因此內(nèi)容效度是較好的。結(jié)構(gòu)效度作為統(tǒng)攝其他效度類型的重要概念（Messick，1989），為了在龐雜的數(shù)據(jù)中找到變量的共同屬性，本研究通過因子分析法進行檢驗。雖然在第三章本書曾經(jīng)使用扎根理論進行了質(zhì)化處理，但仍需要使用因子分析來判斷研究假設(shè)中哪些變量需要合成公因子，哪些變量需要獨立出來，這樣可使研究假設(shè)更加準(zhǔn)確，以達(dá)到化繁為簡的目的。

　　在做因子分析法之前先進行KMO樣本檢驗和巴特利球形檢驗。一般認(rèn)為，KMO值越接近1，就越適合做因子分析，0.9以上非常適合、0.8～0.9很適合、0.7～0.8適合，低于0.7則不太適合。巴特利球體檢驗的統(tǒng)計量對應(yīng)的概率P值大于顯著性水平a則拒絕原假設(shè)，認(rèn)為適合做因子分析，反之則不適合。下表顯示了前測樣本的KMO值均在0.7以上，巴特利球體檢驗值小于顯著性水平，都符合要求，可以進行探索性因子分析（見表4-9）。

　　表4-9KMO樣本測量和巴特利球體檢驗

　　由于本書中的在線品牌社群社會資本構(gòu)成維度源于探索性案例分析，再加之每個構(gòu)成維度包括若干個測量指標(biāo)，因此需要分析這些測量指標(biāo)能否真正作為在線品牌社群社會資本的測量構(gòu)念。本研究使用因子分析法對在線品牌社群社會資本的5個變量（共23個問項）進行了分析，將眾多問項中關(guān)系密切的問項加以組合，刪除掉不恰當(dāng)?shù)膯栱?。測量問項時采用主成分分析法（Principle Component Methods）對測量題項進行因子提取，用方差最大（Varimax）進行因子旋轉(zhuǎn)，按以下標(biāo)準(zhǔn)進行整理：①項目在所屬因子的載荷量大于0.5；②每一個所對應(yīng)的因子載荷接近于1（越大越好），但在其他因子的載荷接近于0（越小越好），以具備區(qū)分效度；③如果項目在所有因子上的載荷均小于0.5，則刪除該項目；或者在兩個及兩個以上的因子上載荷大于0.5，則屬于橫跨因子，也給予刪除；④每個因子所含項目應(yīng)不少于3個，如果項目太少則給予刪除；⑤如果一個問項自成一個因子，也予以刪除，因為其不具備內(nèi)部一致性(2)。對在線品牌社群社會資本構(gòu)成要素的因子分析法結(jié)果如表4-10所示，共提取了3個主成分，經(jīng)過整理后發(fā)現(xiàn)HH5在所有因子上的載荷都小于0.5，予以刪除，HH6屬于橫跨因子，也予以刪除。其他測項按照因子載荷進行分類和整理后，分別命名為“結(jié)構(gòu)性要素、關(guān)系性要素和認(rèn)知性要素”（見表4-10）。這與本研究提出的在線品牌社群社會資本的三維特征是一致的。

　　表4-10在線品牌社群社會資本旋轉(zhuǎn)成份矩陣(3)

　　以同樣的方法和標(biāo)準(zhǔn)對其他進行因子分析后，發(fā)現(xiàn)SRD5在所有因子上的載荷都小于0.5，予以刪除，SQRT6屬于橫跨因子，也予以刪除。其他測項按照因子載荷進行分類和整理后，分別命名為“社群認(rèn)同、品牌認(rèn)同、感知社群—品牌契合度和社群涉入度”。還發(fā)現(xiàn)原本的態(tài)度忠誠和行為忠誠在一個公因子上的載荷比較高，因此將這兩項合并，為了與反向忠誠所表達(dá)的“消費者對競爭品牌的敵視態(tài)度”區(qū)別開來，將該因子命名為“一般忠誠”，用這一概念來反映消費者的“持續(xù)購買、交叉購買、推薦購買和溢價購買”。并在此基礎(chǔ)上對研究假設(shè)進行了修正（見表4-11）。

　　表4-11修正后的研究假設(shè)

　　4.2.3.4最終問卷形成

　　通過對84份樣本進行的前測，本研究檢驗了問卷的信度和效度，對不合理的問項進行了刪改，并對問項的設(shè)置形式進行了調(diào)整，確定了正式發(fā)放的問卷（附錄Ⅰ）。

　　4.2.4問卷發(fā)放及數(shù)據(jù)收集

　　4.2.4.1樣本對象與容量的確定

　　本研究的主題是在線品牌社群社會資本對品牌忠誠的作用機制研究，而通過對社群成員的感知和評價可以獲知社會資本的多寡，因此，在選擇樣本時主要關(guān)注受訪者是否有過參與在線品牌社群的經(jīng)歷，只要受訪者注冊過某個品牌或產(chǎn)品的論壇/貼吧，關(guān)注過某個品牌或產(chǎn)品的博客/微博/微信公眾號/QQ空間，或者加入過某個品牌或產(chǎn)品的QQ群/微信群，均可視為本研究的研究對象（論壇、貼吧等平臺的訪客不算在內(nèi)）。另外，本研究中的品牌或產(chǎn)品包括：電子數(shù)碼、汽車、食品日化、服飾珠寶、酒店、商場、航空旅行、家居建材、家電、網(wǎng)絡(luò)游戲等有形有無形消費品，以及其他工業(yè)品。社交、興趣愛好、知識分享等社群不屬于本研究的范圍之內(nèi)，在問卷中通過甄別題的設(shè)置來確保問卷填寫者屬于本研究的研究對象。

　　關(guān)于樣本容量的問題，Gorsuch（1983）認(rèn)為，樣本量最好與測量項目的數(shù)量保持1：5的比例，最好能達(dá)到1：10。也有研究者認(rèn)為，樣本量太大會使得模型的X2增大，模型容易被拒絕（Hu，Bentler & Kano，1992）。馬慶國（2002）認(rèn)為，確定樣本容量時可考慮成本約束和樣本容易的關(guān)系，秉承積極性原則來設(shè)定。綜合這幾種觀點以及本研究的實際情況，算上矩陣題的設(shè)置，本研究的測量項目一共為65個，樣本量確定為325～650左右較為適宜。

　　4.2.4.2問卷發(fā)放與篩選

　　抽樣技術(shù)保證調(diào)研過程中順利開展的重要一環(huán)，由于本研究針對的是有著在線品牌社群參與經(jīng)歷的消費者，而這

　　以上就是小編為大家介紹的這樣可使研究假設(shè)更加準(zhǔn)確的全部內(nèi)容，如果大家還對相關(guān)的內(nèi)容感興趣，請持續(xù)關(guān)注上海危機公關(guān)公司

　　本文標(biāo)題：這樣可使研究假設(shè)更加準(zhǔn)確　　地址：/news/351.html