一、结构方程模型理论介绍
战略影响因素分析的传统研究方法是在理论的基础上，运用因子分析，相关分析以及回归分析等研究变量之间的相关关系以及显著水平。这里主要是采用结构方程模型（Structual Equation Modeling，即SEM）对企业合作竞争战略绩效内部影响因素进行验证性因子分析。
结构方程模型（SEM），又称潜在变量模型[38]，该研究方法在当代社会学相关领域研究中，发挥着重要的作用。它兴起于20世纪70年代，是基于变量之间的协方差矩阵来研究变量之间关系的一种方法。
SEM中包含测量模型和结构模型两个方面。测量模型是研究潜在变量和观察变量之间关系的模型。结构模型是研究潜在变量之间的关系的模型。
（一）测量模型是研究潜在变量与观察变量之间的关系的模型。其一般测量模型如图7-2与图7-3所示。
上述测量模型的回归方程式如下：
图7-2 外潜变量的一般测量模型
图7-3 内潜变量的一般测量模型
其中，ε与η、ξ以及δ不相关，而δ与η、ξ以及ε也不相关；
ξ——外因潜在变量；
η——内因潜在变量；
X——外因指标变量组成的向量；
Y——内因指标变量组成的向量；
Λx——指标变量X的因子负荷量；
Λy——指标变量Y的因子负荷量；
ζ——内因潜在变量的随机干扰项；
λ——X与潜在变量之间的关联系数矩阵；
δ——外因潜在变量的观察变量的测量误差项；
ε——内因潜在变量的观察变量的测量误差项。
（二）结构模型是描述潜在变量之间的因果关系的模型，其模型图如图7-4所示。
图7-4 结构模型
上述结构模型的回归方程式如下：
其中，ξ为外因潜在变量；η为内因潜在变量；γ为外因潜在变量与内因潜在变量之间的关系系数矩阵；ζ为内因潜在变量的随机干扰项。
二、SEM技术相对于传统统计方法的优势
传统上，利用探索性因子分析来研究量表或者问卷所包含的共同的抽象的构念，这种研究方法存在以下一些限制：如果测项与两个以上的共同因素相关，因素分析就会束手无策；因素分析对测项之间误差存在无关性假设。然而，许多测项之间的误差来源是相似的，存在共变关系；因素分析中假定，因素之间的关系要么是完全无关，要么是完全相关。
较传统的统计方法而言，SEM技术如下优点：可以检验单个观察变量的测量误差，并且能够将测量误差从观察变量的变异量中抽离出来，从而提高因素负荷的精准度；研究人员可以根据相关理论文献或者研究惯例，将单个观察变量限定于指定的共同构念中，或者现定于指定的几个构念中，并且可以事先设定一个因素负荷量的值，甚至将所有的因素负荷量的值设定为相等；可以对整个模型进行计算统计，验证所得到的数据与已知的模型是否契合。
三、SEM适配度指标
模型的适配度指标是用来评判假设的模型与收集到的数据之间是否相符吻合程度的。这里列举出AMOS软件中常用的集中适配度指标，如表7－3。同时，后面的数据分析部分，也会参照这些指标，对模型进行分析评价。
表7-3 SEM常用的模型适配度评价指标以及评价标准[39]
四、SEM的建立
根据以上阐述的SEM模型理论，以及假设部分建立的影响合作竞争战略绩效的影响因素的模型，这里建立与该模型相对应的SEM，如图7-5所示。
图7-5 合作竞争战略内部绩效影响因素SEM图
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
