5.2 效度分析
本书主要从内容效度、聚合效度及区分效度对主要核心变量的效度进行分析检验。
针对内容效度，一方面，本书所涉及的主要核心变量的测量工具均来自国内外相关成熟研究，也均在中国情境下得到了研究者的实证检验；另一方面，本书在对量表进行“翻译—回译”的过程中，也邀请了专家对测量题目进行了反复多次的斟酌与修订，并最终达成一致。因此，我们相信本书调查所使用的测量工具具有较高的内容效度。
针对聚合效度，本书采用学者吴明隆（2010）与Hair等（2010）的建议，即当样本量大于300时，测量模型满足如下条件时表明所使用的测量工具具有较高的聚合效度：第一，因子载荷量应达到显著性水平（p＜0.05），且标准化因子载荷的数值要大于0.5，最佳数值要大于0.7；第二，标准化路径系数数值不应该存在大于1或者小于-1的情况：第三，标准化残差的绝对值应该小于2.5，对于其中标准化残差绝对值大于4所对应的测量条目应该予以删除；第四，平均方差抽取量（Average Variance Extracted， AVE）指标应该大于0.5，这能够说明此变量概念具有良好的聚合效度；第五，两个变量各自的平均方差抽取量应该高于两个变量之间相关系数的平方值。具体检验结果见表5-2。
表5-2 聚合效度检验结果
由表5-2可知，各个主要核心变量的因子负荷均在建议值0.5以上，且并未出现大于1或者小于-1的奇异值，上级正向反馈、上级负向反馈、下属特质型调节焦点、下属反馈倾向、下属情境促进型调节焦点、下属情境防御型调节焦点、下属角色内绩效及下属角色外绩效的AVE值分别为0.504、0.649、0.537、0.535、0.572、0.678、0.668、0.675，也均大于建议值0.500，这说明本书中的核心变量测量工具聚合效度较高，符合相关统计学标准。
最后，针对区分效度，本书将采用Mplus 7.2统计分析软件对最终373套有效样本数据进行验证性因子分析，检验上级正向反馈、上级负向反馈、下属特质型调节焦点、下属反馈倾向、下属情境促进型调节焦点、下属情境防御型调节焦点、下属角色内绩效，以及下属角色外绩效等变量之间的区分性，同时也为本书的共同方法偏差程度提供检验依据。本书将选取χ2/df、RMSEA、CFI、TLI及SRMR作为衡量指标检验本书模型拟合程度的重要指标，就具体的取值范围而言，当χ2/df小于3（小于2严谨）、RMSEA小于0.08 （小于0.05良好，小于0.08普通）、CFI大于0.90 （大于0.95严谨）、TLI大于0.90（大于0.95严谨）、SRMR小于0.08（大于0.08模型不接受）时，模型拟合基本符合相关统计学标准。本书最终样本数据的CFA检验结果见表5-3。
续表(https://www.daowen.com)
数据来源：本书整理而成
表5-3 区分效度检验结果
数据来源：本书整理而成
由表5-3可知，本书的理论模型作为基准模型，共有八个因子，即分别为上级正向反馈、上级负向反馈、下属特质型调节焦点、下属反馈倾向、下属情境促进型调节焦点、下属情境防御型调节焦点、下属角色内绩效与下属角色外绩效。以此为基础，通过合并潜变量提出了11个备选模型：其中模型1至模型3为七因子嵌套模型，模型1是将上级正向反馈与上级负向反馈合并为一个因子；模型2是将下属角色内绩效与上级角色外绩效合并为一个因子；模型3是将下属情境促进型调节焦点与上级情境防御型调节焦点合并为一个因子；模型4至模型6为六因子嵌套模型，模型4是将上级正向反馈与上级负向反馈合并为一个因子，将下属角色内绩效与下属角色外绩效合并为一个因子；模型5是将上级正向反馈与上级负向反馈合并为一个因子，将下属情境促进型调节焦点与下属情境防御型调节焦点合并为一个因子；模型6是将下属角色内绩效与下属角色外绩效合并为一个因子，将下属情境促进型调节焦点与下属情境防御型调节焦点合并为一个因子；模型7为五因子嵌套模型，依次将上级正向反馈与上级负向反馈合并为一个因子，将下属情境促进型调节焦点与下属情境防御型调节焦点合并为一个因子，将下属角色内绩效与下属角色外绩效合并为一个因子；模型8为四因子嵌套模型，依次将上级正向反馈与上级负向反馈合并为一个因子，将下属特质型调节焦点与下属情境促进型调节焦点及情境防御型调节焦点合并为一个因子，将下属角色内绩效与下属角色外绩效合并为一个因子；模型9为三因子嵌套模型，依次将上级正向反馈与上级负向反馈合并为一个因子，将下属特质型调节焦点、下属情境促进型调节焦点、下属情境防御型调节焦点及下属反馈倾向合并为一个因子，将下属角色内绩效与下属角色外绩效合并为一个因子；模型10为两因子嵌套模型，依次将上级正向反馈、上级负向反馈、下属特质型调节焦点、下属情境促进型调节焦点、下属情境防御型调节焦点及下属反馈倾向合并为一个因子，将下属角色内绩效与下属角色外绩效合并为一个因子；模型11为单因子嵌套模型，即将所有指标合并为一个因子。
综上，可以看出，与其他嵌套模型相比，本书所假定的八因子模型（基准模型）具有良好的数据拟合程度，其中χ2/df=1.827，RMSEA =0.047＜0.05，CFI=0.913＞0.900，TLI=0.906＞0.900，SRMR=0.075＜0.080，与样本数据之间的拟合程度最好，且明显优于其他11个嵌套模型，也均达到相关统计学要求，这也表明本书中的各变量在内涵与测量方面具有较好的区分度。同时，由模型11单因子拟合模型还可以看出，将所有指标合并为一个因子的验证性因子分析结果显示： χ2/df=6.322，RMSEA=0.120，CFI=0.434，TLI=0.398，SRMR=0.246，拟合效果非常差，均不符合相关统计学标准（Podsakoff et al.，2003），这也说明并不存在单一因子能够解释本书中所有变量的情况，再次证实本书的共同方法偏差并不严重，在可接受的范围以内。