5.4　数据分析与假设检验

针对本章提出的模型，本章采用两步骤方法分析测量模型和结构模型[165]。在此之前，先进行模型变量的描述性统计分析；其次，进行问卷的信效度分析以及共同方法偏差的检验；最后，进行了模型主效应分析以及路径系数差异性假设的验证。

本章拟采用偏最小二乘法（partial least squares，PLS）对提出的结构方程模型进行假设检验。不同于基于协方差的结构方程建模技术（LISREL），PLS属于基于组件的第二代因果关系建模技术，适合于理论模型的初期发展阶段，不仅无须进行样本正态分布假设，且对样本量要求较小，并可以对包含形成性构想的结构方程模型进行分析[106，166]。基于上述优势，采用SmartPLS 2.0软件包进行结构方程模型的检验。

另外，本章被试样本数量符合Chin[167]的建议，即PLS方法进行结构方程模型检验时，所需最小被试样本量需要大于概念模型中最复杂潜变量（即测量题项最多）的题项数量的10倍以上。

进一步地，由于本章研究所有变量主要是通过问卷调查且以被试样本自陈方式进行搜集，可能存在一定的共同方法偏差（common method bias）风险。为了避免这一问题，一方面，所有变量题项在问卷中以随机方式出现，被试很难会判断出各个构想之间的关系，尽可能避免了一些曲意作答[168]。此外，从统计角度测算了共同方法偏差，采用Harman单因素方法[169]进行共同方法偏差检验。针对用户群体样本数据进行的探索性因子分析结果均得出7个因子，且因子的方差解释力仅为25.916%，低于以往研究所提的建议值50%[170]，由此可间接说明本章的数据不存在严重的共同方法偏差问题[171]。