结构方程模型(Structure Equation Model,SEM)是一种综合运用路径分析、多元回归和验证性因子分析的数据分析工具。李怀祖(2004)认为在目前的管理研究方法中,SEM方法可有效弥补传统回归分析的弱点(如多重共线性、变量观测性等),尤其是针对采用调查问卷收集数据的情况而言。关于结构方程模型中样本量大小的选择问题,侯杰泰等(2004)在对相关实证研究文献进行总结后得出,大多数结构方程模型需要至少100~200个样本。本研究采用问卷调研的方法收回203份有效问卷,且经过了信度检验和效度检验,说明问卷设计和通过问卷获得的数据可靠,因此适合采用SEM对模型进行构建与拟合。
SEM模型评价的核心内容是模型的拟合性,即通过SEM模型拟合输出的各种拟合指标是否满足预设的标准要求。模型整体拟合优度指标主要包括四类:增量拟合优度指标(TLI、CFI)、绝对拟合优度指标(χ2、χ2/df、GFI、AGFI)和近似误差指数(RMR和RMSEA)。本研究选择χ2/df、RMSEA、TLI和CFI四类指标作为评价结构模型的拟合指数,这些指数的解释详见本书5.5节,此处不再赘述。结构方程一般可分为三类分析:纯粹验证、选择模型和产生模型(侯杰泰等,2004)。本研究属于纯粹验证分析,即基于本研究第4章提出的概念模型和研究假设构建初始结构模型,通过结构方程模型的实证检验对初始模型和研究假设进行诊断,从而得出实证研究结论。
上一章对各变量的测量量表的信度和效度进行检验之后,本研究对酒店创新影响因素及其作用机制的概念模型进行整体估计。鉴于本研究所包含的题项(Item)过多,且我们又试图探索和检验概念(Construct)之间的关系,这种包含过多题项的概念模型势必会影响模型拟合的理想性(卞冉等,2007),因此,本研究借鉴巴戈齐等(Bagozzi&Edwards,1998)在对组织心理学进行研究时所采用的部分聚合(Partial Aggregation)方法[1],即使用各量表的平均分作为因子的外显指标来对模型进行估计。部分聚合方法一方面恰当地反映概念模型中各概念的构想效度,另一方面在简化模型的同时又可使参数估计不受影响(Haiyan,2010;Wang J.,2009)。本研究旨在通过分析五个概念——酒店外部知识源、酒店内部资源、酒店吸收能力、酒店创新和酒店绩效之间的关系来构建酒店创新的影响因素与效应模型(参见图6-6)。部分聚合方法与本研究的目的相一致,因此本研究在具体运算中选用该方法对变量进行测度。
图6-6 酒店创新影响因素与效应的结构模型图
部分集聚是指分别将各个因子下面的测度变量进行聚合,即将各因子的测量题项进行聚合(如加总或取均值),将聚合的结果作为表征因子的指标。在本研究中,酒店外部知识源、酒店内部资源、酒店吸收能力和酒店创新四个潜变量的测度模型为部分聚合模型。该四个测度模型中的各个指标值便是下一级测量题项的均值。具体地,将市场类外部知识源、公共机构类外部知识源和综合信息类外部知识源三个因子各自所属的测量题项进行聚集,形成测量酒店外部知识源变量的三个指标;将硬件/软件资源、组织管理和组织战略三个因子各自所属的测量题项进行集聚,形成测量酒店内部资源变量的三个指标;将消化吸收能力、识别获取能力和应用开发能力三个因子各自所属的测量题项进行集聚,形成测量酒店吸收能力变量的三个指标;将组织创新、过程创新、市场创新和产品/服务创新四个因子各自所属的测量题项进行集聚,形成测量酒店创新变量的四个指标。
根据AMOS软件计算的修正指数(Modification Indices,MI),可通过增加某些误差项之间的路径来提高模型的拟合效果。然而,误差项之间的具体关系应该有充分的理论基础做支撑,而不仅仅是为了提高模型拟合效果(Joreskog,1993)。由于本研究所涉及的各测量误差间是否存在某种关系缺乏充分、合理的理论基础,因此,在模型拟合过程中没有考虑增加误差项之间的路径。最终拟合的模型与拟合结果分别如图6-7和表6-15所示。(www.xing528.com)
图6-7 酒店创新影响因素与效应模型的SEM估计结果路径系数
表6-15 酒店创新影响因素与效应的概念模型拟合结果(N=203)
注:***表示显著性水平P<0.001;**表示显著性水平P<0.05;*表示显著性水平P<0.01。
结构方程模型的拟合结果表明,χ2值为506.655(自由度df=116),χ2/df值为1.761,小于2;CFI和TLI都大于0.9,接近于1;RMSEA的值为0.054,小于0.1;各路径系数均在P<0.001、P<0.05、P<0.01的水平上具有统计显著性。可见,结构方程模型拟合效果很好,变量之间的七条路径均在不同水平上具有统计显著性,这些路径所代表的均为变量间的正向影响关系,图6-7为酒店创新影响因素及其作用机制模型的SEM估计结果路径系数图。
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。