第四节　变量测量

一　信度与效度检验

利用SPSS 19.0对假设模型进行信度与效度检验，克伦巴赫系数α（Cronbach’sα）为0.932，折半信度系数（Guttman Split－Half Coefficient）为0.841，表明样本数据具有良好的信度；因子分析适当性检验的KMO值为0.941，Bartlett球形检验的近似卡方值为32077.338，显著性水平小于0.001，拒绝零假设，这说明样本数据具有良好的结构效度，适合进行因子分析。实地调研获得的2464个有效样本可以分成两个部分，一半数据用来进行探索性因子分析，另一半数据用来进行验证性因子分析。

二　探索性因子分析

对表3－1中除“个体特征”外的其他8个维度中的变量因子进行探索性因子分析。考虑到变量指标之间存在相关性，采用斜角旋转法确定各变量因子包含的条目个数。

（一）基于计算的信任

因子分析适当性检验的KMO值为0.717，大于0.5，说明基于计算的信任中各变量指标之间的相关性较强。通过因子分析抽取了一个有效因子，变量指标X21、X22、X23的因子载荷分别为0.848、0.878、0.857，方差解释比率为74.119%，克伦巴赫系数α与折半信度系数分别为0.825、0.717，效度与信度比较显著，因此该维度的变量指标应该为X21、X22、X23。

（二）基于制度的情境规范

因子分析适当性检验的KMO值为0.791，表明该维度中各变量指标之间的相关性较强。提取了一个有效因子，变量指标X31、X32、X33、X34的因子载荷分别为0.803、0.832、0.807、0.789，方差解释比率为65.266%，克伦巴赫系数α为0.822，折半信度系数为0.783，效度与信度比较显著，因此该维度的指标变量为X31、X32、X33、X34。

（三）基于制度的结构性保证

因子分析适当性检验的KMO值为0.791，表明该维度中各变量指标之间的相关性较强。提取了一个有效因子，变量指标X41、X42、X43、X44的因子载荷分别为0.815、0.840、0.826、0.784，方差解释比率为66.706%，克伦巴赫系数α与折半信度系数分别为0.833、0.816，效度与信度比较显著，因此该维度的指标变量为X41、X42、X43、X44。

（四）基于知识的熟悉

因子分析适当性检验的KMO值为0.682，表明该维度中各变量指标之间的相关性较强。提取了一个有效因子，变量指标X51、X52、X53的因子载荷分别为0.805、0.881、0.832，方差解释比率为70.507%，克伦巴赫系数α与折半信度系数分别为0.790、0.696，效度与信度比较显著，因此该维度的指标变量为X51、X52、X53。

（五）信任

因子分析适当性检验的KMO值为0.811，表明该维度中各变量指标之间的相关性较强。提取了一个有效因子，变量指标X61、X62、X63、X64的因子载荷分别为0.850、0.889、0.862、0.785，方差解释比率为71.810%，克伦巴赫系数α与折半信度系数分别为0.869、0.840，效度与信度比较显著，因此该维度的指标变量为X61、X62、X63、X64。

（六）感知易用性

因子分析适当性检验的KMO值为0.703，表明该维度中各变量指标之间的相关性较强。提取了一个有效因子，变量指标X71、X72、X73的因子载荷分别为0.823、0.853、0.836，方差解释比率为70.111%，克伦巴赫系数α与折半信度系数分别为0.786、0.690，效度与信度比较显著，因此该维度的指标变量为X71、X72、X73。

（七）感知有用性

因子分析适当性检验的KMO值为0.764，表明该维度中各变量指标之间的相关性较强。提取了一个有效因子，变量指标X81、X82、X83、X84的因子载荷分别为0.773、0.817、0.814、0.744，方差解释比率为61.994%，克伦巴赫系数α为0.794，折半信度系数为0.760，效度与信度比较显著，因此该维度的指标变量为X81、X82、X83、X84。

（八）接受意愿

因子分析适当性检验的KMO值为0.741，表明该维度中各变量指标之间的相关性较强。提取了一个有效因子，变量指标X91、X92、X93、X94的因子载荷分别为0.741、0.816、0.780、0.717，方差解释比率为58.459%，克伦巴赫系数α为0.760，折半信度系数为0.702，效度与信度比较显著，因此该维度的指标变量为X91、X92、X93、X94。

探索性因子分析的结果表明，上述归纳出的基于计算的信任、基于制度的情境规范、基于制度的结构性保证等8个维度的公因子具有良好的结构效度与信度，说明利用TRUST＆TAM综合模型研究食品安全网络舆情中网民对政府信息的接受行为具有相对普适性。

三　验证性因子分析

使用另一半数据对假设模型进行检验，AMOS 19.0软件的模型整体拟合度结果如表3－2所示。

表3－2的结果表明，假设模型整体的拟合度较好，这说明该假设模型与调研数据相契合。

假设模型各潜变量之间的路径系数结果如表3－3所示。

表3－3的结果数据显示，基于计算的信任、基于制度的情境规范、基于制度的结构性保证、基于知识的熟悉与信任之间的标准化路径系数分别为0.059、0.275、0.489、0.081，且都通过了显著性检验，表明这4个潜变量对受访网民的信任具有正向影响，假设H1、假设H2、假设H3、假设H4得到验证；信任、感知易用性、感知有用性与接受意愿之间的标准化路径系数分别为0.245、0.163、0.625，且都通过了显著性检验，表明这3个潜变量对受访网民的接受意愿具有正向影响，假设H5、假设H6、假设H7得到验证；感知易用性与感知有用性之间的标准化路径系数为0.279，且通过了显著性检验，表明前者对后者具有正向影响，假设H8得到验证；基于制度的情境规范，基于知识的熟悉与感知易用性之间的标准化路径系数分别为0.266、0.437，且都通过了显著性检验，表明这2个潜变量对受访网民的感知易用性具有正向影响，假设H9、假设H10得到验证；感知易用性与信任之间的影响关系没有通过显著性检验，假设H11没有得到验证；信任与感知有用性之间的标准化路径系数为0.728，且通过了显著性检验，表明前者对后者具有正向影响，假设H12得到验证。

此外，假设检验结果表明，信任的四个要素———基于计算的信任、基于制度的情境规范、基于制度的结构性保证、基于知识的熟悉之间存在相关关系，关系系数如表3－4所示。

从表3－4中可以看出，基于制度的情境规范与基于制度的结构性保证的协方差关系系数最大，说明两者的相关关系最强，这可能是因为两者同属于制度层面的信任要素。也正因为如此，基于计算的信任分别与基于制度的情境规范以及基于制度的结构性保证之间的协方差关系系数相近。同样，基于知识的熟悉分别与基于制度的情境规范以及基于制度的结构性保证之间的协方差关系系数也相近。基于计算的信任与基于知识的熟悉的协方差关系系数最小，表明两者的相关关系最弱，可能是因为前者主要基于对政府相关行为后果的成本或收益的理性评价，而后者主要基于与政府交往过程中所形成的知识经验，两者差异较大。

假设模型的路径及估计参数结果如图3－2所示。