作者：菜菜 審核：X  封面：自己想吧

首先，我們來看一下共同方法偏差的定義：共同方法偏差指的是因為同樣的數(shù)據(jù)來源或評分者、同樣的測量環(huán)境、項目語境以及項目本身特征所造成的預(yù)測變量與效標(biāo)變量之間人為的共變。

（1）同一數(shù)據(jù)來源或評分者。由于數(shù)據(jù)從相同被試中獲取而導(dǎo)致預(yù)測源和效標(biāo)變量之間的人為共變。比如采取自我報告法測量帶來的偏差。造成這種差異的機(jī)制主要有：一致性動機(jī)；內(nèi)隱相關(guān)偏差；社會稱許性；寬大效應(yīng)；默認(rèn)傾向；心境狀態(tài)；短暫情緒的影響。

（2）問卷題目特征所造成的偏差。由于項目所具有的特性影響受測者對項目的理解和反應(yīng)而導(dǎo)致的，具體機(jī)制如下：題目的社會稱許性；題目的暗示性；題目的不明確性；量表格式造成的偏差；量表的錨定；正反向編碼項目導(dǎo)致的偏差。

（3）問卷內(nèi)容偏差。問卷內(nèi)容偏差主要是語境效應(yīng)導(dǎo)致，語境效應(yīng)是指由于某個題目與構(gòu)成該測量工具的其他項目之間的上下文聯(lián)系所造成的被試對該題目獨特的理解和解釋。具體分為：項目啟動效應(yīng)；項目嵌套；語境誘發(fā)情緒；量表長度；不同構(gòu)念項目的混合。

（4）測量環(huán)境導(dǎo)致的偏差。主要有：測量時間和地點帶來的誤差；使用相同的測量方法導(dǎo)致的偏差。

（1）程序控制方法：這種方法主要是從偏差的來源進(jìn)行控制的，所以研究者應(yīng)該首先考慮程序控制，在問卷設(shè)計和測量上盡量減少共同方法偏差來源，降低共同方法偏差的產(chǎn)生。程序控制的方法主要有以下幾種：從不同來源測量預(yù)測與效標(biāo)變量。對測量進(jìn)行時間、空間、心理、方法上的分離。采用匿名測評，保護(hù)反應(yīng)者的匿名性、減小對測量目的的猜度。合理設(shè)置問題的順序。合理設(shè)置問卷長度。

（2）統(tǒng)計檢驗和控制方法：程序控制雖然能從根源上減少共同方法偏差的產(chǎn)生，但是在實際的實驗設(shè)計和測量操作過程中，由于現(xiàn)實的環(huán)境和條件限制，程序控制也只能是減少共同方法偏差的來源，而無法完全消除共同方法偏差，這時就需要在數(shù)據(jù)分析時采用統(tǒng)計的方法來進(jìn)行檢驗和控制，進(jìn)一步降低共同方法偏差對研究的影響。具體檢驗和控制方法有6種：Harman單因素檢驗；偏相關(guān)法；潛在誤差變量控制法；多質(zhì)多法模型；相關(guān)獨特性模型；直接乘積模型。關(guān)于這方面的文字內(nèi)容這里不再贅述，感興趣的同學(xué)可以自行參考文獻(xiàn)內(nèi)容（參考文獻(xiàn)附在文后）。

下面我們來介紹操作部分，這里主要介紹Harman單因素檢驗SPSS操作和Amos潛在誤差變量控制法操作。

（1）Harman單因素檢驗SPSS操作：Harman單因素檢驗法的優(yōu)點是簡單易用，但是沒有任何控制方法效應(yīng)的作用。一般不建議用這種方法做共同方法偏差檢驗。但是論文中使用的較多，所以存在就有其合理性。具體操作如下：

首先打開數(shù)據(jù)，流程是“分析——降維——因子分析”，其實這個操作和探索性因子分析很相似。但是，請注意，敲黑板?。汗餐椒ㄆ畹牟僮魇牵阉辛勘眍}目均放入“變量”窗口，然后，變量右側(cè)的按鈕全部是默認(rèn)狀態(tài)，不需要進(jìn)行任何操作，直接點擊“OK”鍵輸出結(jié)果。

結(jié)果解讀：直接查看“解釋的總方差”表格，讀取第一公因子的方差解釋百分比，一般只要第一個公因子的方差解釋百分比小于40%，就可以認(rèn)為不存在嚴(yán)重的共同方法偏差。也有的研究規(guī)定是小于30%，常用的臨界標(biāo)準(zhǔn)是40%。如圖所示,此量表提取了3個公因子，第一個公因子的方差解釋百分比為37.015%，小于40%，可以認(rèn)為此量表不存在嚴(yán)重的共同方法偏差。再次敲黑板：同學(xué)們在表述時一定要注意措辭，在實際研究和操作中，方法變異基本是無法完全消除的，所以，不管檢驗結(jié)果中的第一個公因子的方差解釋百分比多小，請不要表述為“本量表不存在共同方法偏差”，除非你是在絕對理想的實驗設(shè)計和真空中進(jìn)行的操作。

（2）潛在誤差變量控制法的Amos操作：這種方法是在結(jié)構(gòu)方程模型中，將共同方法偏差作為一個潛變量加入模型，如果在包含方法偏差潛變量情況下模型的顯著擬合度優(yōu)于不包含共同方法偏差潛變量的情況，那么共同方法偏差效應(yīng)就得到了檢驗，而包含共同方法偏差潛在變量的模型，對于預(yù)測與效標(biāo)變量關(guān)系的估計則控制了共同方法偏差。具體操作如下：

現(xiàn)在我們直接來比較兩個模型：沒加入共同方法偏差的因子分析模型（上圖）和加入共同方法偏差為潛變量的模型（下圖）。加入共同方法偏差潛變量的模型，在設(shè)定模型時，需要注意兩點：因為共同方法偏差對每個觀察變量的影響是相同的，所以從共同方法偏差潛變量到觀察變量的路徑系數(shù)（圖中橢圓形內(nèi)是路徑）是相同的，要設(shè)定為相同的字母；其次，為了正常擬合模型，需要為共同方法偏差潛變量設(shè)置限定條件，我們設(shè)定共同方法偏差潛變量的方差為1（圖中小方形內(nèi)）。

然后導(dǎo)入數(shù)據(jù)，運行查看擬合結(jié)果。將兩個模型的各相關(guān)擬合指標(biāo)進(jìn)行對比，如下表所示。對結(jié)果的解釋，加入共同方法偏差潛變量后，擬合指標(biāo)變好，比如說CFI 和 TLI 提高幅度超過0.1 ，RMSEA和RMR的降低幅度超過了0.05，就表明存在顯著的共同方法偏差。擬合指標(biāo)有很多，并不需要都進(jìn)行匯報，根據(jù)自己需要選擇匯報就行，但是卡方值和RMSEA是必須要匯報的。我們看表格中的輸出數(shù)據(jù)：加入共同方法偏差后，卡方值提高0.095，RMSEA值提高0.006，CFI和TLI的值沒有提高，反而降低，說明加入共同方法偏差潛變量后，模型的擬合指標(biāo)并沒有變好，說明不錯在顯著的共同方法偏差。

a) χ2：卡方值，檢驗選定的模型協(xié)方差矩陣與觀察數(shù)據(jù)協(xié)方差矩陣相匹配的假設(shè)。原假設(shè)是模型協(xié)方差陣等于樣本協(xié)方差陣。如果模型擬合的好，卡方值應(yīng)該不顯著。在這種情況下，數(shù)據(jù)擬合不好的模型被拒絕。

b) RMR:殘差均方根，RMR 是樣本方差和協(xié)方差減去對應(yīng)估計的方差和協(xié)方差的平方和，再取平均值的平方根。RMR應(yīng)該小于0.08，RMR越小，擬合越好。

c) RMSEA：近似誤差均方根，RMSEA應(yīng)該小于0.06，越小越好。

d) GFI：擬合優(yōu)度指數(shù)，范圍在0和1間，但理論上能產(chǎn)生沒有意義的負(fù)數(shù)。按照約定，要接受模型，GFI 應(yīng)該等于或大于0.90。

e) PGFI：簡效擬合優(yōu)度指數(shù)。它是簡效比率(PRATIO，獨立模式的自由度與內(nèi)定模式的自由度的比率)乘以GFI。PGFI 應(yīng)該等于或大于0.90，越接近1越好。

f) PNFI：簡效擬合優(yōu)度指數(shù)，等于PRATIO乘以 NFI。PNFI應(yīng)該等于或大于0.90，越接近1越好。

g) NFI ：規(guī)范擬合指數(shù)，變化范圍在0和1間， 1 = 完全擬合。按照約定，NFI 小于0.90 表示需要重新設(shè)置模型。越接近1越好。

h) TLI：Tucker-Lewis 系數(shù)，也叫做Bentler-Bonett 非規(guī)范擬合指數(shù) (NNFI)。TLI接近1表示擬合良好。

i) CFI：比較擬合指數(shù)，其值位于0和1之間。CFI 接近1表示擬合非常好，其值大于0.90表示模型可接受,越接近1越好。