實(shí)證研究論文數(shù)據(jù)分析方法詳解

1、修訂日：2010.12.8實(shí)證論文數(shù)據(jù)分析方法詳解（周健敏整理）以下面研究模型為例來(lái)說(shuō)明實(shí)證論文數(shù)據(jù)分析方法變革型領(lǐng)導(dǎo)交易型領(lǐng)導(dǎo)回避型領(lǐng)導(dǎo)工作績(jī)效領(lǐng)導(dǎo)成員交換組織認(rèn)同名稱 變量類型 在SPSS軟件中的簡(jiǎn)稱（自己設(shè)定的代號(hào)） 變革型領(lǐng)導(dǎo) 自變量1 zbl1 交易型領(lǐng)導(dǎo) 自變量2 zbl2 回避型領(lǐng)導(dǎo) 自變量3 zbl3 認(rèn)同和內(nèi)部化 調(diào)節(jié)變量 TJ 領(lǐng)導(dǎo)成員交換 中介變量 ZJ工作績(jī)效 因變量 YB 調(diào)節(jié)變量：如果自變量與因變量的關(guān)系是變量M的函數(shù)，稱變量M為調(diào)節(jié)變量。也就是, 領(lǐng)導(dǎo)風(fēng)格（自變量）與工作績(jī)效（因變量）的關(guān)系受到組織認(rèn)同（調(diào)節(jié)變量）的影響，或組織認(rèn)同（調(diào)節(jié)變量）在領(lǐng)導(dǎo)風(fēng)格（自變量）

2、對(duì)工作績(jī)效（因變量）影響關(guān)系中起到調(diào)節(jié)作用。具體來(lái)說(shuō)，對(duì)于組織認(rèn)同高的員工，變革型領(lǐng)導(dǎo)對(duì)工作績(jī)效的影響力，要高于組織認(rèn)同低的員工。中介變量：如果自變量通過(guò)影響變量N 來(lái)實(shí)現(xiàn)對(duì)因變量的影響，則稱N 為中介變量。也就是，領(lǐng)導(dǎo)風(fēng)格（自變量）對(duì)工作績(jī)效（因變量）影響作用是通過(guò)領(lǐng)導(dǎo)成員交換（中介變量）的中介而產(chǎn)生的。 研究思路及三個(gè)主要部分組成：（1）領(lǐng)導(dǎo)風(fēng)格對(duì)于員工工作績(jī)效的主效應(yīng)（Main Effects）研究。（2）組織認(rèn)同對(duì)于不同領(lǐng)導(dǎo)風(fēng)格與員工工作績(jī)效之間關(guān)系的調(diào)節(jié)效應(yīng)（Moderating Effects）研究。（3）領(lǐng)導(dǎo)成員交換對(duì)于不同領(lǐng)導(dǎo)風(fēng)格與員工工作績(jī)效之間關(guān)系的中介效應(yīng)（Mediato

3、r Effects）研究。目 錄1.調(diào)查問(wèn)卷表中數(shù)據(jù)預(yù)先處理 31.1 剔除無(wú)效問(wèn)卷 31.2 重新定義控制變量 32. 把Excel數(shù)據(jù)導(dǎo)入到SPSS軟件中的方法 43. 確認(rèn)所有的變量中有無(wú)“反向計(jì)分”項(xiàng) 43.1 無(wú)“反向計(jì)分”題 53.2 有“反向計(jì)分”題 54. 效度分析 65. 信度分析 86. 描述統(tǒng)計(jì) 97. 各變量相關(guān)系數(shù) 127.1 求均值 127.2 相關(guān)性 128. 回歸分析 138.1 使用各均值來(lái)分別求Z值 138.2 自變量Z值與調(diào)節(jié)變量Z值的乘積 138.3 進(jìn)行回歸運(yùn)算 148.3.1 調(diào)節(jié)作用分析 148.3.2 中介作用分析 188.4 調(diào)節(jié)作用作圖 22

4、1. 調(diào)查問(wèn)卷表中數(shù)據(jù)預(yù)先處理1.1 剔除無(wú)效問(wèn)卷調(diào)查問(wèn)卷表中有內(nèi)容對(duì)立的題項(xiàng)，主要是測(cè)試答題人是否認(rèn)真閱讀和填寫本調(diào)查問(wèn)卷表而設(shè)置的，例如： 2.2題 我在決策過(guò)程當(dāng)中經(jīng)常發(fā)表了自己的意見(jiàn)。2.8題 在決策中我沒(méi)有發(fā)表意見(jiàn)的機(jī)會(huì)?？晒┑幕卮疬x項(xiàng)如下：jklmn 完全不符合比較不符合有點(diǎn)符合比較符合完全符合 如果答題者2.2題的回答選k，做2.8題的回答卻選l，則這份調(diào)查問(wèn)卷為無(wú)效。該調(diào)查問(wèn)卷所有數(shù)據(jù)應(yīng)事先刪除，即：這份調(diào)查問(wèn)卷不能用做數(shù)據(jù)分析。 有效的回答為：如果2.2題的回答選k，做2.8題的回答選m；或者，如果2.2題選j，那么2.8題選n。等等（依此類推，在此不全部列出）1.2 重新定

5、義控制變量輸入在Excel中的調(diào)查問(wèn)卷表數(shù)據(jù)項(xiàng)，例如：最高學(xué)歷、性別、年齡，當(dāng)前工作時(shí)間，等等，諸如此類的描述統(tǒng)計(jì)的項(xiàng)目，被統(tǒng)稱為“控制變量”數(shù)據(jù)導(dǎo)入SPSS之前，在Excel中要事先對(duì)“最高學(xué)歷”、“性別”、“年齡”、“當(dāng)前工作時(shí)間”等控制變量進(jìn)行了歸類和重新定義，例如：性別的重新定義：男性 表示為1女性 表示為2年齡的重新定義：25歲以下 表示為12530歲 表示為23035歲 表示為33540歲 表示為440歲以上 表示為5當(dāng)前工作時(shí)間的重新定義：1年以下 表示為 113年 表示為 235年 表示為 358年 表示為 48年以上 表示為 5等等（依此類推，對(duì)其他控制變量進(jìn)行適當(dāng)?shù)亩x）2

6、. 把Excel數(shù)據(jù)導(dǎo)入到SPSS軟件中的方法操作方法：打開(kāi)SPSS程序，點(diǎn)擊在左上角的FileOpenDate對(duì)話框中的“文件類型”項(xiàng)中選擇“Excel格式”選擇你要導(dǎo)入的Excel數(shù)據(jù)文件點(diǎn)擊“打開(kāi)”在對(duì)話框中的“Range”項(xiàng)定義提取Excel表中數(shù)據(jù)的范圍“最左上角 : 最右下角”，例如“B2 : HW217”數(shù)據(jù)自動(dòng)導(dǎo)入到SPSS表格中，在Date View頁(yè)面中確認(rèn)一下數(shù)據(jù)是否少讀或多讀不需要的信息。（注意：在對(duì)話框選項(xiàng)“Read variable names form the first row of date”上打勾或不打勾，對(duì)定義Excel表中數(shù)據(jù)的范圍有影響，所以要確認(rèn)一下

7、數(shù)據(jù)是否少讀或多讀不需要的信息） 從“Date View”頁(yè)面轉(zhuǎn)到“Variable View”頁(yè)面，根據(jù)最左邊的“Name”對(duì)應(yīng)“調(diào)查問(wèn)卷”中的問(wèn)題項(xiàng)，在“Label”列中標(biāo)明自變量1、自變量2、自變量3、調(diào)節(jié)變量、中介變量、因變量。Q1: 在“Label”列中標(biāo)注什么代號(hào)？A1:根據(jù)個(gè)人的喜歡和方便識(shí)別、記憶 可自己定義，本文的標(biāo)注是：自變量1 zbl1自變量2 zbl2自變量3 zbl3調(diào)節(jié)變量 TJ中介變量 ZJ因變量 YBQ2: 怎樣知道哪幾行是自變量1、哪幾行是自變量2、哪幾行是因變量？A2: 導(dǎo)師會(huì)事先告訴你，在調(diào)查問(wèn)卷表中哪些問(wèn)題項(xiàng)是屬于自變量1、哪些問(wèn)題項(xiàng)是屬于自變量2、哪些

8、問(wèn)題項(xiàng)是屬于因變量。對(duì)照調(diào)查問(wèn)卷表中各問(wèn)題項(xiàng)的排列順序 找到SPSS中相應(yīng)的“行”并作上述標(biāo)注。注意：數(shù)據(jù)較多，不要看錯(cuò)行，這樣會(huì)導(dǎo)致運(yùn)算了其他不相關(guān)的數(shù)據(jù)而造成錯(cuò)誤!3. 確認(rèn)所有的變量中有無(wú)“反向計(jì)分”項(xiàng)在做效度分析之前，先要看清楚調(diào)查問(wèn)卷表中被選中作為變量的問(wèn)卷題目有沒(méi)有要“反向計(jì)分”的？每個(gè)變量所對(duì)應(yīng)的問(wèn)卷題目?jī)?nèi)容再仔細(xì)地一題一題確認(rèn)一遍。所謂“反向計(jì)分”題是指在同一變量中與其他題目邏輯相反的題。例如：5.1題 我清楚我的上司對(duì)我的滿意程度如何。5.2題 我的上司對(duì)我的問(wèn)題和需求了如指掌。5.3題 我的上司沒(méi)有意識(shí)到我的潛力。 假如這3道題都屬于同一變量，第5.3題與其它題的邏輯相反，

9、第5.3題就是“反向計(jì)分題”。在做數(shù)據(jù)分析時(shí)，該題的計(jì)分應(yīng)與其它題相反，因此事先要對(duì)該題的計(jì)分進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換方法如下3.2說(shuō)明3.1 如果沒(méi)有反向計(jì)分題，那么就跳過(guò)3.2的步驟，直接進(jìn)行信度分析、效度分析等3.2 如果有反向計(jì)分題，那么執(zhí)行以下步驟，經(jīng)過(guò)計(jì)分轉(zhuǎn)換后，該題才能和其它題一同進(jìn)行之后的各項(xiàng)數(shù)據(jù)分析操作方法：TransformRecodeInto Different Variables在左邊的框中找到“反向計(jì)分”的項(xiàng)并點(diǎn)擊放入到“Numeric Variable Output Variable”框內(nèi)在右邊Name框中輸入新的名字，比如：zbl2fanxiang（代表：自變量2的反向計(jì)分

10、項(xiàng)）點(diǎn)擊“Old and New Values”后進(jìn)入另一個(gè)對(duì)話框，如果你的調(diào)查問(wèn)卷表中該題是15計(jì)分范圍，那么按以下方法輸入： 在Old Value框中鍵入1后，在New Value 框中鍵入5，點(diǎn)擊Add按鈕；在Old Value框中鍵入2后，在New Value 框中鍵入4，點(diǎn)擊Add按鈕；在Old Value框中鍵入4后，在New Value 框中鍵入2，點(diǎn)擊Add按鈕；在Old Value框中鍵入5后，在New Value 框中鍵入1，點(diǎn)擊Add按鈕；最后，按 Continue 按鈕，完成計(jì)分轉(zhuǎn)換的設(shè)定，再按 OK鍵完成。生成新的1行，即：自變量2反向計(jì)分項(xiàng)（代號(hào)：zbl2fanxi

11、ang），出現(xiàn)在“Variable View”頁(yè)面所有數(shù)據(jù)行的最下面1行。不要遺忘的注意點(diǎn)：在此后的運(yùn)算（效度分析，信度分析，求均值），凡是涉及到要使用該項(xiàng)時(shí)，均用新生成的自變量2反向計(jì)分項(xiàng)（代號(hào)：zbl2fanxiang）代替原有項(xiàng)進(jìn)行運(yùn)算。4. 效度分析操作方法：AnalyzeDate ReductionFactor Analysis在左邊的框中把所有自變量1的項(xiàng)（標(biāo)注為：zbl1）全都放到Variables框中去，點(diǎn)擊OK，完成自變量1的效度分析。重復(fù)以上操作，自變量2、自變量3、調(diào)節(jié)變量、中介變量、因變量都要分別做效度分析。結(jié)果如下：（只要Copy出必要的數(shù)據(jù)即可，不用把生成的所有結(jié)果

12、都Copy出來(lái)）判斷標(biāo)準(zhǔn)：看下表Component的值，如果全部都在0.5以上就有效，0.7以上載荷就好；如果出現(xiàn)載荷小于0.5的變量題項(xiàng)，那么就篩除該題項(xiàng)。篩除方法：記住該變量的題項(xiàng)在下表Component Matrix(a)的位置順序，并在SPSS軟件的“Variable View”頁(yè)面中找到相對(duì)應(yīng)的數(shù)據(jù)行，在“Label”格中刪除先前標(biāo)注的變量代號(hào)，總而言之，就是今后在做任何運(yùn)算時(shí)都不要用到該項(xiàng)。結(jié)果如下：“bl1：（自變量1）變革型領(lǐng)導(dǎo)Component Matrix(a) Component 1zbl1.732zbl1.763zbl1.740zbl1.790zbl1.786zbl1.

13、803zbl1.777zbl1.711zbl1.778zbl1.788zbl1.789zbl1.770zbl1.768zbl1.770zbl1.816zbl1.784zbl1.762zbl1.760Extraction Method: Principal Component Analysis.a 1 components extracted.bl2：（自變量2）交易型領(lǐng)導(dǎo)Component Matrix(a) Component 1zbl2.809zbl2.803zbl2.792zbl2.810Extraction Method: Principal Component Analysis.a

14、1 components extracted.bl3：（自變量3）回避型領(lǐng)導(dǎo)Component Matrix(a)Component 1Zbl3.839Zbl3.897Zbl3.713Zbl3.884Zbl3.796Zbl3.819Zbl3.821Zbl3.514等等（此處省略，不一一列出各表格）根據(jù)以上這些結(jié)果作出下面這樣的表格放在論文中即可（在論文中表格要居中放置）如下：變革型領(lǐng)導(dǎo)的因子載荷矩陣Component 1變革型領(lǐng)導(dǎo).732變革型領(lǐng)導(dǎo).763變革型領(lǐng)導(dǎo).740變革型領(lǐng)導(dǎo).790變革型領(lǐng)導(dǎo).786變革型領(lǐng)導(dǎo).803變革型領(lǐng)導(dǎo).777變革型領(lǐng)導(dǎo).711變革型領(lǐng)導(dǎo).778變革型領(lǐng)導(dǎo).7

15、88變革型領(lǐng)導(dǎo).789變革型領(lǐng)導(dǎo).770變革型領(lǐng)導(dǎo).768變革型領(lǐng)導(dǎo).770變革型領(lǐng)導(dǎo).816變革型領(lǐng)導(dǎo).784變革型領(lǐng)導(dǎo).762變革型領(lǐng)導(dǎo).760等等（依此類推，作出各變量表格放在論文中）5. 信度分析 操作方法：AnalyzeScaleReliability Analysis在左邊的框中把所有自變量1的項(xiàng)（標(biāo)注為：zbl1）全都放到Variables框中去，點(diǎn)擊OK，完成自變量1的信度分析。 重復(fù)以上操作，自變量2、自變量3、調(diào)節(jié)變量、中介變量、因變量都要分別做信度分析。結(jié)果如下：（只要Copy出必要的數(shù)據(jù)即可，不用把生成的所有結(jié)果都Copy出來(lái)） 判斷標(biāo)準(zhǔn)：看下表Cronbach'

16、;s Alpha的值，如果全部都在0.7信度以上就可以接受；如果信度小于0.7，那么就要檢查是否存在反向計(jì)分的題項(xiàng)，或者有些題項(xiàng)信度太低影響總的信度水平，排除這個(gè)題項(xiàng)后再算信度看看是否改善。如果發(fā)現(xiàn)這類情況，那么今后在做任何運(yùn)算時(shí)都不要用到該題項(xiàng)。zbl1：（自變量1）變革型領(lǐng)導(dǎo)Reliability StatisticsCronbach's AlphaN of Items.96018zbl2：（自變量2）交易型領(lǐng)導(dǎo)Reliability StatisticsCronbach's AlphaN of Items.8164zbl3：（自變量3）回避型領(lǐng)導(dǎo)Reliability S

17、tatisticsCronbach's AlphaN of Items.8708TJ：（調(diào)節(jié)變量）認(rèn)同和內(nèi)部化Reliability StatisticsCronbach's AlphaN of Items.8643ZJ：（中介變量）領(lǐng)導(dǎo)成員交換Reliability StatisticsCronbach's AlphaN of Items.9026YB：（因變量）工作績(jī)效Reliability StatisticsCronbach's AlphaN of Items.8734根據(jù)以上這些結(jié)果作出下面這樣的表格放在論文中即可（在論文中表格要居中放置）如下：分量表

18、信度分析匯總表變量類別分量表Cronbach's Alpha值自變量變革型領(lǐng)導(dǎo).960交易型領(lǐng)導(dǎo).816回避型領(lǐng)導(dǎo).870薪酬0.851調(diào)節(jié)變量組織認(rèn)同.864中介變量領(lǐng)導(dǎo)成員交換.902因變量員工工作績(jī)效.8736. 描述統(tǒng)計(jì)描述統(tǒng)計(jì)的對(duì)象：本文的調(diào)查問(wèn)卷表中：最高學(xué)歷、性別、年齡，當(dāng)前工作時(shí)間，等等為描述統(tǒng)計(jì)的對(duì)象（一般統(tǒng)計(jì)員工的數(shù)據(jù)，有必要時(shí)才統(tǒng)計(jì)領(lǐng)導(dǎo)數(shù)據(jù)）。 這些對(duì)象被統(tǒng)稱為“控制變量”（事先要在數(shù)據(jù)導(dǎo)入SPSS前，在EXCEL表中先進(jìn)行歸類和重新定義，具體參見(jiàn)第3頁(yè)1.2章節(jié)內(nèi)容）操作方法：AnalyzeDescriptive StatisticsFrequencies在左邊

19、的框中把所有控制變量（如：最高學(xué)歷、性別、年齡，當(dāng)前工作時(shí)間、等等）全都放到Variables框中去， 點(diǎn)擊OK，完成描述統(tǒng)計(jì)。Q1：“在左邊的框中”怎樣知道哪個(gè)是最高學(xué)歷、哪個(gè)是性別，哪個(gè)是年齡等等的代號(hào)？A1：對(duì)照調(diào)查問(wèn)卷表中各問(wèn)題項(xiàng)的排列順序 找到SPSS中相應(yīng)的“行標(biāo)”。結(jié)果如下：（只要Copy出必要的數(shù)據(jù)即可，不用把生成的所有結(jié)果都Copy出來(lái)）年齡 FrequencyPercentValid PercentCumulative PercentValid12411.211.211.2 24520.920.932.1 35726.526.558.6 45525.625.684.2 53

20、415.815.8100.0 Total215100.0100.0 25歲以下 表示為12530歲 表示為23035歲 表示為33540歲 表示為440歲以上 表示為5當(dāng)前工作時(shí)間 FrequencyPercentValid PercentCumulative PercentValid12612.112.112.1 24621.421.433.5 34822.322.355.8 44621.421.477.2 54922.822.8100.0 Total215100.0100.0 1年以下 表示為 113年 表示為 235年 表示為 358年 表示為 48年以上 表示為 5等等（此處省略，不一

21、一列出各表格）然后根據(jù)這些結(jié)果作出下面這樣的表格放在論文中即可（在論文中表格要居中放置）如下：注意：下表只是為了說(shuō)明表格的制作式樣和方法，所以復(fù)制了與本文有些不相關(guān)的內(nèi)容和數(shù)據(jù)。被試的組織特征 被試的員工特征項(xiàng)目類別人數(shù)（個(gè)）百分比(%)有效百分比(%)累計(jì)百分比(%)最高學(xué)歷初中4520.920.920.9 高中中專4822.322.343.3 大專4721.921.965.1 本科5726.526.591.6 碩士188.48.4100.0 Total215100.0100.0 性別男12357.257.257.2 女9242.842.8100.0 Total215100.0100.0 年

22、齡25歲以下2411.211.211.2 2530歲4520.920.932.1 3035歲5726.526.558.6 3540歲5525.625.684.2 40歲以上3415.815.8100.0 Total215100.0100.0 當(dāng)前工作時(shí)間1年以下2612.112.112.1 13年4621.421.433.5 35年4822.322.355.8 58年4621.421.477.2 8年以上4922.822.8100.0 Total215100.0100.0 7.各變量相關(guān)系數(shù)7.1 以下變量分別求均值 自變量1 生成新的1行zbl1 junzhi自變量2 生成新的1行zbl2

23、junzhi自變量3 生成新的1行zbl3 junzhi調(diào)節(jié)變量 生成新的1行TJ junzhi 中介變量 生成新的1行ZJ junzhi 因變量 生成新的1行YB junzhi操作方法：TransformCompute VariableTarget Variable 框中鍵入名稱（自己定），我這里是鍵入了zbl1 junzhi在Function group 框中選Statistical 后，在下方的表中選定Mean并雙擊，此時(shí)在Numeric Expression 框中出現(xiàn)了“MEAN（？，？）”放入所有屬于自變量1（zbl1）的各項(xiàng)到MEAN（zbl1，zbl1，zbl1，）各項(xiàng)之間用逗號(hào)

24、分開(kāi)點(diǎn)擊OK鍵生成新的1行，即：自變量1均值（代號(hào)：zbl1 junzhi），出現(xiàn)在“Variable View”頁(yè)面所有數(shù)據(jù)行的最下面1行。重復(fù)以上操作，分別生成各自新的1行即：自變量2均值（代號(hào)：zbl2 junzhi）、自變量3（代號(hào)：zbl2 junzhi）、因變量均值（代號(hào)：YB junzhi）。7.2 做相關(guān)性操作方法：AnalyzeCorrelateBivariate把自變量1的均值（zbl1 junzhi）、自變量2的均值（zbl2 junzhi）、自變量3的均值（zbl3 junzhi）、調(diào)節(jié)變量的均值（TJ junzhi）、中介變量的均值（ZJ junzhi）、 因變量的均

25、值（YB junzhi）都放入“Variables”框中點(diǎn)擊OK結(jié)果如下：Correlations bl1junzhibl2junzhibl3junzhiTJjunzhiZJjunzhiYBjunzhizbl1junzhiPearson Correlation1.891(*)-.891(*).758(*).897(*).865(*)Sig. (2-tailed) .000.000.000.000.000N215215215215215215zbl2junzhiPearson Correlation.891(*)1-.789(*).695(*).829(*).804(*)Sig. (2-tail

26、ed).000 .000.000.000.000N215215215215215215zbl3junzhiPearson Correlation-.891(*)-.789(*)1-.691(*)-.815(*)-.797(*)Sig. (2-tailed).000.000 .000.000.000N215215215215215215TJjunzhiPearson Correlation.758(*).695(*)-.691(*)1.745(*).726(*)Sig. (2-tailed).000.000.000 .000.000N215215215215215215ZJjunzhiPears

27、on Correlation.897(*).829(*)-.815(*).745(*)1.837(*)Sig. (2-tailed).000.000.000.000 .000N215215215215215215YBjunzhiPearson Correlation.865(*).804(*)-.797(*).726(*).837(*)1Sig. (2-tailed).000.000.000.000.000 N215215215215215215* Correlation is significant at the 0.01 level (2-tailed).表中變量的含義為：zbl1：變革型

28、領(lǐng)導(dǎo) zbl2：交易型領(lǐng)導(dǎo) zbl3：回避型領(lǐng)導(dǎo) TJ：調(diào)節(jié)變量認(rèn)同和內(nèi)部化 ZJ：中介變量領(lǐng)導(dǎo)成員交換 YB：因變量工作績(jī)效 將上面的結(jié)果作出下面這樣的表格放在論文中即可（在論文頁(yè)面中表格要居中放置）如下： 各變量之間的相關(guān)矩陣變革型交易型回避型組織認(rèn)同領(lǐng)導(dǎo)成員交換工作績(jī)效變革型1交易型.891(*)1回避型-.891(*)-.789(*)1組織認(rèn)同.758(*).695(*)-.691(*)1領(lǐng)導(dǎo)成員交換.897(*).829(*)-.815(*).745(*)1員工工作績(jī)效.865(*).804(*)-.797(*).726(*).837(*)1* Correlation is sign

29、ificant at the 0.01 level (2-tailed).8.回歸分析8.1 使用各均值來(lái)分別求Z值自變量1的均值z(mì)bl1 junzhi 生成新的1行Z zbl1 junzhi自變量2的均值z(mì)bl2 junzhi 生成新的1行Z zbl2 junzhi自變量3的均值z(mì)bl3 junzhi 生成新的1行Z zbl3 junzhi調(diào)節(jié)變量的均值TJ junzhi 生成新的1行Z TJ junzhi中介變量的均值 ZJ junzhi 生成新的1行Z ZJ junzhi因變量的均值 YB junzhi 生成新的1行Z YB junzhi操作方法：AnalyzeDescriptive S

30、tatisticsDescriptives把上述6個(gè)變量的均值放到Variables框中去，并在左下角的“save standardized values as variables"的選項(xiàng)打勾后，按OK鍵生成新的1行，即：Z值運(yùn)算后的各變量，出現(xiàn)在“Variable View”頁(yè)面所有數(shù)據(jù)行的最下面幾行。8.2 自變量Z值與調(diào)節(jié)變量Z值的乘積自變量1的Z值×調(diào)節(jié)變量的Z值 生成新的1行Zzbl1 ZTJ自變量2的Z值×調(diào)節(jié)變量的Z值 生成新的1行Zzbl2 ZTJ自變量3的Z值×調(diào)節(jié)變量的Z值 生成新的1行Zzbl3 ZTJ操作方法：Trans

31、formCompute VariableTarget Variable 框中鍵入名稱（自己定），我這里是鍵入了Zzbl1 ZTJ在左邊的框中選定自變量1的Z值放入 Numeric Expression 框中并鍵入乘號(hào) * 之后，再放入調(diào)節(jié)變量的Z值點(diǎn)擊OK鍵生成新的1行，即：自變量1的Z值×調(diào)節(jié)變量的Z值（代號(hào)：Zzbl1 ZTJ），出現(xiàn)在“Variable View”頁(yè)面所有數(shù)據(jù)行的最下面1行。 重復(fù)以上步驟，分別算出：自變量2的Z值×調(diào)節(jié)變量的Z值自變量3的Z值×調(diào)節(jié)變量的Z值8.3 進(jìn)行回歸運(yùn)算 8.3.1 調(diào)節(jié)作用分析：操作方法：AnalyzeRegres

32、sionLinear先在Dependent框中放入因變量（已Z值計(jì)算）再在Independent框中：第一步、依次放入各控制變量（不用做均值和Z值計(jì)算），如：最高學(xué)歷、性別、年齡等，按“NEXT”鍵繼續(xù)下一步。第二步、依次放入已Z值計(jì)算的自變量1、自變量2、自變量3，按“NEXT”鍵繼續(xù)下一步。第三步、放入已Z值計(jì)算的調(diào)節(jié)變量，按“NEXT”鍵繼續(xù)下一步。第四步、 把按以上8.2項(xiàng)操作生成的3對(duì)自變量Z值與調(diào)節(jié)變量Z值的乘積，依次放入 完成以上四步驟后，點(diǎn)擊對(duì)話框的左下角的Statistics按鈕，進(jìn)入一個(gè)新的對(duì)話框，在“R Squared Change”項(xiàng)上打勾選中。最后按“OK”鍵，運(yùn)算完

33、成。得到如下Model Summary和ANOVA(e)表，表中用紅色和陰影表示的數(shù)據(jù)，是整理后要用在論文中的。 Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange Statistics R Square ChangeF Changedf1df2Sig. F Change1.212(a).045.017.99134691.0451.6256208.1422.877(b).770.759.49047285.725214.9123205.0003.882(c).778.768.48210725.0

34、098.1761204.0054.895(d).801.788.46039112.0227.5663201.000a Predictors: (Constant), V198, V194, V193, V195, V196, V197用于判斷R Square為幾顆星，但是該數(shù)據(jù)不用出現(xiàn)在論文中b Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi)c Predictors: (Constant), V198, V194

35、, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi)d Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi), Zbl1Ztj, Zbl2Ztj, Zbl3ZtjANOVA(e)Model Sum of SquaresdfMean Squa

36、reFSig.1Regression9.58461.5971.625.142(a)Residual204.416208.983 Total214.000214 2Regression164.684918.29876.064.000(b)Residual49.316205.241 Total214.000214 3Regression166.5851016.65871.672.000(c)Residual47.415204.232 Total214.000214 4Regression171.3961313.18462.202.000(d)Residual42.604201.212 Total2

37、14.000214 用于判斷F為幾顆星，但是該數(shù)據(jù)不用出現(xiàn)在論文中a Predictors: (Constant), V198, V194, V193, V195, V196, V197b Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi)c Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl

38、2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi)d Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi), Zbl1Ztj, Zbl2Ztj, Zbl3Ztje Dependent Variable: Zscore(YBjunzhi)在得到的如下所示 Coefficients(a) 表的結(jié)果中提取Standardized Coefficien

39、ts Bate 數(shù)據(jù)，并根據(jù)Sig列的數(shù)值在Beta值上打星號(hào)（在論文的表格中不需要出現(xiàn)sig數(shù)據(jù)）。打星的判別標(biāo)準(zhǔn)如下：Sig.在0.010.05 為 * Sig.在0.0010.01 為 * Sig.在0.001以下為 * 備注：只要滿足以上區(qū)間要求，不管Standardized Coefficients Beta是正是負(fù)，都要相應(yīng)數(shù)據(jù)旁標(biāo)上相應(yīng)的星數(shù)。Coefficients(a)Model Standardized CoefficientsSig. Beta 1(Constant) .542 V193.020.785 V194-.020.767 V195-.217 根據(jù)Sig.滿足的區(qū)

40、間，判斷是否標(biāo)星和標(biāo)幾顆星。例如：控制變量V195的Sig.值為0.020，根據(jù)上述判別標(biāo)準(zhǔn)，在對(duì)應(yīng)的Beta值-0.217右邊標(biāo)注1顆星。*.020 V196.088.419 V197.229 *.049 V198-.191 *.0482(Constant) .115 V193-.017.642 V194-.080 *.020 V195-.021.656 V196.054.321 V197.044.443 V198-.083.083 Zscore(zbl1junzhi).592 從這一步的結(jié)果可以判斷出主效應(yīng)是否成立。如表中的數(shù)據(jù)可見(jiàn)，變量1 和變量2 對(duì)因變量的回歸作用顯著，因此假設(shè)1、2

41、 成立；而變量3 的回歸作用不顯著，（沒(méi)星）所以假設(shè)3 不成立。* * *.000 Zscore(zbl2junzhi).173 *.022 Zscore(zbl3junzhi)-.132.0803(Constant) .105 V193-.007.838 V194-.079 *.019 V195-.031.505 V196.048.364 V197.044.435 V198-.080.089 Zscore(zbl1junzhi).503 * * *.000 Zscore(zbl2junzhi).156 *.035 Zscore(zbl3junzhi)-.123.098 Zscore(TJju

42、nzhi).147 * *.0054(Constant) .040 V193-.017.610 V194-.056.083 V195-.031.489 V196.051.316 V197.047.394 V198-.058.206 Zscore(zbl1junzhi).513 * * *.000 Zscore(zbl2junzhi).163 *.022 Zscore(zbl3junzhi)-.093.191 Zscore(TJjunzhi).124 *.014 zbl1Ztj.064從這一步自變量與調(diào)節(jié)變量的乘積項(xiàng)的結(jié)果是否顯著可以判斷調(diào)節(jié)作用是否成立。如表中的自變量1、3 分別與調(diào)節(jié)變量的乘

43、積項(xiàng)顯著；而自變量2與調(diào)節(jié)變量的乘積項(xiàng)不顯著，則說(shuō)明調(diào)節(jié)作用的1、3 假設(shè)成立，第2個(gè)假設(shè)不成立。 *.032 zbl2Ztj-.049.429 zbl3Ztj.054 * *.008a Dependent Variable: Zscore(YBjunzhi)將以上這些結(jié)果整理成下面的表格放在論文中即可（在論文頁(yè)面中表格要居中放置）。具體如下：表8.3.1領(lǐng)導(dǎo)風(fēng)格對(duì)員工工作績(jī)效的影響員工工作績(jī)效S1 BetaS2 BetaS3 BetaS4 BetaStep1 最高學(xué)歷.020-.017-.007-.017 性別-.020-.080 *-.079 *-.056 年齡-.217 *-.021-.

44、031-.031 從事當(dāng)前工作時(shí)間.088.054.048.051 當(dāng)前公司工作時(shí)間.229 *.044.044.047 與當(dāng)前上司共事時(shí)間-.191 *-.083-.080-.058R20.45F1.625Step2 變革型領(lǐng)導(dǎo).592 * * *.503 * * *.513 * * * 交易型領(lǐng)導(dǎo).173 *.156 *.163 * 回避型領(lǐng)導(dǎo)-.132-.123-.093R20.770Adjusted R20.759R20.725 * * *F76.064 * * *Step3 組織認(rèn)同.147 * *.124 *R20.778Adjusted R20.768R20.009* *F71.

45、672* * *Step4 變革型領(lǐng)導(dǎo)×組織認(rèn)同-.064 * 交易型領(lǐng)導(dǎo)×組織認(rèn)同-.049回避型領(lǐng)導(dǎo)×組織認(rèn)同.054 * *R20.801Adjusted R20.788R20.022* * * F62.202* * *注：所列數(shù)據(jù)為標(biāo)準(zhǔn)系數(shù)； * p < .05 ， * p < .01; 8.3.2 中介作用分析：操作方法：AnalyzeRegressionLinear先在Dependent框中放入因變量（已Z值計(jì)算）再在Independent框中：（提示：先前做 8.3.1調(diào)節(jié)作用分析時(shí)，放入的內(nèi)容依舊存在，因此點(diǎn)擊在 Independent

46、框上方的Previous按鈕，對(duì)不需要的內(nèi)容進(jìn)行除去處理，而需要的內(nèi)容，比如：以下要放入的控制變量和自變量，不要重復(fù)放入。）第一步、依次放入各控制變量（不用做均值和Z值計(jì)算），如：最高學(xué)歷、性別、先前放入過(guò)年齡等，按“NEXT”鍵繼續(xù)下一步。這次新加入第二步、依次放入已Z值計(jì)算的自變量1、自變量2、自變量3，按“NEXT”鍵繼續(xù)下一步。第三步、放入已Z值計(jì)算的中介變量，按“NEXT”鍵繼續(xù)下一步。完成以上三步驟后，點(diǎn)擊對(duì)話框的左下角的Statistics按鈕，進(jìn)入一個(gè)新的對(duì)話框，在“R Squared Change”項(xiàng)上打勾選中。最后按“OK”鍵，運(yùn)算完成。得到如下Model Summary和

47、ANOVA(e)表，表中用紅色和陰影表示的數(shù)據(jù)，是整理后要用在論文中的。Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange Statistics R Square ChangeF Changedf1df2Sig. F Change1.212(a).045.017.99134691.0451.6256208.1422.877(b).770.759.49047285.725214.9123205.0003.886(c).785.774.47534349.01514.2571204.000用于判斷R Square為幾顆星，但是該數(shù)據(jù)不用出現(xiàn)在論文中a Predictors: (Consta