4.研究分析
4.1 描述性分析
针对回收回来的有效问卷，样本数据的描述性统计结果参看下表。
通过上表，我们可以看出，在有效的 225 份问卷中，在性别方面，男性人数高于女性，占比 56%；在年龄方面 26 至 35 岁之间人数最多，占比达到了 80%；在学历方面，本科学历占比最高，达到了 53.3%，研究生及以上占比为 44%，两者共同占比 97.3%；在工作年限方面，1 至 5 年人数最多，达到 147 人超过被试总数一半，占比达到 65.3%；在企业性质方面，国有企业占比最高，达到了 36.0%；在工作岗位方面，基层、中层管理岗位占比 34.7%，普通员工占比 60.0%，两者共同占比 94.7%；所在部门人数方面，不同部门所在人数占比较为分散；在与上级沟通时间方面，“经常”占比最高达到了 58.7%，超过一半，“偶尔”占比为 30.7%，两者共同占比 89.4%。
根据上表信息，我们可以看出不当督导的平均值为 2.09，这表明在现今企业领导的日常管理过程中，不当督导现象是普遍存在的；组织公民行为的平均值为3.95，这表明员工对企业施行组织公民行为的程度还是普遍较高的；情感承诺的平均值为 3.35，继续承诺的平均值 3.33 为，规范承诺的平均值为 3.51，这表明员工对企业的三种承诺意识大体相近，员工对企业承诺的程度也较高。
4.2 信度、效度分析
4.2.1 信度、效度分析方法
本研究通过信度分析和效度分析来确保调查问卷的真实性以及有效性，保证调查问卷符合研究的要求。
信度分析（Reliability），又称为可靠性分析，是一种验证研究可靠性和稳定性的评价办法。信度的大小通常由信度系数来体现，其中本研究采用的是最常用的信度系数 Cronbach’s α ，该系数越大，则研究的可靠程度越大。通常状况下，如果 Cronbach’s α系数大于 0.8.那么表示研究的信度非常好；如果Cronbach’s α系数介于 0.7 和 0.8 之间，那么表示研究的信度良好；如果Cronbach’s α系数介于 0.65 和 0.7 之间，那么表示研究的信度可以接受。
效度分析（Validity）指的是通过调查所得来的调查结果对所想要研究问题的反应程度，效度是验证问卷是否真实有效的决定因素，效度越高，则调查问卷的真实性和有效性则越好。
效度分析有内容效度分析、表面效度分析和结构效度分析三种形式。内容效度分析指的是研究中的自变量和因变量之间是否明确存在一定程度的关系。一项研究有内部效度就是指这项研究的自变量和因变量间的关系明确并且这种关系不会受到其他变量的干扰。表面效度分析指的是量表对所想要研究问题测试的全面性和代表性，也就是说该量表是否全面并且有指向性的测试了想要研究的问题。结构效度分析则是调查研究中最常用的一种，其效度的大小是通过量表中每道题的得分和量表总得分的回归系数来决定的。因为本研究采用的是前辈学者经过多年分析整理研发出来的量表，具有较高的内容效度和表面效度，所以本研究采用结构效度分析来确保量表反映的真实性和有效性。KMO 是效度检验的常用指数之一，通常情况下，如果该系数大于 0.7，那么可以继续进行因子分析。
4.2.2 信度、效度分析结果
本研究的信度分析包括了对自变量不当督导，因变量组织公民行为和调节变量组织承诺以及其三个维度情感承诺、继续承诺和规范承诺和总体的信度系数测量，具体结果参看表 4-3。
通过表 4-3，我们可以看到不当督导的信度系数为 0.792，信度良好，表明测量可信程度较高，可以用于测量分析；组织公民行为的信度系数为 0.777，信度良好，同样表明测量可信程度较高，可以用于测量分析；组织承诺中三个维度情感承诺、继续承诺和规范承诺的信度系数分别为 0.914,0.781 和 0.876，其中情感承诺和规范承诺的信度非常好，继续承诺的信度为良好，组织承诺的整体信度系数为 0.895，信度非常好，也可以用于测量分析；整体研究的信度系数为0.839，信度非常好，代表研究问卷在内部一致性和结构上具有非常好的可靠程度，可以用于测量分析。
本研究的效度分析包括了自变量不当督导，因变量组织公民行为和调节变量组织承诺的 KMO 值、Bartlett 球形检验的 Sig 值和总解释方差，具体结果参看表 4-4。
通过表 4-4，我们可以看到，自变量不当督导，因变量组织公民行为和调节变量组织承诺的 KMO 值分别为 0.790、0.709 和 0.865，Bartlett 球形检验的 Sig值都达到了 0.000，所以下一步进行因子分析来进一步检验量表的效度，因子分析的具体结果参看表 4-5、表 4-6 和表 4-7。
通过表 4-4、表 4-5、表 4-6 和表 4-7，我们可以看到，自变量不当督导提取了一个变量，因变量组织公民行为提取了五个变量，调节变量组织承诺则提取了三个变量，所有量表的题项主成分载荷基本超过了 0.6。其中，自变量不当督导的总解释方差达到了 50.04%，因变量组织公民行为的总解释方差达到了63.89%，而调节变量组织承诺的总解释方差也达到了 60.12%，所有指标都符合要求，表明本研究所有量表都具备良好的信度。
4.3 相关性分析
通过前文的分析，我们已经看到不当督导、组织公民行为和组织承诺的信度和效度都较好，数据可靠有效，在此基础之上，对变量间进行相关性分析。所谓相关性分析，是衡量变量之间是否相关的一种方法，变量间的关联程度由Pearson 系数来表示，Pearson 系数的大小介于绝对值 0 到 1 之间，如果变量间相关系数的绝对值越靠近 1，那么变量间的相关程度越高，如果变量间相关系数的绝对值越靠近 0，那么变量间的相关程度越低，甚至不相关。Pearson 系数为正值的时候代表变量间是正相关，Pearson 系数为负值的时候代表变量间是负相关。
本研究的相关性分析包括了自变量不当督导、因变量组织公民行为和调节变量组织承诺的三个维度情感承诺、继续承诺和规范承诺间的相关性检验，具体结果参看表 4-8。
通过表 4-8，我们可以看出，自变量不当督导、因变量组织公民行为和调节变量组织承诺的三个维度情感承诺、继续承诺和规范承诺之间存在显着地相关性。其中自变量不当督导和因变量组织公民行为以及调节变量组织承诺的三个维度情感承诺、继续承诺和规范承诺之间呈现显着地负相关；调节变量组织承诺的三个维度情感承诺、继续承诺和规范承诺则与因变量组织公民行为之间呈现显着地正相关。
4.4 回归分析
从表 4.8 中我们发现，自变量不当督导和因变量组织公民行为是显着负相关的，但是二者之间是否存在线性关系以及影响的大小和方向需要通过线性回归分析来说明。此外对于调节变量组织承诺的调节效应也可以通过层次回归分析来说明。变量间回归系数的大小一般由 R2、F、Sig 值来决定，判定系数是 R2，其数值越接近于 1，则表明回归效果越好；如果 F 值越大，则表明回归方程的效果越好；而显着相关性的判定值是 sig 值，通常以 0.05 为界。
本研究采取层次回归的分析方法，具体过程为，第一步为了避免人口学控制变量对最后的研究结果产生干扰，将与因变量组织公民行为相关的人口学控制变量作为第一层变量引入回归方程；第二步将自变量不当督导作为第二层变量引入回归方程；第三步将调节变量组织承诺作为第三层变量引入回归方程；第四步将不当督导与组织承诺的交互项作为第四层变量引入回归方程。由于调节变量组织承诺分为情感承诺、继续承诺和规范承诺三个维度，所以共形成了 3 组共计 12个模型，其中每组 4 个模型。值得注意的是，在进行层次回归分析之前，所有变量都进行了标准化处理。具体的研究结果参看表 4-9、表 4-10 和表 4-11。
通过表 4-10，我们可以看出，将交互项“不当督导×情感承诺”引入回归方程后，模型的拟合度均有所提高。
通过表 4-10，我们可以看出，将交互项“不当督导×继续承诺”引入回归方程后，模型四不成功。
通过表 4-11，我们可以看出，将交互项“不当督导×规范承诺”引入回归方程后，模型的拟合度均有所提高。
