問卷的信度分析信度Reliability即可靠性，它是指采用同樣的方法對同一對象重復測量時所得結果的一致性程度。信度指標多以相關系數表示，大致可分為三類：穩定系數（跨時間的一致性），等值系數（跨形式的一致性）和內在一致性系數（跨項目的一致性）。信度分析的方法主要有以下四種：重測信度法、復本信度法、折半信度法、a信度系數法。其中，Crobacha信度系數法是最簡單易行且常用的方法，其公式為：k-1 S2式中，k——量表所包含的總題數；工s2――量表題項的方差總和;is2量表題項加總后方差。a系數的大小表明了問卷表的信度高低，一般來說，a系數越大信度越高，量表設計越合理，也即證明指標或者測量項目的選取越好；反之，a系數越小信度越低，在這種情況下可能需要重新對問卷量表進行設計，剔除部分信度不高的指標或項目。分量表信度指標值的判別標準如下表：a信度系數分量表信度0.900以上非常理想0.800-0.899甚佳0.700-0.799佳0.600-0.699尚可0.500-0.599可信偏低0.500以下欠佳取好剔除對于總問卷而言，則有如下判別指標：a信度系數問卷信度0.800以上非常好0.700-0.799好0.650-0.700取小可接受值0.600以下欠佳取好剔除

由于該方法簡單易行，因此我們采取a系數信度法對問卷調查的可信度進行分析，得到結果如下表：描謎鏡計蚩NP1器7004-：j：.81.907a2.700■4'1.871.273a370b41.226a4?004「甥1.401aS和D4I.4&-1.4'69b170□43.1J,1.099bi加0斗'.疝b370□43.0Z.90Sb470Q4'3.001.072b570□43.16.830C170p■42.111.553c270-04-61；4'39t3;70D■4276.882c470b4.：2.81.820t5700-4'2.E1.907cB70142-.B6.55Sd170042.561.352d2yo□42-461.4110370□41.345d47004■2.471.412d570041.84-1.439e1700■42.331.064e27004-2741.005盼7Q-D'42,59-.913e4有效的N0'M狀態）7070Q4.工7T1.135變量代號均值、-、八方差a系數a12.8111.668a21.878.895推廣態度a31.8.0380.630a48.007.333a58.478.282b112.3012.445zr.x*亠匚、幾b212.3612.146生態效益b312.3611.8270.926b412.4311.959b512.2712.606

c113.2011.670c213.1611.294c312.5613.410補貼政策0.780c412.5013.094c512.7012.619c612.4614.513d110.1718.057d210.2716.288感知質量d310.3316.8040.915d410.2616.078d59.8917.726e18.106.613感知價格e27.694.9140.711e37.845.091e47.665.156總問卷0.912修正后總問卷0.913由上表可以看到，推廣態度的分量表的信度為0.630，不能達到我們的預期值。我們可以根據題目刪減來修正信度，這里提供一個修正標準，如果刪掉該對應題目，問卷的cronbachalpha值就會變化，一旦出現大幅升高，則說明該行對應得題目可以考慮刪去，以提高問卷的內部一致性信度（《spss在商務管理中的應用》衛海英主編）。在操作中發現若把第一個問題刪去可得推廣態度的分量表的信度為0.720，這樣使得這五個變量的信度都大于0.7，并且修正后總問卷信度為0.913遠大于0.8，也說明了本研究的問卷有一定的可靠性。由于Crobacha系數受量長表的影響較大并且本問卷分量表有25個條目，出于嚴謹考慮我們需要測量量表條目間的相關矩陣系數，并計算總相關系數。如下表：各變量項目間相關系數a1a2a3a4a5a11.000.1530.0020.0390.151a20.1531.000.3680.3080.150a30.0020.3681.000.5010.427a40.0390.3080.5011.000.589a50.1510.1500.4270.5891.00b1b2b3b4b5

b11.000.4910.5600.3470.355b20.4911.000.5590.4940.510b30.5600.5591.000.4640.488b40.3470.4940.4641.000.545b50.3550.5100.4880.5451.00c1c2c3c4c5c6c11.000.4250.1850.2630.3920.142c20.4251.000.3050.3610.4340.139c30.1850.3051.000.5080.2830.490c40.2630.3610.5081.000.5540.367c50.3920.4340.2830.5541.000.491c60.1420.1390.4900.3670.4911.00d1d2d3d4d5d11.000.4420.3740.4360.342d20.4421.000.4440.4720.311d30.3740.4441.000.4500.288d40.4360.4720.4501.000.383d50.34203110.2880.3831.00e1e2e3e4e11.000.1950.1990.162e20.1951.000.4190.327e30.1990.4191.000.318e40.1620.3270.3181.00由上表可看出，推廣態度5個條目中相關系數最大的值為0.589，可說明各條目間并非多重線性關系。同理，其他四項變量的各條目的相關系數最大值分別為0.560、0.554、0.472和0.419，都不算大，可證明各變量測量項目間均不存在多重線性關系。綜上所述，各量表及量表下指標的設置較為合理。Logistic模型分析模型介紹Logistic回歸為概率性非線性回歸模型,是研究分類觀察結果（y）與一些影響因素（x）之間關系的一種多變量分析方法。一般多元線性回歸的因變量為確定的值，而logistic回歸為概率型回歸，通常用極大似然估計法來估計個變量的系數，用于求解因變量Y為分二項或多項的問題。根據本文需要，把“是否愿意購買”作為二分變量因變量（即Y只有0和1兩個選項），選取事先預測與因變量有關的收入、年齡以及問卷主題中五個變量作為該模型的自變量，通過問卷所得數據并借助SPSS軟件進行分析求解，得出結論。模型的檢驗方法介紹：logistic模型的檢驗可分為對建立的整個模型作檢驗和對單個變量的系數作檢驗。關于對整個模型的檢驗，我們可以借助SPSS軟件運行結果，參照test值，計分檢驗和wald檢驗值。而關于對單個變量的系數作檢驗，則根據數理統計中假設檢驗的顯著性水平才衡量。在檢驗中把不符合要求的變量提出修正模型作進一步分析。logistic回歸模型的檢驗方法有很多種，其中，PersonX2檢驗法和Homer-lemehow檢驗法是SPSS所提供的兩種整體模型系數的顯著性方法。如果，PersonX2檢驗的檢驗結果P<0.05說明模型中至少有一個自變量能有效預測模型在因變量的概率。而Homer-lemehow檢驗法則則恰好相反，檢驗結果P>0.05說明模型的顯著性很好。在邏輯斯回歸分析中，最理想的回歸模型是PersonX2檢驗值統計量p<0.05而HL統計量p>0.05。如果出現PersonX2檢驗值統計量p<0.05及HL統計量p>0.05的情況，即表明回歸模型適配度不佳，則可從自變量的相關矩陣來判別,看自變量間是否存在高度共線性問題。Logistic回歸模型建立分析本文二值Logistic模型只要為了研究節能家電的生態效益、推廣態度、所提供的產業政策以及消費者的年齡、月收入、對節能家電的感知價格和感知質量這些變量對消費者購買意愿的影響。其中，節能家電的生態效益、推廣態度、所提供的產業政策、消費者的感知價格和感知質量是通過量表打分屬于連續變量，可直接代入模型中作回歸；而間斷變量年齡和收入可借助SPSS軟件轉換為虛擬變量后，與其他變量一起回歸。先考慮自變量月收入，本文分為4組，則需選定一個參照組并建立三個虛擬變量，下表中選取第4組為參照組，“月收入虛擬1”為第一組和第四組的對比，其他同理。則虛擬變量轉換如下：

月收入（原始變量）月收入虛擬1月收入虛擬2月收入虛擬313000元以下10023000—6000元01036000—10000元001410000元以上000同樣把自變量年齡分為4組，選擇第四組為參照組，虛擬變量轉換如下：年齡（原始變量）年齡虛擬1年齡虛擬2年齡虛擬3130歲以下100231—40歲010340—50歲001450歲以上000下面進行本文的二值logistic回歸分析過程，在隨機抽取的70份問卷中，未分類之前對節能家電有購買意愿的有48位，占68.57%；無購買意愿的有22位，占31.43%。如下表：已觀察已預測購買意愿修正百分比不購買購買不購買0220購買意愿購買048100總計百分比68.57模型的適配度檢驗結果如下表：卡方自由度顯著性步驟6.29860.039區塊6.29860.039模型6.29860.039卡方 自由度 顯著性5.612 8 0.691由表可知：六個自變量所建立的回歸模型整體模型的PersonX2的p=0.039<0.05,homer-lemehow檢驗的p=0.691>0.05，通過顯著性檢驗。F表為二元logistic回歸模型的預測結果如下:

已觀察已預測購買意愿修正百分比不購買購買不購買31220.0購買意愿購買23794.9總計百分比74.1接著我們使用反復迭代的回歸自變量的方法求各變量的系數，在SPSS軟件的運行下可發現，生態效益和年齡顯著性小可在模型中剔除，至于與其他變量的相關值如下表所示：Bdfsig推廣態度0.3410.005補貼政策0.6110.012感知質量0.3210.006感知價格-0.581