面子价值观与抑制建言关系探究/夏静波 徐红香 柯彤萍

　　组织支持采纳Wayne S.，Shore L.和Linden R.（1997）所提出的基于Eisenberger的36题项的简化量表，共9个项目，包括“单位很重视我的工作目标与价值”等内容。该量表的Cronbach’s α系数为0.947。

　　面子价值观采纳王庆娟和张金城（2012）开发的工作场所中儒家价值观量表的“面子原则”维度，共3个项目，包括“即使和同事有利益冲突，也不能轻易撕破面子”等内容。该量表的Cronbach’s α系数为0.866。控制变量包括年龄、性别、教育程度和职级［5］。

　　（三）分析策略

　　本研究首先采用AMOS17.0软件来分析所有变量组成的测量模型以判别其效度。依相关研究建议，选择x2/df、TLI、CFI、RMSEA和SRMR这5个指标来衡量测量模型的拟合程度，临界判断值采纳以下标准：x2/df不大于3，TLI和CFI不小于0.90，RMSEA不大于0.08，SRMR不大于0.1。

　　本研究的主要分析通过SPSS 20软件和SPSS PROCESS宏程序（213版本）来完成。根据Hayes（2013）的建议，研究中Bootstrapping分析采用5000次重复取样，构造95%偏差校正的置信区间。如果置信区间的下限和上限之间不包括零，那么就说明相应的效应是显著的。

　　四、数据分析与结果

　　（一）验证性因子分析

　　为了检验本研究所涉及变量的构念区分性，利用Amos 17.0对面子原则、负面预期、组织支持和抑制建言进行了验证性因子分析。所有测量项目的标准化载荷都大于0.65，因子载荷的t检验结果都达到0.001的显著水平，这表示同一因子下的测量项目，能有效反映同一构念。此外，模型的各项拟合度指数均尚可（x2/df=2.33，CFI=0.943，TLI=0.936，RMSEA=0.069，SRMR=0.04），具有良好的区分效度，详见表1。

　　（二）描述性统计分析

　　各变量均值、标准差和相关系数如表2所示。面子原则与抑制建言显著负相关（r=-0.265，p<0.01），并且面子原则与负面预期显著正相关（r=0.625，p<0.01），组织支持与负面预期显著负相关（r=-0.648，p<0.01）。这些结果为本研究的相关假设提供了初步支持。

　　（三）研究假设的检验

　　对于负面预期在面子原则与抑制建言之间中介作用的判定，本研究采用目前比较主流的观点，即用Bootstrapping方法分析自变量到中介变量的回归系数和中介变量到因变量的回归系数的乘积项是否显著不为零，具体操作是采用PROCESS宏程序的Model 4进行分析。结果如表3、表4、表5所示显示，面子原则到负面预期的直接效应是显著的正向关系（β=0.48，p<0.001），假设H2a得到支持；负面预期与抑制建言之间存在显著的负向关系（β=-0.29，p<0.05）。此外，面子原则到抑制建言的总效应是显著的负向关系（β=-0.319，p<0.001）。当排除了负面预期（中介变量）的影响之后，面子原则产生的直接效应的显著性大大降低（β=-0.18，p<0.05），这表明负面预期充当了部分中介的作用。面子原则通过负面预期影响抑制建言的中介效应为-0.14（置信区间为［0.25，0.036］）。由于置信区间未包含零，因此该中介关系是显著的，假设H2b得到了支持。

　　为了验证组织支持的调节效应（此处应是“第一阶段被调节的中介作用”），采用PROCESS宏程序的Model 7进行分析，结