修訂日：2023.12.8實證論文數(shù)據(jù)分析方法詳解〔周健敏整理〕以下面研究模型為例來說明實證論文數(shù)據(jù)分析方法變革型領(lǐng)導(dǎo)變革型領(lǐng)導(dǎo)交易型領(lǐng)導(dǎo)回避型領(lǐng)導(dǎo)工作績效領(lǐng)導(dǎo)成員交換組織認(rèn)同名稱變量類型在SPSS軟件中的簡稱〔自己設(shè)定的代號〕變革型領(lǐng)導(dǎo)自變量1zbl1交易型領(lǐng)導(dǎo)自變量2zbl2回避型領(lǐng)導(dǎo)自變量3zbl3認(rèn)同和內(nèi)部化調(diào)節(jié)變量TJ領(lǐng)導(dǎo)成員交換中介變量ZJ工作績效因變量YB調(diào)節(jié)變量：如果自變量與因變量的關(guān)系是變量M的函數(shù)，稱變量M為調(diào)節(jié)變量。也就是,領(lǐng)導(dǎo)風(fēng)格〔自變量〕與工作績效〔因變量〕的關(guān)系受到組織認(rèn)同〔調(diào)節(jié)變量〕的影響，或組織認(rèn)同〔調(diào)節(jié)變量〕在領(lǐng)導(dǎo)風(fēng)格〔自變量〕對工作績效〔因變量〕影響關(guān)系中起到調(diào)節(jié)作用。具體來說，對于組織認(rèn)同高的員工，變革型領(lǐng)導(dǎo)對工作績效的影響力，要高于組織認(rèn)同低的員工。中介變量：如果自變量通過影響變量N來實現(xiàn)對因變量的影響，那么稱N為中介變量。也就是，領(lǐng)導(dǎo)風(fēng)格〔自變量〕對工作績效〔因變量〕影響作用是通過領(lǐng)導(dǎo)成員交換〔中介變量〕的中介而產(chǎn)生的。研究思路及三個主要局部組成：〔1〕領(lǐng)導(dǎo)風(fēng)格對于員工工作績效的主效應(yīng)〔MainEffects〕研究。〔2〕組織認(rèn)同對于不同領(lǐng)導(dǎo)風(fēng)格與員工工作績效之間關(guān)系的調(diào)節(jié)效應(yīng)〔ModeratingEffects〕研究?！?〕領(lǐng)導(dǎo)成員交換對于不同領(lǐng)導(dǎo)風(fēng)格與員工工作績效之間關(guān)系的中介效應(yīng)〔MediatorEffects〕研究。目錄1.《調(diào)查問卷表》中數(shù)據(jù)預(yù)先處理～～～～～～～～～～～～～～31.1剔除無效問卷～～～～～～～～～～～～～～～～～～～～31.2重新定義控制變量～～～～～～～～～～～～～～～～～～32.把Excel數(shù)據(jù)導(dǎo)入到SPSS軟件中的方法～～～～～～～～～～43.確認(rèn)所有的變量中有無“反向計分〞項～～～～～～～～～～～43.1無“反向計分〞題～～～～～～～～～～～～～～～～～～53.2有“反向計分〞題～～～～～～～～～～～～～～～～～～54.效度分析～～～～～～～～～～～～～～～～～～～～～～～～65.信度分析～～～～～～～～～～～～～～～～～～～～～～～～86.描述統(tǒng)計～～～～～～～～～～～～～～～～～～～～～～～～97.各變量相關(guān)系數(shù)～～～～～～～～～～～～～～～～～～～～127.1求均值～～～～～～～～～～～～～～～～～～～～～～～127.2相關(guān)性～～～～～～～～～～～～～～～～～～～～～～～128.回歸分析～～～～～～～～～～～～～～～～～～～～～～～138.1使用各均值來分別求Z值～～～～～～～～～～～～～～～138.2自變量Z值與調(diào)節(jié)變量Z值的乘積～～～～～～～～～～～138.3進行回歸運算～～～～～～～～～～～～～～～～～～～～148.3.1調(diào)節(jié)作用分析～～～～～～～～～～～～～～～～～～18.3.2中介作用分析～～～～～～～～～～～～～～～～～～18.4調(diào)節(jié)作用作圖～～～～～～～～～～～～～～～～～～～～221.《調(diào)查問卷表》中數(shù)據(jù)預(yù)先處理1.1剔除無效問卷《調(diào)查問卷表》中有內(nèi)容對立的題項，主要是測試答題人是否認(rèn)真閱讀和填寫本調(diào)查問卷表而設(shè)置的，例如：2.2題我在決策過程當(dāng)中經(jīng)常發(fā)表了自己的意見。2.8題在決策中我沒有發(fā)表意見的時機?？晒┑拇饛?fù)選項如下：完全不符合比擬不符合有點符合比擬符合完全符合如果答題者2.2題的答復(fù)選，做2.8題的答復(fù)卻選，那么這份調(diào)查問卷為無效。該調(diào)查問卷所有數(shù)據(jù)應(yīng)事先刪除，即：這份調(diào)查問卷不能用做數(shù)據(jù)分析。有效的答復(fù)為：如果2.2題的答復(fù)選，做2.8題的答復(fù)選；或者，如果2.2題選，那么2.8題選。……等等〔依此類推，在此不全部列出〕1.2重新定義控制變量輸入在Excel中的《調(diào)查問卷表》數(shù)據(jù)項，例如：最高學(xué)歷、性別、年齡，當(dāng)前工作時間，等等，諸如此類的描述統(tǒng)計的工程，被統(tǒng)稱為“控制變量〞數(shù)據(jù)導(dǎo)入SPSS之前，在Excel中要事先對“最高學(xué)歷〞、“性別〞、“年齡〞、“當(dāng)前工作時間〞……等控制變量進行了歸類和重新定義，例如：性別的重新定義：男性表示為1女性表示為2年齡的重新定義：25歲以下表示為125～30歲表示為230～35歲表示為335～40歲表示為440歲以上表示為5當(dāng)前工作時間的重新定義：1年以下表示為11～3年表示為23～5年表示為35～8年表示為48年以上表示為5……等等〔依此類推，對其他控制變量進行適當(dāng)?shù)亩x〕2.把Excel數(shù)據(jù)導(dǎo)入到SPSS軟件中的方法操作方法：翻開SPSS程序，點擊在左上角的File——Open——Date——對話框中的“文件類型〞項中選擇“Excel格式〞——選擇你要導(dǎo)入的Excel數(shù)據(jù)文件——點擊“翻開〞——在對話框中的“Range〞項定義提取Excel表中數(shù)據(jù)的范圍“最左上角:最右下角〞，例如“B2:HW217”——數(shù)據(jù)自動導(dǎo)入到SPSS表格中，在DateView頁面中確認(rèn)一下數(shù)據(jù)是否少讀或多讀不需要的信息〔注意：在對話框選項“Readvariablenamesformthefirstrowofdate〞上打勾或不打勾，對定義Excel表中數(shù)據(jù)的范圍有影響，所以要確認(rèn)一下數(shù)據(jù)是否少讀或多讀不需要的信息〕從“DateView〞頁面轉(zhuǎn)到“VariableView〞頁面，根據(jù)最左邊的“Name〞對應(yīng)“調(diào)查問卷〞中的問題項，在“Label〞列中標(biāo)明自變量1、自變量2、自變量3、調(diào)節(jié)變量、中介變量、因變量。Q1:在“Label〞列中標(biāo)注什么代號？A1:根據(jù)個人的喜歡和方便識別、記憶可自己定義，本文的標(biāo)注是：自變量1zbl1自變量2zbl2自變量3zbl3調(diào)節(jié)變量TJ中介變量ZJ因變量YBQ2:怎樣知道哪幾行是自變量1、哪幾行是自變量2、……、哪幾行是因變量？A2:導(dǎo)師會事先告訴你，在《調(diào)查問卷表》中哪些問題項是屬于自變量1、哪些問題項是屬于自變量2、……、哪些問題項是屬于因變量。對照《調(diào)查問卷表》中各問題項的排列順序找到SPSS中相應(yīng)的“行〞并作上述標(biāo)注。注意：數(shù)據(jù)較多，不要看錯行，這樣會導(dǎo)致運算了其他不相關(guān)的數(shù)據(jù)而造成錯誤!3.確認(rèn)所有的變量中有無“反向計分〞項在做效度分析之前，先要看清楚《調(diào)查問卷表》中被選中作為變量的問卷題目有沒有要“反向計分〞的？每個變量所對應(yīng)的問卷題目內(nèi)容再仔細(xì)地一題一題確認(rèn)一遍。所謂“反向計分〞題是指在同一變量中與其他題目邏輯相反的題。例如：5.1題我清楚我的上司對我的滿意程度如何。5.2題我的上司對我的問題和需求了如指掌。5.3題我的上司沒有意識到我的潛力。←假設(shè)這3道題都屬于同一變量，第5.3題與其它題的邏輯相反，第5.3題就是“反向計分題〞。在做數(shù)據(jù)分析時，該題的計分應(yīng)與其它題相反，因此事先要對該題的計分進行轉(zhuǎn)換，轉(zhuǎn)換方法如下3.2說明3.1如果沒有反向計分題，那么就跳過3.2的步驟，直接進行信度分析、效度分析等3.2如果有反向計分題，那么執(zhí)行以下步驟，經(jīng)過計分轉(zhuǎn)換后，該題才能和其它題一同進行之后的各項數(shù)據(jù)分析操作方法：Transform——Recode——IntoDifferentVariables——在左邊的框中找到“反向計分〞的項并點擊放入到“NumericVariable→OutputVariable〞框內(nèi)——在右邊Name框中輸入新的名字，比方：zbl2fanxiang〔代表：自變量2的反向計分項〕——點擊“OldandNewValues〞后進入另一個對話框，如果你的《調(diào)查問卷表》中該題是1~5計分范圍，那么按以下方法輸入：在OldValue框中鍵入1后，在NewValue框中鍵入5，點擊Add按鈕；在OldValue框中鍵入2后，在NewValue框中鍵入4，點擊Add按鈕；在OldValue框中鍵入4后，在NewValue框中鍵入2，點擊Add按鈕；在OldValue框中鍵入5后，在NewValue框中鍵入1，點擊Add按鈕；最后，按Continue按鈕，完成計分轉(zhuǎn)換的設(shè)定，再按OK鍵完成。生成新的1行，即：自變量2反向計分項〔代號：zbl2fanxiang〕，出現(xiàn)在“VariableView〞頁面所有數(shù)據(jù)行的最下面1行。不要遺忘的注意點：在此后的運算〔效度分析，信度分析，求均值〕，但凡涉及到要使用該項時，均用新生成的自變量2反向計分項〔代號：zbl2fanxiang〕代替原有項進行運算。4.效度分析操作方法：Analyze——DateReduction——FactorAnalysis——在左邊的框中把所有自變量1的項〔標(biāo)注為：zbl1〕全都放到Variables框中去，點擊OK，完成自變量1的效度分析。重復(fù)以上操作，自變量2、自變量3、調(diào)節(jié)變量、中介變量、因變量都要分別做效度分析。結(jié)果如下：〔只要Copy出必要的數(shù)據(jù)即可，不用把生成的所有結(jié)果都Copy出來〕判斷標(biāo)準(zhǔn)：看下表Component的值，如果全部都在0.5以上就有效，0.7以上載荷就好；如果出現(xiàn)載荷小于0.5的變量題項，那么就篩除該題項。篩除方法：記住該變量的題項在下表ComponentMatrix(a)的位置順序，并在SPSS軟件的“VariableView〞頁面中找到相對應(yīng)的數(shù)據(jù)行，在“Label〞格中刪除先前標(biāo)注的變量代號，總而言之，就是今后在做任何運算時都不要用到該項。結(jié)果如下：“bl1：〔自變量1〕變革型領(lǐng)導(dǎo)ComponentMatrix(a)Component1zbl1.732zbl1.763zbl1.740zbl1.790zbl1.786zbl1.803zbl1.777zbl1.711zbl1.778zbl1.788zbl1.789zbl1.770zbl1.768zbl1.770zbl1.816zbl1.784zbl1.762zbl1.760ExtractionMethod:PrincipalComponentAnalysis.a1componentsextracted.bl2：〔自變量2〕交易型領(lǐng)導(dǎo)ComponentMatrix(a)Component1zbl2.809zbl2.803zbl2.792zbl2.810ExtractionMethod:PrincipalComponentAnalysis.a1componentsextracted.bl3：〔自變量3〕回避型領(lǐng)導(dǎo)ComponentMatrix(a)Component1Zbl3.839Zbl3.897Zbl3.713Zbl3.884Zbl3.796Zbl3.819Zbl3.821Zbl3.514……等等〔此處省略，不一一列出各表格〕根據(jù)以上這些結(jié)果作出下面這樣的表格放在論文中即可〔在論文中表格要居中放置〕如下：變革型領(lǐng)導(dǎo)的因子載荷矩陣Component1變革型領(lǐng)導(dǎo).732變革型領(lǐng)導(dǎo).763變革型領(lǐng)導(dǎo).740變革型領(lǐng)導(dǎo).790變革型領(lǐng)導(dǎo).786變革型領(lǐng)導(dǎo).803變革型領(lǐng)導(dǎo).777變革型領(lǐng)導(dǎo).711變革型領(lǐng)導(dǎo).778變革型領(lǐng)導(dǎo).788變革型領(lǐng)導(dǎo).789變革型領(lǐng)導(dǎo).770變革型領(lǐng)導(dǎo).768變革型領(lǐng)導(dǎo).770變革型領(lǐng)導(dǎo).816變革型領(lǐng)導(dǎo).784變革型領(lǐng)導(dǎo).762變革型領(lǐng)導(dǎo).760……等等〔依此類推，作出各變量表格放在論文中〕5.信度分析操作方法：Analyze——Scale——ReliabilityAnalysis——在左邊的框中把所有自變量1的項〔標(biāo)注為：zbl1〕全都放到Variables框中去，點擊OK，完成自變量1的信度分析。重復(fù)以上操作，自變量2、自變量3、調(diào)節(jié)變量、中介變量、因變量都要分別做信度分析。結(jié)果如下：〔只要Copy出必要的數(shù)據(jù)即可，不用把生成的所有結(jié)果都Copy出來〕判斷標(biāo)準(zhǔn)：看下表Cronbach'sAlpha的值，如果全部都在0.7信度以上就可以接受；如果信度小于0.7，那么就要檢查是否存在反向計分的題項，或者有些題項信度太低影響總的信度水平，排除這個題項后再算信度看看是否改善。如果發(fā)現(xiàn)這類情況，那么今后在做任何運算時都不要用到該題項。zbl1：〔自變量1〕變革型領(lǐng)導(dǎo)ReliabilityStatisticsCronbach'sAlphaNofItems.96018zbl2：〔自變量2〕交易型領(lǐng)導(dǎo) ReliabilityStatisticsCronbach'sAlphaNofItems.8164zbl3：〔自變量3〕回避型領(lǐng)導(dǎo)ReliabilityStatisticsCronbach'sAlphaNofItems.8708TJ：〔調(diào)節(jié)變量〕認(rèn)同和內(nèi)部化ReliabilityStatisticsCronbach'sAlphaNofItems.8643ZJ：〔中介變量〕領(lǐng)導(dǎo)成員交換 ReliabilityStatisticsCronbach'sAlphaNofItems.9026YB：〔因變量〕工作績效ReliabilityStatisticsCronbach'sAlphaNofItems.8734根據(jù)以上這些結(jié)果作出下面這樣的表格放在論文中即可〔在論文中表格要居中放置〕如下：分量表信度分析匯總表變量類別分量表Cronbach'sAlpha值自變量變革型領(lǐng)導(dǎo).960交易型領(lǐng)導(dǎo).816回避型領(lǐng)導(dǎo).870薪酬0.851調(diào)節(jié)變量組織認(rèn)同.864中介變量領(lǐng)導(dǎo)成員交換.902因變量員工工作績效.8736.描述統(tǒng)計描述統(tǒng)計的對象：本文的《調(diào)查問卷表》中：最高學(xué)歷、性別、年齡，當(dāng)前工作時間，等等為描述統(tǒng)計的對象〔一般統(tǒng)計員工的數(shù)據(jù)，有必要時才統(tǒng)計領(lǐng)導(dǎo)數(shù)據(jù)〕。這些對象被統(tǒng)稱為“控制變量〞〔事先要在數(shù)據(jù)導(dǎo)入SPSS前，在EXCEL表中先進行歸類和重新定義，具體參見第3頁1.2章節(jié)內(nèi)容〕操作方法：Analyze——DescriptiveStatistics——Frequencies——在左邊的框中把所有控制變量〔如：最高學(xué)歷、性別、年齡，當(dāng)前工作時間、等等〕全都放到Variables框中去，點擊OK，完成描述統(tǒng)計。Q1：“在左邊的框中〞怎樣知道哪個是最高學(xué)歷、哪個是性別，哪個是年齡……等等的代號？A1：對照《調(diào)查問卷表》中各問題項的排列順序找到SPSS中相應(yīng)的“行標(biāo)〞。結(jié)果如下：〔只要Copy出必要的數(shù)據(jù)即可，不用把生成的所有結(jié)果都Copy出來〕年齡FrequencyPercentValidPercentCumulativePercentValid12411.211.211.224520.920.932.135726.526.558.645525.625.684.253415.815.8100.0Total215100.0100.025歲以下表示為125～30歲表示為230～35歲表示為335～40歲表示為440歲以上表示為5當(dāng)前工作時間 FrequencyPercentValidPercentCumulativePercentValid12612.112.112.124621.421.433.534822.322.355.844621.421.477.254922.822.8100.0Total215100.0100.01年以下表示為11～3年表示為23～5年表示為35～8年表示為48年以上表示為5……等等〔此處省略，不一一列出各表格〕然后根據(jù)這些結(jié)果作出下面這樣的表格放在論文中即可〔在論文中表格要居中放置〕如下：注意：下表只是為了說明表格的制作式樣和方法，所以復(fù)制了與本文有些不相關(guān)的內(nèi)容和數(shù)據(jù)。被試的組織特征被試的員工特征工程類別人數(shù)〔個〕百分比(%)有效百分比(%)累計百分比(%)最高學(xué)歷初中4520.920.920.9高中中專4822.322.343.3大專4721.921.965.1本科5726.526.591.6碩士188.48.4100.0Total215100.0100.0性別男12357.257.257.2女9242.842.8100.0Total215100.0100.0年齡25歲以下2411.211.211.225~30歲4520.920.932.130~35歲5726.526.558.635~40歲5525.625.684.240歲以上3415.815.8100.0Total215100.0100.0當(dāng)前工作時間1年以下2612.112.112.11~3年4621.421.433.53~5年4822.322.355.85~8年4621.421.477.28年以上4922.822.8100.0Total215100.0100.07.各變量相關(guān)系數(shù)7.1以下變量分別求均值自變量1生成新的1行zbl1junzhi自變量2生成新的1行zbl2junzhi自變量3生成新的1行zbl3junzhi調(diào)節(jié)變量生成新的1行TJjunzhi中介變量生成新的1行ZJjunzhi因變量生成新的1行YBjunzhi操作方法：Transform——ComputeVariable——TargetVariable框中鍵入名稱〔自己定〕，我這里是鍵入了zbl1junzhi——在Functiongroup框中選Statistical后，在下方的表中選定Mean并雙擊，此時在NumericExpression框中出現(xiàn)了“MEAN〔？，？〕〞——放入所有屬于自變量1〔zbl1〕的各項到MEAN〔zbl1，zbl1，zbl1，…〕各項之間用逗號分開——點擊OK鍵——生成新的1行，即：自變量1均值〔代號：zbl1junzhi〕，出現(xiàn)在“VariableView〞頁面所有數(shù)據(jù)行的最下面1行。重復(fù)以上操作，分別生成各自新的1行即：自變量2均值〔代號：zbl2junzhi〕、自變量3〔代號：zbl2junzhi〕、……、因變量均值〔代號：YBjunzhi〕。7.2做相關(guān)性操作方法：Analyze——Correlate——Bivariate——把自變量1的均值〔zbl1junzhi〕、自變量2的均值〔zbl2junzhi〕、自變量3的均值〔zbl3junzhi〕、調(diào)節(jié)變量的均值〔TJjunzhi〕、中介變量的均值〔ZJjunzhi〕、因變量的均值〔YBjunzhi〕都放入“Variables〞框中——點擊OK結(jié)果如下：Correlationsbl1junzhibl2junzhibl3junzhiTJjunzhiZJjunzhiYBjunzhizbl1junzhiPearsonCorrelation1.891(**)-.891(**).758(**).897(**).865(**)Sig.(2-tailed).000.000.000.000.000N215215215215215215zbl2junzhiPearsonCorrelation.891(**)1-.789(**).695(**).829(**).804(**)Sig.(2-tailed).000.000.000.000.000N215215215215215215zbl3junzhiPearsonCorrelation-.891(**)-.789(**)1-.691(**)-.815(**)-.797(**)Sig.(2-tailed).000.000.000.000.000N215215215215215215TJjunzhiPearsonCorrelation.758(**).695(**)-.691(**)1.745(**).726(**)Sig.(2-tailed).000.000.000.000.000N215215215215215215ZJjunzhiPearsonCorrelation.897(**).829(**)-.815(**).745(**)1.837(**)Sig.(2-tailed).000.000.000.000.000N215215215215215215YBjunzhiPearsonCorrelation.865(**).804(**)-.797(**).726(**).837(**)1Sig.(2-tailed).000.000.000.000.000N215215215215215215**Correlationissignificantatthe0.01level(2-tailed).表中變量的含義為：zbl1：變革型領(lǐng)導(dǎo)zbl2：交易型領(lǐng)導(dǎo)zbl3：回避型領(lǐng)導(dǎo)TJ：調(diào)節(jié)變量—認(rèn)同和內(nèi)部化ZJ：中介變量—領(lǐng)導(dǎo)成員交換YB：因變量—工作績效將上面的結(jié)果作出下面這樣的表格放在論文中即可〔在論文頁面中表格要居中放置〕如下：各變量之間的相關(guān)矩陣變革型交易型回避型組織認(rèn)同領(lǐng)導(dǎo)成員交換工作績效變革型1交易型.891(**)1回避型-.891(**)-.789(**)1組織認(rèn)同.758(**).695(**)-.691(**)1領(lǐng)導(dǎo)成員交換.897(**).829(**)-.815(**).745(**)1員工工作績效.865(**).804(**)-.797(**).726(**).837(**)1**Correlationissignificantatthe0.01level(2-tailed).8.回歸分析8.1使用各均值來分別求Z值自變量1的均值zbl1junzhi生成新的1行Zzbl1junzhi自變量2的均值zbl2junzhi生成新的1行Zzbl2junzhi自變量3的均值zbl3junzhi生成新的1行Zzbl3junzhi調(diào)節(jié)變量的均值TJjunzhi生成新的1行ZTJjunzhi中介變量的均值ZJjunzhi生成新的1行ZZJjunzhi因變量的均值YBjunzhi生成新的1行ZYBjunzhi操作方法：Analyze——DescriptiveStatistics——Descriptives——把上述6個變量的均值放到Variables框中去，并在左下角的“savestandardizedvaluesasvariables"的選項打勾后，按OK鍵——生成新的1行，即：Z值運算后的各變量，出現(xiàn)在“VariableView〞頁面所有數(shù)據(jù)行的最下面幾行。8.2自變量Z值與調(diào)節(jié)變量Z值的乘積自變量1的Z值×調(diào)節(jié)變量的Z值生成新的1行Zzbl1ZTJ自變量2的Z值×調(diào)節(jié)變量的Z值生成新的1行Zzbl2ZTJ自變量3的Z值×調(diào)節(jié)變量的Z值生成新的1行Zzbl3ZTJ操作方法：Transform——ComputeVariable——TargetVariable框中鍵入名稱〔自己定〕，我這里是鍵入了Zzbl1ZTJ——在左邊的框中選定自變量1的Z值放入NumericExpression框中并鍵入乘號*之后，再放入調(diào)節(jié)變量的Z值——點擊OK鍵——生成新的1行，即：自變量1的Z值×調(diào)節(jié)變量的Z值〔代號：Zzbl1ZTJ〕，出現(xiàn)在“VariableView〞頁面所有數(shù)據(jù)行的最下面1行。重復(fù)以上步驟，分別算出：自變量2的Z值×調(diào)節(jié)變量的Z值自變量3的Z值×調(diào)節(jié)變量的Z值8.3進行回歸運算8.3.1調(diào)節(jié)作用分析操作方法：Analyze——Regression——Linear先在Dependent框中放入因變量〔已Z值計算〕再在Independent框中：第一步、依次放入各控制變量〔不用做均值和Z值計算〕，如：最高學(xué)歷、性別、年齡……等，按“NEXT〞鍵繼續(xù)下一步。第二步、依次放入已Z值計算的自變量1、自變量2、自變量3，按“NEXT〞鍵繼續(xù)下一步。第三步、放入已Z值計算的調(diào)節(jié)變量，按“NEXT〞鍵繼續(xù)下一步。第四步、把按以上8.2項操作生成的3對[自變量Z值與調(diào)節(jié)變量Z值的乘積]，依次放入完成以上四步驟后，點擊對話框的左下角的Statistics按鈕，進入一個新的對話框，在“RSquaredChange〞項上打勾選中。最后按“OK〞鍵，運算完成。得到如下ModelSummary和ANOVA(e)表，表中用紅色和陰影表示的數(shù)據(jù)，是整理后要用在論文中的。ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedf1df2Sig.FChange1.212(a).045.017.99134691.0451.6256208.1422.877(b).770.759.49047285.725214.9123205.0003.882(c).778.768.48210725.0098.1761204.0054.895(d).801.788.46039112.0227.5663201.000aPredictors:(Constant),V198,V194,V193,V195,V196,V197用于判斷RSquare用于判斷RSquare為幾顆星，但是該數(shù)據(jù)不用出現(xiàn)在論文中cPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi)dPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi),Zbl1Ztj,Zbl2Ztj,Zbl3ZtjANOVA(e)ModelSumofSquaresdfMeanSquareFSig.1Regression9.58461.5971.625.142(a)Residual204.416208.983Total214.0002142Regression164.684918.29876.064.000(b)Residual49.316205.241Total214.0002143Regression166.5851016.65871.672.000(c)Residual47.415204.232Total214.0002144Regression171.3961313.18462.202.000(d)Residual42.604201.212Total214.000214用于判斷F用于判斷F為幾顆星，但是該數(shù)據(jù)不用出現(xiàn)在論文中bPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)cPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi)dPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi),Zbl1Ztj,Zbl2Ztj,Zbl3ZtjeDependentVariable:Zscore(YBjunzhi)在得到的如下所示Coefficients(a)表的結(jié)果中提取StandardizedCoefficientsBate數(shù)據(jù)，并根據(jù)Sig列的數(shù)值在Beta值上打星號〔在論文的表格中不需要出現(xiàn)sig數(shù)據(jù)〕。打星的判別標(biāo)準(zhǔn)如下：Sig.在0.01~0.05為*Sig.在0.001~0.01為**Sig.在0.001以下為***備注：只要滿足以上區(qū)間要求，不管StandardizedCoefficientsBeta是正是負(fù)，都要相應(yīng)數(shù)據(jù)旁標(biāo)上相應(yīng)的星數(shù)。Coefficients(a)ModelStandardizedCoefficientsSig.Beta1(Constant).542V193.020.785V194-.020.767V195-.217根據(jù)Sig.滿足的區(qū)間，判斷是否標(biāo)星和標(biāo)幾顆星。例如：控制變量V195的Sig.值為0.020，根據(jù)上述判別標(biāo)準(zhǔn)，在對應(yīng)的Beta值-0.217右邊標(biāo)注1顆星。*根據(jù)Sig.滿足的區(qū)間，判斷是否標(biāo)星和標(biāo)幾顆星。例如：控制變量V195的Sig.值為0.020，根據(jù)上述判別標(biāo)準(zhǔn)，在對應(yīng)的Beta值-0.217右邊標(biāo)注1顆星。.020V196.088.419V197.229*.049V198-.191*.0482(Constant).115V193-.017.642V194-.080*.020V195-.021.656V196.054.321V197.044.443V198-.083.083Zscore(zbl1junzhi).592從這一步的結(jié)果可以判斷出主效應(yīng)是否成立。如表中的數(shù)據(jù)可見，變量1和變量從這一步的結(jié)果可以判斷出主效應(yīng)是否成立。如表中的數(shù)據(jù)可見，變量1和變量2對因變量的回歸作用顯著，因此假設(shè)1、2成立；而變量3的回歸作用不顯著，〔沒星〕所以假設(shè)3不成立。.000Zscore(zbl2junzhi).173*.022Zscore(zbl3junzhi)-.132.0803(Constant).105V193-.007.838V194-.079*.019V195-.031.505V196.048.364V197.044.435V198-.080.089Zscore(zbl1junzhi).503***.000Zscore(zbl2junzhi).156*.035Zscore(zbl3junzhi)-.123.098Zscore(TJjunzhi).147**.0054(Constant).040V193-.017.610V194-.056.083V195-.031.489V196.051.316V197.047.394V198-.058.206Zscore(zbl1junzhi).513***.000Zscore(zbl2junzhi).163*.022Zscore(zbl3junzhi)-.093.191Zscore(TJjunzhi).124*.014zbl1Ztj.064從這一步自變量與調(diào)節(jié)變量的乘積項的結(jié)果是否顯著可以判斷調(diào)節(jié)作用是否成立。如表中的自變量1、3從這一步自變量與調(diào)節(jié)變量的乘積項的結(jié)果是否顯著可以判斷調(diào)節(jié)作用是否成立。如表中的自變量1、3分別與調(diào)節(jié)變量的乘積項顯著；而自變量2與調(diào)節(jié)變量的乘積項不顯著，那么說明調(diào)節(jié)作用的1、3假設(shè)成立，第2個假設(shè)不成立。.032zbl2Ztj-.049.429zbl3Ztj.054**.008aDependentVariable:Zscore(YBjunzhi)將以上這些結(jié)果整理成下面的表格放在論文中即可〔在論文頁面中表格要居中放置〕。具體如下：表領(lǐng)導(dǎo)風(fēng)格對員工工作績效的影響員工工作績效S1BetaS2BetaS3BetaS4BetaStep1最高學(xué)歷.020-.017-.007-.017性別-.020-.080*-.079*-.056年齡-.217*-.021-.031-.031從事當(dāng)前工作時間.088.054.048.051當(dāng)前公司工作時間.229*.044.044.047與當(dāng)前上司共事時間-.191*-.083-.080-.058R20.45F1.625Step2變革型領(lǐng)導(dǎo).592***.503***.513***交易型領(lǐng)導(dǎo).173*.156*.163*回避型領(lǐng)導(dǎo)-.132-.123-.093R20.770AdjustedR20.759△R20.725***F76.064***Step3組織認(rèn)同.147**.124*R20.778AdjustedR20.768△R20.009**F71.672***Step4變革型領(lǐng)導(dǎo)×組織認(rèn)同-.064*交易型領(lǐng)導(dǎo)×組織認(rèn)同-.049回避型領(lǐng)導(dǎo)×組織認(rèn)同.054**R20.801AdjustedR20.788△R20.022***F62.202***注：所列數(shù)據(jù)為標(biāo)準(zhǔn)β系數(shù)；*p<.05，**p<.01;8.3.2中介作用分析操作方法：Analyze——Regression——Linear先在Dependent框中放入因變量〔已Z值計算〕再在Independent框中：〔提示：先前做調(diào)節(jié)作用分析時，放入的內(nèi)容依舊存在，因此點擊在Independent框上方的Previous按鈕，對不需要的內(nèi)容進行除去處理，而需要的內(nèi)容，比方：以下要放入的控制變量和自變量，不要重復(fù)放入?！车谝徊健⒁来畏湃敫骺刂谱兞俊膊挥米鼍岛蚙值計算〕，如：最高學(xué)歷、性別、先前放入過年齡……等，按“NEXT〞鍵繼續(xù)下一步。先前放入過這次新參加第二步、依次放入已Z值計算的自變量1、自變量2、自變量3，按“NEXT〞鍵繼續(xù)下一步。這次新參加第三步、放入已Z值計算的中介變量，按“NEXT〞鍵繼續(xù)下一步。完成以上三步驟后，點擊對話框的左下角的Statistics按鈕，進入一個新的對話框，在“RSquaredChange〞項上打勾選中。最后按“OK〞鍵，運算完成。得到如下ModelSummary和ANOVA(e)表，表中用紅色和陰影表示的數(shù)據(jù)，是整理后要用在論文中的。 ModelSummaryModelRRSquareAdjustedRSquareStd.ErroroftheEstimateChangeStatisticsRSquareChangeFChangedf1df2Sig.FChange1.212(a).045.017.99134691.0451.6256208.1422.877(b).770.759.49047285.725214.9123205.0003.886(c).785.774.47534349.01514.2571204.000用于判斷RSquare用于判斷RSquare為幾顆星，但是該數(shù)據(jù)不用出現(xiàn)在論文中bPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)用于判斷F用于判斷F為幾顆星，但是該數(shù)據(jù)不用出現(xiàn)在論文中 ANOVA(d)ModelSumofSquaresdfMeanSquareFSig.1Regression9.58461.5971.625.142(a)Residual204.416208.983Total214.0002142Regression164.684918.29876.064.000(b)Residual49.316205.241Total214.0002143Regression167.9061016.79174.311.000(c)Residual46.094204.226Total214.000214aPredictors:(Constant),V198,V194,V193,V195,V196,V197bPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)cPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(ZJjunzhi)dDependentVariable:Zscore(YBjunzhi)在得到的如下所示Coefficients(a)表的結(jié)果中提取StandardizedCoefficientsBate數(shù)據(jù)，并根據(jù)Sig列的數(shù)值在Beta值上打星號〔在論文的表格中不需要出現(xiàn)sig數(shù)據(jù)〕。打星的判別標(biāo)準(zhǔn)如下：Sig.在0.01~0.05為*Sig.在0.001~0.01為**Sig.在0.001以下為***備注：只要滿足以上區(qū)間要求，不管StandardizedCoefficientsBeta是正是負(fù)，都要相應(yīng)數(shù)據(jù)旁標(biāo)上相應(yīng)的星數(shù)。Coefficients(a)ModelStandardizedCoefficientsSig.Beta1(Constant).542V193.020.785V194-.020.767V195-.217*.020V196.088.419V197.229*.049V198-.191*.0482(Constant).115V193-.017.642V194-.080*.020V195-.021.656V196.054.321V197.044.443V198-.083.083Zscore(zbl1junzhi).592同上，從這一步的結(jié)果可以判斷出主效應(yīng)是否成立。如果前面已經(jīng)討論過主效應(yīng)，那么忽略不計。同上，從這一步的結(jié)果可以判斷出主效應(yīng)是否成立。如果前面已經(jīng)討論過主效應(yīng)，那么忽略不計。.000Zscore(zbl2junzhi).173*.022Zscore(zbl3junzhi)-.132.0803(Constant).132V193.001.981V194-.082*.014V195-.034.450V196.063.232V197.037.505V198-.083.074Zscore(zbl1junzhi).392**.008Zscore(zbl2junzhi).128.084Zscore(zbl3junzhi)-.113.121Zscore(中介junzhi).285***.000aDependentVariable:Zscore(YBjunzhi)上表Coefficients(a)的分析，如下：首先：中介變量的回歸作用顯著，如Zscore(中介junzhi)的Sig.為0.000。其次，比擬這兩個數(shù)據(jù)，第3步參加中介變量后，自變量1〔Zscore(zbl1junzhi)〕的顯著性下降了星減少了，是局部中介?？偠灾?，只要星減少了，但沒有減少到0，即為局部中介?！睸ig.從0.000到0.008〕，Beta系數(shù)也減少了〔從0.592減少到0.392〕，那么說明中介變量對自變量1和因變量關(guān)系的中介效應(yīng)被證實了。星減少了，是局部中介?？偠灾?，只要星減少了，但沒有減少到0，即為局部中介。同理，再比擬自變量2〔Zscore(zbl1junzhi)〕前后的差異，發(fā)現(xiàn)顯著性消失了星全沒了，是完全中介?！怖纾簭?顆星減少到0，也是完全中介〕總而言之，只要滿足從有星變到無星0，即為完全中介?！睸ig.從0.022到0.084〕，那么說明中介變量對自變量和因變量的中介作用被證實，并且是完全中介作用。星全沒了，是完全中介?！怖纾簭?顆星減少到0，也是完全中介〕總而言之，只要滿足從有星變到無星0，即為完全中介。再看自變量3〔Zscore(zbl3junzhi)〕，在參加中介變量前已經(jīng)不顯著〔主效應(yīng)不成立，顯著性Sig.是0.080〕，那么不必探討其中介作用了。將以上這些結(jié)果整理成下面的表格放在論文中即可〔在論文中表格要居中放置〕如下：表領(lǐng)導(dǎo)風(fēng)格對員工工作績效的影響員工工作績效S1BetaS2BetaS3BetaStep1最高學(xué)歷.020-.017.001性別-.020-.080*-.082*年齡-.217*-.021-.034從事當(dāng)前工作時間.088.054.063當(dāng)前公司工作時間.229*.044.037與當(dāng)前上司共事時間-.191*-.083-.083R20.045F1.625Step2變革型領(lǐng)導(dǎo).592***.392**交易型領(lǐng)導(dǎo).173*.128回避型領(lǐng)導(dǎo)-.132-.113R20.770AdjustedR20.759△R20.725***F76.064***Step3領(lǐng)導(dǎo)成員交換.285***R20.785AdjustedR20.774△R20.015***F74.311***注：所列數(shù)據(jù)為標(biāo)準(zhǔn)β系數(shù)；*p<.05，**p<.01;當(dāng)然，如果你把主效應(yīng)〔自變量對因變量的影響〕、調(diào)節(jié)效應(yīng)和中介效應(yīng)的全部所需數(shù)據(jù)整理在一張表上放入到論文中，也是可以的。