1. 引言
消费价值观是人们对待其可支配收入的指导思想和态度以及对商品价值追求的取向，是消费者主体在进行或准备进行消费活动时对消费对象、消费行为方式、消费过程、消费趋势的总体认识评价与价值判断。消费价值观在受其他因素影响的同时，也深刻影响了人们的消费行为，对人们的消费观念起主导作用。国内的消费价值观问卷的研究群体大多比较局限，或者限制在大学生，或者限制在青年群体当中，对于少数民族的青年群体或者大学生群体研究几乎没有。所以，这些量表适用性具有局限性。本文正是因为这个原因，以少数民族大学生群体为研究对象，通过综合运用数理统计的方法，希望编制出了一个适用于该群体消费价值观诊断的量表，并进而做初步的调查和分析，得到一些结论。
2. 对象与方法
2.1. 对象
选择云南省各高校526人作为开放式问卷的被试者。问卷均在网络上请云南省各高校大学生用手机回答，并保证充分的回答时间。开放式问卷的调查对象构成见下表1：
2.2. 方法
根据问卷的发放和收集的调查结果所得出的理论构想，并参照已有的相关文献及测评工具，综合起来共编写出预试问卷的题项46条。所有题项采用随机排列方式，问卷的评定标尺为Likert自评式5点量表法，从“完全不同意”、“基本不同意”、“不能确定”、“基本同意”、“完全同意”依次记为1分、2分、3分、4分、5分，得分越高表明对消费的某一方面的价值越看重。正式量表的确定：使用初步构建的少数民族大学生消费价值观问卷对240名少数民族大学生进行测试，回收有效问卷210份。根据学者Gorsuch (1983)的观点：题项与受试者的比例最好为1:5，受试者的人数超过题项个数的倍数越多越好。 [1] 在我们的问卷中初始题项总数为46题，回收有效问卷200份，受试者的人数接近是题项个数的5倍，已经符合上述比例。
正式问卷的总体情况：正式问卷主要通过网络、自习教室、图书馆随机向同学发放施测，正式问卷共总发放了564份，回收正式问卷526份，回收的问卷均有效，有效回收率为93%。问卷收集回来之后使用统计学软件SPSS19.0对相关数据进行了统计分析，过程包括使用了主成分分析、独立样本t检验、方差分析、因子分析等数理统计方法对数据进行了检验分析。
3. 结果
3.1. 消费价值量表的项目分析
本文先使用独立样本t检验的数理统计方法对量表项目分析，通过分析删除一些不符合标准的题项。我们按照量表的总得分将所有题项进行高低分排序，进而将题目分成高分组和低分组，最后将高低分组的题目进行显著性检测，检测结果如下表2所示：
上表2统计为高分组和低分组的组别统计量，每题包括高分组和低分组的个数、平均值、标准差、平均数的估计标准误。高分组和低分组的观察值都是145位，高分组和低分组都占有效试样人数的27%左右。
下表3对每个题项进行独立性T检验，检验高分组和低分组的方差是否相等，每个题项的高分组和低分组是否存在显著差异；若没有显著差异，说明调查的数据没有区分度，对其进一步检验没有太大意义。
“方差相等的Levene检验”栏用于检验两组方差是否相等。表3独立样本检验的结果以第一题为例，方差检验的显著性为0.423 > 0.05，表示q1的高分组和低分组的方差相等，此时t检验数据要看“假设方差相等”中的显著性值，显著性为0.00 < 0.05，表示此题的高分组和低分组存在显著差异。同理，可以看出所有题项的高分组和低分组都存在显著差异。
其次，我们还使用Cronbach’s α系数来鉴定问卷中出现的量表的信度。检验结果如下表4所示：
学者Gay (1992)任务，任何问卷中的量表，只要其Cronbach’s α系数在0.90以上，就代表该量表具有非常好的信度。 [2] 从上表的结果可以看到本文使用的量表其Cronbach’s α系数为0.909，已经超过Gay给的标准，所以该量表信度非常好。
3.2. 因子分析
项目分析完后，为检验量表的建构效度(construct validity)，应进行因素分析(或称共同因素分析common factor analysis, CFA)。所谓建构效度指态度量表能测量理论的概念或特质的程度。因素分析目的即在找出量表潜在的结构，减少题项的数目，使之变为一组较少而彼此相关较大的变量，此种因素分析是一种探索性的因素分析方法(exploratory factor analysis)。
首先，变量间的相关特点用Bartlett球型检验，需到达显著；而KMO系数规定：KMO系数在0.9以上非常适合于作因素分析，在0.80~0.90之间为比较适合作因素分析，在0.60~0.80之间为一般，但在0.6以下则不适合作因素分析。 [3] 而学者Kaiser (1974)也认为，进行因素分析的普通准则至少在0.6以上。 [4]
下面先计算量表的KMO值，它是用来检验量表是否适合做因子分析，研究的量表进行因子分析，利用降维的思想，从研究原始变量相关矩阵内部的依赖关系出发，把一些具有错综复杂关系的变量归结为少数几个综合因子，再由综合因子的结合实际问题进行分析。
由上表5 KMO和巴特利特检验可以看出KMO值为0.911，表示该量表达到良好的指标，适合做因子分析。巴特利特球形度检验的近似卡方分布为3920.379，自由度为171，显著性P值为0.00 < 0.05，达到显著性水平，拒绝相关矩阵不是单元矩阵的假设，表示该量表所有题项变量由共同因素存在，适合做因子分析。
Table 6. Total variance of interpretation
表6. 解释的总方差
从上表6解释的总方差可以看出，在不限定抽取因素法的条件下，把该量表的所有题项分为四个主成分，这四个主成分的累计方差贡献率为58.056%，表明这四个能够很好地解释该量表的变量。
Table 7. Component correlation matrix
表7. 成分相关性矩阵
上表7成分相关性矩阵为采用直接斜交法后得到的成分相关性矩阵，由上表可知，成分1与2、成分1与4的相关系数均大于0.3可以认为它们之间有较强的相关性，但成分1与3、成分2与3、成分2与4的相关系数均小于0.3，它们之间的相关性较弱，可以认为它们不相关。总体上看四个成分之间不相关的个数多于相关的个数，所以认为四个主成分之间不相关，所以用正交的方法对其进行旋转。
Table 8. Component matrix after rotation
表8. 旋转后的成分矩阵
上表8旋转后的成分矩阵a为采用最大方差法的正交旋转得到的旋转之后的成分矩阵。上表的数据为各变量与各成分之间旋转后的相关系数，从数据上可以看各变量分别属于哪个主成分。以q1为例，q1与成分1的相关系数为0.722，大于q1与其他两个成分之间的相关系数，所以q1属于主成分1。同理可知，成分1包含q1、q2、q3、q11、q23；主成分2包含q12、q16、q28、q32、q37；主成分3包含q24、q27、q30、q33；主成分4包含q9、q10、q14、q15、q17。
3.3. 数据分析
在向卷调查分析中，常用的平均数差异检验为独立样本t检验及单因子方差分析(one way analysis of variance，简称为one-way ANOVA)。检验统计法适用于两个平均数的差异检验，其适用的时机为自变量为二分间断变量(两个群体类别)、依变量为连续变量；而单因子方差分析则适用于三个以上群体间平均数的差异检验；方差分析F统计量属于整体检验，当E值达到显著时，表示至少有两个水平在依变量的平均数间有显著差异，至于是哪些配对组在依变量平均数间有显著差异需要进一步进行事后比较，常用的事后比较方法如Tukey最实在显著差异法(honestly significant difference，简称为HSD法)、纽–曼氏法(Newman-Keul’s method，简称为N-K法)、薛氏法(Scheffe method，简称为S法)、最小显著差异法(Least significant difference，简称LSD法)。其中S法较HSD法及N-K法严格，进行组别间的事后比较时较不容易达到显著水平。
3.3.1. 平均数差异检验——t检验
对量表总分进行平均数差异检验，根据实际问题选择一个量表属性对量表的得分均值进行检验。
由下表9可知，就量表总分而言，男生有效样本为185为，其平均数为153.9459、标准差为21.77721、均值的标准误为1.60109；女生有效样本为341位，其平均数为150.9296、标准差为18.94608、均值的标准误为1.02599。从上表看出，男女之间的均值之间的均值有差异，但要判断他们之间是否有显著差异还要对其进行进一步分析。
由上表10，首先可以看到男女同学这个总体他们的方差是否齐次的检验结果方差的Levene检验的F值为3.678，Sig值为0.56 > 0.05，表明总体的方差是相等的。因为总体之间的方差是相等的，所以看均值的t检验时需要看第一行，从第一行可以看到t值为1.653，Sig值为0.99 > 0.05，表明，男女同学在消费价值观量表上的得分是没有显著性的差异的。
3.3.2. 方差分析
对量表总分进行方差分析，检验量表的属性和量表总分之间是否存在显著差异。
由上表11描述知，就“生源地”而言，全部有效的观察值为526位，总平均分为151.9905，标准差为20.01889，平均值的估计标准误为0.87287，平均数的95%置信区间为(150.2758, 153.7052)；三组的平均数分别为151.2440，155.0288，151.2333，标准差分别为20.63693，20.73900，16.39817。单因子方差分析的目的在于检验各组的平均数与总平均数151.9905间的差异是否达到统计学上的显著水平，通过各组“平均值的95%置信区间”的估计值(区间估计值)，也可以检验样本平均数与总平均数间差异的情形。
由下表12方差齐性检验可知，就“总分”而言，方差同质性检验的Levene统计量的F值为1.964，显著性值为0.118 > 0.05，达到0.05显著水平，表示该样本的方差具有同质性。下面进行总分与生源地之间的比较。
由上表13 ANOVA中的结果可知，生源地与总分比较的整体F值为1.496，显著性值为0.225 > 0.05，表明各生源地的量表总分没有显著差异。下面对各生源地进行多重比较。
由上表14多重比较的结果可以知道样本的满足方差齐次的假设，所以选择LSD对各个生源地的量表总分进行多重比较。由上表可知，多重比较的显著性值均大于0.05，表明不同生源地对量表的总分没有显著性影响。
基金项目
国家自然科学基金项目(12061089)；云南省科技厅面上项目(202201AT070022)。
NOTES
*通讯作者。