第三节 研究方法与技术路线

一 总体研究方法

总体来说，本研究采取规范分析和实证研究相结合的方法。

在规范研究中，使用理论推演和文献分析的方法，在对相关领域的文献进行分析和理论推演的基础上，结合我们的研究主题进行分析和讨论，以形成本研究的理论模型的架构，用案例分析法对该模型进行初步的阐释。

在实证研究中，运用文献研究结合深度访谈的方法探寻了解能够解释模型中具体变量的测量指标，然而根据指标形成量表并设计调查问卷，并对所得数据运用统计软件分析，以验证本研究提出的理论模型，并对模型的细节进行修正。

二 数据分析与检验方法

在数据分析和检验中，运用了信度分析、效度分析、因子分析、独立样本T检验、单样本T检验、方差分析、相关分析、一元及多元回归分析、中介和调节效应检验等方法。

（一）频数分析

频数是指变量值落在某个区间的次数，一般用百分比、有效百分比来体现，为了更直观还可以画条形图或者饼状图。在本研究中主要是通过频数分析来了解被访者的年龄、性别、学历、收入、所在地、媒介习惯等特征，通过分析观察本调查的样本是否具有总体代表性。

（二）信度分析

“信度分析是一种测度综合评价体系是否具有一定的稳定性和可靠性的有效分析方法。”信度分析是对之前的量表的有效性进行的必要的研究。量表信度分为内在信度和外在信度。内在信度分析考察量表中项目之间是否具有较高的内部一致性。在SPSS中我们主要采用克朗巴哈α系数来检测量表的内部一致性。克朗巴哈α系数的数学定义为：α=kr/ [（k-1）r+1], k代表量表题数，题间的平均相关系数为r。通常克朗巴哈α系数的值在0和1之间。在本研究中采用的判断标准为：如果低于0.6，一般认为内部一致信度不足；达到0.7～0.8，表示具有相当的信度，若达到0.8～0.9时则说明测量工具的信度非常好。外在信度的测量，是指不同时间考察同批被评估对象时结果的一致性，在本研究中考察同时参加预试调查和正式调查的同一部分人的调查结果是否一致。

（三）效度分析（因子分析）

效度是指测量工具或手段能够准确测出所需测量事物的程度，包括内容效度、表面效度、建构效度等。在前面进行量表设计时，笔者已经采用了专家访谈的方法，对量表的测量项给出专业建议，删除不合适的项目，可以提高量表的内容效度和表面效度。在本研究中主要用SPSS软件进行结构效度的测量。学者普遍认为，“效度分析最理想的方法是利用因子分析测量量表的结构效度”。

因子分析是一种从变量群中提取共性因子以达到降维目的的统计方法，在本研究中主要使用的是探索性因子分析，并配合验证性因子分析。在因子分析检验效度方面，本研究选取三个主要的检验指标：一是因子载荷，本研究选取大于0.55是比较有意义的；二是变量共同性，变量共同性越大，说明丢失信息越少，本研究标准为大于0.5；三是因子的方差贡献率，本研究按照惯例抽取的因子累计方差贡献率以达到60%以上为标准。

（四）单样本T检验

单样本T检验的目的是检验单个变量的均值与给定的常数（指定的检验值）之间是否存在显著差异。设定值可以自己任意设定，为了检验中立，设定值国际标准一般设定为3。本研究中单样本T检验主要用于进行现状分析，检验用户答卷时在一个维度上的偏好或者感知状态。

（五）独立样本T检验和单因素方差分析

独立样本T检验和单因素方差分析在本研究中用于分析不同的人口统计变量在激励用户过程中的心理和行为上是否存在显著差异。如果检验两个独立类别的差异，如性别、所在地，需要用到的是独立样本T检验。

方差分析的意义是比较不同类别在某一个指标上是否存在差异，和独立样本T检验的区别在于独立T只能比较两类在某一个指标上的差别，而方差分析比较的是三类及以上在某一指标上的差别。此外，方差分析对于有显著差异的还需要继续进行两两比较（两两比较的方法即继续执行独立样本T检验），或者通过均值图来反映具体的差异状况。

（六）线性相关分析

相关分析是本研究中使用的主要研究方法之一。变量间存在相关关系是研究变量间的影响关系的前提。“相关分析是用于研究现象之间是否存在某种依存关系，并探讨具体有依存关系现象的相关方向以及相关程度”，变量间关系的密切程度的大小用相关系数来衡量。由于本研究涉及的变量都是连续变量，因此本研究的相关分析用到的方法是线性相关。相关系数r用Pearson相关系数表示，Pearson相关系数为正数代表正相关，两者同升同降，Pearson相关系数为复数则代表负相关。Pearson相关系数绝对值的大小代表了两个变量间关系的密切程度。在显著性方面，若P＜0.05，则拒绝零假设，说明变量间存在显著的相关关系。

（七）一元/多元线性回归分析

在变量间存在相关性的基础上，若要分析变量间一个或几个变量精确地决定或者影响另一个变量的程度，就要用到回归分析。回归分析可以确定两种或两种以上变量间相互依赖的定量关系，并且确定变量间的因果关系。通过回归分析可以明确激励过程中变量或者因子间的因果关系以及变量间影响的程度。在本研究中自变量与因变量为线性关系，因此本研究中包含一个自变量的一元线性回归，和两个或两个以上自变量的多元线性回归。

对于线性回归分析来说要检验的参数较多，首先要对回归方程模型进行检验，包括R2即模型的拟合度，F检验是检验线性关系是否成立，T检验用来检验回归系数的显著性，Durbin-Watson值是检验模型是否存在伪回归，残差需要检验是否通过正态性和独立性检验。另外对于多元回归，要进行观察容许度（Tolerance）和方差膨胀因子（VIF）的值以检验自变量之间是否存在多重共线性的问题。通过回归分析，最终可以得到回归方程Y=aX+e或Y=aX1+bX2+cX3…. +e，其中a、b、c…代表了回归系数，即自变量影响因变量的精确程度。

（八）调节效应检验

本研究中有三个假设的验证都需要运用调节回归，调节回归是包含调节变量的线性回归。调节变量的定义：如果变量Y与变量X的关系是变量M的函数，那么称M为调节变量。换句话说，Y和X的关系受到第三个变量M的影响，具体如图1-2所示。

调节变量M有很多种类型，根据不同类型的调节变量，调节回归的做法也不相同，在本书的检验中调节变量和自变量都是连续性变量，用到的方法如下。

首先建立以下回归方程：模型1: Y=aX+bM+e，模型2: Y=aX+bM+cXM+e，回归1的拟合系数为R12，回归2的拟合系数为R22，如果R22显著高于R12；或者XM的回归系数显著，那么说明调节效应是显著的，反之则调节效应不显著。

（九）中介效应检验

中介效应是指变量间的间接影响关系，即自变量X不是直接影响因变量Y的，而是通过影响中间变量M而间接影响因变量Y的。本书需要验证的中介效应为三变量中介效应检验，参照温忠麟教授的检验方法建立方程及模型，如图1-3所示。

根据以上的回归方程及模型，中介效应的检验步骤如下：检验Y=cX+e1方程中的回归系数c是否显著，如果c显著，则需要进一步进行检验，如果不显著，则说明X对Y不存在显著影响，中介检验停止。第一步得出c显著之后，需要继续对方程M=aX+e2进行回归系数a检验，如果a显著，则仍然需要进一步检验，如果不显著，则中介检验停止。在第二步得出系数a显著之后，需要继续检验方程Y=c′X+bM+e3。该回归方程中有2个回归系数，首先检验回归系数b，如果b显著，说明中介效应显著。此时，还需要继续检验c′，若c′显著，则说明是不完全中介效应；如果不显著，则说明是完全中介效应，X完全通过M对Y产生影响。将上述的检验方法直观地做成图，结果如图1-4所示。

三 研究的技术路线

按照美国社会学家华莱士（1971）在《社会学中的科学逻辑》一书中提出的科学研究的基本逻辑模型——“科学环”，本书的研究路线是“问题—理论—假设—收集资料—检验—理论”。具体来说，就是在研究问题确定后，先从现有理论入手，运用演绎从一般到特殊，得出假设，再由假设导致调查，然后用实证资料形成的经验概括来检定假设，最后回归理论层面，充实理论或者修改理论。

通过对管理激励理论、消费者心理学及行为学的理论进行推演，得出本书的核心——数字营销传播中对用户的参与行为进行激励的模型框架，运用行业的典型案例分析对该模型进行佐证，然后通过实证研究对该模型进行进一步的验证。分别运用深度访谈法和文献研究法了解并确定用户参与的激励过程中起影响作用的因变量有哪些，然后设计调查问卷进行统计分析，得出影响用户参与行为的激励因子，并对原模型进行修正。最后基于实证研究所得到的激励模型建立激励机制并制定科学的激励策略，建立起可用于营销实践的数字营销传播中用户参与激励体系。