格格党

手机浏览器扫描二维码访问

8 4 研究结果（第6页）

为了进一步确证探索性因素分析所得的高层管理团队特征二因素结构模型，本研究基于随机抽取的另一半样本数据（共144份），采用验证性因素分析的方法，进行分析。

一般而言，利用结构方程模型来进行验证性因子分析时，我们需要考察各构面是否具有足够的收敛效度（tValidity）和区别效度（DistValidity），并可以依据检验结果对部分测量项目进行调整和修正，最终达到相对适合本研究的结果。

接下来，我们根据上面描述的标准进行高层管理团队特征二因素结构模型的验证性因素分析。

在进行验证性因素分析前，首先我们根据探索性因素分析结果和理论推导设定假设模型。

探索性因素分析得到了一个二因素的高层管理团队特征模型，我们将其作为本研究验证性因素分析的基本模型。

采用AMOS18.0结构方程建模软件，对基本模型进行了构思验证。

实证数据对这基本模型的整体拟合情况，如表8-18所示。

表8-18多模型拟合情况汇总

在二因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着三因素模型需要进一步的修正。

如上文所述，利用统计结果来做理论模式的修正，这种修正是理论假设与问卷实证调查之间的一种妥协结果。

但是，黄芳铭（2005）指出，无论如何都必须把理论的逻辑假设放在研究的首要考虑的位置。

在具体的修正过程中，我们必须综合考虑理论基础和修正对于模式拟合的改进程度。

一般来说，可利用统计软件输出的修正指标（Modifidices，MI）来了解导致模式拟合度不佳的原因，利用期望参数改变值（EPS）来判断拟合的改进程度。

依据J（1993）的建议，如果最大的修正指标无法具有理论的意义，则选择次大的指标，直到找到有意义的指标或关系修正才可以给予估计。

在使用修正指数时，一般建议一次只能释放一个参数，因为释放一个参数将可能降低或消除第二个要释放参数的拟合度改进情形（黄芳铭，2005）。

因此，我们首先考察高层管理团队特征二因素基本模型（在观测变量间没有建立任何残差关联）的修正建议，发现相当多的MI值大于4.000。

其中，观察变量“我们高管团队中每位成员相处十分融洽”

的测量残差项与其他观察变量的测量残差项之间的MI较大，因此我们删去观察变量“我们高管团队中每位成员相处十分融洽”

，得到高层管理团队特征二因素修正模型M1。

根据拟合指标，整体模型的拟合度有了一定的改进，如表8-18所示，但是RMSEA的值仍然大于0.08。

采用上述方法，我们删除观察变量“我们高管团队中每位成员总是积极准备彼此合作与互相帮助”

，得到高层管理团队特征二因素修正模型M2。

采用上述方法，我们删除观察变量“我们公司运用多种奖励（如签约奖金等）吸引高管团队的应聘者”

，得到高层管理团队特征二因素修正模型M3。

采用上述方法，我们删除观察变量“我们高管团队中每位成员的投入都是企业重要决策的组成部分”

，得到高层管理团队特征二因素修正模型M4。

采用上述方法，我们删除观察变量“我们高管团队中每位成员都致力于实现组织的目标”

，得到高层管理团队特征二因素修正模型M5。

与其他模型相比，高层管理团队特征二因素修正模型M5的拟合度有比较明显的改进，其中χ2=28.694，df=19。

在绝对拟合指数方面，M5的χ2df为1.510，小于Browne和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0.060，处于0.05到0.08之间，表示拟合程度可以接受（Browne和Cudeck，1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0.952和0.907，表明拟合程度很好（Bentler，1990）。

在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0.960、0.986和0.986，均大于0.900，这表明假设的理论模型与数据的拟合度非常好。

综合来看，结合上文拟合指数的评价标准，M5模型的各种绝对拟合指数和相对拟合指数均符合拟合要求，总体上看还是可以接受的。

如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。

基于这样的考虑，本文采用M5模型。

验证性因素分析所得的修正后的高层管理团队特征二因素修正模型M5如图8-3所示。