實證論文數據析方法解（周健整理）以下面研模型為例來明實證論文數分析方法

修訂日：2010.12.8變革型領導

組織認同交易型領導

工作績效回避型領導

領導成員交換名稱

變量類型

在SPSS軟件中的簡稱（自己設定的代號）變革型領導交易型領導回避型領導認同和內部化領導成員交換工作績效

自變量1zbl1自變量2zbl2自變量3zbl3調節變量TJ中介變量ZJ因變量YB調節變量：如果自變量與因變量的關系是變量M的數稱變量M為節變量。也就是領導風格（自變量）與工作績效（因變量）的關系受到組織認同（調節變量）的影響，或組織認同（調節變量）在領導風格（自變量）對工作績效（因變量）影響關系中起到調節作用。具體來說，對于組織認同高的員工，變革型領導對工作績效的影響力，要高于組織認同低的員工。中介變量：如果自變量通過影響變量N來實現對因變量的影響，則稱N為介變量。也就是，領導風格（自變量）對工作績效（因變量）影響作用是通過領導成員交換（中介變量）的中介而產生的。研究思路及三個主要部分組成：領導風格對于員工工作績效的主效應MainEffects）研究。組織認同對于不同領導風格與員工工作績效之間關系的調節效應（ModeratingEffects）研究。領導成員交換對于不同領導風格與員工工作績效之間關系的中介效應（MediatorEffects）研究。word檔可自由復制編輯目

錄～～32～～～～3把4～～～～～～52～～～～5～～～～～～～～～～～～～～～～～～～～～～～6～～～～～～～～～～～～～～～～～～～～～～～8～～～～～～～～～～～～～～～～～～～～～～～912～～～～～～～～～～～～～～～～～～～～～～2～～～～～～～～～～～～～～～求值～～13量量～～～～13～～14～～14～～18～22word檔可自由復制編輯《查問卷表》中數據預先處理1.1剔《調查問卷表》中有內容對立的題項，主要是測試答題人是否認真閱讀和填寫本調查問卷表而設置的，例如：2.2題我在決策過程當中經常發表了自己的意見。2.8題在決策中我沒有發表意見的機會。可供的回答選項如下：

完不符合

比不符合

有符合

比符合

完符合如果答題者題回答選，做題回答卻選，這份調查問卷無效。該調查問卷所有數據應事先刪除，即：這份調查問卷不能用做數據分析。有效

的回答為：如果2.2題的答做2.8題的回答選或，如果2.2題選，那么2.8題選。……等等（依此類推，在此不全部列出）1.2重輸入在Excel中的《調查問卷表》數據項，例如：最高學歷、性別、年齡，當前工作時間，等等，諸如此類的描述統計的項目被統稱為控制變”數據導入之中事先高學歷等控變進行了歸類和重新定義，例如：性別的重新定義：男性表示1女性表示2年齡的重新定義：25歲下表示為125～歲表示30～歲表示35～歲表示40歲上表示為5當前工作時間的重新定義：1年以下表為1～年表為23～年表為35～年表為48年以上表為……等等（依此類推，對其他控變量進行適當的定義）word檔可自由復制編輯把Excel數據導入到SPSS軟件的方法操作方法打開程，點擊在左上角的File—————對話框的“文件類型”項中選擇格”——選擇你要導入的E數文件——點擊“打開——在對話框中的”項定義提取Excel表數據的圍“最左上角:最下角如:HW217據動導入到表中，在DateView頁中確認一下數據是否少讀或多讀不需要的信息。（注意：在對話框選項“namesformthedate”上打勾或不打勾，對定義Excel表數據的范圍有影響，所以要確認一下數據是否少讀或多讀不需要的信息）從“View頁面轉到VariableView頁面，根據最左邊的Name”對應“調查問卷”中的問題項，在”列中標明自變量1、自變量2、自變量3調節變量、中介變量、因變量。Q1:在Label”列中標注什么代號？A1:根據個人的喜歡和方便識別、記憶可自定義，本文的標注是：自變量1zbl1自變量2zbl2自變量3zbl3調節變量TJ中介變量ZJ因變量YBQ2:怎樣知道哪幾行是自變量、哪幾行是自變量、……、哪幾行是因變量？A2:導會事先告訴你，在《調查問卷表》中哪些問題項是屬于自變量1哪些問題項是屬于自變量、……、哪些問題項是屬于因量。對照《調查問卷表》中各問題項的排列順序找SPSS中相應的“行”并作上述標注。注意數據較，不要錯行這樣會致運了其他相關的數據造成錯!確所有的變量中有無“反向計”項在做效度分析之前，先要看清楚《調查問卷表》中被選作變的問卷目有沒有“向計分的？每個變量所應的問卷題目內容再仔細地一題一題確認一遍“向計分”題是指在同一變量中與其他題目邏輯相反的題。例如：5.1題5.2題。5.3題我的。←假這3道題都于一量第5.3word檔可自由復制編輯題其題邏相，題是反向分。做據析，題的分與它相，此先對題計進轉，換法如3.2說明3.1如果沒有反向計分題過3.2的步驟3.2操作方法：Transform———Different——在左邊的框中找到“反向計分”的項并點擊放入→Variable框內——在右邊框輸入新的名字如（表變量反向計分項—點OldandNewValues后入另一個對話框如你《查問卷表中該題是1~5計范圍，那么按以下方法輸入：在Old框中鍵入1后在NewValue框鍵入5點擊Add按；在Old框中鍵入2后在NewValue框鍵入4點擊Add按；在Old框中鍵入4后在NewValue框鍵入2點擊Add按；在Old框中鍵入5后在NewValue框鍵入1點擊Add按；最后，按按鈕，完成計分轉換的設定，再按OK鍵成。生成新的行，即：自變量向計分項（代號現View頁面所有數據行的最下面。不遺的意：在此后的運算（效度分析，信度分析，求均值，凡是涉及到要使該項時，均用新生成的自量2反向計分項（代號：）代替原有項進行運算。word檔可自由復制編輯效分析操作方法：—Reduction—Factor—在左邊的框中把所有自變量的項（標注為）都放到框去，點擊OK完成自變量的效度分析。重復以上操作，自變量2自變量3調節變量、中介變量、因變量都要分別做效度分析。結果如下要Copy必要的數據即可，不用把生成的所有結果都出）判斷標準：看表Component的值，如果全部都在以上就有效，以上載荷就好；如果出現載荷小于0.5的量題項那么就篩除該題項。篩除方法：記住該變量的題項在下表ComponentMatrix(a)位置順序，并在軟的“View”頁中找到相對應的數據行，在”中刪除先前標注的變量代號，總而言之，就是今后在做任何運算時都不要用到該項。結果如下bl1變量1）變革型領導ComponentMatrix(a)Component1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1zbl1

.732.763.740.790.786.803.777.711.778.788.789.770.768.770.816.784.762.760ExtractionMethod:PrincipalComponentAnalysis.a1componentsextracted.word檔可自由復制編輯bl2變2交易型領導ComponentMatrix(a)Component1zbl2zbl2zbl2zbl2

.809.803.792.810ExtractionMethod:PrincipalComponentAnalysis.a1componentsextracted.bl3變量3）回避型領導ComponentMatrix(a)Component1Zbl3Zbl3Zbl3Zbl3Zbl3Zbl3Zbl3Zbl3

.839.897.713.884.796.819.821.514……等等（此處省略，不一一列出各表格）根據以這些結果作下面這的表格放在文中即（在論中表格居中放置如下：變革型領導的因子載荷矩陣Component1變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導

.732.763.740.790.786.803.777.711.778.788.789word檔可自由復制編輯變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導變革型領導

.770.768.770.816.784.762.760……等等（依此類推，作出各變量表格放在論文中）信分析操作方法：Analyze——Reliability—在左邊的框中把有自變量1的項（標注為zbl1全都放到框中去，點擊OK，完成自變量信度分析。重復以上操作，自變量、自變量3、調節變量、中介變量、因變量都要分別做信度分析。結果如下要Copy出要的數據即可，不用把生成的所有結果都出）判斷標準：看表Cronbach'sAlpha值，如果全部都在0.7度以上就可以接受；如果信度小于，么就要檢查否存在反向計分的題項，或者有些題項信度太低影響總的信度水平，排除這個題項后再算信度看看是否改善。如果發現這類情況，那么今后在做任何運算時都不要用到該題項。變量）變革型領導ReliabilityStatisticsCronbach'sAlpha

NofItems.960

18變）交易型領導ReliabilityStatisticsCronbach'sAlpha

NofItems.816

4變）回避型領導ReliabilityStatisticsword檔可自由復制編輯Cronbach'sAlpha.870

NofItems8節變量）認同和內部化ReliabilityStatisticsCronbach'sAlpha

NofItems.864

3ZJ

（中介變量）領導成員交換ReliabilityStatisticsCronbach'sAlpha.902

NofItems6YB變量）工作績效ReliabilityStatisticsCronbach'sAlpha

NofItems.873

4根據以這些結果作下面這的表格放在文中即（在論中表格居中放置如下：分量表信度分析匯總表變量類別自變量調節變量中介變量因量

分量表變革型領導交易型領導回避型領導組織認同領導成員交換員工績

Cronbach'sAlpha.960.816.870.864.902.873描統計描述統計的對象本文的《調問卷表》中：最高學歷、性別、年齡，當前工作時間，等等為描述統計的對象（一般統計員工的數據，有必要時才統計領導數據這些對被統稱為“制變量”（事先在數據入前，在EXCEL表中先進行歸和重新義具參見第3頁1.2節內容）word檔可自由復制編輯操作方法Analyze—Statistics—Frequencies—在左邊的框中把所控制變（如：最高學歷、性別、年齡，當前工作時間、等等）全都放到框去，點擊OK完成描述統計。Q1左邊的框中”怎樣知道哪個是最高學歷、哪個是性別，哪個是齡……等等代號：照《調查問卷表》中各問題項的排列順序找SPSS中相應的“行標結果如下要Copy出要的數據即可，不用把生成的所有結果都出來）年齡CumulativeValid1Total

Frequency2445575534215

Percent11.220.926.525.615.8100.0

ValidPercent11.220.926.525.615.8100.0

Percent11.232.158.684.2100.025歲以下25～歲30～歲35～歲40歲以上當前工作間

表示為1表示為2表示為3表示為4表示為5CumulativeValid

Total

Frequency2646484649215

Percent12.14348100.0

ValidPercent12.14348100.0

Percent12.133.555.877.2100.01年以下表為1～年表為23～年表為35～年表為48年以上表為……等等（此處省略，不一一列出各表格）然后根這些結果作下面這的表格放在文中即（在論文中格要居放置）如下：注意：下表只是為了說明表格的制作式樣和方法，所以復制了與本文有些不相關的內容和數據。word檔可自由復制編輯項目性質類型規模

類別外商獨資中外合資國家企業民營企業其他生產制造商務貿易房地產金融服務業其他100人下人500-1000人1000人以上

被試的組織特征人數（個）9453301671203624106410436780

人數百分比（）47%27%15%8%4%60%18%12%5%3%2%5%22%34%40%

有效率（）100100100被試的員工特征項目最高學歷性別年齡當前工作間

類別初中高中中專大專本科碩士Total男女Total25以下25~3030~3535~4040以上Total1年以下1~3年3~5年5~8年8年以上Total

人數（個）45484757182151239221524455755342152646484649215

百分比(%)20.922.321.926.58.4100.057.242.8100.011.220.926.525.615.8100.012.14348100.0

有效百分比(%)20.922.321.926.58.4100.057.242.8100.011.220.926.525.615.8100.012.14348100.0

累計百分比(%)20.943.365.191.6100.057.2100.011.232.158.684.2100.012.133.555.877.2100.0word檔可自由復制編輯7.各變量相關系數7.1以自變量自變量自變量調節變量中介變量因變量

生成新的1行zbl1junzhi生成新的1行zbl2junzhi生成新的1行zbl3junzhi生成新的junzhi生成新的1行生成新的1行操作方法：——Compute——TargetVariable框鍵入名稱（自己定這里是鍵入了zbl1——在Functiongroup框選Statistical后在下方的表中選定并雙擊，此時在NumericExpression框出現了（，——放入所有屬于自變量1（）的各項到MEAN（zbl1zbl1zbl1…）各項之間用逗號分開——點擊OK鍵——生成新的1行變1均代號junzhi現在“View”面所有數據行的最下面1行重復以上操作，分別生成各自新的1行即：自變量值（代號zbl2junzhi變量（代號：…因量均值（代號7.2做操作方法：

———Bivariate—把自變量的均（zbl1junzhi自變量的均值junzhi變3的均（junzhi節量的均TJjunzhi量的均junzhi變量的均）都放入“”中——點擊OK結果如下：Correlationszbl1zbl2zbl3TJjunzhiZJ

PearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)NPearsonCorrelationSig.(2-tailed)N

bl1junzhi1215.891(**).000215-.891(**).000215.758(**).000215.897(**).000215

bl2junzhi.891(**).0002151215-.789(**).000215.695(**).000215.829(**).000215

bl3junzhi-.891(**).000215-.789(**).0002151215-.691(**).000215-.815(**).000215

TJjunzhi.758(**).000215.695(**).000215-.691(**).0002151215.745(**).000215

ZJjunzhi.897(**).000215.829(**).000215-.815(**).000215.745(**).0002151215

YBjunzhi.865(**).000215.804(**).000215-.797(**).000215.726(**).000215.837(**).000215word檔可自由復制編輯unzhi

PearsonCorrelationSig.(2-tailed)N

.865(**).000215

.804(**).000215

-.797(**).000215

.726(**).000215

.837(**).000215

1215**Correlationissignificantatthe0.01level(2-tailed).表中變量的含義為：：變革型領導：交易型領導：避型領導

調節變量—認同和內部化：中介變量—領導成員交換YB：因變量—工作績效將上面結果作出下這樣的格放在論文即（在論頁面中表格居中放如下：各變量之間的相關矩陣變革型交易型回避型組織認同領導成員交換員工工作績效

變革型1.891(**)-.891(**).758(**).897(**).865(**)

交易型1-.789(**).695(**).829(**).804(**)

回避型1-.691(**)-.815(**)-.797(**)

組織認同1.745(**).726(**)

領導成員交換1.837(**)

工作績效1**Correlationissignificantatthe0.01level(2-tailed).8.回歸分析8.1使用各均求值自變量均值zbl1junzhi自變量均值zbl2junzhi自變量均值zbl3junzhi調節變量的均值TJjunzhi中介變量的均值junzhi因變量的均值YB

生成新的行Zzbl1junzhi生成新的行Zzbl2junzhi生成新的行Zzbl3junzhi生成新的行Zjunzhi生成新的ZZJjunzhi生成新的行ZYBjunzhi操作方法：Analyze—DescriptiveStatistics———把上述變的均放到框中去，并在左下角的savevariables"的選項打勾后，按——生成新的1行，即Z運算后的各變量，出現在“Variable”頁面所有數據行的最下面幾行。8.2自量Z值量Z值自變量的Z值調節變量的Z值自變量的Z值調節變量的Z值自變量的Z值調節變量的Z值

生成新的1行Zzbl1生成新的1行Zzbl2生成新的1行Zzbl3操作方法：——Compute——Variable框鍵入名稱（自己定我這里是鍵入了—在左邊的框中選定自變量1的Z值放Expression框并入乘號*之入調節變量的Z值——點word檔可自由復制編輯擊OK鍵—生成新的1行變量1Z值調節變量的Z（代號：Zzbl1ZTJ現View”頁面所有數據行的最下面1行重復以上步驟，分別算出：自變量的Z值調節變量的Z值自變量的Z值調節變量的Z值8.3進8.3.1調作用分析：操作方法：

Analyze——Regression——Linear先在Dependent框中放入因變量值計）再在Independent框中：第一步、依次放入各控制變（不用均值值計算：高學歷、性別、年齡……等，按“NEXT”鍵繼續一步。第二步、依次放入已Z值計算的自變1、自變2、自3，按“NEXT鍵繼續下一步。第三步、放入已Z值計算的調節變量，按NEXT”繼續下一步。第四步、把以8項作生成3對自變量值調節變Z的乘依次放入完成以上四步驟后，點擊對話框的左下角Statistics鈕，進入一個新的對話框，在“SquaredChange”項上打勾選中。最后按“OK”鍵，運算完成。得到如odelSummary和NOVA(e)表表中用整理后用在論文中。

紅和影示數

是ModelR

AdjustedRRSquareSquare

ModelSummaryStd.ErroroftheEstimate

ChangeStatisticsRSquareChange

FChange

df1

df2

Sig.FC

.212(a).877(b).882(c).895(d)

.045.770.778.801

.017.759.768.788

.99134691.49047285.48210725.46039112

.045.725.009.022

1.625214.9128.1767.566

6313

208205204201aPredictors:(Constant),V198,V194,V193,V195,V196,V197Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi)

用于判斷RS幾顆星是該用出現在論文dPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi),Zbl1Ztj,Zbl2Ztj,Zbl3Ztjword檔可自由復制編輯ANOVA(e)SumofModel

Squares

df

MeanSquare

F

Sig.1RegressionResidual

9.584204.416

6208

1.597.983

1.625

.142(a)Total

214.000

2142RegressionResidual

164.68449.316

9205

18.298.241

76.064

.000(b)Total

214.000

2143RegressionResidual

166.58547.415

10204

16.658.232

71.672

.000(c)Total

214.000

2144RegressionResidual

171.39642.604

13201

13.184.212

62.202

.000(d)Total

214.000

214aPredictors:(Constant),V198,V194,V193,V195,V196,V197

用于判斷為顆Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(TJjunzhi),Zbl1Ztj,Zbl2Ztj,Zbl3ZtjDependentVariable:Zscore(YBjunzhi)

但是該數據不用在論文中在到如所

Coefficients(a)

表結中取Bate數，根Sig列的數在eta值打號在論的格不要現sig據。打星的別標準如下Sig.0.01~0.05為*Sig.0.001~0.01為**Sig.0.001以為***備注：只要滿足以上區間要求，不管StandardizedCoefficientsBeta是是負，都要相應數據旁標上相應的星數。Coefficients(a)StandardizedModelCoefficientsBetaword檔可自由復制編輯

Sig.1

(Constant)

.542V193V194

.020-.020

.785.767V195

-.217

*

.020V196

.088

.419V197V198

.229-.191

**

.049.0482

(Constant)

.115V193

-.017

.642V194

-.080

*

.020V195V196V197V198Zscore(zbl1junzhi)

.592

-.021.054.044-.083***

.656.321.443.083.000Zscore(zbl2junzhi)

.173

*

.022Zscore(zbl3junzhi)

-.132

.0803

(Constant)

.105V193

-.007

.838V194

-.079

*

.019V195V196V197V198Zscore(zbl1junzhi)

.503

-.031.048.044-.080***

.505.364.435.089.000Zscore(zbl2junzhi)

.156

*

.035Zscore(zbl3junzhi)

-.123

.098Zscore(TJjunzhi)

.147

**

.0054

(Constant)

.040V193V194V195V196V197V198Zscore(zbl1junzhi)

.513

-.017-.056-.031.051.047-.058***

.610.083.489.316.394.206.000Zscore(zbl2junzhi)

.163

*

.022Zscore(zbl3junzhi)

-.093

.191Zscore(TJjunzhi)zbl1Ztj

.124.064

**

.014.032zbl2Ztj

-.049

.429zbl3Ztj

.054

**

.008aDependentVariable:Zscore(YBjunzhi)word檔可自由復制編輯將以上些結果整理下面的格放在論文即可（論文頁面中格要居放置具體如下：表8領導風格對員工工作績效的影響員工工作績效S1Beta

S2Beta

S3Beta

S4BetaStep1最高學歷

.020

-.017

-.007

-.017性別

-.020

-.080

*

-.079

*

-.056年齡

-.217

*

-.021

-.031

-.031從事當前工作時間

.088

.054

.048

.051當前公司工作時間與當前上司共事時間

.229-.191

**

.044-.083

.044-.080

.047-.058R

2

0.45F

1.625Step2變革型領導

.592

***

.503

***

.513

***交易型領導

.173

*

.156

*

.163

*回避型領導

-.132

-.123

-.093R

2

0.770Adjusted

R

2

0.759△R

2

0.725

***F

76.064

***Step3組織認同

.147

**

.124

*R

2

0.778Adjusted

R

2

0.768△R

2

0.009

**F

71.672

***Step4變革型領導×組織認同

-.064

*交易型領導×組織認同

-.049回避型領導×組織認同

.054

**R

2

0.801Adjusted

R

2

0.788△R

2

0.022

***F準β系數；p<**p<

62.202

***word檔可自由復制編輯8.3.2中作用分析：操作方法：

Analyze—Regression——Linear先前放入過這次新加入

先在Dependent框中放入因變量值計）再在Independent框中：（提示：先前做8.3.1調節作用析時，放入的內容依舊存在，因此點擊在Independent框方Previous按，對不需要的內容進行除去處理，而需要的內容，比如：以下要放入的控制變量和自變量，不要重復放入第一步、依次放入各控制變（不用均值值計算：高學歷、性別、年齡……等，按“NEXT”鍵繼續一步。第二步、依次放入已Z值計算的自變1、自變2、自3，按“NEXT鍵繼續下一步。第三步、放入已Z值計算的中介變量，按NEXT”繼續下一步。完成以上三步驟后，點擊對話框的左下角Statistics鈕，進入一個新的對話框，在“SquaredChange”上打勾選中。最后按“”，運算完成。得到如odelSummary和NOVA(e)表表中用整理后用在論文中。

紅色和陰表示的數據

是ModelR

AdjustedRRSquareSquare

ModelSummaryStd.ErroroftheEstimate

ChangeStatisticsRSquareChange

FChange

df1

df2

Sig.FC

.212(a).877(b).886(c)

.045.770.785

.017.759.774

.99134691.49047285.47534349

.045.725.015

1.625214.91214.257

631

208205204aPredictors:(Constant),V198,V194,V193,V195,V196,V197bPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),

用于判斷RSZscore(bl1junzhi)

幾顆星是該cPredictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),

用出現在論文Zscore(bl1junzhi),Zscore(ZJjunzhi)用于判斷為顆星，ANOVA(d)

但是該數據不用出現Sumof

在論文中Model

Squares

df

MeanSquare

F

Sig.1RegressionResidual

9.584204.416

6208

1.597.983

1.625

.142(a)Total

214.000

2142RegressionResidual

164.68449.316

9205

18.298.241

76.064

.000(b)Total

214.000

2143Regression

167.906

10

16.791

74.311

.000(c)word檔可自由復制編輯ResidualTotal

46.094214.000

204214

.226Predictors:(Constant),V198,V194,V193,V195,V196,V197Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi)Predictors:(Constant),V198,V194,V193,V195,V196,V197,Zscore(bl3junzhi),Zscore(bl2junzhi),Zscore(bl1junzhi),Zscore(ZJjunzhi)DependentVariable:Zscore(YBjunzhi)在到如所

Coefficients(a)

表結中取StandardizedBate數，根Sig列的數在eta值打號在論的格不要現sig據。打星的別標準如下Sig.0.01~0.05為*Sig.0.001~0.01為**Sig.0.001以為***備注：只要滿足以上區間要求，不StandardizedCoefficientsBeta正是負，都要相應數據旁標上相應的星數。Coefficients(a)StandardizedModel

CoefficientsBeta

Sig.1

(Constant)

.542V193V194

.020-.020

.785.767V195

-.217

*

.020V196

.088

.419V197V198

.229-.191

**

.049.0482

(Constant)

.115V193

-.017

.642V194

-.080

*

.020V195V196V197V198Zscore(zbl1junzhi)

.592

-.021.054.044-.083***

.656.321.443.083.000Zscore(zbl2junzhi)

.173

*

.022Zscore(zbl3junzhi)

-.132

.0803

(Constant)

.132word檔可自由復制編輯V193

.001

.981V194

-.082

*

.014V195V196V197V198

-.034.063.037-.083

.450.232.505.074Zscore(zbl1junzhi)

.392

**

.008Zscore(zbl2junzhi)Zscore(zbl3junzhi)Zscore(中介unzhi

.285

.128-.113**

.084.121.000aDependentVariable:Zscore(YBjunzhi)上表Coefficients(a)的析，如：首先：中介變量的回歸作用顯著，Z中介unzhi)Sig.0.000。其次，比較這兩個數據，步入中介變量后，自變（Zscore(zbl1junzhi)）顯性降（Sig.從.000到.008）Beta系數也減少了（0.592減0.392），則說明中介變量對自變量和因量關系的中介效應被證實了。同理，再比較自變（Zscore(zbl1junzhi)后的差異，發顯性失（Sig.從.022到.084），則說明中介變量對變量和因變量的中介作用被證實，并且是完全中介作用。再看自變量3（Zscore(zbl3junzhi)

），在加入中介變量前已經不顯著（主效應不成立，顯著性ig.是.080），則不必探討其中介作用了。將以上些結果整理下面的格放在論文即（在論文中表格要中放置下：表8領導風格對員工工作績效的影響員工工作績效S1Beta

S2Beta

S3BetaStep1最高學歷

.020

-.017

.001性別

-.020

-.080

*

-.082

*年齡

-.217

*

-.021

-.034從事當前工作時間當前公司工作時間與當前上司共事時間R

.088*.229*-.1910.045

.054.044-.083

.063.037-.083F

1.625Step2變革型領導

.592

***

.392

**交易型領導

.173

*

.128word檔可自由復制編輯回避型領導

-.132

-.113R

2

0.770Adjusted

R

2

0.759△

2

0.725

***F

76.064

***Step3領導成員交換

.285

***R

2

0.785Adjusted

R

2

0.774△

2

0.015

***F準β*p<**p<.01;

74.311

***當然，果你把主效（自變對因變量的響、節效應中介效應的部所需數據理在一張表放入到文中，也是以的。下：各假設的多層回歸分析員工工作績效模型

模型

模型

模型

模型1.控制變量最高學歷

.020

-.017

-.007

-.017

.001性別

-.020

-.080

*

-.079

*

-.056

-.082

*年齡

-.217

*

-.021

-.031

-.031

-.034從事當前工作時間

.088

.054

.048

.051

.063當前公司工作時間與當前上司共事時間

.229-.191

**

.044-.083

.044-.080

.047-.058

.037-.0832.預測變量（自變量）變革型領導

***

***

***

.392