4.3.4 数据分析
1.描述性分析
首先对测量题项进行基本的描述性统计，利用SPSS 19.0软件对研究中所有题项进行平均值、标准差、峰度的统计。结果如表4.4所示。
表4.4 题项的描述性统计结果
续表
续表
上述统计结果反映了各测量题项的基本数据情况，为了得到各测量变量的数据情况，我们需要根据各题项所反映的概念进行项目合并，由此进一步得到各变量的描述性统计分析结果，如表4.5所示。
表4.5 研究变量的描述性统计结果
2.项目分析
本次调研采用的是一次问卷发放的方式，在进行进一步分析之前有必要首先对搜集的数据进行项目分析，对于未达到显著性检验的题项应予以剔除。具体方法是将所有受试者按照量表得分总和的高低排序，一般情况下，找出高低分组上下27%处的分数（比例以25%～33%较为合适），依临界分数将量表得分分成两组并分别赋值1和2，然后用独立样本检验法检验高低两组在各试题平均数上的差异显著性，将检验结果未达到显著水平的题项予以删除。删除依据是观察每个题项的“决断值”（Critical Ratio，简称CR值），若决断值达到显著水平，即p ＜ 0.05或p＜0.01，即表示题项能鉴别不同受试者的反应程度，否则，考虑删除题项。决断值是指当独立样本检验的值达到显著时，不假设方差相等的检验值，或当值未达到显著时假设方差相等的检验值。在对量表执行上述操作后，得到分析结果如表4.6所示。
表4.6 项目分析的结果
续表
通过观察表中决断值的显著性水平，发现DC6、 RS5题项未达到显著（p＞0.05），说明题项的鉴别度较差，避免其影响后续分析，将其做删除处理。
3.信度分析
信度分析用于评价量表的稳定性或可靠性，也即问卷对同一对象重复测量时所得到结果的一致性程度。通常采用Cronbach's α系数作为检验指标，信度系数越高，说明用于解释一个潜变量的各观测变量具有共方差的程度越高，量表的稳定性和可靠性越好。一般认为，Cronbach'sα系数超过0.70时表明数据的可靠性较高，测量题项之间具有较高的内在一致性程度。
在前面量表项目分析的基础上，对量表的保留题项进行信度分析，表4.7显示是各变量Cronbach'sα值。可以看到，模块化能力、组织价值创新的Cronbach'sα值分别为0.814， 0.830，均大于0.7，处于可接受的范围，而企业间关系的Cronbach's α值稍低，为0.696。根据吴明隆（2003）的研究，当Cronbach's α值介于0.5到0.6之间时，已能足够说明量表的信度，考虑到0.696接近0.7而且大于0.6，处于可接受的范围，总体上来说，量表具有较好的信度水平。
表4.7 研究变量的信度分析结果
表4.8反映的是各分变量信度分析的结果。
一般认为，保留的测量题项对变量所有题项的相关系数（CITC）值应大于0.35； Cronbach'sα系数超过0.70表明数据的可靠性较高，信度满足要求（吴明隆，2003）。观察表4.8中数据发现分变量量表的信度测度CITC值均大于0.35， Cronbach'sα也超过0.7，说明各分量表信度也较高。
表4.8 分变量的信度分析结果
4.效度分析
效度是指实际测量结果反映试图测量对象的程度，也即判断量表是否测量了它声称要测量的东西。效度高表明测量结果能够较大程度地显示出测度对象的真正特征。测量效度评价指标主要有内容效度和结构效度。
内容效度（Content Validity）。内容效度是指每个测量项目所涉及的内容对欲测内容范围的代表性程度。变量测量的内容效度评价，通常采用文献分析和访谈方法，来对测量项目的代表性和综合性进行评估。在本书的研究中，变量测量题项的设置是参考已有的相关文献，并结合本书研究的实际背景进行修正后拟定的，小部分变量的测量由于没有已经开发好的相应量表作为参考，为了确保本书的效度，将变量转化到一些已有的研究变量上，借助已有研究变量的测度进行测量。另外，采用预测试的方式，通过被试者的反馈和评价，对不合格的项目进行删除或修正，以保证调查项目较为充分地涵盖所测量的内容，因此本书的量表设计具有较高的内容效度。
结构效度（Construct Validity）。结构效度是指问卷中的测量项目实际测到所要测量的理论结构和特质的程度，即是否测到要测量的东西。因子分析是检验结构效度的常用方法，以因子分析检验结构效度，若能有效提取共同因子，且此共同因子与理论结构的特质较为接近，则可判断测量工具具有结构效度。
（1）自变量模块化能力的效度分析
①模块化能力的探索性因子分析。在项目分析时，我们已经剔除了规则设计能力的第六个测量题项，在做因子分析之前，首先对保留的测量指标进行相关性检验。经检验得到，自变量模块化能力所对应的KMO检验值为0.877，而且Bartlett's球形检验P显著异于0，说明适合做因子分析。
在此基础上，对模块化能力对应的42个题项进行探索性因子分析，以特征根大于1或者等于1为抽取原则，因子提取法采用主成分法、旋转方法为最大方差法抽取因子分析个数，统计结果共抽取了14个因子，与初始的理论建构稍有出入。进一步观察发现，规则设计能力的第一个测量题项DC1、模块整合能力的第七个测量题项IC7在两个因子的载荷均大于0.5，而关系管理能力的第五个测量题项RC5自成一个因子，为此，将测量量表中自成一个因子，或者在两个或两个以上因子载荷分布平均的题项删除。于是剔除规则设计能力的第一个测量题项（DC1）、模块整合能力的第七个测量题项（IC7 ）、关系管理能力的第五个测量题项（RC5）后，重新做探索性因子分析，结果共抽取了13个因子，修正量表后所有测量题项的因子载荷均在0.5以上，此时结果显示的因子构成与前文所做的研究假设一致，分别对应了愿景规划能力的3个维度、规则设计能力的3个维度、模块整合能力的3个维度、关系管理能力的4个维度。为了更清楚地显示四种能力变量所提取因子的信息情况，又分别对其对应的分量表做探索性因子分析，因子抽取的方法同前，详细结果如表4.9～表4.12所示。
愿景规划能力抽取了3个因子，累计解释变异为81.4%，分别命名为市场感知、需求识别、发展定位，见表4.9。
表4.9 愿景规划能力探索性因子分析结果
规则设计能力抽取了3个因子，累计解释变异为72.23%，分别命名为结构构建、界面定义、标准设定，见表4.10。(https://www.daowen.com)
表4.10 规则设计能力探索性因子分析结果
续表
模块整合能力抽取了3个因子，累计解释变异为72.02%，分别命名为模块识别、模块集成、模块测试，见表4.11。
表4.11 模块整合能力探索性因子分析结果
关系管理能力抽取了4个因子，累计解释变异为75.72%，分别命名为关系建立、关系协调、关系优化、关系重构，见表4.12 。
表4.12 关系管理能力探索性因子分析结果
②模块化能力的验证性因子分析。经过探索性因子分析以后，我们再利用验证性因子分析对各潜变量的测量模型进行验证，为后续全模型SEM分析做好基础工作。为此，我们建立了模块化能力测量的一阶模型和二阶模型（图4.6），在一阶模型中，测量模块化能力的13个分能力，在二阶模型中13个分能力从属更为高阶的4个能力变量。首先利用Amos 17.0对模块化能力进行一阶验证性因子分析，分析结果所示模型的适配性较好。模型拟合指数见表4.13。
表4.13 模块化能力一阶验证性因子分析结果
图4.6 模块化能力测量模型
Amos提供了多种拟合指数，其中卡方统计值（X2）与自由度（df）之比小于3时认为模型拟合度较好，分析显示研究模型X2 /df之比为1.537到达拟合标准要求。RMSEA（Root Mean Square Error of Approximation）是近似误差的均方根，其值小于0.05表示模型拟合好，在0.05～0.08之间表示模型拟合尚可。模型分析结果RMSEA值为0.046，表明数据与模型之间拟合好。拟合优度指数（Goodness-of-Fit Index， GFI）一般来说，其范围应该在0～1之间。0代表完全不适配，1代表完美适配。该指标可以体现模型整体适配的程度，一般建议大于0.9表示良好适配，考虑到GFI值会受到样本容量大小的影响，因此还需要观察AGFI的值。AGFI（Ajusted Goodness-of-Fit Index）为调整的拟合优度指数，它是将GFI指标根据模型中参数估计总数的多少进行调整后的拟合指数，适配标准为＞0.90以上。CFI（Comparative Fit Index）为相对拟合指数，当指数大于0.9时，表明模型拟合好。NFI（Normed Fit Index）为标准拟合指数，其检测标准为大于0.9时，表明拟合情况好。通过比对验证性因子分析得出模块化能力模型的各项拟合指数，发现各项拟合度指标均达到所要求的标准，表明模型拟合较好。
再利用Amos 17.0对模块化能力模型进行二阶验证性因子分析，其中13个一阶因子（市场感知、需求识别、发展定位、结构构建、界面定义、标准设定、模块识别、模块集成、模块测试、关系建立、关系协调、关系优化、关系重构）作为4个二阶因子（愿景规划、规则设计、模块整合、关系管理）的测量指标，具体分析结果如表4.14所示。表4.14中显示，模型各项拟合指数均达到标准，模型拟合度好。同时，从一阶验证性因子分析与二阶验证性因子分析的结果可以看到，二阶因子与一阶因子的关系很强，标准化因子载荷量均大于0.5，13个分能力对模块化能力的累积解释变异程度为84.2%，而13个分能力又从属于更高阶的4个能力层次。上述研究结果显示，模块化能力结构基本得到验证，模块化能力由愿景规划能力、规则设计能力、模块整合能力和关系管理能力四个维度构成（表4.15）。
表4.14 模块化能力的二阶验证性因子分析结果
表4.15 一阶和二阶验证性因子分析结果
续表
注：表中所示的CFA载荷为标准化载荷。
（2）中介变量企业间关系的效度分析
①企业间关系的探索性因子分析。在项目分析时，剔除了企业间关系变量测度的第五个题项RS5，在此基础上，对中介变量企业间关系的7个保留题项做探索性因子分析。因子分析前，先检验其相关性，结果显示KMO检验值为0.711， Bartlett值为768.43 （p＜0.01），表明适合进一步做因子分析。因子抽取以特征根大于1为原则，提取方法采用主成分法，旋转方法为最大方差法，分析结果显示（表4.16），企业间关系变量共提取了2个因子，与研究设计的指标结构基本一致。表4.16为企业间关系的因子分析结果，因子分析抽取了2个因子，累积解释变异程度为68.73%，分别命名为关系强度、关系对称性。
表4.16 企业间关系的探索性分析
表4.17 企业间关系的模型拟合结果
（3）因变量组织价值创新的效度分析
①组织价值创新的探索性因子分析。按照同样的方法，对因变量组织价值创新做探索性因子分析，共抽取了3个因子，因子分析结果显示，Ⅵ5自成一个独立的因子，而Ⅵ3出现在两个因子上载荷平均分布的情况，与初始的理论建构有所出入。为此，剔除组织价值创新的第三个测量题项、第五个测量题项后重新做探索性因子分析。分析结果显示，KMO检验值为0.844， Bartlett球形检验值为986.46 （p＜0.01），因子分析提取了2个因子，与研究设计结构基本一致。表4.18为组织价值创新的因子分析结果，抽取2个因子后，累积解释变异程度为81.68%，分别命名为合作创新绩效、顾客价值。
表4.18 组织价值创新的探索性因子分析
②组织价值创新的验证性因子分析。经过上述探索性因子分析后，再利用验证性因子分析测量模型的拟合指数，其中模型拟合指数如表4.19所示。分析表4.19中所列的各项指数，可以发现拟合度指标均达到所要求的标准，显示模型拟合度较好，测量模型达到了信度要求。
表4.19 组织价值创新的模型拟合结果
