第1个回答 2022-07-21
接上一篇文章，本文继续说明中介调节效应研究问卷的研究方法及案例应用。
研究“员工工作满意度对于创新绩效的影响关系”，并且以创新氛围作为中介变量。问卷整体框架结构如下表所示。
从问卷结构来看，P1~P4共四个题项表示 样本基本背景信息 ；P5~P8共四个题项表示 样本基本特征情况 ； 核心题项 全部均为五级量表题项，从AA1~C5共为31个题项，此31个题项均有相关文献来源依据。
自变量为工作满意度，并且工作满意度由4个维度表示，分别是个人发展, 工作特性, 领导管理, 工作回报；
中介变量为创新氛围，其共由两个维度表示，分别是工作自由和团队合作；
因变量创新绩效不细分维度。
此案例核心思路是研究 工作满意度四个维度对于创新绩效的影响 ，并且分析工作满意度四个维度对于创新绩效的影响时， 创新氛围两个维度是否会起着中介作用。 另外，本案例还研究工作满意度四个维度对于创新绩效的影响时， 性别是否会起着调节作用 ，即不同性别情况时，工作满意度对于创新绩效的影响幅度是否有着明显差异。
研究步骤按照上图提供的分析思路进行：
1、首先对样本基本背景信息、样本基本特征情况进行分析。 使用SPSSAU分类汇总进行分析，汇总类型选择 百分数 。
得到以下结果：
2、信效度分析
针对可信度分析和有效性分析。本案例研究涉及三个量表，分别是员工满意度量表，创新氛围量表和创新绩效量表。分别对三个量表进行信效度检验。
使用探索性因子分析进行结构效度验证，删除不合理项，并且重复多次循环，最终得到合理结果。结构效度验证过程中涉及题项的删除处理，因而信度分析应该对题项删除后再进行分析。其 余研究包括信度分析应该以删除题项后作为标准进行分析。
3、变量描述性分析
完成研究量表信度和效度分析后，接着对研究变量进行描述性分析。此案例使用五级量表，因而在分析时通过各研究变量的平均值去分析样本的态度情况即可，可利用【生成变量】功能将同一变量下的各题项合并成一个变量。然后对各个变量进行描述性分析。
4、变量相关关系和影响关系分析
上一部分完成信度和效度分析后，在中介或者调节作用研究前，还应该对研究变量的相关关系或者影响关系进行分析。
针对本案例进行中介作用研究，共涉及三个量表，分别是员工满意度量表，创新氛围量表和创新绩效量表。
自变量X对于中介变量M的回归影响关系： 分析自变量X员工满意度量表对应四个变量分别与中介变量M创新氛围(两个变量)的相关关系或者回归影响关系；
自变量X对于因变量Y的回归影响关系： 分析自变量X员工满意度量表与因变量Y创新绩效的相关关系或者回归影响关系；
中介变量对于因变量Y的回归影响关系： 分析中介变量M创新氛围与因变量Y创新绩效的相关关系或者回归影响关系。
本案例进行调节作用研究时，应该首先分析自变量X员工满意度与因变量Y创新绩效之间的相关和回归影响关系，不需要分析自变量或者因变量与调节变量Z的相关，或者回归关系。
5、中介效应分析
针对中介作用进行研究，研究时自变量X为员工满意度(四个变量)， 中介变量M为创新氛围(两个变量分别是工作自由和团队合作)，因变量Y为创新绩效。（中介变量相当于两个，如果在研究中，中介作用涉及多个自变量X或者多个中介变量M，甚至多个因变量Y，应该结合实际情况进行重复操作，将复杂的模型拆分为多个简单模型）。
首先应该对自变量X员工满意度(四个变量)，中介变量M创新氛围(两个变量)和因变量Y创新氛围分别进行数据标准化处理。
处理完成后使用分层回归分析方法进行中介作用验证。如果在上一部分回归分析中显示某个自变量X对于因变量不会有影响关系，此种情况下不可能有对应的中介作用，因此可以直接放弃该自变量的中介作用分析，即直接不纳入模型中。
模型1和模型2的建立是使用分层回归分析进行，从模型1到模型2变化时，变化在于模型2在模型1的基础上，将中介变量团队合作放入模型中，因此会涉及到△R平方或者△F这两个指标值。模型3使用普通回归分析进行。
SPSSAU的智能化文字分析会直接分析结果，在这里就不再单独说明。
6、调节效应
本案例研究员工满意度(个人发展, 工作特性, 领导管理和工作回报)对于创新绩效的影响，并且分析性别变量的调节作用，设置女性作为对照项。
本案例中自变量X为定量数据，而调节变量Z(性别)为分类数据，因而应该使用分层回归或分组回归研究。在进行调节作用分析前，应该将自变量分别进行标准化处理，以及标准化处理后再生成相应交互项。因变量Y创新绩效不需要进行标准化处理。
调节作用通过分层回归分析进行研究，分层回归分析共涉及两个模型。
【结果分析】
模型1显示:个人发展，工作特性和工作回报均会对创新绩效产生显著的正向影响关系。领导管理并不会对创新绩效产生影响关系，因而调节作用的讨论结束，研究时领导管理这个变量也可以不放入模型。
具体分析调节作用，个人发展，工作特性分别与性别之间的交互项均没有呈现出显著性，因此说明在个人发展对创新绩效的影响过程中,性别不会起着调节作用。以及工作特性对创新绩效的影响过程中,性别不会起着调节作用。领导管理并不会对创新绩效产生影响关系，因而更不可能会有调节作用。工作回报与性别之间的交互项呈现出0.01水平的显著性,并且交互项的回归系数值为0.198>0,因而说明工作回报对创新绩效的影响过程中,性别起着正向调节作用，由于性别以女性作为参照项，因而说明工作回报对创新绩效影响时，相对女性来讲，男性的影响程度会更大。
如想了解更多分析方法的详细介绍可登录 SPSSAU官网 查看。