变量测量与数据分析

4.4.1　变量测量

1.网络能力的定义和测量

在综合已有研究中对网络能力的内涵分析和概念界定后，本研究认为网络能力主要是企业组织基于内部资源状况，对外部网络活动进行战略定位，识别网络价值与机会，建立、管理和不断升级网络关系，以有效获取企业所需资源的动态能力。同时借鉴相关研究，将网络能力划分为四个测量维度，分别为网络规划能力、网络配置能力、网络运作能力和网络占位能力。企业通过内外部环境分析，制定网络活动的整体规划和指导方针的能力即为网络规划能力；网络配置能力是企业识别和筛选网络合作伙伴、确定网络活动形式与资源获取渠道的能力；网络运作能力是企业协调和控制网络关系，有效整合企业多元合作关系，保障社会网络高效运营的能力；网络占位能力是企业在网络中占据有利（中心）位置，提高和巩固自身网络地位的能力。

对网络能力的测量方面，本研究主要参考Ritter和Gemunden（2003）、Walter等（2006）、方刚（2011）等学者的测量方法，由18个具体测量问项构成，其中网络规划能力5个问项、网络配置能力4个问项、网络运作能力5个问项、网络占位能力4个问项（见表4.1）。

表4.1　网络能力的初始测量条款

续表

2.组织隐性知识获取的定义和测量

综合已有研究成果可以发现，隐性知识不仅存在于企业内部员工个体，同时还存在于企业组织群体。本研究将组织隐性知识定义为以组织为知识主体所拥有或掌握的，对组织正常运行、组织行为方式和思维模式有重要影响，但难以用语言、文字形式明确表达的知识，并将其划分为组织根植型隐性知识和组织文化型隐性知识。组织根植型隐性知识主要指存在于组织运行实践中的隐性知识，如管理经验、团队建设、沟通技能等；而组织文化型隐性知识主要指存在于组织理念方面的隐性知识，如组织价值观形成、影响机制的发挥等方面的隐性知识。

在组织隐性知识获取的测量方面，借鉴Collins（1993）、Blackler（1995）、Nelson和W inter（2002）、张洪石（2005）等学者的相关研究，问卷共由8个具体测量问项构成，其中组织根植型隐性知识获取4个问项、组织文化型隐性知识获取4个问项（见表4.2）。

表4.2　组织隐性知识获取的初始测量条款

续表

3.突破性创新绩效的定义和测量

突破性创新起源于熊彼特的“创造性破坏”思想，Dosi于1982年首次建立了突破性技术创新和渐进性技术创新的理论分析框架，才真正意义上开始了突破性创新研究（陈傲和柳卸林，2011）。借鉴Andreas（2007）、W ilfred和Geert（2010）、秦剑等（2010、2012）等学者的研究，本研究将突破性创新定义为通过对现有技术的大幅提升，使产品（服务）性能指标发生重大改变，能够开拓出新市场，导致产业竞争格局发生改变的一种较高层次创新。

在突破性创新绩效测量方面，借鉴以往研究基础之上，结合本研究的特点，共包含8个问项（见表4.3）。

表4.3　突破性创新绩效的初始测量条款

4.小样本测试

为了保证研究所用量表的可靠性和有效性，需要在大样本调查前进行小样本前测，并结合前测效度和信度的分析结果，修缮问卷。小样本测试主要通过对杭州市67家KIBS中小企业进行实地走访、发放回收问卷进行，回收有效问卷52份。

（1）信度分析

信度分析主要测量量表的可靠性，即对同一对象进行多次测量时所获取的结果是否相同。本研究将采用目前最常用的Cronbach'sα信度系数法来检验测量问卷的信度。根据目前学术界普遍认可的标准，Cronbach'sα＞0.9表示量表信度非常好，0.7＜α＜0.9表示量表具有高信度，0.35＜α＜0.7表示量表信度为中等，α＜0.35说明量表信度较低。本研究将主要使用纠正条款的总相关系数来对测量问项进行修正，借鉴目前学术界比较认可的CITC数值标准，本研究将用0.35标准来对问项进行净化，删除CITC数值低于0.35的题项。

第一，网络规划能力测量问项的信度分析结果和CITC值。

从表4.4中数据分析结果可以看出，网络规划能力的5个问项指标均达到研究使用标准，予以全部保留。

表4.4　网络规划能力的信度分析结果和CITC值

第二，网络配置能力测量问项的信度分析结果和CITC值。

从表4.5中数据分析结果可以发现，网络配置能力的4个问项指标均达到研究使用标准，可以用于大样本调查。

表4.5　网络配置能力的信度分析结果和CITC值

第三，网络运作能力测量问项的信度分析结果和CITC值。

从表4.6中数据分析结果能够发现，网络运作能力的5个问项指标均达到研究使用标准，可用于开展大样本调查。

表4.6　网络运作能力的信度分析结果和CITC值

第四，网络占位能力测量问项的信度分析结果和CITC值。

从表4.7中分析结果能够得出，网络占位能力的4个测量问项指标均达到研究使用标准，可用于大样本调查问卷。

表4.7　网络占位能力的信度分析结果和CITC值

第五，组织根植型隐性知识获取测量问项的信度分析结果和CITC值。

从表4.8中数据分析结果能够得出，组织根植型隐性知识获取的4个问项指标均达到研究使用标准，可用于进行大样本问卷调查。

表4.8　组织根植型隐性知识获取的信度分析结果和CITC值

第六，组织文化型隐性知识获取测量问项的信度分析结果和CITC值。

从表4.9中数据分析结果能够得到，组织文化型隐性知识获取的4个问项指标均达到研究使用标准，能够用于大样本调查。

表4.9　组织文化型隐性知识获取的信度分析结果和CITC值

第七，企业突破性创新绩效测量问项的信度分析结果和CITC值。

从表4.10中分析结果能够得出，企业突破性创新绩效的8个问项指标均达到研究使用标准，可用于大样本调查。

表4.10　企业突破性创新绩效的信度分析结果和CITC值

从小样本分析结果看，本研究问卷所有测量问项的测量指标均不符合删除标准，将予以全部保留。

（2）探索性因子分析

在小样本测试阶段，样本量必须满足多于预试题项，方可进行因子分析（吴明隆，2000），本研究问卷前测阶段共收集有效问卷52份，远大于预测题项，因此样本量满足进行因子分析的要求。目前研究大多采用的是巴特莱特球体（Bartlett test of sphericty）检验，同时参考KMO充分性测度来进一步判断测量问卷是否可进行因子分析，普遍认为KMO大于0.7即表示问卷可以进行因子分析。

由以上小样本探索性因子分析结果可以看出，三个变量的KMO值均大于0.7，且Bartlett值均为0.000，由此可见，问卷前测数据可用于进行因子分析。在探索性因子分析中，本研究将采用主成分分析法和最大方差法对收集到的有效数据进行分析，并主要根据特征值大于1来确定因子的个数。在显示载荷方面，选择仅显示因子载荷高于0.5的数值，运行得到本研究小样本探索性因子分析结果（见表4.11）。从表4.11中我们可以看出，相同维度的问题项因子载荷均出现在同一个公共因子上（低于0.5取消），由此可得出量表的信度较好，无须进行修缮。

表4.11　探索性因子分析结果

续表

4.4.2　数据分析

1.数据收集

本研究大样本数据的收集主要采用实地发放、电子邮件和网络问卷等方式进行，主要通过以下五种途径进行数据收集：（1）由研究团队在周边学校MBA班进行课堂发放回收。（2）实地进入科研合作企业进行现场访谈和问卷发放回收。（3）通过调研杭州、台州和金华部分KIBS中小企业进行问卷发放。（4）通过电子邮件方式进行问卷发放。（5）在网上搜集KIBS中小企业黄页进行调查。

2012年3月至8月期间，笔者及研究团队成员实地走访浙江省杭州市、宁波市、金华市等地的201家KIBS中小企业，获取157份有效问卷。通过电子邮件发放问卷130份，经过筛选，得到40份有效问卷。通过“问卷星”建立网络问卷、发放网络连接157份，回收问卷30份，有效问卷16份。总计发放问卷497份，累积回收213份有效问卷。

2.描述性统计分析

（1）样本基本情况

本研究所获取的样本企业状况（见表4.12），就企业所在地而言，以杭州最多，原因在于杭州中小企业发展状况相对于浙江省其他地市更具代表性，企业总体发展良好，而且数量较多。从企业成立年限看，3～5年企业占绝大多数，这一阶段的KIBS中小企业往往已进入或刚进入稳定发展期，企业运营状况良好，能够较好地反映这一类企业的实际发展状况。从受访者所处职位看，多数属于中高层管理者，对企业运营状况了解相对比较全面，保障数据能够较好地与企业实际状况相吻合。

表4.12　样本描述性统计分析

（2）变量描述性统计分析

在进行结构方程建模分析时，一般要求样本量不低于100份（Ding等，1995）。本研究共收集有效问卷213份，已达到研究科学性需要，可以开展建模分析。在结构方程分析中，极大似然法对样本数据的要求是必须符合正态分布，而判断数据正态分布与否主要参考变量的偏度分析结果以及峰度的分析结果，一般情况下样本服从正态分布，其偏度与峰度绝对值应均低于2。样本数据使用SPSS17.0分析后，得到的变量偏度和峰度值如表4.13所示。从表4.13中可以看出数值均满足研究要求，可以应用于结构方程建模分析。

表4.13　各变量正态分布参考值及描述性统计分析结果

续表

3.信度分析

本研究继续采用Cronbach'sα系数来检验大样本数据中各测量项目的信度。最终信度分析结果显示本研究所有变量的总α系数是0.951，远远高于标准值0.7，从而证明量表的信度较为理想。从样本所有变量的最终信度分析结果（见表4.14）可以发现，所有变量的α值均满足高于0.7的标准，每个测量问项的CITC数值均大于0.35，说明各个维度均具有较高的一致性。

表4.14　各变量的信度系数分析结果

续表

4.效度分析

（1）探索性因子分析

由于本研究问卷所采用的量表主要借鉴已有成熟量表优化而来，只是对部分题项根据具体研究情景的差异进行了细微修正，整体变化不大，问卷内容效度无须进行进一步的分析。因此本研究将主要检验样本的结构效度，在结构效度检验中，主要是通过区别和收敛效度分析进行的，对所有测量题项展开探索性因子分析。本研究主要使用KMO及巴莱特球体检验来验证问卷数据是否适合进行因子分析。

本研究对各变量进行探索性因子分析时，将采用主成分分析法和最大方差法对收集到的有效数据展开分析，主要根据特征值大于1来确定因子的个数。同时根据评价测量条款的因子载荷来判断区分效度，当同一个维度的因子载荷高于0.5的值仅出现在同一个公共因子上时，认为问卷区分效度较好。

第一，网络能力四维度探索性因子分析结果。

本研究运用SPSS17.0对网络能力进行探索性因子分析。网络能力四维度的KMO值和巴特莱特球体分析结果如表4.15所示。

表4.15　网络能力四维度维度KMO值及巴特莱特球体检验值

从检验结果可以发现网络能力KMO分析值达到0.882，属于很合适范围，表明网络能力四维度的测量问项相关性比较强，同时χ2的显著性值为0.000，小于0.01的标准值，样本可以进行因子分析。

参考以上分析方法与评价标准，本研究在抽取因子数量上将特征值设为大于1，采用最大方差法进行主成分分析，设置仅显示因子载荷高于0.5的值，得到网络能力探索性因子分析结果（见表4.16）。

表4.16　网络能力探索性因子分析结果

续表

从表4.16中可以看出，各变量测量问项大于0.5的因子载荷呈现在相同因子上，表明问卷效度良好。同时对网络能力4个因子的累积解释变异77.173%（见表4.17），表明问卷已包含了测量变量的大部分信息。由此可见网络能力测量问项有较好的收敛效度和区分效度。

表4.17　网络能力的总方差解释表

第二，组织隐性知识获取探索性因子分析结果。

本研究对组织隐性知识获取两维度（组织文化型隐性知识和根植型隐性知识）的KMO测度值和巴特莱特检验结果如表4.18所示。

表4.18　组织隐性知识获取两维度KMO分析值和巴特莱特分析结果

分析结果显示组织隐性知识获取的KMO值达到0.881，属于很合适范围，即组织隐性知识获取两维度测量题项有较强的相关性。巴莱特球体分析的χ2值显著性概率为0.000，小于0.01，表明该问卷适合做因子分析。

参考以上所述的研究方法与标准，因子数量上运用特征值高于1的标准，使用主成分分析法及最大方差法对组织隐性知识获取8个问项展开因子分析，删除因子载荷低于0.5的值，仅显示载荷大于0.5的数值，分析结果如表4.19所示。

表4.19　组织隐性知识获取的探索性因子分析

从表4.19可以看出，所有测量相同变量的问项均出现在相同因子上，说明问卷效度良好。并且组织隐性知识获取萃取的因子累积解释变异量的75.391%（见表4.20），表明问卷已涵盖了所要测量变量的大部分信息。分析结果显示组织隐性知识获取问项的收敛效度和区分效度均较高。

表4.20　组织隐性知识获取的总方差解释表

第三，突破性创新绩效的探索性因子分析。

运用SPSS17.0对企业突破性创新绩效的KMO值检验及巴特莱特检验结果如表4.21所示。

表4.21　企业突破性创新绩效的KMO值与巴特莱特检验结果

分析结果显示企业突破性创新绩效的KMO值为0.899，属于非常合适范围，由此可知企业突破性创新绩效测量问项具有较强的相关性，且巴莱特球体检验的χ2显著性概率为0.000，拒绝零假设，所以企业突破性创新问项适合进行因子分析。

采用相同的方法与标准，对企业突破性创新绩效的8个测量条款进行的因子分析，结果如表4.22所示。

表4.22　企业突破性创新绩效因子分析结果

从表4.22中可以看出，关于企业突破性创新绩效的所有问项均分布在同一个因子上。同时企业突破性创新绩效被萃取的因子共累积解释变异量的67.317%（见表4.23），问项已包含测量变量的大部分信息。

表4.23　突破性创新绩效解释的总方差

总体而言，从因子分析结果我们可以看出，本研究的调查问卷区分效度较高，大样本的效度和信度均符合研究需要，变量的α值也都在0.7以上，说明问卷有较高的信度，问卷所收集的数据可用于进一步的统计分析。

（2）验证性因子分析

本研究将使用AMOS17.0建立结构方程模型对大样本进行验证性因子分析，分析模型及拟合指标见表4.24和图4.2。

表4.24　验证性因子分析模型的拟合指标

从表4.24的拟合结果可知，χ2的值为750.977（df＝506），χ2/df的值为1.484，小于3的标准，RMSEA的值为0.048，也小于0.08的接受值。虽然NFI＝0.875与GFI＝0.826均小于0.9，但与0.9非常接近。CFI值满足大于0.9的标准值。所以模型拟合情况较好。

从图4.2分析结果可知，各个问题项与所对应维度的标准路径系数在0.70～0.92，均大于0.6的最低标准。各维度之间的标准化路径系数在0.28～0.63，且具有统计显著性（P＝0.000＜0.05），表明各个指标均具有较好的收敛度。综上所述可以发现模型拟合性良好，是有效的。

5.相关性分析

变量之间相关性分析检验的是变量之间的线性关系程度，其主要反映的是变量之间在发展方向和大小上的相关程度，但是无法确定变量属于因变量还是自变量。本研究使用SPSS17.0软件，采用皮尔森（Pearson）相关分析法来衡量网络能力的四个维度、组织隐性知识获取的两个维度与企业突破性创新绩效之间的相关性，结果见表4.25。

图4.2　验证性因子分析测量模型

表4.25　各变量相关性分析结果

注：**表示P＜0.01，*表示P＜0.05。

从表4.25中我们可以看出，网络能力的四个维度、组织根植型隐性知识获取、组织文化型隐性知识获取与企业突破性创新绩效之间存在着显著的相关关系。网络能力四个维度（规划、配置、运作和占位能力）有较强的相关性，存在相互影响的关系，因此整体上可能对组织隐性知识获取及突破性创新绩效起显著作用。组织隐性知识获取两个维度之间存在显著的正向相关关系，其可能共同正向影响企业突破性创新绩效。同时，网络能力四个维度与组织根植型隐性知识获取、组织文化型隐性知识获取以及突破性创新绩效之间的相关性系数最低值为0.251，最高值也仅为0.557，由此可见，各变量之间的相关关系处于中等偏下水平，且共变系数较低，也进一步验证本研究可对网络能力各维度、组织隐性知识获取与企业突破性创新绩效间的相关关系进行更深入的研究分析。

6.统计变量与各变量的变异数分析

众多研究表明，企业特性如企业所处地理位置、所处行业等均会对研究结果产生影响，基于此本研究进一步分析了企业特性对各变量间关系的影响。研究中主要采用单因子独立样本变异数分析来检验研究框架中各变量受企业特征影响是否显著。企业特性与各变量间的变异数分析结果如表4.26所示，从分析结果我们可以看出在0.05的显著性水平下，本研究所有变量在企业四个主要特征变量不同水平上不存在显著差异。

表4.26　企业特性与各变量变异数分析结果

续表