研究成果：同源误差降低方案及六个变量相关分析

1.变量区分效度及同源误差的检验

领导-部属交换为多维构念，其他变量均为单维构念，因此，在验证性因子分析时，领导-部属交换的每一维度视作一个显变量。领导认同包含三个条目，每个条目视作一个显变量。职业认同、工作绩效、帮助行为及建议行为按照Mathieu和Farr（1991）建议的方法将每个变量的条目打包为两个因子。具体的方法为：将单维度的变量进行探索性因子分析，所有测量条目负荷在一个因子上，得到各测量条目由低到高的因子负荷，将若干个最高的条目和最低的条目取平均值组合一个因子，将若干个负荷值位于中间的条目组合为另一个因子，然后进行验证性因子分析。如表4-1所示，6因子模型到1因子模型是领导-部属交换、领导认同、职业认同、工作绩效、帮助行为及建议行为六个变量的验证性因子分析结果，通过比较，其中6因子模型拟合效果最好（χ2＝126.483，df＝75，CFI＝0.970，GFI＝0.920，NFI＝0.931，RMSEA＝0.058），各项指标拟合均处于一个较好的可接受值范围内（Medsker，Williams＆Holahan，1994；Kelloway，1998），因此认为它具有较好的区分效度。

尽管本研究采用了两轮数据收集的办法用于降低同源误差，但是由于数据来源单一，仍然不能够完全排除同源误差的干扰。为了检测本研究是否存在足够大的同源误差影响本书的假设检验，本研究采用了三个办法来降低或检测同源误差问题。一是事前研究设计程序以降低同源误差。在收集数据的时候，将不同变量分为两个时间点来进行数据收集，间隔大约为1周到1个月之间（平均为2周），这就能够在很大程度上避免同一时点收集数据带来的同源方差问题。二是采用了两种广泛运用的同源误差检测方法用于评估同源方差：一种是Harman's单因子检验（Harman's One Factor Test）；另一种是“不可测量潜在方法因子检验（Controlling for the Effects of a Single Unmeasured Latent Method Factor）”（Podsakoff，MacKenzie，Lee＆Podsakoff，2003；Malhotra，Kim＆Agarwal，2006；周浩＆龙立荣，2004）。Dulac，Coyle-Shapiro，Henderson和Wayne（2008）以及涂乙冬等人（2014）也是采用这两种方法来进行同源方差检验，Tu和Lu（2013）在研究中，也采用了这两种方法来检验同源方差。这些研究都表明，这两种方法用于同源方差检验是被广泛接受的。

Harman's单因子检验（Harman's One Factor Test）是四种常用的检测同源误差的方法之一。Harman's单因子检验可以通过验证性因子分析（CFA）和探索性因子分析来检验。本书通过验证性因子分析来检验同源误差，其基本思想是：通过合并理论构念来检验合并后的模型的拟合程度变化，如果随着模型一步步合并，其拟合指标显著变差，则表明同源方差不严重；反之，则表明同源方差可能严重。从表4-1中的6因子模型到1因子模型可以看出，当合并理论构念时，因子模型拟合度显著变差，这表明同源方差对本研究的影响较小。

“不可测量潜在方法因子检验”是另一种行之有效的检测同源方差的方法，其原理是在理论构念的基础上增加一个潜变量（命名为“同源方差”），前述六个理论变量的所有显变量全部负荷在同源方差潜变量上（同时，这些显变量仍然分别负荷在各自的理论变量上）。相当于在原来的模型上增加了一个负荷所有显变量的潜因子，如果存在严重的同源方差，所有的显变量应该是共同负荷在同源方差上，那么这个新模型的拟合性应该更优。同时，可以根据这些显变量负荷在“同源方差”潜变量上的值来算出平均方差抽取量（Average Variance Extracted），用以检验同源方差的严重性。本研究表4-1中6因子模型和7因子模型就是“不可测量潜在方法因子检验”的结果，可以看出，7因子模型也具有很好的拟合效果（χ2＝81.004，df＝60，CFI＝0.988，GFI＝0.948，NFI＝0.956，RMSEA＝0.041），通过比较6因子模型和7因子模型，尽管7因子模型相对来说拟合度更好，但是它改善6因子模型的幅度过小（李锐，凌文辁＆柳士顺，2012；涂乙冬，等，2014）。本书也计算了7因子模型中同源误差作为一个潜变量的平均方差抽取量，同源误差的平均方差抽取量为0.391，低于判别标准的0.5的阈值（Dulac，et al.，2008），因此，“不可测量潜在方法因子检验”的结果表明，尽管同源方差的影响可能存在，但是并不严重，对研究的干扰较小。

表4-1　子研究１六个变量的验证性因子分析

2.变量的描述性统计分析

表4-2显示了领导-部属交换、领导认同、职业认同、工作绩效、帮助行为、建议行为的均值、标准差以及相关系数。从表4-2可以看出，领导-部属交换与员工的领导认同（r＝0.577，p＜0.001）、职业认同（r＝0.365，p＜0.001）、工作绩效（r＝0.174，p＜0.05）、帮助行为（r＝0.332，p＜0.001）和建议行为（r＝0.178，p＜0.05）均显著正相关，领导认同与员工的工作绩效（r＝0.204，p＜0.01）、帮助行为（r＝0.330，p＜0.001）和建议行为（r＝0.255，p＜0.001）均显著正相关，员工的职业认同与工作绩效（r＝0.375，p＜0.001）、帮助行为（r＝0.478，p＜0.001）和建议行为（r＝0.392，p＜0.001）均显著正相关。各项相关系数较好地与假设保持一致。

3.中介效应检验

根据Borny和Kenney（1986）推荐的检验中介变量的程序，本书采用多元线性回归的方法来检验领导认同和职业认同在领导-部属交换与员工绩效、帮助行为和建议行为间的中介作用。其中，员工的性别和年龄作为控制变量，性别用二分变量表示，年龄用阿拉伯数字表示，两者均未进行中心化。其他变量领导-部属交换、领导认同、职业认同、工作绩效、帮助行为及建议行为都进行总均值中心化。如表4-3模型2所示，在加入了控制变量后，领导-部属交换对下属的工作绩效影响显著（β＝0.171，p＜0.05），由此验证了假设1a成立。如表4-4模型2所示，领导-部属交换对下属帮助行为影响显著（β＝0.237，p＜0.001），由此验证了假设1b成立。如表4-5模型2所示，领导-部属交换对下属建议行为影响显著（β＝0.149，p＜0.05），由此验证了假设1c成立。

本书首先检验了领导-部属交换对员工的领导认同和职业认同的影响。如表4-6的模型2所示，领导-部属交换对部属的领导认同有显著正向影响（β＝0.638，p＜0.001）；如表4-6的模型4所示，领导-部属交换对部属的职业认同有显著正向影响（β＝0.340，p＜0.001）。

表4-2　相关变量的平均值，标准差，信度系数以及相关系数

表4-3　领导认同和职业认同在领导-部属交换与员工工作绩效间的中介效应

表4-4　领导认同和职业认同在领导-部属交换与员工帮助行为间的中介效应

表4-5　领导认同和职业认同在领导-部属交换与员工建议行为间的中介效应

表4-6　领导-部属交换对员工领导认同和职业认同的直接效应

如表4-3模型3所示，在加入领导认同以后，领导-部属交换对员工工作绩效的作用变得不显著（β＝0.056，n.s），领导认同对员工工作绩效的作用是显著正向的（β＝0.179，p＜0.05）。这表明领导认同在领导-部属交换与员工工作绩效之间起着完全中介的作用，由此证明了假设2a成立。如表4-4模型3所示，在加入领导认同以后，领导-部属交换对员工帮助行为作用降低（β＝0.144，p＜0.05），领导认同对员工帮助行为的作用也是显著正向的（β＝0.146，p＜0.01）。这表明领导认同在领导-部属交换与员工帮助行为之间起着部分中介，由此证明了假设2b成立。如表4-5模型3所示，在加入领导认同以后，领导-部属交换对员工建议行为变得不显著（β＝0.036，n.s），但领导认同对员工建议行为的作用是显著正向的（β＝0.177，p＜0.05）。这表明领导认同在领导-部属交换与员工建议行为之间起着完全中介，证明了假设2c成立。

如表4-3模型4所示，在加入职业认同以后，领导-部属交换对员工工作绩效的影响变得不显著（β＝0.024，n.s），职业认同对员工工作绩效的作用是显著正向的（β＝0.432，p＜0.001）。这表明职业认同在领导-部属交换与员工工作绩效之间起着完全中介的作用，由此证明了假设3a成立。如表4-4模型4所示，在加入职业认同以后，领导-部属交换对员工帮助行为作用降低（β＝0.130，p＜0.05），但职业认同对员工帮助行为的作用是显著正向的（β＝0.316，p＜0.001）。这表明职业认同在领导-部属交换与员工帮助行为之间起着部分中介的作用，由此证明了假设3b成立。如表4-5模型4所示，在加入职业认同以后，领导-部属交换对员工建议行为的作用变得不显著（β＝0.034，n.s），但职业认同对员工建议行为的作用是显著正向的（β＝0.339，p＜0.001）。这表明职业认同在领导-部属交换与员工建议行为之间起着完全中介的作用，由此证明了假设3c成立。(www.xing528.com)

本书还采用了乘积法和MCMAM法来检验中介效应（方杰＆张敏强，2012）。乘积法中介效应的检验结果在表4-7中，主要采用Sobel检验计算中介效应及其显著性。MCMAM法的结果如表4-8所示，并进一步将间接效应的分布频次表现在图4-2至图4-7中。

Sobel检验（Sobel test）采用Preacher和Hayes（2008）的程序来进行计算，从表4-7中可以看出，“领导-部属交换—领导认同—工作绩效”模型的间接效应为0.114（p＜0.01，t＝2.401），“领导-部属交换—领导认同—帮助行为”模型的间接效应为0.093（p＜0.01，t＝2.640），“领导-部属交换—领导认同—建议行为”模型的间接效应为0.113（p＜0.01，t＝2.316）。“领导-部属交换—职业认同—工作绩效”模型的间接效应为0.147（p＜0.001，t＝4.048），“领导-部属交换—职业认同—帮助行为”模型的间接效应为0.107（p＜0.001，t＝3.993），“领导-部属交换—职业认同—建议行为”模型的间接效应为0.115（p＜0.001，t＝3.582），上述运用Sobel检验的结果表明，各中介模型的间接效应为正向并在统计上显著，从而进一步验证了各项中介假设成立。

MCMAM法采用Selig和Preacher（2008）的程序来进行计算。通过计算中介效应在95%置信区间的中介效应量的分布状况来检验中介效应的大小。Selig和Preacher（2008）的程序通过20000次的抽样，从大样本中计算中介效应的分布区间和分布频次。如表4-8就列明了中介效应在95%置信区间（也就是p＜0.05的概率）的最低值和最高值。“领导-部属交换—领导认同—工作绩效”模型的间接效应分布区间为[0.024，0.212]，“领导-部属交换—领导认同—帮助行为”模型的间接效应分布区间为[0.026，0.167]，“领导-部属交换—领导认同—建议行为”模型的间接效应分布区间为[0.020，0.212]。“领导-部属交换—职业认同—工作绩效”模型的间接效应分布区间为[0.082，0.224]，“领导-部属交换—职业认同—帮助行为”模型的间接效应分布区间为[0.060，0.165]，“领导-部属交换—职业认同—建议行为”模型的间接效应分布区间为[0.058，0.185]。

在图4-2至图4-7中进一步画出了在这些区间内，间接效应分布在各值的频次，这样就能很清楚地看出中介效应的分布范围和分布的众数等。

表4-7　子研究1的间接效应的Sobel检验

表4-8　子研究1的间接效应的MCMAM检验

图4-2　模型1运用MCMAM计算的间接效应分布

图4-3　模型2运用MCMAM计算间接效应分布

图4-4　模型3运用MCMAM计算间接效应分布

图4-5　模型4运用MCMAM计算间接效应分布

图4-6　模型5运用MCMAM计算间接效应分布

图4-7　模型6运用MCMAM计算间接效应分布

表4-9　子研究1假设检验结果

注：假设2b和假设3b被验证为部分中介，假设2a，假设2c，假设3a，假设3c被验证为完全中介。