检验的过程中，必须先从某一建构的理论出发，导出各项关于功能或行为的基本假设，据以设计和编制测验，然后由因求果，以相关实验和因素分析等方法，检验测验结果是否符合理论观点。此类效度也有两个次类型：

（1）聚合效度（convergent validity）：当测量同一构念的多重指标彼此间聚合或有关联时，就有此种效度存在。

（2）区别效度（discriminant validity）：此种效度也称为分歧效度（divergent validity），与聚合效度相反，此类效度是指当一个构念的多重指标相聚合或呼应时，则这个构念的多重指标也应与其相对立之构念的测量指标有负向相关。

为了检验量表的建构之效度，应进行因素分析［7］。

由于本研究的问题有些是根据现有文献理论、案例分析和访谈来编制量表，因此，有必要首先进行探索性因子分析。采用SPSS 16.0统计软件的因素分析方法对获得安全知识内化的企业战略的结构维度进行探索和验证，采用AMOS 16.0统计软件的验证性因子分析方法来验证探索性研究结果，即检验精细化安全管理因素、精细化安全管理之安全知识内化和精细化安全管理绩效的测量，并检验其量表的结构维度。此外，使用相关分析以及结构方程模型方法检验量表的预测效度。表5.7显示获得煤矿企业安全知识内化影响因素的探索性因子分析。由于本研究是为了验证各个所要研究变量的相互关系，因此管理者问项和员工问项的相关矩阵可作为适当的数据输入类型，再通过AMOS 16.0对精细化安全管理影响因素之组织内部因素、组织外部因素、个人管理者的能力和个人员工自身素质作验证性因子分析（CFA）。

表5.7　煤炭企业精细化安全管理之知识内化的影响因素的探索性因子分析

（一）煤炭企业精细化安全管理之知识内化的影响因素量表检验和因子分析

1）探索性因子分析。

对煤炭企业精细化安全管理之知识内化的影响因素进行探索性因子分析，以验证组织内部因素、组织外部因素、个人管理者的能力和个人员工自身素质的基本结构。对总体样本进行随机二等分，并进行差异检验，两样本总体在结构分布上没有差异，两样本在人口统计上的分布比较均衡。然后，对其中一个样本的KMO和Barlett测试显示，原始数据适合作因子分析（KMO＝0.872，χ²＝863.21，sig.＝0.000），之后采用主成分分析法，以最大变异转轴法对数据进行探索性因子分析，取特征值大于1的因子，保留多个指标来测量，获得了一个清晰的四维结构，且煤矿企业精细化安全管理之知识内化的影响因素可以按照煤矿企业战略的划分即组织内部因素、组织外部因素、个人管理者的能力和个人员工自身素质分成四维结构：22个题项很好地归属于4个成分因子，每个测项的因子荷载均大于0.5，并且没有多重负载的现象，累积方差解释率70.034%，达到了60%以上的要求，参见表5.7。

2）验证性因子分析。

为了进一步检验煤矿企业精细化安全管理之知识内化的影响因素、安全知识内化和安全绩效的各维度结构的稳定性，本研究针对煤矿企业精细化安全管理之知识内化的影响因素用另外一半样本进行验证性因子分析。

根据分析结果，发现煤矿企业精细化安全管理之知识内化的影响因素拟合程度不错，模型中的16个问项作为观测变量，3个因子作为潜在变量（ζ）构造一个路径模型。评价路径模型的拟合指标包括：χ²/df＜3，GFI＞0.90，SRMR＜0.08，RMSEA＜0.07，NNFI＞0.90，CFI＞0.90^［8］。煤矿企业精细化安全管理之知识内化的影响因素，其因子分析模型的拟合指标为：χ²＝930.54（p＝0.00），df＝485，χ²/df＝1.919，GFI＝0.94，SRMR＝0.021，RMSEA＝0.051，NNFI＝0.95，CFI＝0.96，说明该模型与数据具有较好的拟合性。表5.8显示出各变量之间的路径系数和t值，其所有t值均大于3.31，表示路径关系显著，即探索性因子分析得出的煤矿企业精细化安全管理之知识内化的影响因素的3个因子（即组织内部因素、组织外部因素、个人管理者能力（PMC）和个人员工素质（PEM）战略）与16个题项的关系是存在且稳固的。对于包含28个题项的探索性因子分析结构显示与验证性因子分析的结果完全一致，而且累计方差解释率为67.95%，达到了60%以上的要求。为了验证该三维结构是否是煤矿企业精细化安全管理之知识内化的影响因素的最佳模型，本研究根据Anderson和Gerbing的建议^［9］，还进一步测试了一系列的竞争结构。通过比较，表5.9显示出三维结构的拟合指标明显优于单因子、双因子结构（M12代表第一因子和第二因子合并为一个因子，M₁₃、M₁₄、M₂₃、M₂₄、M₃₄依此类推），从而说明三维模型是煤矿企业精细化安全管理之知识内化的影响因素结构的最佳模型。

表5.8　煤炭企业精细化安全管理之知识内化的影响因素的验证性因子分析结构

注：a表示因子荷载为标准值；b设为固定值；AVE＝∑（）/［∑（）＋（∑δ_i）］，CR＝（∑λ_i ）²/［（∑λ_i ）²＋∑（δ_i）］。

表5.9　煤炭企业精细化安全管理之知识内化的影响因素可能的备选模型比较

3）量表信度和效度检验。

煤炭企业精细化安全管理之知识内化的影响因素量表的Cronbach’s Alpha系数为0.834，四个维度的α信度系数分别为0.854、0.914、0.871和0.904。基于AMOS的组成信度分别为0.701 8、0.896 5、0.726 4和0.756 7，并且所有t值均具有较强的统计显著性（全部大于3.29），说明测量获得安全知识内化模型具有较好的一致性，从而其量表的信度得到检验（表5.10）。该量表的结构效度也从收敛效度和区分效度来分析。首先，利用验证性因子分析结构，检查各个因子的平均变异抽取量（AVE，averagevariances extracted）是否超过0.50，每个测量变量指标在其测度的潜在因子上的荷载是否具有统计显著性。如表5.11所示，所有因子的荷载都在0.50以上，各个因子的AVE值均超过0.50，其t值均达到显著性水平，并且组成信度（CR，composite reliabi－lity）亦高于建议值0.70以上，这意味着量表具有良好的收敛效度^［10］。对于区分效度的检验，本研究也按照Fornell和Larcker的意见，比较各因子本身的AVE的算术平均根大于其他因子的相关系数。从表5.10可知，各因子AVE值的算术平均根均明显大于其他因子的相关系数，说明量表具有良好的区分效度。

表5.10　煤矿企业安全知识内化之结构效度检验(www.xing528.com)

注：对角线上的数字是各因子AVE值的算术平均根，对角线以下的数字是各因子间的相关系数。

表5.11　煤矿企业安全知识内化之验证性因子分析结构

注：a表示因子荷载为标准值；b设为固定值；AVE＝∑（）/［∑（）＋（∑δ_i）］，CR＝（∑λ_i ）²/［（∑λ_i ）²＋∑（δ_i）］。

4）量表预测效度检验。

预测效度（predictive validity）用来检验当前量表可以预见与所度量变量相同或不同的未来变量的程度^［11］，也就是说，需要检验中国煤炭精细化安全管理专家对本研究所开发的问卷的评价是否可以很好地预测煤矿企业精细化安全管理之知识内化的影响因素这一变量。本研究选择“总的来说，该煤矿企业的精细化安全管理影响因素能使安全知识内化”、“该煤矿企业的精细化安全管理影响因素达到了理想水平”以及“该煤矿企业的精细化安全管理影响因素符合您的期望或预期”三个题项来测量精细化安全管理影响因素^{［12－13］}。

数据来自本研究的另一半样本，得到Spearman相关系数为0.812（p＜0.01，2－tailed）。另外，其结构方程模型分析结果是χ²＝864.27（p＝0.00），df＝485，χ²/df＝1.782，GFI＝0.93，SRMR＝0.039，RMSEA＝0.045，NNFI＝0.94，CFI＝0.93，说明煤矿企业在中国获得煤炭企业精细化安全管理之知识内化的影响因素测量模型具有很好的预测效度。

（二）煤矿企业安全知识内化和精细化安全管理绩效之验证性因子分析

为了检验煤矿企业安全知识内化^{［14－15］}和精细化安全管理绩效的各自维度结构的稳定性，本研究对其进行验证性因子分析。

首先，对于煤矿企业安全知识内化的因子进行验证性分析，根据初步结果，发现其体现安全知识创造能力（KCC，know－ledgecreation capability）的第三项和安全知识运用能力（KAC，knowl－edge applicative capability）的第二项较弱的相关性而被删除。以修正后模型显示出6个题项作为观测变量，2个因子作为潜在变量（ζ）构造一个路径模型。煤矿企业安全知识内化之因子分析模型的拟合指标为：χ²＝853.13（p＝0.00），df＝492，χ²/df＝1.734，GFI＝0.95，SRMR＝0.023，RMSEA＝0.043，NNFI＝0.97，CFI＝0.97，说明该模型与数据具有较好的拟合性。表5.11显示出各变量之间的荷载系数和t值，其所有t值均大于3.29，表示路径关系显著，即煤矿企业安全知识内化的三个维度（实用安全知识内化、道德安全知识内化和认知安全知识内化）与6个题项的关系是存在且稳固的。

煤矿企业安全知识内化量表的Cronbach’s Alpha系数为0.826，两个维度的α信度系数分别为0.923和0.881，基于AMOS的组成信度分别为0.882和0.821，并且所有t值均具有较强的统计显著性（全部大于3.29），说明测量煤矿企业安全知识内化模型具有较好的一致性，从而其量表的信度得到检验。该量表的结构效度也从收敛效度和区分效度来分析。首先，利用验证性因子分析结构，检查各个因子的平均变异抽取量是否超过0.50，每个测量变量指标在其测度的潜在因子上的荷载是否具有统计显著性。如表5.11所示，所有因子的荷载都在0.50以上，各个因子的AVE值均超过0.50，其t值均达到显著性水平，并且组成信度亦高于建议值0.70，这意味着量表具有良好的收敛效度^［10］。对于区分效度的检验，本研究也按照Fornell和Larcker的意见^［10］，比较各因子本身的AVE的算术平均根显著大于其他因子的相关系数。从表5.12可知，各因子AVE值的算术平均根均明显大于其他因子的相关系数，说明量表具有良好的区分效度。

表5.12　煤矿企业安全知识内化之结构效度检验

注：对角线上的数字是各因子AVE值的算术平均根，对角线以下的数字是各因子间的相关系数。

（三）精细化安全管理绩效之验证性因子分析

对于精细化安全管理绩效的因子进行验证性分析，初步结果显示，8个题项作为观测变量，2个因子作为潜在变量（ζ）构造一个路径模型。煤矿企业安全知识内化之因子分析模型的拟合指标为：χ²＝28.224（p＝0.00），df＝14，χ²/df＝2.016，GFI＝0.96，SRMR＝0.031，RMSEA＝0.059，NNFI＝0.97，CFI＝0.97，说明该模型与数据具有较好的拟合性。表5.13显示出各变量之间的路径系数和t值，其所有t值均大于3.29，表示路径关系显著，即煤矿企业安全知识内化的三个维度（实用安全知识内化、道德安全知识内化和认知安全知识内化）与11个题项的关系是存在且稳固的。

精细化安全管理绩效量表的Cronbach’s Alpha系数为0.842，两个维度的α信度系数分别为0.856和0.801，基于AMOS的组成信度分别为0.738 5和0.726 4，并且所有t值均具有较强的统计显著性（全部大于3.29），说明测量精细化安全管理绩效模型具有较好的一致性，从而其量表的信度得到检验。该量表的结构效度也从收敛效度和区分效度。首先，利用验证性因子分析结构，检查各个因子的平均变异抽取量是否超过0.50，每个测量变量指标在其测度的潜在因子上的荷载是否具有统计显著性。如表5.13所示，所有因子的荷载都在0.50以上，各个因子的AVE值均超过0.50，其t值均达到显著性水平，并且组成信度亦高于建议值0.70以上，这意味着量表具有良好的收敛效度^［10］。对于区分效度的检验，本研究也按照Fornell和Larcker的意见，比较各因子本身的AVE的算术平均根显著大于其他因子的相关系数。从表5.14可知，各因子AVE值的算术平均根均明显大于其他因子的相关系数，说明量表具有良好的区分效度。

表5.13　精细化安全管理绩效之验证性因子分析结构

表5.14　精细化安全管理绩效之结构效度检验

注：对角线上的数字是各因子AVE值的算术平均根，对角线以下的数字是各因子间的相关系数。

（四）构念测量小结

总的来说，本研究努力测量煤矿企业精细化安全管理通过安全知识内化而达到影响安全绩效机制的目的。数据分析支持了本研究问卷的结构效度和区分效度。探索性和验证性因子分析检验了煤矿企业精细化安全管理的安全知识内化影响因素的四个维度，即组织内部因素、组织外部因素、个人管理者能力和个人员工素质。同时，验证性因子分析检验了煤矿企业安全知识内化的两个维度即实用安全知识创造能力和安全知识运用能力，而且检验了精细化安全管理绩效的两个维度，即组织绩效和个人安全绩效。另外，这些构念的测量有足够的信度和效度。