《表3 探索性因子分析：面子、人情与知识共享意愿间关系的实证研究:基于知识隐性程度的调节效应》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《面子、人情与知识共享意愿间关系的实证研究:基于知识隐性程度的调节效应》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:提取方法为主成分分析法；旋转法为具有Kaiser标准化的正交旋转法；旋转在5次迭代后收敛。MZO表示面子导向；RQO表示人情导向；TK表示知识隐性程度；KD表示知识贡献意愿；KC表示知识获取意愿。

效度分析方面，本研究分别运用探索性因子分析（EFA）和验证性因子分析（CFA）对区分效度和聚合效度进行了检验。在EFA分析过程中，先进行了KMO值测算和Bartlett球形检验；其中，KMO值为0.815（>0.5），且Bartlett球体检验显著（Sig=0.000），表明适宜进行因子分析。EFA结果如表3所示，各题项在对应潜变量的因子载荷均大于0.5，22个题项分别隶属于5个独立因子，初步表明各变量之间具有较好的区分效度。在CFA分析过程中，采用了极大化似然估计法。CFA结果如表4所示，相比于其他因子嵌套模型，五因子模型对样本数据的拟合结果最为理想（χ2/df=2.010，GFI=0.923，CFI=0.942，TLI=0.933，IFI=0.936，RMSEA=0.043），表明具有较好的区分效度，五个因子的确分别代表了五个不同的变量。如表5所示，各变量的平均变异萃取量（AVE）的平方根（对角线括号内的数据）远大于该变量与其他变量的相关系数，也进一步印证了不同变量的测量题项之间具有明显的区分效度。另外，如表2所示，各变量的AVE值分布于0.531-0.682之间，均大于AVE的最低阈值0.5，表明同一变量的测量题项之间具有较好的聚合效度。