《表2 相关系数矩阵表:基于PPM框架的网络用户转换行为研究》
在建构效度验证方面,本文将按常规检验收敛效度与区别效度。平均变异数萃取量(AVE:Average of Variance Extracted)可以表征潜变量的收敛效度,Fornell和Larcker(1981年)认为因子载荷系数(Factor Loading)大于0.7、AVE大于0.5的模型就有较好的收敛效度,按照Hair J F(2006年)的标准,对模型中因子载荷系数的要求并非刚性约束条件,比如做探索性因子分析时,因子载荷系数在0.6以上也是完全可接受的。区别效度能够验证2个不同变量在统计上是否有差异。根据平均方差萃取法,潜变量AVE值的平方根大于变量之间的相关系数,则区别效度存在。表2为相关系数矩阵,由表2可见,各潜变量的AVE值均大于0.5,模型具有收敛效度。由于AVE值的平方根均大于变量间相关系数,因此模型具有区别效度。此外,对于推动因素、拉动因素与锚定因素,根据Wang和Haggerty(2011年)[37]的研究,本文采用了一阶的反映型指标作为二阶形成型指标,权重均大于0.2,VIF值小于3,所得结果显著[38]。
图表编号 | XD00108151900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.11.25 |
作者 | 陈涛 |
绘制单位 | 贵州师范大学经济与管理学院 |
更多格式 | 高清、无水印(增值服务) |