《跨国公司嵌入对物流产业集群创新的影响》实证研究分析.docx

??

?

??

《跨国公司嵌入对物流产业集群创新的影响》实证研究分析

?

??

?

?

?

?

?

?

?

???

?

?

?

?

?

效度检验主要测度问项能否准确反映变量，主要包括内容效度、构面效度和收敛效度。内容效度通过采用已有研究成果的成熟量表、咨询相关领域专家和企业管理人员等措施予以保证。虽然通过预调研结合探索性因子分析方法对量表的结构效度进行了检验，但还需通过验证性因子分析保证量表的收敛效度。

第一节信度与效度检验

一信度检验

在检验模型假设前，首先进行信度和效度检验，以保证研究的有效性。信度检验以Cronbachsα系数大于等于0.7且删去任何一个问项后Cronbachsα系数不会增加，每个问项的CITC值大于0.5为衡量标准。将大样本数据输入SPSS软件后，得到跨国公司嵌入、知识资源、学习能力、集群创新绩效和环境动态性、相关机构支持等各变量的问项CITC值和Cronbachsα系数，如表8.1、表8.2、表8.3、表8.4所示。

表8.1跨国公司嵌入的信度检验

表8.2知识资源的信度检验

表8.3学习能力的信度检验

表8.4集群创新绩效、环境动态性与相关机构支持的信度检验

由表8.1～表8.4可知，跨国公司嵌入、知识资源、学习能力、创新绩效、环境动态性和相关机构支持6个变量共43个问项的CITC值均大于0.5，Cronbachsα系数也都大于0.7，但学习能力的第二个问项删去后，删去任何一个问项后的整体Cronbachsα系数比原先增加了，因此删去该问项。除此之外，其他问项设置都通过了内部一致性检验。

二验证性因子分析

效度检验主要测度问项能否准确反映变量，主要包括内容效度、构面效度和收敛效度。内容效度通过采用已有研究成果的成熟量表、咨询相关领域专家和企业管理人员等措施予以保证。虽然通过预调研结合探索性因子分析方法对量表的结构效度进行了检验，但还需通过验证性因子分析保证量表的收敛效度。

验证性因子分析是利用因子结构检验设定因子的模型拟合数据的能力。各观测变量对潜变量的路径系数至少应在p＜0.05的水平上具有统计显著性（即T值大于1.96），每个潜变量与对应的观测变量构成的模型拟合系数满足GFI＞0.9、AGFI＞0.8、IFI＞0.9、NFI＞0.9、CFI＞0.9、χ2/df＜2、RMSEA＜0.05，平均变异萃取量（AVE）大于0.5（Bollen和Long，1993；谢荷锋，2007；易丹辉，2009；李怀祖，2012）。将各变量的相关数据输入Lisrel软件，得到相关变量的验证性因子分析结果，如表8.5所示。图8.1至图8.6分别为各变量的验证性因子分析结果。

表8.5变量验证性因子分析结果

由表8.5和图8.1～图8.6可知，各观测变量在对潜变量的路径系数的统计显著性水平上均符合要求，各变量与其观测变量构成的模型整体拟合系数也符合研究要求。数据与模型拟合效果较好，因子结构通过验证，满足收敛效度检验要求。

图8.1跨国公司嵌入的验证性因子分析结果

图8.2知识资源的验证性因子分析

图8.3学习能力的验证性因子分析

图8.4创新绩效的验证性因子分析

图8.5环境动态性的验证性因子分析

图8.6相关机构支持验证性因子分析

三皮尔逊相关分析

在进行结构方程模型构建和层次回归分析之前，需对模型中的潜变量进行简单的相关性分析，检验各潜变量之间是否相互影响。[287]根据前文主成分提取法的分析结果，以各问项的因子载荷系数为权重乘以问项的原始数据，将变量各问项加权平均后形成新的变量。

采用Pearson（皮尔逊）相关分析，各变量间的相关分析结果如表8.6所示，以GX、JG、RZ、JS、GL、XX、CX、HJ和ZC分别代表跨国公司关系嵌入、结构嵌入、认知嵌入、技术知识资源、管理与市场知识资源、学习能力、创新绩效、环境动态性与相关机构支持。由表8.6可知，模型的自变量与因变量、调节变量之间均存在显著的正相关关系。

表8.6变量相关分析结果

第二节主效应与调节效应：层次回归分析

一回归分析检验

在对数据进行多元线性回归分析前，需要检验变量数据之间是否存在多重共线性、序列相关及异方差三大问题。本节主要参考马庆国（2002）的做法，多重共线性表示解释变量之间存在共同的变化趋势，可用方差膨胀因子（VIF）来判断，VIF＞10则表示解释变量之间可能存在多重共线性问题。序列相关指的是不同地点或时间的样本值之间存在显著的相关关系，一般可用DW值进行检验，当DW越接近于2时，序列相关问题越小。异方差问题指的是解释变量的方差随着其变化而产生显著的变化趋势，可以用残差项的散点图进行分析，若散点图呈现均匀、无序分布的状态，则可以判断模型不存在异方差问题。

二回归分析结果

通过