本
文
摘
要
描述性统计分析
对所调查的所有问卷的人口统计学变量进行描述性统计。
信效度分析
1、信度分析：即测量工具的可靠程度。
通常用 Cronbach’s Alpha 系数作为测量信度的方法，Cronbach’s Alpha 系数高，说明测量结果是稳定可靠的。在社会科学研究中，测量问卷的 Cronbach’s Alpha 系数不能低于0.6，在 0.8-0.9 之间说明问卷的信度非常好。
2、效度分析：测量工具的有效程度和准确程度。
若使用的是成熟的量表，则不需要再检验内容和效标效度，只需要使用因子分析法检验问卷量表的结构效度。进行因子分析前需进行 KMO 与 Bartlett 球体检验，KMO 值可用于比较研究变量间的简单和偏相关系数，数值范围在 0-1，此外，Bartlett 球体检验值也能反映变量间相关性。当 KMO 值在 0.7 以上，Bartlett 检验值较大，且 P<0.05，样本数据适合做因子分析。在通过旋转后的因子分析结果判断出被分成了几个子维度，分别是什么。
差异性分析
通常会通过独立样本 T 检验以及单因素 ANOVA 进行差异性分析检验，用以探讨样本的人口统计学变量对研究变量的影响。
T检验：被分为两类的变量通常使用T检验，如性别（男、女），婚姻状况（已婚、未婚）等单因素 ANOVA 方差分析法：被分为两为两类以上的变量通常使用单因素 ANOVA，如年龄阶段（25岁以下，26-35岁，36-45岁，46岁以上）考察不同年龄段被测试者在各研究变量方面是否存在显著差异。根据P值和F值判断是否有显著差异。相关性分析
使用Pearson相关分析法，其判断标准是，当相关系数越接近1，说明变量之间的线性正相关关系越强；当相关系数越接近-1，说明变量之间的线性负相关关系越强；当相关系数越接近0，说明两个变量的线性相关程度越弱。
回归分析
首先需要对问卷量表数据进行多重共线性和序列相关检验，排除多重共线性和序列相关性以后再进行回归分析，可以保证数据的准确性与研究的严谨性。
1、多重共线性：一般使用方差膨胀因子（VIF）和容忍度（TOLERANCE）检验，当研究变量方差膨胀因子（VIF）>10时或者容忍度（TOLERANCE）<0.1时，说明模型存在多重共线性问题。不存在多重共线性，不会对研究模型的准确性和可靠性产生影响，适合进行回归分析。
2、序列相关：即不同样本值的随机干扰之间存在某种相关。一般使用DW值检验和测量，当1.5<DW<2.5时，说明研究模型的数据不存在序列相关。不存在序列相关，适合进行回归分析。
3、回归模型的有效性：用调整R²来判断回归方程的拟合度；二是F的显著性，P小于0.05时，说明回归模型是有效的。
中介效应检验
部分中介效应若是构建三个模型的中介作用，均将人口统计学变量为控制变量，其中：模型 M1， x 作为自变量，m 为因变量；在模型 M2 中，x 作为自 变量，y 作为因变量；在模型 M3 中，将 y 作为因变量，x 和 m 同时作为自变量。模型M1和M2对照，x 的回归系数变小，解释总体变异量从小占比增加到大占比，表明同时 x 和 m 作为自变量可以更好地预测 y，因此 m 起到了部分中介作用。
完全中介效应