样本数据拟合直线

3．2．2　验证性因子分析

在本研究所构建的量表通过了探索性因子分析之后，将对所有变量进一步做验证性因子分析，以确保所测变量的因子结构与先前的构思相符。进行验证性因子分析采用的样本为235份有效问卷中去除探索性因子分析使用的50份后所余下的185个样本，是与探索性因子分析相独立的样本集。

3．2．2．1　全球制造网络

首先，对全球制造网络中位置中心度、联结强度和网络规模三个变量的信度进行分析。结果如表3．14所示，所有自变量的总体信度是0．809，各变量指标均满足前文所述的信度指标要求，通过了信度检验，说明变量测度的一致性良好。

表3．14　全球制造网络特征变量的信度检验（N＝185）

下面对全球制造网络中位置中心度、联结强度和网络规模三个变量进行验证性因子分析。测量模型及拟合结果分别如图3．1和表3．15所示。

图3．1　全球制造网络特征测量模型

表3．15　全球制造网络特征变量测量模型拟合结果（N＝185）

附：***表示显著性水平p＜0．001。

全球制造网络特征测量模型的拟合结果表明，χ²值为35．917（自由度df＝32），p值为0．290，表明模型符合要求，且χ²/df值为1．122，小于3；NFI、TLI、CFI与GFI都大于0．9；RMSEA的值为0．023，小于0．05；各路径系数均在p＜0．001的水平上具有统计显著性。可见，该模型拟合效果非常好，图3．1所示的因子结构通过了验证，即本研究对全球制造网络的位置中心度、联结强度和网络规模三个变量的划分与测度是有效的。

3．2．2．2　组织学习

首先，对利用性学习与探索性学习两个变量进行信度分析。结果如表3．16所示，各变量指标均通过了信度检验，总体信度达到0．837，说明变量测度的一致性良好。

表3．16　利用性学习与探索性学习变量的信度检验（N＝185）

其次，对利用性学习与探索性学习两个变量进行验证性因子分析。测量模型及拟合结果分别如图3．2和表3．17所示。

图3．2　组织学习测量模型

表3．17　组织学习变量测量模型拟合结果（N＝185）

附：***表示显著性水平p＜0．001。

组织学习测量模型的拟合结果表明，χ²值为15．094（自由度df＝8），χ²/df值为1．887，小于2；NFI、TLI、CFI与GFI都大于0．9，接近于1；RMSEA的值为0．062，小于0．1；各路径系数均在p＜0．001的水平上具有统计显著性。可见，该模型拟合效果良好，图3．2所示的因子结构通过了验证，即本研究对利用性学习和探索性学习两个变量的划分与测度是有效的。

3．2．2．3　技术创新绩效

首先，对技术创新绩效的信度进行分析。结果如表3．18所示，各指标均通过了信度检验，说明变量测度的一致性良好。

表3．18　技术创新绩效变量的信度检验结果（N＝185）

下面，对技术创新绩效进行验证性因子分析。测量模型及拟合结果分别如图3．3和表3．19所示。

图3．3　技术创新绩效测量模型

表3．19　技术创新绩效测量模型拟合结果（N＝185）

技术创新绩效测量模型的拟合结果表明，χ²值为17．916（自由度df＝5），χ²/df值为3．583，小于5；NFI、TLI、CFI与GFI都大于0．9，RMSEA小于0．1，各路径系数均在p＜0．001的水平上具有统计显著性。可见，该模型拟合效果相当好，图3．3所示的因子结构通过了验证，即本研究对技术创新绩效的测度是有效的。