【摘要】:这与本书理论模型建构的过程是一致的,由已有文献中提取和选拔适合的影响因素并通过专家调查方法确定最终的测量问卷,体现了理论与经验的结合,AMOS-SEM相比偏最小二乘法PLS-SEM更能够获得精确、丰富的分析结果。
为了验证众包用户持续知识贡献行为影响因素模型提出的理论假设并体现用户持续知识贡献行为的历时性和动态性,实证研究采用时间序列数据调查方法对众包用户持续知识贡献行为进行分析,从时间维度上反映用户持续知识贡献过程以及过程中行为受动机、心理、情境和习惯等因素影响的变化,在不同时间点上对某一事物或现象收集数据,能够反映某一事物或现象等按照时间先后顺序的变化状态或程度,表现出某种随机性,也体现了彼此之间统计上的依赖关系[1],获取的数据称为面板数据(Panel Data)也可以称为纵向数据(Longitudinal or Micropanel Data),它能够充分反映数据的历时性变化,体现用户持续知识贡献行为随着时间的变化受社会资本、社会认知、动机和心理等因素的影响,也是对以往用户持续行为研究集中于静态分析的修正,保证研究结果更加具有客观性和科学性。
为了估计和检验模型中观测变量、潜在变量以及它们之间的效应关系,为了更好地描述和解释变量之间的效应关系,采用验证性方法AMOS-SEM(也称为因果模型分析方法)对影响因素模型进行分析,AMOS-SEM方法是以理论与经验法则为依据,在整合因素分析与路径分析两种统计分析方法的基础上对模型的测量、估计和预测[2]。这与本书理论模型建构的过程是一致的,由已有文献中提取和选拔适合的影响因素并通过专家调查方法确定最终的测量问卷,体现了理论与经验的结合,AMOS-SEM相比偏最小二乘法PLS-SEM更能够获得精确、丰富的分析结果。(www.xing528.com)
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。