8 4 研究结果（第3页）

表8-14企业动态能力环境层次影响因素探索性因素分析（EFA）

续表

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;经过了六次迭代。

接着，我们采取同样的分析步骤对企业动态能力环境层次影响要素的各个测量项目（删去“在我们行业，产品生命周期非常短”以及“在我们行业，政府政策变动得非常快”两个测量题项后的其他项目）进行KMO测度和巴特利特球体检验，看样本数据是否适合作探索性因子分析。表8-15是SPSS16。0统计软件包数据处理的输出结果。

表8-15变量的KMO样本测度和巴特利特球体检验

表8-15结果显示：样本KMO值为0。760，表明该组变量数据是适合作探索性因子分析的。同时，巴特利特球体检验的γ2统计值的显著性概率是0。000（＜0。001），说明数据具有相关性，所以这组数据是很适合作探索性因子分析的（马庆国，2002）。

在探索性因子分析中，采用主成分分析方法，特征根大于1。0，得到经过正交转换后企业绩效的因子负载矩阵，如表8-16所示。所有测量项目不存在交叉载荷现象（gLoading），并且因子负载大于0。4。这些表明该量表具有良好的内部结构，构念效度较高（陈晓萍，徐淑英和樊景立，2008）。

表8-16企业动态能力环境层次影响因素探索性因素分析（EFA）

续表

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;经过了六次迭代。

探索性因素分析结果表明，可以从企业动态能力环境层次影响要素的17个项目中提取四个因素。这些因素累计解释的总体变异为67。37%。对因素分析后的因素命名：分别有5个项目进入了F1，5个项目进入了F1，4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企业动态能力环境层次影响要素的竞争强度维度、市场的动**程度维度、技术的动**程度维度以及政府政策的动**程度维度。通过计算bach'sα内部一致性系数，我们发现企业动态能力环境层次影响要素的竞争强度维度、市场的动**程度维度、技术的动**程度维度以及政府政策的动**程度维度的一致性系数分别达到0。880、0。822、0。827和0。742。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。

8。4。3验证性因素分析

1。个人层次影响要素的验证性因素分析

为了进一步确证探索性因素分析所得的个人层次影响要素三因素结构模型，本研究基于随机抽取的另一半样本数据（共144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。

接下来，我们根据上面描述的标准进行个人层次影响要素三因素结构模型的验证性因素分析。在进行验证性因素分析前，首先我们根据探索性因素分析结果和理论推导设定假设模型。探索性因素分析得到了一个三因素的个人层次影响要素模型，我们将其作为本研究验证性因素分析的基本模型。

采用AMOS18。0结构方程建模软件，对基本模型进行了构思验证。实证数据对这基本模型的整体拟合情况，如表8-17所示。

表8-17多模型拟合情况汇总

在三因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着三因素模型需要进一步的修正。如上文所述，利用统计结果来做理论模式的修正，这种修正是理论假设与问卷实证调查之间的一种妥协结果。但是，黄芳铭（2005）指出，无论如何都必须把理论的逻辑假设放在研究的首要考虑的位置。在具体的修正过程中，我们必须综合考虑理论基础和修正对于模式拟合的改进程度。一般来说，可利用统计软件输出的修正指标（Modifidices，MI）来了解导致模式拟合度不佳的来源，利用期望参数改变值（EPS）来判断拟合的改进程度。依据J（1993）的建议，如果最大的修正指标无法具有理论的意义，则选择次大的指标，直到找到有意义的指标或关系修正才可以给予估计。在使用修正指数时，一般建议一次只能释放一个参数，因为释放一个参数将可能降低或消除第二个要释放参数的拟合度改进情形（黄芳铭，2005）。

因此，我们首先考察个人层次影响要素三因素基本模型（在观测变量间没有建立任何残差关联）的修正建议，发现相当多的MI值大于4。000。其中，观察变量“我先于他人知道创新的内容”的测量残差项与其他观察变量的测量残差项之间的MI较大，因此我们删去观察变量“我先于他人知道创新的内容”，得到个人层次影响要素三因素修正模型M1。根据拟合指标，整体模型的拟合度有了一定的改进，如表8-17所示，但是RMSEA的值仍然大于0。08。采用上述方法，我们删除观察变量“当看到我的想法得以实现，这是我最高兴的事情”，得到个人层次影响要素三因素修正模型M2。

与其他模型相比，个人层次影响要素三因素修正模型M2的拟合度有比较明显的改进，其中χ2=77。086，df=41。在绝对拟合指数方面，M2的χ2df为1。880，小于Browne和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0。078，处于0。05到0。08之间，表示拟合程度可以接受（Browne和Cudeck，1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0。917和0。867，表明拟合程度很好（Bentler，1990）。在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0。903、0。952和0。951，均大于0。900，这表明假设的理论模型与数据的拟合度非常好。综合来看，结合上文拟合指数的评价标准，M2模型的各种绝对拟合指数和相对拟合指数均符合拟合要求，总体上看还是可以接受的。如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。基于这样的考虑，本文采用M2模型。验证性因素分析所得的修正后的个人层次影响要素三因素修正模型M2如图8-2所示。

图8-2个人层次影响要素的验证性因素分析：修正后的三因素模型

2。高层管理团队特征的验证性因素分析

为了进一步确证探索性因素分析所得的高层管理团队特征二因素结构模型，本研究基于随机抽取的另一半样本数据（共144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。

接下来，我们根据上面描述的标准进行高层管理团队特征二因素结构模型的验证性因素分析。在进行验证性因素分析前，首先我们根据探索性因素分析结果和理论推导设定假设模型。探索性因素分析得到了一个二因素的高层管理团队特征模型，我们将其作为本研究验证性因素分析的基本模型。

采用AMOS18。0结构方程建模软件，对基本模型进行了构思验证。实证数据对这基本模型的整体拟合情况，如表8-18所示。

表8-18多模型拟合情况汇总

在二因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着三因素模型需要进一步的修正。如上文所述，利用统计结果来做理论模式的修正，这种修正是理论假设与问卷实证调查之间的一种妥协结果。但是，黄芳铭（2005）指出，无论如何都必须把理论的逻辑假设放在研究的首要考虑的位置。在具体的修正过程中，我们必须综合考虑理论基础和修正对于模式拟合的改进程度。一般来说，可利用统计软件输出的修正指标（Modifidices，MI）来了解导致模式拟合度不佳的原因，利用期望参数改变值（EPS）来判断拟合的改进程度。依据J（1993）的建议，如果最大的修正指标无法具有理论的意义，则选择次大的指标，直到找到有意义的指标或关系修正才可以给予估计。在使用修正指数时，一般建议一次只能释放一个参数，因为释放一个参数将可能降低或消除第二个要释放参数的拟合度改进情形（黄芳铭，2005）。

因此，我们首先考察高层管理团队特征二因素基本模型（在观测变量间没有建立任何残差关联）的修正建议，发现相当多的MI值大于4。000。其中，观察变量“我们高管团队中每位成员相处十分融洽”的测量残差项与其他观察变量的测量残差项之间的MI较大，因此我们删去观察变量“我们高管团队中每位成员相处十分融洽”，得到高层管理团队特征二因素修正模型M1。根据拟合指标，整体模型的拟合度有了一定的改进，如表8-18所示，但是RMSEA的值仍然大于0。08。采用上述方法，我们删除观察变量“我们高管团队中每位成员总是积极准备彼此合作与互相帮助”，得到高层管理团队特征二因素修正模型M2。采用上述方法，我们删除观察变量“我们公司运用多种奖励（如签约奖金等）吸引高管团队的应聘者”，得到高层管理团队特征二因素修正模型M3。采用上述方法，我们删除观察变量“我们高管团队中每位成员的投入都是企业重要决策的组成部分”，得到高层管理团队特征二因素修正模型M4。采用上述方法，我们删除观察变量“我们高管团队中每位成员都致力于实现组织的目标”，得到高层管理团队特征二因素修正模型M5。

与其他模型相比，高层管理团队特征二因素修正模型M5的拟合度有比较明显的改进，其中χ2=28。694，df=19。在绝对拟合指数方面，M5的χ2df为1。510，小于Browne和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0。060，处于0。05到0。08之间，表示拟合程度可以接受（Browne和Cudeck，1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0。952和0。907，表明拟合程度很好（Bentler，1990）。在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0。960、0。986和0。986，均大于0。900，这表明假设的理论模型与数据的拟合度非常好。综合来看，结合上文拟合指数的评价标准，M5模型的各种绝对拟合指数和相对拟合指数均符合拟合要求，总体上看还是可以接受的。如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。基于这样的考虑，本文采用M5模型。验证性因素分析所得的修正后的高层管理团队特征二因素修正模型M5如图8-3所示。