本科 75 38。46

硕士 43 22。05

博士及以上 17 8。72

5。2 信度分析

信度是指研究结果的可信程度，这是问卷研究的开始，只有信度、效度通过，才有继续研究的必要，否则就要检测问卷数据是否有问题。一般信度越高越好，信度越高越能说明问卷问题的设计和结果是可靠的，也就是说研究问卷就越科学。一般Cronbach´s a系数法更广泛，所以本研究也运用了Cronbach´s a系数法。

表3 信度统计

可靠性统计量

Cronbach's Alpha 基于标准化项的 Cronbachs Alpha 项数

我们一般认为克隆巴赫系数越大就表明量表的内部一致性越好。Hair（1998）等人提出，当克隆巴赫系数大于0。7时，表明数据的可靠性很高，如果要想使研究结果更具有科学性，一般要求克隆巴赫系数至少要大于0。6，0。6可以看做是一个分界点。如果系数小于0。3，就表明不可接受。从表所示，本研究所采用的整体量表的克隆巴赫系数为0。835，达到了可以接受的水平。

5。3  效度分析

 探索性因子分析法主要是把多个不同的变量划分为几个有共同属性的公因子。探索性因子分析的过程，本质上就是为了寻找出少数几个公因子。来最大限度地概况所有变量的信息。

5。3。1  因子分析

为了验证结构模型的合理性，本研究使用SPSS17。0进行信度和效度分析。因子分析是一种比较常用的统计分析方法，它既可以分析出量表的效度，又可以用因子提取的方法提取出最具有代表性的因子，这样就把多个复杂变量转变为少个具有代表性的因子，让人们更容易地理解因子所包含的信息。因子分析主要是为了研究变量之间相关性程度，例如是否存在不能直接观察到但是对可观测变量的情况起到支配性作用的潜在因子的分析方法，称为因子分析。

数据做因子分析也需要有一定的特征，数据必须是连续性的数值型变量，分类变量是

不适合做因子分析，一般的要求是观测数量为变量数五倍以上才比较好。SPSS中运用KMO值和巴特利特球型检验方法对变量进行判别，以确定是否适合做因子分析。

表4 KMO和Bartlett检验文献综述

KMO 和 Bartlett 的检验

取样足够度的 Kaiser-Meyer-Olkin 度量。 。705

Bartlett 的球形度检验 近似卡方 1266。865

做因子分子分析时，首先必须得对样本变量及数量进行检验，来预测各变量是否偏相关性较小，一般用SPSS中的KMO值来体现；而巴特利特球型检验则是判断相关矩阵是否为单位矩阵[ ]。KMO值越大，表明变量间的共同因素就越多，就说明可以继续做下面的研究。很多学者认为，如果KMO检验的值在0。5以下时，此时不适合进行因子分析，一般要求KMO值大于0。7，而当KMO统计量在0。9以上，就说明样本变量和数量之间的偏相关性效果比较好，非常适合做因子分析。

本次统计结果从表5得出，量表数据的KMO值为0。759，KMO值大于0。7表明本次数据的变量间共同因素较多，根据学者Kaiser（1958年）提出。本数据效度较好。巴特利特球型检验，卡方值为1266。865，自由度为df为36，Sig必须小于0。05，本数据中为0。000，表明巴特利特球型检验结果显著，拒绝该检验相关系数矩阵为单位矩阵的原假设，综上本论文数据符合相关理论，各变量有共同因素比较多，本次量表数据适合做因子分析。