為了驗證本研究所提出的研究假設，除了問卷調查的調查問卷設計、變量測量和數據收集之外，選擇合適的研究方法也是非常重要的過程。本研究主要采用結構方程模型（見本章第一節）來評價正式研究模型和檢驗研究假設，綜合應用SPSS 11.5和LISREL8.51等統計軟件進行數據分析和假設檢驗。本節主要介紹本研究進行數據分析的方法，為後續的數據分析提供方法論依據。
4.3.1描述性分析
統計分析的目的是研究總體特征。在科學研究中，研究者通過對樣本（總體中隨機抽取的一部分觀察對象）的研究來對總體的實際情況作出可能的推斷。因此，描述性分析（Descriptive Statistics）是統計分析的第一步，做好這一步是下麵進行正確統計推斷的先決條件。為了概括性地把握數據的屬性和質量，一方麵研究者要對問卷中的所有變量進行描述性分析，包括均值、標準差和缺失值等；另一方麵研究者使用頻數（frequencies）分析來描述樣本在問卷分類中的總體特征。
4.3.2數據預分析
數據分析的第二個階段是數據預分析。數據預分析要做以下工作：第一，將所有有效的原始數據輸入到SPSS軟件中。在輸入過程中，電腦中編號要與問卷編號完全吻合；第二，運用SPSS11.5的Recode程序對反向問項的數據進行分值轉化，變為正向數據；第三，采用期望最大化（Expectation-Maximization，EM）算法來處理缺失值。期望最大化算法可以從未缺失數據的分布情況中推算出缺失數據的估計值，從而能夠有效地使用數據進行分析，來提高統計結果的可信度。
4.3.3信度與效度分析
信度和效度分析是實證研究過程中的一個重要環節，隻有滿足信度和效度要求的實證分析，其分析及其結果才能具有說服力。信度（reliability）是指對同一事物進行重複測量時，所得結果的一致性程度，它反映測量工具的穩定性與可靠性，一般用信度係數來評價。信度分析（reliability analysis）用於評價問卷這種測量工具的穩定性與可靠性。效度（validity）就是正確性程度，即測量工具確能測出其所要測量的特質的程度。實證分析中使用較多的效度有內容效度（content validity）、準則效度或效標效度（criterion validity or criterion-related validity）、建構效度（construct validity）[包括收斂效度（convergent validity）、判別效度（discriminant validity）和法則效度（nomological validity）]。準則效度或效標效度變量的每種測量方式與準則（或效標）的一致性（DeVellis，2003）。建構效度（Cronbach＆Meehl，1955）是要解決測量工具是否反映了概念或命題的內部結構（袁方，王漢生，2004馬爾霍特拉著，塗平等譯，2002），也稱為理論效度。收斂效度是指測量同一概念的不同問項之間的相關度（袁方，王漢生，2004馬爾霍特拉著，塗平等譯，2002）。判別效度是指一個測量值與其他應該有所不同的概念之間的不相關程度，包括證明不同構想（或概念）之間缺乏相互關聯性。效度分析主要用來分析問卷（或測量工具）測量概念的準確性程度。
4.3.3.1信度分析
內部一致性信度是最常用的信度評價方法，學者們普遍使用的信度（評價）係數是Cronbachα係數（Cronbach，1951）。Cronbachα係數的計算公式如（4.4）式所示：
α=（4.4）
式中：α表示內部一致性信度係數；
k表示問項數量；
r表示問項之間的平均相關係數。
Cronbachα係數值界於0到1之間，但究竟Cronbachα係數要多大，才算有高的信度，不同的方法論學者對此看法也不盡相同。Hair，Anderson，Tathan和Black（1998）指出：Cronbachα值大於0.7時，表明數據可靠性較高；測量問項數小於6個時，Cronbachα值大於0.6時，表明數據是可靠的；在探索性研究中，α值可以小於0.7，但應大於0.5。Nunally（1978）認為α值等於0.7是一個可以接受的量表邊界值。對於探索性研究來說，Nunally和Berstein（1994）認為0.6也是可以接受的。在本研究中，筆者使用SPSS11.5軟件計算各量表的內部一致性係數。