格格党

手机浏览器扫描二维码访问

4 4 研究结果（第3页）

对因素分析后的因素命名：分别有4个项目进入了F1，5个项目进入了F2，4个项目进入了F3，3个项目进入了F4，基本与原构思符合。

根据因素归类中测量项目的内容，本研究将这四个因素命名为动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度。

通过计算bach内部一致性系数，我们发现动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度的一致性系数分别达到0.906、0.800、0.854和0.910。

各个因素的α系数均大于0.70，表明同一个维度间测量项目的内部一致性程度较好，并且内部结构良好，问卷测量的信度是可以接受的。

表4-8企业动态能力探索性因素分析（EFA）

注：提取方法：主成分分析法；旋转方法：正交的方差极大法旋转；经过了五次迭代。

在对企业动态能力进行验证性因子分析之前，对企业动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度的均值和标准差作一个描述性统计，同时进行相关分析，样本结果显示，如表4-9所示。

从表4-9可以看出，企业动态能力在技术柔性能力维度、机会识别能力维度和整合重构能力维度上处于偏上水平，在组织柔性能力维度上处于中等偏上水平。

从相关分析的结果来看，企业动态能力各个维度之间大多存在显著的相关关系。

因为技术柔性能力维度和组织柔性能力维度的Pearson相关系数为0.526，在p＜0.01的水平上显著，并且在文献综述部分已有学者提出柔性能力应该体现在技术和组织结构两个方面（Wang＆Ahmed，2007），所以我们得出了这样的设想：这两个维度是否可以合并为柔性适应能力？这一设想是我们在下面的验证性因素分析中提出企业动态能力三维度备择模型的来源。

表4-9企业动态能力各维度的描述统计值和相关分析

注：相关系数为pearson系数。

**表示显著性水平p＜0.01；*表示显著性水平p＜0.05；双尾检验。

4.4.4企业动态能力的验证性因素分析

一般情况下，学者们认为如果对研究构念进行探索性因素分析后，还必须运用验证性因子分析加以验证。

如Anderson和Gerbin（1988）认为探索性因素分析和验证性因素分析是因素分析的两个不可分割的重要组成部分，在管理研究的实际应用中应结合运用。

在不清楚研究构念具体结构的情况下，首先应通过探索性因素分析建立理论模型与假设，然后再利用验证性因素分析去检验修正模型与假设。

因此，为了进一步确证探索性因素分析所得的企业动态能力四因素结构模型，本研究基于随机抽取的另一半样本数据（共79份），采用验证性因素分析的方法，进行分析。

一般而言，利用结构方程模型来进行验证性因子分析时，我们需要考察各构面是否具有足够的收敛效度（tValidity）和区别效度（DistValidity），并可以依据检验结果对部分测量项目进行调整和修正，最终达到相对适合本研究的结果。

根据黄芳铭（2005）的建议，我们进行量表模型整体拟合优度检验。

若通过该检验则表示模型整体上具有效度。

整体模型拟合的评估是一个相当复杂的问题。

可以根据绝对拟合指标和相对拟合指标两大类整体拟合指标做综合性的判断。

使用验证性因子分析时，需要对模型的拟合情况进行评价，本研究主要采用以下评价指标：

（1）卡方指标（χ2）

在结构方程模型中，χ2统计作为一种差性拟合（BadMeasure）的指标，在某种自由度下获取一定的显著χ2值，代表观察矩阵和理论矩阵之间是不匹配的（黄芳铭，2005）。

因此，只有χ2值不显著的情况下，方能获得理想的匹配。

由于样本量影响χ2的显著程度，一般采用χ2df指标以降低样本量的影响。

对于可以接受的范围，倾向于采用χ2df介于2.0到5.0之间，可以接受模型（侯杰泰、温忠麟和成子娟，2003）。

（2）近似误差均方根（RMSEA）

RMSEA在评价拟合度时表现得比许多其他指标要好（黄芳铭，2005）。

当RMSEA等于或小于0.05，表示模型可以被接受，通常将此视为拟合良好；RMSEA在0.05到0.08之间，表示拟合中等；RMSEA大于0.10则是不被接受的拟合。

（3）拟合优度指标（GFI）和调整拟合优度指标（AGFI）