在进行相关变量的回归分析之前，研究首先对相关变量进行了探索性因子分析和验证性因子分析，在删除了多余的题项并验证了相关变量是具有高度内容效度、聚合效度和区分效度的情况下，研究进一步把用于探索性因子分析的变量用于本研究的进一步的回归分析中。在对相关变量进行回归分析之前，研究首先对各个变量进行了描述性统计分析和相关性分析，目的在于判定相关变量本身的基本统计特征以及分析各个变量之间可能存在的多重共线性问题，为将来在分析中采用不同的分析方法降低共线性的影响建立基础判定。表6.1为本研究提供了各个变量的相关系数矩阵，同时还给出了各个变量的均值和标准差。
从表6.1中提供的相关系数的矩阵可以看出，对于研究提供的所有的变量的相关系数，研究发现虚拟和现实一致性的相关构念如体验价值一致性、习惯一致性以及功能价值一致性的指标与用户满意指标高度相关，说明在一定程度上两者是存在相关关系的，同时对于传统的技术性特征如娱乐性、易用性和有用性这些基本指标，他们与满意度的关系也非常显著。这说明自变量和因变量之间本身的关系在一定程度上是可以得到证实的。相比于自变量和因变量之间的高度相关，在自变量之间相关系数本身的相关性要稍微低点，但在一定程度上也是说明变量是存在多重共线性影响的可能的，为尽量减少相关变量多重共线性关系的影响，本研究将尽量把有直接相关关系的变量分开来进行回归处理。尤其是对于相关系数大于0.5的自变量，可通过这种方法降低各个变量之间的多重共线性的影响。而通过考察控制变量和自变量以及调节变量之间的关系，控制变量和自变量以及调节变量之间相关系数相对较低，虽然也高度显著，但由于系数水平远远低于0.35，因此控制变量和自变量以及调节变量之间不会形成严重的多重共线性的影响。同时控制变量之间也不会出现多重共线性的问题。(www.xing528.com)
这些变量之间的相关关系矩阵表明，存在显著相关的相关变量可能存在相关关系，但对于研究本身来讲，要证明其存在因果关系或者相关关系的形成来源于相应的变差，可能需要引入相关的控制变量来对多余的变差进行控制，利用回归分析得到的结果进行分析，这样得到的结果才有利于判断两个变量之间的关系的因果性。因此，本研究将进一步采用回归对相关变量之间的关系进行分析。
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。
