a√在线视频,欧美电影在线观看完整版,免费一级a毛片夜夜看

主頁(yè) > 知識(shí)庫(kù) > 地理商標(biāo)探索性研究的數(shù)據(jù)分析

地理商標(biāo)探索性研究的數(shù)據(jù)分析

1、數(shù)據(jù)的描述性統(tǒng)計(jì)分析
小編運(yùn)用ＳＰＳＳ１５．０統(tǒng)計(jì)軟件，計(jì)算了４個(gè)潛變量對(duì)應(yīng)的測(cè)項(xiàng)組合的平均值和標(biāo)準(zhǔn)差（Ｓｔｄ．Ｄｅｖｉａｔｉｏｎ），計(jì)算結(jié)果見(jiàn)表６．５。另外，針對(duì)地理商標(biāo)形象和公司商標(biāo)感知趨同兩個(gè)變量，我們做了均值的區(qū)間估計(jì)。在９５％的置信區(qū)間，地理商標(biāo)形象的均值為５．５０，標(biāo)準(zhǔn)誤（Ｓｔｄ．ＥｒｒｏｒｏｆＭｅａｎ）為０．０５７，上限值為５．６１，下限值為５．３９；公司商標(biāo)感知趨同的均值為５．５２，標(biāo)準(zhǔn)誤為０．０８１，上限值為５．６８，下限值為５．３６。說(shuō)明受訪者對(duì)地理商標(biāo)都有較高的評(píng)價(jià)，并普遍認(rèn)為在共享地理商標(biāo)情形下公司商標(biāo)認(rèn)知呈趨同化特征。

2、構(gòu)念測(cè)量的可靠性分析
小編使用ＬＩＳＲＥＬ８．８０版軟件做驗(yàn)證性因子分析（測(cè)量模型分析）和結(jié)構(gòu)方程模型分析。結(jié)構(gòu)方程模型融合了因子分析和路徑分析兩種統(tǒng)計(jì)技術(shù)，相比傳統(tǒng)多元回歸技術(shù)而言，它的優(yōu)勢(shì)在于既能估計(jì)潛變量的結(jié)構(gòu)關(guān)系，也能有效控制測(cè)量誤差的影響。測(cè)量模型反映的是外顯變量與潛變量之間的關(guān)系，結(jié)構(gòu)方程模型反映的是驗(yàn)證模型中各個(gè)潛變量之間的關(guān)系。在檢驗(yàn)驗(yàn)證模型之前，各個(gè)構(gòu)念測(cè)量（ｃｏｎｓｔｒｕｃｔｍｅａｓｕｒｅｍｅｎｔ）的可靠性和有效性必須得到保證。構(gòu)念只有被恰當(dāng)?shù)耐怙@指標(biāo)充分代表，才能確保構(gòu)念測(cè)量的可靠性和有效性。為了提高模型分析中各個(gè)參數(shù)的穩(wěn)定性，減少待估計(jì)參數(shù)，提高模型的擬合指標(biāo)（ＮａｓｓｅｒａｎｄＷｉｓｅｎｂａｋｅｒ，２００３），小編采用測(cè)項(xiàng)組合的方法處理數(shù)據(jù)。測(cè)項(xiàng)組合（ｉｔｅｍｐａｒｃｅｌｉｎｇ）是對(duì)同一個(gè)構(gòu)念測(cè)量中的兩個(gè)或多于兩個(gè)的測(cè)項(xiàng)進(jìn)行加總或平均以形成集合性指標(biāo)（ａｇｇｒｅｇａｔｅ－ｌｅｖｅｌｉｎｄｉｃａｔｏｒ）的過(guò)程（Ｌｉｔｔｌｅｅｔａｌ．，２００２）。使用測(cè)項(xiàng)組合，可以矯正非正態(tài)數(shù)據(jù)，可以使非正態(tài)數(shù)據(jù)以及分類變量數(shù)據(jù)正態(tài)化和連續(xù)化，以符合結(jié)構(gòu)方程對(duì)模型估計(jì)常用的最大似然法和一般最小平方法的要求（Ｗｅｓｔｅｔａｌ．，１９９５）。測(cè)項(xiàng)組合相比單個(gè)測(cè)項(xiàng)而言，可改善測(cè)量的可靠性，提高指標(biāo)之間的相關(guān)性和共同度，降低了減少指標(biāo)數(shù)后的研究犯α錯(cuò)誤的可能性，避免了單個(gè)指標(biāo)之間可能存在的多重共線性、過(guò)多的誤差相關(guān)以及指標(biāo)交叉負(fù)荷的現(xiàn)象（Ｃｏｈｅｎｅｔａｌ．，１９９０；Ｌｉｔｔｌｅｅｔａｌ．，２００２；Ｒｕｓｈｔｏｎｅｔａｌ．，１９８３）。測(cè)項(xiàng)組合也存在相應(yīng)的缺陷，如破壞了信息的完整性；組合不恰當(dāng)會(huì)產(chǎn)生不能正確反映潛變量的變異；使用測(cè)項(xiàng)組合雖然提高了模型擬合效果，但卻減弱了識(shí)別錯(cuò)誤設(shè)定模型的能力，增加了犯β錯(cuò)誤的概率（ＥｙｓｅｎｃｋａｎｄＥｙｓｅｎｃｋ，１９６９；卞冉等，２００７）。為了回避測(cè)項(xiàng)組合的缺陷，小編采用內(nèi)容導(dǎo)向法（ｃｏｎｔｅｎｔ－ｏｒｉｅｎｔｅｄ）進(jìn)行測(cè)項(xiàng)組合。這種組合建立在已有理論或小編對(duì)測(cè)項(xiàng)內(nèi)容推理判斷的基礎(chǔ)上。具體而言，是按照測(cè)項(xiàng)內(nèi)容之間的相似性進(jìn)行合并。
在實(shí)證研究中，學(xué)術(shù)界一般采用內(nèi)部一致性系數(shù)（Ｃｒｏｎｂａｃｈα）檢驗(yàn)構(gòu)念測(cè)量的可靠性。我們使用ＳＰＳＳ１５．０統(tǒng)計(jì)軟件，計(jì)算各個(gè)構(gòu)念測(cè)量與測(cè)項(xiàng)組合的內(nèi)部一致性系數(shù)，計(jì)算結(jié)果見(jiàn)表６．６。還有一種判別量表可靠性的指標(biāo)是潛變量的平均提煉方差（ＡｖｅｒａｇｅＶａｒｉａｎｃｅＥｘｔｒａｃｔｅｄ，ＡＶＥ），其值大于０．５０，表明計(jì)量指標(biāo)是可靠的（ＢａｇｏｚｚｉａｎｄＹｉ，１９８８；Ｈａｉｒｅｔａｌ．，１９９８）。關(guān)于Ｃｒｏｎｂａｃｈα應(yīng)該有多大才能表明量表是可靠的，Ｈａｉｒｅｔａｌ．（１９９８）指出，一般情況下，Ｃｒｏｎｂａｃｈα大于０．７０表明量表是可靠的。當(dāng)計(jì)量尺度的項(xiàng)目數(shù)小于６個(gè)時(shí)，Ｃｒｏｎｂａｃｈα大于０．６０表明量表是可靠的。在探索性研究中，Ｃｒｏｎｂａｃｈα可以小于０．７０，但應(yīng)大于０．５０。從表６．６中所顯示的Ｃｒｏｎｂａｃｈα可以看出，均在０．５８～０．８５之間，表明各個(gè)計(jì)量尺度都是比較可靠的。另外，在表６．７中對(duì)角線上的數(shù)值為各潛變量的平均提煉方差（ＡＶＥ），均大于０．５０，說(shuō)明概念模型中各個(gè)計(jì)量尺度是可靠的。還有一種測(cè)量量表可靠性的指標(biāo)是潛變量的復(fù)合信度。潛變量的復(fù)合信度（ｃｏｍｐｏｓｉｔｅｒｅｌｉａｂｉｌｉｔｙ）以個(gè)別潛變量為單位，其值相當(dāng)于該潛變量所屬觀測(cè)指標(biāo)的Ｃｒｏｎｂａｃｈ系數(shù)。Ｎｕｎｎａｌｌｙ（１９７８）的推薦值為大于０．７０。在表６．７中各潛變量的復(fù)合信度均大于界值０．７０，說(shuō)明潛變量有較高的可靠性。

潛變量的復(fù)合信度計(jì)算公式如下：
ＣＲ＝［Ｓｕｍ（ｌｏａｄｉｎｇｓ）］２／｛［Ｓｕｍ（ｌｏａｄｉｎｇｓ）］２＋Ｓｕｍ（ｒｅｓｉｄｕａｌｖａｒｉａｎｃｅ）｝式中，ＣＲ為潛變量的復(fù)合信度，ｌｏａｄｉｎｇｓ為標(biāo)準(zhǔn)化負(fù)荷量，ｒｅｓｉｄｕａｌｖａｒｉａｎｃｅ為觀察變量的測(cè)量誤差。

標(biāo)簽：阜新池州錦州三亞撫順保山聊城盤錦

巨人網(wǎng)絡(luò)通訊聲明：本文標(biāo)題《地理商標(biāo)探索性研究的數(shù)據(jù)分析》，本文關(guān)鍵詞地理,商標(biāo),探索性,研究,；如發(fā)現(xiàn)本文內(nèi)容存在版權(quán)問(wèn)題，煩請(qǐng)?zhí)峁┫嚓P(guān)信息告之我們，我們將及時(shí)溝通與處理。本站內(nèi)容系統(tǒng)采集于網(wǎng)絡(luò)，涉及言論、版權(quán)與本站無(wú)關(guān)。