公职人员绩效考评政治知觉影响因素探究/喻 锋 潘 泠

　　四、数据结果分析

　　（一）基于考评认知量表的因子分组与因子命名

　　在问卷设计阶段，基于考评认知量表中情境的选取就已经呈现出了一定的规律性。根据以往学者的研究以及情境本身的语义，10个情境可以初步分为五个组，其中情境1、2、3都是与考评规则有关的，情境4、5都是与反馈意见有关的，情境6、10都是与解释行为有关的，情境8、9都是与下级部门能动性有关的，只有情境7相对没有呈现出特别明显的分组特征，暂时视为单独一组。而在使用探索性因子分析提取特征根大于1的因子时，10个情境被分为两组，但在组内情境语义上没有显示出良好的一致性，造成命名以及后续分析的困难。本研究认为，可能存在更加优化的分组方式，且很有可能就在两组至五组之间。本研究将逐一予以验证。

　　首先，采用主成分分析法提取特征根大于1的因子，并使用最大方差法进行正交旋转。根据因子分析结果，基于考评的认知量表的10个情境被分为两组，情境1、2、3、4、5为一组，情境6、7、8、9、10为一组，因子累计方差解释率为62.081%。在此基础上，将因子数量的确定方法由特征根法改为固定组数，其余参数设定均保持不变。借此，本研究测试了固定组数分别为三组、四组和五组的情况：当固定组数为三组时，情境1、2、3、4为一组，情境5、6、7为一组，情境8、9、10为一组，因子累计方差解释率上升至68.66%；当固定组数为四组时，情境1、2为一组，情境3、4、10为一组，情境5、6、7为一组，情境8、9为一组，因子累计方差解释率上升至74.936%；固定组数分五组时，情境1、2为一组，情境3、4、5为一组，情境6单独一组，情境7、8、9为一组，情境10单独一组，因子累计方差解释率上升至80.303%。可以发现，固定组数为五组时已经出现了单个情境为一组的情况，继续增加分组很有可能会进一步丧失因子分析用较少条目整合较多信息的功能意义，因此，不必要继续增加分组。另外，对固定组数分五组的情况进一步测试其在使用Oblimin方法直接进行斜交旋转下的分组情况，结果表明，情境1、2为一组，情境3、4、5为一组，情境6单独一组，情境7、10为一组，情境8、9为一组，因子累计方差解释率保持不变。

　　基于上述不同的因子分组，本研究使用AMOS对其逐一进行模型拟合，通过模型拟合度指数的对比，可以确定基于考评的认知量表10个情境的最优分组方式。在AMOS中，以椭圆表示潜在变量，以矩形表示观测变量，以圆形表示误差变量，单箭头表示影响（因果关系），双箭头表示相关性或者共变。本研究以基于考评的认知量表10个情境为观测变量，不同的因子为潜在变量，并以不同的因子分组情况为参照，用单箭头建立观测变量与潜在变量之间的对应关系，并用双箭头建立潜在变量之间的关系，再为每个观测变量建立一个误差变量，便可构建不同的分组模型。将10个情境分为两组对应两个潜在变量的模型为基础，逐个增加潜在变量，可以得到三个因子分组、四个因子分组的模型。值得说明的是，关于模型拟合度各个指数的参考标准，学术界仍存在