数据分析和结果讨论

四、数据分析和结果讨论

（一）信度和效度检验

本研究主要采用SPSS 16.0统计软件，对样本数据进行内部一致性分析和探索性因子分析（EFA），来检验量表的信度和效度。内部一致性分析结果显示，本研究总量表的Cronbach'sα值为0. 866，各变量测量量表的Cronbach'sα值均大于0. 7（见表5-2），且各测量问项的单项—总项相关系数均大于0.35，表明量表具有较高的信度。通过KMO样本充分性测度和巴特莱特球体检验后，对样本数据进行探索性因子分析。结果显示，量表中同一变量下属各测量问项均分布于同一因子，且各测量问项的载荷系数均大于0.5，说明量表具有较好的结构效度。此外，相关分析结果显示（见表5-3），除社会资本结构维度与客户拥有的知识获取之间相关性不显著（p＝0. 053＞0. 05），其余各变量间均在p＜0.01水平上显著相关。各变量间相关系数均小于0. 5，说明变量具有较好的区分度。

表5-2　各变量的Cronbach'sα系数值

表5-3　变量间相关分析结果

注：^**表示显著水平p＜0.01（双尾检测），下同。

（二）多元回归分析

本研究主要采用SPSS 16.0统计软件，对样本数据进行多元线性回归分析以验证相关研究假设。主要构建以下三个回归模型：关于客户的知识获取对社会资本结构维度、关系维度和认知维度的回归模型1；客户拥有的知识获取对社会资本结构维度、关系维度和认知维度的回归模型2；创新绩效对关于客户的知识获取和客户拥有的知识获取的回归模型3。回归分析结果见表5-4。

回归模型1和模型2反映了社会资本各维度与KIBS中小企业客户知识获取各维度间关系假设H1a～H1f的验证情况。模型1显示社会资本结构维度（回归系数β＝0.409，p＜0. 01）和认知维度（回归系数β＝0. 234，p＜0. 01）对K IBS中小企业关于客户的知识获取有显著正向影响，假设H1a和H1e成立；但社会资本关系维度对K IBS中小企业关于客户的知识获取的影响不显著（p＝0. 888＞0. 1），假设H1c不成立。回归模型2显示社会资本关系维度对K IBS中小企业客户拥有的知识获取有显著正向影响（回归系数β＝0.284，p＜0.01），假设H1d成立；但社会资本结构维度（p＝0.898＞0. 1）和认知维度（p＝0. 203＞0. 1）对K IBS中小企业客户拥有的知识获取无显著影响，假设H1b和H1f不成立。回归模型3反映了两类客户知识获取与K IBS中小企业创新绩效间关系假设H2a和H2b的验证情况。结果显示，关于客户的知识获取（回归系数β＝0.271，p＜0.01）和客户拥有的知识获取（回归系数β＝0.285，p＜0. 01）对K IBS中小企业创新绩效均有显著正向影响，假设H2a和H2b成立。基于上述回归分析结果，得出本研究的修正模型（见图5-3）。

表5-4　多元回归分析结果

图5-3　社会资本对KIBS中小企业客户知识获取和创新绩效影响的修正模型

（三）假设验证结果分析

根据回归分析结果，可知假设H1a、H1d、H1e、H2a、H2b得到支持；但假设H1b、H1c和H1f未得到支持。假设H1b和H1f未被验证的原因可能与KIBS中小企业（如软件业企业）的客户专业化程度及不同客户知识的特性有关。一方面，K IBS中小企业的客户往往并非相关专业技术人员，通常对企业提供的服务产品缺乏足够的认知和了解，难以明确自身需求及对服务产品的意见和看法；另一方面，与关于客户的知识不同，客户拥有的知识大多深藏于客户头脑中，往往较为复杂而隐性。因此，客户网络、客户服务机构（人员）等社会资本的结构维度，以及共享语言、共享陈述和共同价值观等社会资本的认知维度，虽然能够较好地促进相对简单、显性的关于客户的知识获取，但对客户拥有的知识获取的作用则并不那么直接。对专业化程度较高的K IBS中小企业而言，获取客户拥有的知识更多地依赖于企业通过与客户“共同生产”等途径，所形成的长期、深入、高质量的信任合作关系。

假设H1c未被验证的原因可能有以下两个方面：一方面，较高的关系质量水平在降低知识获取成本的同时，也可能会因降低企业的信息鉴别、利用水平而降低知识获取绩效（Yli-Renko、Autio and Sapienza，2001），如个别客户特殊需求的过度放大、对客户阶段性需求信息的过度信任等。另一方面，根据结构洞理论，企业获取外部知识的能力是其网络结构的函数，过分注重关键客户关系可能会导致过度嵌入（overembeddedness）问题，从而降低企业从网络中获取其他客户知识的能力（Presutti、Boariand Fratocchi，2007）。如软件业中小企业在项目定制过程中形成的依赖度较高的一对一的客户关系，并不利于企业获取客户整体需求信息等关于客户的知识。