Harman 单因素同源偏差检验怎么做？共同方法偏差（CMB）检验完整流程

问卷研究里，所有变量都由同一个人在同一个时间点、用同一份问卷填答，就可能出现共同方法偏差（Common Method Bias, CMB）：变量之间的相关有一部分不是"真关系"，而是测量方法本身造成的假象。Harman 单因素检验是最常用、最容易实现的初步筛查方法，也是审稿人最常要求补做的一项。

一、原理：一句话说清

把问卷中全部测量题项（各变量的题目不分来源地放在一起）做一次未旋转的探索性因子分析。如果这些题项背后真的只有一个"方法因子"在驱动，那么第一个未旋转因子的方差解释率会非常高。

常用判据：第一个因子的方差解释率低于 40%，则认为不存在严重的共同方法偏差；若超过 40%，提示可能存在较明显的共同方法偏差，需要在论文中讨论并做进一步检验。

二、操作步骤（SPSS）

1. 把问卷中所有测量题项选入因子分析变量框（不要纳入人口学变量、单选/填空题）。
2. 菜单：分析 → 降维 → 因子分析。
3. 「提取」：方法选主成分分析（或主轴因子），固定因子数为 1；也可按特征值 > 1 提取，然后只看第一因子。
4. 「旋转」：选择"无"（不要选最大方差法）。
5. 读「解释的总方差」表，取第一个成分的方差贡献率。
6. 同时报告 KMO 与 Bartlett 球形检验，说明数据适合做因子分析。

三、结果怎么读

需要说明的是：Harman 检验"通过"不等于共同方法偏差一定不存在。它只是一个灵敏度较低的初步筛查，第一因子解释率不高也可能是因为题项本身异质性大。规范的论文写法会把它作为"初步检验"，而不作为唯一证据。

四、论文里怎么写（可直接套用）

示例表述（未超过 40%）：「为检验共同方法偏差，本研究采用 Harman 单因素检验法，将所有测量题项纳入未旋转的探索性因子分析。结果显示，KMO 值为 0.873，Bartlett 球形检验显著（χ² = 1893.52，df = 276，p < 0.001）；共提取出 6 个特征值大于 1 的因子，第一个因子解释了总方差的 32.46%，低于 40% 的临界标准，表明本研究不存在严重的共同方法偏差。」

示例表述（超过 40%）：「……第一个因子解释了总方差的 45.12%，高于 40% 的临界标准，提示可能存在一定程度的共同方法偏差。为进一步检验，本研究构建了单因子 CFA 模型，其拟合指标（χ²/df = 6.82，CFI = 0.61，RMSEA = 0.146）明显劣于六因子模型，说明各变量间仍具有可区分的结构。」

表格一般给「总方差解释表（未旋转）」与「KMO 和 Bartlett 球形检验」，格式要求见论文三线表规范。

五、其他常用方法（Harman 不够时的补充）

• CFA 单因子模型对比：把所有题项塞进一个因子，与理论多因子模型比拟合。单因子模型明显更差 → 说明不存在压倒性的方法偏差。
• 标记变量法（marker variable）：加入一个理论上与所有变量无关的标记变量，看方法因子对它的影响。
• 不可测量潜在方法因子法（ULMC）：在模型中显式加入方法因子，检验其方差是否显著，报告要求较高。
• 程序性控制：问卷设计阶段的反向题、题项顺序打散、多来源数据（领导-员工配对）、时间间隔测量，是最根本的预防手段。

六、常见问题

所有题项都要放进去吗？

放各变量的测量题项（量表题）。人口学变量、单选、多选、行为频次题不要放进因子分析。

因子数自动提取还是固定为 1？

两种做法都有文献支持。固定为 1 时直接读它单一因子的解释率；按特征值 > 1 提取时，读"第一个成分"的解释率并报告共提取几个因子——后者更常见。

要同时报告几个因子的解释率吗？

只需报告第一因子和累积解释率，重点在第一因子。