奇书网

7 4 研究结果02（第1页）

7。4研究结果02

7。4。5整体测量模型的检验

首先，我们利用收集到的162份组织水平的调查数据对测量模型进行信度和效度的分析。

1。信度（Reliability）分析

当采用李克特量表时，最常用的是利用bachAlpha以及positeReliability来测量同一建构下各项目间的一致性。表7-23为信度检验结果。

表7-23各个潜变量的α系数、综合信度系数和**E

从表7-23可以看出，本文中的测度模型的综合信度也得到了较好的满足。其中，变量中最低的bachAlpha系数为0。850，最低的综合信度系数（positeReliability）为0。897。

本项研究包含的所有潜变量的综合信度系数值也都明显大于有关研究所建议的最小临界值——0。700（最小值是0。897）。因此，本测量采用的量表具有较高的信度，从而表明本研究具有较好的内部一致性。

2。效度（Validity）分析

此外，为了更好地对问卷的有效性进行检验，除了对测试模型的信度（内部一致性）进行检测之外，本部分也对收敛效度（tValidity）和区别效度（DistValidity）进行了检验，以确保每个多指标量表体系都能够充分而适当地捕获或描述特定概念的内涵。

一般而言，对于所有测度指标而言，标准化的因子负荷要高于有关研究所建议的最低临界水平——0。707（es＆Zeller，1979;Shimp＆Sharma，1987），但许多研究者认为这个限制可以适当权变和放大，可以以0。650作为最低标准（Barclayetal。，1995;，1998）。数据分析结果表明：各个测量项的标准化因子负荷最小为0。774，高于0。650的最低要求，而且都具有较强的统计显著性（p＜0。005），充分显示了极强的收敛效度[1]。同时，本项研究中每个潜变量的平均提炼变差（**E，AverageVariaed）最小值为0。636，大于0。50，从而满足了对**E的要求（Fornell＆Larcker，1981），如表7-24所示。

表7-24各变量描述性统计、相关分析与平均提炼方差（**E）的平方根

注：相关系数为pearson系数。**表示显示性水平p＜0。01；*表示显著性水平p＜0。05；双尾检验。对角线上为各个变量对应的**E值得平方根（注：**E=AverageVariaed）

此外，除了上述所说的收敛效度以外，各个潜变量还应该表现出较高的区别效度[2]。根据弗奈尔（Fornell）等人的研究结论（Fornell＆Larcker，1981），为了确保各个概念之间存在内涵和实证方面的差异，模型中每个潜变量的**E的平方根应该大于该概念与其他概念的相关系数。我们对模型中主要构念的各个维度进行描述性统计分析，并计算两两之间的相关关系，如表7-24所示。从表7-24中的有关数字不难发现，这个条件也能够被较好地满足，充分体现了各个概念之间存在较高的判别效度。

综上所述，经过效度与信度分析，可以看到本研究所采用的测量工具以及所收集到的162份组织水平的数据具有较好的信度和效度，可以为下文的数据分析提供较好的基础。

7。4。6整体结构模型的检验

本部分运用基于偏最小二乘法（PartialLeastSquare，PLS）的结构方程模型（StructuralEquationModel，SEM），构造出企业动态能力、利用式创新和探索式创新以及企业绩效间的整合分析框架，系统地剖析各个变量之间的相互影响关系，特别是利用式创新和探索式创新在企业动态能力与绩效间的中介效应，同时把公司年龄作为利用式创新和探索式创新、长期竞争优势的控制变量；把公司规模作为长期竞争优势的控制变量；把公司战略类型作为利用式创新和探索式创新的控制变量，从而检验和证实前述假设。

根据图7-4整体结构模型的验证结果，我们可以得知潜在内生变量（LatentEndogenousVariables）——长期竞争优势、短期财务绩效、利用式创新和探索式创新的R2分别为0。618、0。302、0。560和0。393。根据（1998）以及Henseler、Ringle和Sinkovics（2009）的研究建议，R2如果在0。670以上，表示在可接受范围；如果在0。330到0。670之间的，表示在中度范围；如果在0。330以下，表示尚可接受。因此，本部分的结构模型符合要求，显示出所建测量模型具有较强的预测能力。

根据图4-4整体结构模型的检验结果可以知道：对于利用式创新活动而言，机会识别能力对利用式创新活动有显著的正向影响关系（β=0。137，p＜0。1），假设H1。1得到验证；整合重构能力对利用式创新活动也有显著的正向影响作用（β=0。219，p＜0。05），假设H1。2得到验证；技术柔性能力对利用式创新活动也有显著的正向影响作用（β=0。401，p＜0。001），假设H1。4得到验证。对于探索式创新活动而言，组织柔性能力对探索式创新活动也有显著的正向影响作用（β=0。247，p＜0。05），假设H2。3得到验证；技术柔性能力对探索式创新活动也有显著的正向影响关系（β=0。319，p＜0。05），假设H2。4得到验证。这个研究结果和Teece（2007）以及Alexander和Per（2009）的观点相一致：企业动态能力就是通过对企业现有资源基（ResourceBase）的改进与变革，最终在企业内部建立适应新环境的新能力。企业动态能力在这个过程中起了关键性的能动作用。

对于短期财务绩效而言，利用式创新活动对短期财务绩效有显著的正向影响关系（β=0。415，p＜0。001），假设H3。1得到验证；探索式创新活动也对短期财务绩效有显著的正向影响作用（β=0。195，p＜0。1），假设H3。2得到验证。但是，无论从路径系数还是从显著程度上来看，利用式创新活动对短期财务绩效的正向影响都比探索式创新活动强。

对于长期竞争优势而言，利用式创新活动对长期竞争优势有显著的正向影响关系（β=0。460，p＜0。001），假设H4。1得到验证；探索式创新活动也对长期竞争优势有显著的正向影响作用（β=0。259，p＜0。05），假设H4。2得到验证。同样的，无论从路径系数还是从显著程度上来看，利用式创新活动对长期竞争优势的正向影响也比探索式创新活动强。

此外，我们还进行了验证性假设检验，发现短期财务绩效对长期竞争优势有显著的正向影响作用（β=0。194，p＜0。05），短期财务绩效对长期竞争优势的基础支撑作用得到验证。

图7-4整体结构模型的检验结果

根据方差分析的结果，我们把公司年龄作为利用式创新和探索式创新、长期竞争优势的控制变量；把公司规模作为长期竞争优势的控制变量；把公司战略类型作为利用式创新和探索式创新的控制变量。在全模型检验的过程中，我们也加入了这些控制变量。实证结果显示，所有的控制变量都不显著。具体而言，公司年龄对利用式创新和探索式创新、长期竞争优势的路径系数分别为0。040、0。061和0。052，t值分别为0。614、0。583和0。583；公司规模对长期竞争优势的路径系数分别为0。011，t值分别为0。123；公司战略类型对利用式创新和探索式创新的路径系数分别为0。052和0。145，t值分别为0。515和0。830。

7。4。7中介效应的检验

在前面的分析中，我们对企业动态能力与利用式创新活动和探索式创新活动之间的关系，也分析了利用式创新活动和探索式创新活动对短期财务绩效和长期竞争优势的影响。接下来，需要进一步检验利用式创新活动和探索式创新活动可能在企业动态能力与绩效之间存在的中介效应，即整个因果模型之间存在的“自变量-中间变量-因变量”的逻辑关系。

Baron和Kenny（1986）认为，通过实证的统计分析方法，可以检验多个连续变量之间的中介或部分中介作用关系。他们认为分析中间变量在自变量和因变量之间的中介效应可以通过以下步骤进行：①自变量与因变量关系的路径系数需要达到显著性水平；②自变量与中间变量关系的路径系数也需要达到显著性水平；③自变量和中间变量同时考虑，测量二者与因变量的关系。此时，自变量与因变量之间的路径系数值较步骤一的路径系数值为低，且不显著者为中介效应完全成立，显著者则为中介效应部分成立，但中间变量与因变量之间的关系仍然显著。这种方法得到了其他学者的认同（如Lia。al，2007），我们也采用这种方法进行中介效应的检验。接下来，我们逐步详细地进一步检验利用式创新活动和探索式创新活动在企业动态能力与绩效之间可能存在的中介效应。

1。利用式创新活动在机会识别能力与短期财务绩效间中介效应检验

从上述结果可以得知：机会识别能力和利用式创新活动之间存在显著的正向影响关系，以及利用式创新活动和短期财务绩效之间存在显著的正向影响关系。这些给我们接下来的研究提供了启示：利用式创新活动可能在机会识别能力和短期财务绩效之间起中介作用。也就是说，机会识别能力可能通过利用式创新活动对短期财务绩效产生显著的正向影响。

在全模型的基础上，我们接着建立机会识别能力和短期财务绩效的直接联系，然后运行PLS结构方程模型进行检验。结构方程模型验证结构显示：所有的控制变量均不显著，机会识别能力对利用式创新活动有显著的正向影响作用（β=0。136，p＜0。1）；利用式创新活动对短期财务绩效有显著的正向影响作用（β=0。361，p＜0。01）；机会识别能力对短期财务绩效没有显著的正向影响作用（β=0。128，t=1。332）。这初步说明机会识别能力通过利用式创新活动对短期财务绩效产生显著的正向影响。为了进一步验证利用式创新活动在机会识别能力和短期财务绩效之间的中介效应，我们单独进行机会识别能力和短期财务绩效之间的PLS路径分析。结果表明：机会识别能力对短期财务绩效有显著的正向影响作用（β=0。375，p＜0。001）。所以，根据以上的讨论，可以发现利用式创新活动在机会识别能力和短期财务绩效之间起完全中介作用。也就是说，机会识别能力完全通过利用式创新活动对短期财务绩效产生显著的正向影响。具体实现路径可以直观地表示为：机会识别能→利用式创新活动→短期财务绩效。

2。利用式创新活动在机会识别能力与长期竞争优势间中介效应检验

同样的，从上述结果可以得知：机会识别能力和利用式创新活动之间存在显著的正向影响关系，以及利用式创新活动和长期竞争优势之间存在显著的正向影响关系。这些给我们接下来的研究提供了启示：利用式创新活动也很有可能在机会识别能力和长期竞争优势之间起中介作用。也就是说，机会识别能力可能通过利用式创新活动对长期竞争优势产生显著的正向影响。

在全模型的基础上，我们接着建立机会识别能力和长期竞争优势的直接联系，然后运行PLS结构方程模型进行检验。结构方程模型验证结构显示：所有的控制变量均不显著，机会识别能力对利用式创新活动有显著的正向影响作用（β=0。136，p＜0。1）；利用式创新活动对长期竞争优势有显著的正向影响作用（β=0。473，p＜0。001）；机会识别能力对长期竞争优势没有显著的正向影响作用（β=-0。044，t=0。510）；利用式创新活动也对短期财务绩效有显著的正向影响作用（β=0。415，p＜0。001）；短期财务绩效对长期竞争优势有显著的正向影响作用（β=0。198，p＜0。05）。这初步说明机会识别能力通过利用式创新活动对长期竞争优势产生显著的正向影响，或者通过利用式创新与短期财务绩效的共同作用对长期竞争优势产生显著的正向影响。说明利用式创新与短期财务绩效都可能是机会识别能力与长期竞争优势之间的中介变量。

为了进一步验证利用式创新活动和短期财务绩效在机会识别能力和长期竞争优势之间的中介效应，我们单独进行利用式创新活动和长期竞争优势之间的PLS路径分析。结果表明：利用式创新活动对长期竞争优势有显著的正向影响关系（β=0。408，p＜0。001）。所以，根据以上的讨论，可以发现利用式创新活动与短期财务绩效在机会识别能力和长期竞争优势之间起完全中介作用。也就是说，机会识别能力通过利用式创新活动对长期竞争优势产生显著的正向影响。或者，机会识别能力通过对利用式创新活动与短期财务绩效的共同影响下对长期竞争优势产生显著的正向影响。企业可以运用机会识别能力通过这两条路径实现长期竞争优势的获得。具体实现路径可以直观地表示为：机会识别能力→利用式创新活动→长期竞争优势，或者机会识别能力→利用式创新活动→短期财务绩效→长期竞争优势。

3。利用式创新活动在整合重构能力与短期财务绩效间中介效应检验从

上述结果可以得知：整合重构能力和利用式创新活动之间存在显著的正向影响关系，以及利用式创新活动和短期财务绩效之间存在显著的正向影响关系。这些给我们接下来的研究提供了启示：利用式创新活动可能在整合重构能力和短期财务绩效之间起中介作用。也就是说，整合重构能力可能通过利用式创新活动对短期财务绩效产生显著的正向影响。

在全模型的基础上，我们接着建立整合重构能力和短期财务绩效的直接联系，然后运行PLS结构方程模型进行检验。结构方程模型验证结构显示：所有的控制变量均不显著，整合重构能力对利用式创新活动有显著的正向影响作用（β=0。219，p＜0。05）；利用式创新活动对短期财务绩效有显著的正向影响作用（β=0。409，p＜0。001）；整合重构能力对短期财务绩效没有显著的正向影响作用（β=0。001，t=0。102）。这初步说明整合重构能力通过利用式创新活动对短期财务绩效产生显著的正向影响。为了进一步验证利用式创新活动在整合重构能力和短期财务绩效之间的中介效应，我们单独进行整合重构能力和短期财务绩效之间的PLS路径分析。结果表明：整合重构能力对短期财务绩效有显著的正向影响作用（β=0。342，p＜0。001）。所以，根据以上的讨论，可以发现利用式创新活动在整合重构能力和短期财务绩效之间起完全中介作用。也就是说，整合重构能力完全通过利用式创新活动对短期财务绩效产生正向的显著影响。具体实现路径可以直观地表示为：整合重构能力→利用式创新活动→短期财务绩效。

4。利用式创新活动在整合重构能力与长期竞争优势间中介效应检验

同样的，从上述结果可以得知：整合重构能力和利用式创新活动之间存在显著的正向影响关系，以及利用式创新活动和长期竞争优势之间存在显著的正向影响关系。这些给我们接下来的研究提供了启示：利用式创新活动也很有可能在整合重构能力和长期竞争优势之间起中介作用。也就是说，整合重构能力可能通过利用式创新活动对长期竞争优势产生显著的正向影响。