实证研究论文数据分析方法详解

1、修订日：2010.12.8实证论文数据分析方法详解（周健敏整理）以下面研究模型为例来说明实证论文数据分析方法变革型领导交易型领导回避型领导工作绩效领导成员交换组织认同名称 变量类型 在SPSS软件中的简称（自己设定的代号） 变革型领导 自变量1 zbl1 交易型领导 自变量2 zbl2 回避型领导 自变量3 zbl3 认同和内部化 调节变量 TJ 领导成员交换 中介变量 ZJ工作绩效 因变量 YB 调节变量：如果自变量与因变量的关系是变量M的函数，称变量M为调节变量。也就是, 领导风格（自变量）与工作绩效（因变量）的关系受到组织认同（调节变量）的影响，或组织认同（调节变量）在领导风格（自变量）

2、对工作绩效（因变量）影响关系中起到调节作用。具体来说，对于组织认同高的员工，变革型领导对工作绩效的影响力，要高于组织认同低的员工。中介变量：如果自变量通过影响变量N 来实现对因变量的影响，则称N 为中介变量。也就是，领导风格（自变量）对工作绩效（因变量）影响作用是通过领导成员交换（中介变量）的中介而产生的。 研究思路及三个主要部分组成：（1）领导风格对于员工工作绩效的主效应（Main Effects）研究。（2）组织认同对于不同领导风格与员工工作绩效之间关系的调节效应（Moderating Effects）研究。（3）领导成员交换对于不同领导风格与员工工作绩效之间关系的中介效应（Mediato

3、r Effects）研究。目 录1.调查问卷表中数据预先处理 31.1 剔除无效问卷 31.2 重新定义控制变量 32. 把Excel数据导入到SPSS软件中的方法 43. 确认所有的变量中有无“反向计分”项 43.1 无“反向计分”题 53.2 有“反向计分”题 54. 效度分析 65. 信度分析 86. 描述统计 97. 各变量相关系数 127.1 求均值 127.2 相关性 128. 回归分析 138.1 使用各均值来分别求Z值 138.2 自变量Z值与调节变量Z值的乘积 138.3 进行回归运算 148.3.1 调节作用分析 148.3.2 中介作用分析 188.4 调节作用作图 22

4、1. 调查问卷表中数据预先处理1.1 剔除无效问卷调查问卷表中有内容对立的题项，主要是测试答题人是否认真阅读和填写本调查问卷表而设置的，例如： 2.2题 我在决策过程当中经常发表了自己的意见。2.8题 在决策中我没有发表意见的机会。可供的回答选项如下：jklmn 完全不符合比较不符合有点符合比较符合完全符合 如果答题者2.2题的回答选k，做2.8题的回答却选l，则这份调查问卷为无效。该调查问卷所有数据应事先删除，即：这份调查问卷不能用做数据分析。 有效的回答为：如果2.2题的回答选k，做2.8题的回答选m；或者，如果2.2题选j，那么2.8题选n。等等（依此类推，在此不全部列出）1.2 重新定

5、义控制变量输入在Excel中的调查问卷表数据项，例如：最高学历、性别、年龄，当前工作时间，等等，诸如此类的描述统计的项目，被统称为“控制变量”数据导入SPSS之前，在Excel中要事先对“最高学历”、“性别”、“年龄”、“当前工作时间”等控制变量进行了归类和重新定义，例如：性别的重新定义：男性 表示为1女性 表示为2年龄的重新定义：25岁以下 表示为12530岁 表示为23035岁 表示为33540岁 表示为440岁以上 表示为5当前工作时间的重新定义：1年以下 表示为 113年 表示为 235年 表示为 358年 表示为 48年以上 表示为 5等等（依此类推，对其他控制变量进行适当的定义）2

6、. 把Excel数据导入到SPSS软件中的方法操作方法：打开SPSS程序，点击在左上角的FileOpenDate对话框中的“文件类型”项中选择“Excel格式”选择你要导入的Excel数据文件点击“打开”在对话框中的“Range”项定义提取Excel表中数据的范围“最左上角 : 最右下角”，例如“B2 : HW217”数据自动导入到SPSS表格中，在Date View页面中确认一下数据是否少读或多读不需要的信息。（注意：在对话框选项“Read variable names form the first row of date”上打勾或不打勾，对定义Excel表中数据的范围有影响，所以要确认一下

7、数据是否少读或多读不需要的信息） 从“Date View”页面转到“Variable View”页面，根据最左边的“Name”对应“调查问卷”中的问题项，在“Label”列中标明自变量1、自变量2、自变量3、调节变量、中介变量、因变量。Q1: 在“Label”列中标注什么代号？A1:根据个人的喜欢和方便识别、记忆 可自己定义，本文的标注是：自变量1 zbl1自变量2 zbl2自变量3 zbl3调节变量 TJ中介变量 ZJ因变量 YBQ2: 怎样知道哪几行是自变量1、哪几行是自变量2、哪几行是因变量？A2: 导师会事先告诉你，在调查问卷表中哪些问题项是属于自变量1、哪些问题项是属于自变量2、哪些

8、问题项是属于因变量。对照调查问卷表中各问题项的排列顺序 找到SPSS中相应的“行”并作上述标注。注意：数据较多，不要看错行，这样会导致运算了其他不相关的数据而造成错误!3. 确认所有的变量中有无“反向计分”项在做效度分析之前，先要看清楚调查问卷表中被选中作为变量的问卷题目有没有要“反向计分”的？每个变量所对应的问卷题目内容再仔细地一题一题确认一遍。所谓“反向计分”题是指在同一变量中与其他题目逻辑相反的题。例如：5.1题 我清楚我的上司对我的满意程度如何。5.2题 我的上司对我的问题和需求了如指掌。5.3题 我的上司没有意识到我的潜力。 假如这3道题都属于同一变量，第5.3题与其它题的逻辑相反，

9、第5.3题就是“反向计分题”。在做数据分析时，该题的计分应与其它题相反，因此事先要对该题的计分进行转换，转换方法如下3.2说明3.1 如果没有反向计分题，那么就跳过3.2的步骤，直接进行信度分析、效度分析等3.2 如果有反向计分题，那么执行以下步骤，经过计分转换后，该题才能和其它题一同进行之后的各项数据分析操作方法：TransformRecodeInto Different Variables在左边的框中找到“反向计分”的项并点击放入到“Numeric Variable Output Variable”框内在右边Name框中输入新的名字，比如：zbl2fanxiang（代表：自变量2的反向计分

10、项）点击“Old and New Values”后进入另一个对话框，如果你的调查问卷表中该题是15计分范围，那么按以下方法输入： 在Old Value框中键入1后，在New Value 框中键入5，点击Add按钮；在Old Value框中键入2后，在New Value 框中键入4，点击Add按钮；在Old Value框中键入4后，在New Value 框中键入2，点击Add按钮；在Old Value框中键入5后，在New Value 框中键入1，点击Add按钮；最后，按 Continue 按钮，完成计分转换的设定，再按 OK键完成。生成新的1行，即：自变量2反向计分项（代号：zbl2fanxi

11、ang），出现在“Variable View”页面所有数据行的最下面1行。不要遗忘的注意点：在此后的运算（效度分析，信度分析，求均值），凡是涉及到要使用该项时，均用新生成的自变量2反向计分项（代号：zbl2fanxiang）代替原有项进行运算。4. 效度分析操作方法：AnalyzeDate ReductionFactor Analysis在左边的框中把所有自变量1的项（标注为：zbl1）全都放到Variables框中去，点击OK，完成自变量1的效度分析。重复以上操作，自变量2、自变量3、调节变量、中介变量、因变量都要分别做效度分析。结果如下：（只要Copy出必要的数据即可，不用把生成的所有结果

12、都Copy出来）判断标准：看下表Component的值，如果全部都在0.5以上就有效，0.7以上载荷就好；如果出现载荷小于0.5的变量题项，那么就筛除该题项。筛除方法：记住该变量的题项在下表Component Matrix(a)的位置顺序，并在SPSS软件的“Variable View”页面中找到相对应的数据行，在“Label”格中删除先前标注的变量代号，总而言之，就是今后在做任何运算时都不要用到该项。结果如下：“bl1：（自变量1）变革型领导Component Matrix(a) Component 1zbl1.732zbl1.763zbl1.740zbl1.790zbl1.786zbl1.

13、803zbl1.777zbl1.711zbl1.778zbl1.788zbl1.789zbl1.770zbl1.768zbl1.770zbl1.816zbl1.784zbl1.762zbl1.760Extraction Method: Principal Component Analysis.a 1 components extracted.bl2：（自变量2）交易型领导Component Matrix(a) Component 1zbl2.809zbl2.803zbl2.792zbl2.810Extraction Method: Principal Component Analysis.a

14、1 components extracted.bl3：（自变量3）回避型领导Component Matrix(a)Component 1Zbl3.839Zbl3.897Zbl3.713Zbl3.884Zbl3.796Zbl3.819Zbl3.821Zbl3.514等等（此处省略，不一一列出各表格）根据以上这些结果作出下面这样的表格放在论文中即可（在论文中表格要居中放置）如下：变革型领导的因子载荷矩阵Component 1变革型领导.732变革型领导.763变革型领导.740变革型领导.790变革型领导.786变革型领导.803变革型领导.777变革型领导.711变革型领导.778变革型领导.7

15、88变革型领导.789变革型领导.770变革型领导.768变革型领导.770变革型领导.816变革型领导.784变革型领导.762变革型领导.760等等（依此类推，作出各变量表格放在论文中）5. 信度分析 操作方法：AnalyzeScaleReliability Analysis在左边的框中把所有自变量1的项（标注为：zbl1）全都放到Variables框中去，点击OK，完成自变量1的信度分析。 重复以上操作，自变量2、自变量3、调节变量、中介变量、因变量都要分别做信度分析。结果如下：（只要Copy出必要的数据即可，不用把生成的所有结果都Copy出来） 判断标准：看下表Cronbach'

16、;s Alpha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，那么就要检查是否存在反向计分的题项，或者有些题项信度太低影响总的信度水平，排除这个题项后再算信度看看是否改善。如果发现这类情况，那么今后在做任何运算时都不要用到该题项。zbl1：（自变量1）变革型领导Reliability StatisticsCronbach's AlphaN of Items.96018zbl2：（自变量2）交易型领导Reliability StatisticsCronbach's AlphaN of Items.8164zbl3：（自变量3）回避型领导Reliability S

17、tatisticsCronbach's AlphaN of Items.8708TJ：（调节变量）认同和内部化Reliability StatisticsCronbach's AlphaN of Items.8643ZJ：（中介变量）领导成员交换Reliability StatisticsCronbach's AlphaN of Items.9026YB：（因变量）工作绩效Reliability StatisticsCronbach's AlphaN of Items.8734根据以上这些结果作出下面这样的表格放在论文中即可（在论文中表格要居中放置）如下：分量表

18、信度分析汇总表变量类别分量表Cronbach's Alpha值自变量变革型领导.960交易型领导.816回避型领导.870薪酬0.851调节变量组织认同.864中介变量领导成员交换.902因变量员工工作绩效.8736. 描述统计描述统计的对象：本文的调查问卷表中：最高学历、性别、年龄，当前工作时间，等等为描述统计的对象（一般统计员工的数据，有必要时才统计领导数据）。 这些对象被统称为“控制变量”（事先要在数据导入SPSS前，在EXCEL表中先进行归类和重新定义，具体参见第3页1.2章节内容）操作方法：AnalyzeDescriptive StatisticsFrequencies在左边

19、的框中把所有控制变量（如：最高学历、性别、年龄，当前工作时间、等等）全都放到Variables框中去， 点击OK，完成描述统计。Q1：“在左边的框中”怎样知道哪个是最高学历、哪个是性别，哪个是年龄等等的代号？A1：对照调查问卷表中各问题项的排列顺序 找到SPSS中相应的“行标”。结果如下：（只要Copy出必要的数据即可，不用把生成的所有结果都Copy出来）年龄 FrequencyPercentValid PercentCumulative PercentValid12411.211.211.2 24520.920.932.1 35726.526.558.6 45525.625.684.2 53

20、415.815.8100.0 Total215100.0100.0 25岁以下 表示为12530岁 表示为23035岁 表示为33540岁 表示为440岁以上 表示为5当前工作时间 FrequencyPercentValid PercentCumulative PercentValid12612.112.112.1 24621.421.433.5 34822.322.355.8 44621.421.477.2 54922.822.8100.0 Total215100.0100.0 1年以下 表示为 113年 表示为 235年 表示为 358年 表示为 48年以上 表示为 5等等（此处省略，不一

21、一列出各表格）然后根据这些结果作出下面这样的表格放在论文中即可（在论文中表格要居中放置）如下：注意：下表只是为了说明表格的制作式样和方法，所以复制了与本文有些不相关的内容和数据。被试的组织特征 被试的员工特征项目类别人数（个）百分比(%)有效百分比(%)累计百分比(%)最高学历初中4520.920.920.9 高中中专4822.322.343.3 大专4721.921.965.1 本科5726.526.591.6 硕士188.48.4100.0 Total215100.0100.0 性别男12357.257.257.2 女9242.842.8100.0 Total215100.0100.0 年

22、龄25岁以下2411.211.211.2 2530岁4520.920.932.1 3035岁5726.526.558.6 3540岁5525.625.684.2 40岁以上3415.815.8100.0 Total215100.0100.0 当前工作时间1年以下2612.112.112.1 13年4621.421.433.5 35年4822.322.355.8 58年4621.421.477.2 8年以上4922.822.8100.0 Total215100.0100.0 7.各变量相关系数7.1 以下变量分别求均值 自变量1 生成新的1行zbl1 junzhi自变量2 生成新的1行zbl2

23、junzhi自变量3 生成新的1行zbl3 junzhi调节变量 生成新的1行TJ junzhi 中介变量 生成新的1行ZJ junzhi 因变量 生成新的1行YB junzhi操作方法：TransformCompute VariableTarget Variable 框中键入名称（自己定），我这里是键入了zbl1 junzhi在Function group 框中选Statistical 后，在下方的表中选定Mean并双击，此时在Numeric Expression 框中出现了“MEAN（？，？）”放入所有属于自变量1（zbl1）的各项到MEAN（zbl1，zbl1，zbl1，）各项之间用逗号

24、分开点击OK键生成新的1行，即：自变量1均值（代号：zbl1 junzhi），出现在“Variable View”页面所有数据行的最下面1行。重复以上操作，分别生成各自新的1行即：自变量2均值（代号：zbl2 junzhi）、自变量3（代号：zbl2 junzhi）、因变量均值（代号：YB junzhi）。7.2 做相关性操作方法：AnalyzeCorrelateBivariate把自变量1的均值（zbl1 junzhi）、自变量2的均值（zbl2 junzhi）、自变量3的均值（zbl3 junzhi）、调节变量的均值（TJ junzhi）、中介变量的均值（ZJ junzhi）、 因变量的均

25、值（YB junzhi）都放入“Variables”框中点击OK结果如下：Correlations bl1junzhibl2junzhibl3junzhiTJjunzhiZJjunzhiYBjunzhizbl1junzhiPearson Correlation1.891(*)-.891(*).758(*).897(*).865(*)Sig. (2-tailed) .000.000.000.000.000N215215215215215215zbl2junzhiPearson Correlation.891(*)1-.789(*).695(*).829(*).804(*)Sig. (2-tail

26、ed).000 .000.000.000.000N215215215215215215zbl3junzhiPearson Correlation-.891(*)-.789(*)1-.691(*)-.815(*)-.797(*)Sig. (2-tailed).000.000 .000.000.000N215215215215215215TJjunzhiPearson Correlation.758(*).695(*)-.691(*)1.745(*).726(*)Sig. (2-tailed).000.000.000 .000.000N215215215215215215ZJjunzhiPears

27、on Correlation.897(*).829(*)-.815(*).745(*)1.837(*)Sig. (2-tailed).000.000.000.000 .000N215215215215215215YBjunzhiPearson Correlation.865(*).804(*)-.797(*).726(*).837(*)1Sig. (2-tailed).000.000.000.000.000 N215215215215215215* Correlation is significant at the 0.01 level (2-tailed).表中变量的含义为：zbl1：变革型

28、领导 zbl2：交易型领导 zbl3：回避型领导 TJ：调节变量认同和内部化 ZJ：中介变量领导成员交换 YB：因变量工作绩效 将上面的结果作出下面这样的表格放在论文中即可（在论文页面中表格要居中放置）如下： 各变量之间的相关矩阵变革型交易型回避型组织认同领导成员交换工作绩效变革型1交易型.891(*)1回避型-.891(*)-.789(*)1组织认同.758(*).695(*)-.691(*)1领导成员交换.897(*).829(*)-.815(*).745(*)1员工工作绩效.865(*).804(*)-.797(*).726(*).837(*)1* Correlation is sign

29、ificant at the 0.01 level (2-tailed).8.回归分析8.1 使用各均值来分别求Z值自变量1的均值zbl1 junzhi 生成新的1行Z zbl1 junzhi自变量2的均值zbl2 junzhi 生成新的1行Z zbl2 junzhi自变量3的均值zbl3 junzhi 生成新的1行Z zbl3 junzhi调节变量的均值TJ junzhi 生成新的1行Z TJ junzhi中介变量的均值 ZJ junzhi 生成新的1行Z ZJ junzhi因变量的均值 YB junzhi 生成新的1行Z YB junzhi操作方法：AnalyzeDescriptive S

30、tatisticsDescriptives把上述6个变量的均值放到Variables框中去，并在左下角的“save standardized values as variables"的选项打勾后，按OK键生成新的1行，即：Z值运算后的各变量，出现在“Variable View”页面所有数据行的最下面几行。8.2 自变量Z值与调节变量Z值的乘积自变量1的Z值×调节变量的Z值 生成新的1行Zzbl1 ZTJ自变量2的Z值×调节变量的Z值 生成新的1行Zzbl2 ZTJ自变量3的Z值×调节变量的Z值 生成新的1行Zzbl3 ZTJ操作方法：Trans

31、formCompute VariableTarget Variable 框中键入名称（自己定），我这里是键入了Zzbl1 ZTJ在左边的框中选定自变量1的Z值放入 Numeric Expression 框中并键入乘号 * 之后，再放入调节变量的Z值点击OK键生成新的1行，即：自变量1的Z值×调节变量的Z值（代号：Zzbl1 ZTJ），出现在“Variable View”页面所有数据行的最下面1行。 重复以上步骤，分别算出：自变量2的Z值×调节变量的Z值自变量3的Z值×调节变量的Z值8.3 进行回归运算 8.3.1 调节作用分析：操作方法：AnalyzeRegres

32、sionLinear先在Dependent框中放入因变量（已Z值计算）再在Independent框中：第一步、依次放入各控制变量（不用做均值和Z值计算），如：最高学历、性别、年龄等，按“NEXT”键继续下一步。第二步、依次放入已Z值计算的自变量1、自变量2、自变量3，按“NEXT”键继续下一步。第三步、放入已Z值计算的调节变量，按“NEXT”键继续下一步。第四步、 把按以上8.2项操作生成的3对自变量Z值与调节变量Z值的乘积，依次放入 完成以上四步骤后，点击对话框的左下角的Statistics按钮，进入一个新的对话框，在“R Squared Change”项上打勾选中。最后按“OK”键，运算完

33、成。得到如下Model Summary和ANOVA(e)表，表中用红色和阴影表示的数据，是整理后要用在论文中的。 Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange Statistics R Square ChangeF Changedf1df2Sig. F Change1.212(a).045.017.99134691.0451.6256208.1422.877(b).770.759.49047285.725214.9123205.0003.882(c).778.768.48210725.0

34、098.1761204.0054.895(d).801.788.46039112.0227.5663201.000a Predictors: (Constant), V198, V194, V193, V195, V196, V197用于判断R Square为几颗星，但是该数据不用出现在论文中b Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi)c Predictors: (Constant), V198, V194

35、, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi)d Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi), Zbl1Ztj, Zbl2Ztj, Zbl3ZtjANOVA(e)Model Sum of SquaresdfMean Squa

36、reFSig.1Regression9.58461.5971.625.142(a)Residual204.416208.983 Total214.000214 2Regression164.684918.29876.064.000(b)Residual49.316205.241 Total214.000214 3Regression166.5851016.65871.672.000(c)Residual47.415204.232 Total214.000214 4Regression171.3961313.18462.202.000(d)Residual42.604201.212 Total2

37、14.000214 用于判断F为几颗星，但是该数据不用出现在论文中a Predictors: (Constant), V198, V194, V193, V195, V196, V197b Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi)c Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl

38、2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi)d Predictors: (Constant), V198, V194, V193, V195, V196, V197, Zscore(bl3junzhi), Zscore(bl2junzhi), Zscore(bl1junzhi), Zscore(TJjunzhi), Zbl1Ztj, Zbl2Ztj, Zbl3Ztje Dependent Variable: Zscore(YBjunzhi)在得到的如下所示 Coefficients(a) 表的结果中提取Standardized Coefficien

39、ts Bate 数据，并根据Sig列的数值在Beta值上打星号（在论文的表格中不需要出现sig数据）。打星的判别标准如下：Sig.在0.010.05 为 * Sig.在0.0010.01 为 * Sig.在0.001以下为 * 备注：只要满足以上区间要求，不管Standardized Coefficients Beta是正是负，都要相应数据旁标上相应的星数。Coefficients(a)Model Standardized CoefficientsSig. Beta 1(Constant) .542 V193.020.785 V194-.020.767 V195-.217 根据Sig.满足的区

40、间，判断是否标星和标几颗星。例如：控制变量V195的Sig.值为0.020，根据上述判别标准，在对应的Beta值-0.217右边标注1颗星。*.020 V196.088.419 V197.229 *.049 V198-.191 *.0482(Constant) .115 V193-.017.642 V194-.080 *.020 V195-.021.656 V196.054.321 V197.044.443 V198-.083.083 Zscore(zbl1junzhi).592 从这一步的结果可以判断出主效应是否成立。如表中的数据可见，变量1 和变量2 对因变量的回归作用显著，因此假设1、2

41、 成立；而变量3 的回归作用不显著，（没星）所以假设3 不成立。* * *.000 Zscore(zbl2junzhi).173 *.022 Zscore(zbl3junzhi)-.132.0803(Constant) .105 V193-.007.838 V194-.079 *.019 V195-.031.505 V196.048.364 V197.044.435 V198-.080.089 Zscore(zbl1junzhi).503 * * *.000 Zscore(zbl2junzhi).156 *.035 Zscore(zbl3junzhi)-.123.098 Zscore(TJju

42、nzhi).147 * *.0054(Constant) .040 V193-.017.610 V194-.056.083 V195-.031.489 V196.051.316 V197.047.394 V198-.058.206 Zscore(zbl1junzhi).513 * * *.000 Zscore(zbl2junzhi).163 *.022 Zscore(zbl3junzhi)-.093.191 Zscore(TJjunzhi).124 *.014 zbl1Ztj.064从这一步自变量与调节变量的乘积项的结果是否显著可以判断调节作用是否成立。如表中的自变量1、3 分别与调节变量的乘

43、积项显著；而自变量2与调节变量的乘积项不显著，则说明调节作用的1、3 假设成立，第2个假设不成立。 *.032 zbl2Ztj-.049.429 zbl3Ztj.054 * *.008a Dependent Variable: Zscore(YBjunzhi)将以上这些结果整理成下面的表格放在论文中即可（在论文页面中表格要居中放置）。具体如下：表8.3.1领导风格对员工工作绩效的影响员工工作绩效S1 BetaS2 BetaS3 BetaS4 BetaStep1 最高学历.020-.017-.007-.017 性别-.020-.080 *-.079 *-.056 年龄-.217 *-.021-.

44、031-.031 从事当前工作时间.088.054.048.051 当前公司工作时间.229 *.044.044.047 与当前上司共事时间-.191 *-.083-.080-.058R20.45F1.625Step2 变革型领导.592 * * *.503 * * *.513 * * * 交易型领导.173 *.156 *.163 * 回避型领导-.132-.123-.093R20.770Adjusted R20.759R20.725 * * *F76.064 * * *Step3 组织认同.147 * *.124 *R20.778Adjusted R20.768R20.009* *F71.

45、672* * *Step4 变革型领导×组织认同-.064 * 交易型领导×组织认同-.049回避型领导×组织认同.054 * *R20.801Adjusted R20.788R20.022* * * F62.202* * *注：所列数据为标准系数； * p < .05 ， * p < .01; 8.3.2 中介作用分析：操作方法：AnalyzeRegressionLinear先在Dependent框中放入因变量（已Z值计算）再在Independent框中：（提示：先前做 8.3.1调节作用分析时，放入的内容依旧存在，因此点击在 Independent

46、框上方的Previous按钮，对不需要的内容进行除去处理，而需要的内容，比如：以下要放入的控制变量和自变量，不要重复放入。）第一步、依次放入各控制变量（不用做均值和Z值计算），如：最高学历、性别、先前放入过年龄等，按“NEXT”键继续下一步。这次新加入第二步、依次放入已Z值计算的自变量1、自变量2、自变量3，按“NEXT”键继续下一步。第三步、放入已Z值计算的中介变量，按“NEXT”键继续下一步。完成以上三步骤后，点击对话框的左下角的Statistics按钮，进入一个新的对话框，在“R Squared Change”项上打勾选中。最后按“OK”键，运算完成。得到如下Model Summary和

47、ANOVA(e)表，表中用红色和阴影表示的数据，是整理后要用在论文中的。Model SummaryModelRR SquareAdjusted R SquareStd. Error of the EstimateChange Statistics R Square ChangeF Changedf1df2Sig. F Change1.212(a).045.017.99134691.0451.6256208.1422.877(b).770.759.49047285.725214.9123205.0003.886(c).785.774.47534349.01514.2571204.000用于判断R Square为几颗星，但是该数据不用出现在论文中a Predictors: (Consta