4.4.3　基于結(jié)構(gòu)方程建模的集體學(xué)習(xí)途徑假設(shè)檢驗(yàn)

本書將對(duì)假設(shè)檢驗(yàn)應(yīng)用結(jié)構(gòu)方程軟件AMOS5.0進(jìn)行分析，這是因?yàn)檫\(yùn)用結(jié)構(gòu)方程分析具有許多優(yōu)點(diǎn)。

4.4.3.1　結(jié)構(gòu)方程建模內(nèi)涵

結(jié)構(gòu)方程建模（Structural Equations Modeling，SEM）又稱為協(xié)方差結(jié)構(gòu)模型（Conariance Structure Models，CSM）、協(xié)方差結(jié)構(gòu)分析（the Aanalysis of Covariance Structure）、矩結(jié)構(gòu)模型（the Moments Structure Models）等。

1966年，Bock和Bargmann最早提出了“驗(yàn)證性因子分析模型”。其后，Joresgog（1973），Wiley（1973）等將Bock和Bargmann的模型逐漸轉(zhuǎn)變，使之成為一種更通用的模型，這就是今天的結(jié)構(gòu)方程模型。這種模型是一種因素模型和一種結(jié)構(gòu)方程式模型結(jié)合組成，將心理測(cè)量學(xué)與經(jīng)濟(jì)計(jì)量學(xué)有效地結(jié)合起來(lái)。1966年K.Joreshog在教育評(píng)估檢測(cè)中發(fā)展的一系列通用的程序（如LISREL），使得結(jié)構(gòu)方程模型得以長(zhǎng)足的發(fā)展。到如今，AMOS、EQS等更多窗口化軟件運(yùn)用而生。

SEM模型實(shí)際是一般線性模式（General Linear Models，GLM）的擴(kuò)展。一般線性模式包括有：路徑分析、典型相關(guān)、因素分析、判別分析、多元方差分析及多元回歸分析。它們都是SEM模型分析的特例，但許多模式均可以用SEM程序來(lái)處理和評(píng)價(jià)（Quintana et al，1999）。SEM分析是路徑分析和因素分析的有機(jī)結(jié)合，因而比傳統(tǒng)建模有更突出的優(yōu)越性。

結(jié)構(gòu)方程模型與傳統(tǒng)的回歸分析方法相比，至少有以下特點(diǎn)：

（1）可同時(shí)考慮和處理多個(gè)因變量；

（2）允許自變量和因變量含有測(cè)量誤差；

（3）允許潛在變量由多個(gè)外源指標(biāo)變量組成；

（4）可采用比傳統(tǒng)變量更有彈性的測(cè)量模型，如某一觀測(cè)變量或項(xiàng)目在SEM內(nèi)可以同時(shí)屬于兩個(gè)潛在變量；

（5）可以考慮潛在變量之間的關(guān)系，并估計(jì)整個(gè)模型是否與數(shù)據(jù)相吻合。

結(jié)構(gòu)方程的一般形式是：

η＝Bη＋Гξ＋ζ

η是潛在因變量或者內(nèi)生變量的m×1階任意向量；

ξ是潛在自變量，或者外生變量的n×1階任意向量；

B是結(jié)構(gòu)模型中η變量的m×m階相關(guān)系數(shù)矩陣；

Г是結(jié)構(gòu)模型中ξ變量的n×n階相關(guān)系數(shù)矩陣；

ζ是結(jié)構(gòu)關(guān)系中的隨機(jī)誤差的m×1階任意向量。

對(duì)于SEM模型評(píng)估好壞的關(guān)鍵是模型的擬合性。所謂模型的擬合性是指表明變量間關(guān)系的假設(shè)模型與實(shí)際觀測(cè)數(shù)據(jù)的擬合程度。從而驗(yàn)證研究者的研究結(jié)論。如果模型對(duì)觀測(cè)數(shù)據(jù)擬合良好，則表明假設(shè)模型具有有效性，研究結(jié)論得到支持，如果擬合效果不好，則表明調(diào)查的事情情況與理論假設(shè)存在一定差距，需要對(duì)假設(shè)模型進(jìn)行必要的修正。當(dāng)前，還沒(méi)有單一一個(gè)擬合指標(biāo)能完整評(píng)價(jià)檢驗(yàn)?zāi)Ｐ偷膬?yōu)劣，通常運(yùn)用一系列擬合指標(biāo)的組合。

主要用的擬合指標(biāo)有：χ ²（chi-square test，卡方）、GFI（Goodness-of-Fit index，擬合優(yōu)度指數(shù)）和AGFI（Adjusted Goodness-of-Fit Index，調(diào)整擬合優(yōu)度指數(shù)）、RMSEA（Root Mean Square Error of Approximation，近似誤差均方根）、SRMR（Standardized Root Mean square Residual，標(biāo)準(zhǔn)化殘差均方根）、NFI（Nonmed Fit Index，賦范擬合指數(shù)）、NNFI（Non-Nonmed Fit Index，非范擬合指數(shù)）又叫TLI（Tucker-Lewis指數(shù)）和CFI（Comparative Fit Index，比較擬合指數(shù)）。

χ ²擬合指標(biāo)要求χ ²不顯著（對(duì)應(yīng)p＞0.05），但χ ²經(jīng)常對(duì)樣本量過(guò)于敏感，尤其是樣本量超過(guò)200時(shí)（Hair et al，1992）。隨著樣本規(guī)模的增加，這個(gè)指數(shù)有更大的趨勢(shì)解釋等價(jià)模型的顯著差異性。GFI和AGFI兩類指數(shù)常被也容易受樣本容量的影響，且在不同情況下，有各種程度的誤差出現(xiàn)（Hu ＆Bentley，1995），故較少使用。研究顯示NFI會(huì)受樣本容量的系統(tǒng)影響，在樣本量較少的時(shí)候，會(huì)低估擬合程度，因此新近的擬合指數(shù)研究中并不推薦使用NFI，反而推薦使用NNFI（又名TLI，Tucker-Lewis Index）和CFI（侯杰泰、溫忠麟、成子娟，2004）?；诰C合考慮，本研究將選取χ ²/df、RMSEA、RMR（Root Mean-Square Residual）、TLI和CFI五類指數(shù)作為評(píng)價(jià)模型的擬合指數(shù)。

（1）χ ²/df：要求χ ²不顯著（對(duì)應(yīng)p＞0.05），若χ ²/df＜3，則對(duì)χ ²不顯著的要求可忽略不計(jì)。按照Carmines和Mciver的觀點(diǎn)（1981），卡方與自由度之比率應(yīng)該不大于3，但Wheaton等人（1977）認(rèn)為該指標(biāo)小于5也可以接受。本書以該指標(biāo)不超過(guò)3為界，在此范圍內(nèi)，模型擬合良好；

（2）RMSEA：RMSEA≤0.08為表示模型擬合良好可接受范圍，若RMSEA＜0.05，則模型高度擬合，該指標(biāo)小于0.10就可以接受，該值越接近0表明模型擬合越好；

（3）RMR：RMR＜0.08認(rèn)為模型可以接受，該值越接近0表明模型擬合越好。建議最大值為0.10（Chau，1997）；

（4）TLI：該指標(biāo)取值范圍在0～1之間，越接近1越好，一般該指標(biāo)大于0.90就可表示模型擬合良好；

（5）CFI：該指標(biāo)的取值范圍在0～1之間，越接近1越好，一般該指標(biāo)大于0.90就表示模型擬合良好。

對(duì)于與路徑系數(shù)相應(yīng)的臨界值CR（Critical Ratio），當(dāng)其值大于1.96時(shí)，表明該路徑系數(shù)在p≤0.05的水平上具有統(tǒng)計(jì)顯著性。

4.4.3.2　測(cè)量的驗(yàn)證性因子分析

因子分析主要有兩種基本形式：探索性因子分析（Exploratory Factor Analysis）和驗(yàn)證性因子分析（Confirmatory Factor Analysis）。探索性因子分析（EFA）致力于找出事物內(nèi)在的本質(zhì)結(jié)構(gòu)；而驗(yàn)證性因子分析（CFA）是用來(lái)檢驗(yàn)已知的特定結(jié)構(gòu)是否按照預(yù)期的方式產(chǎn)生作用。探索性因子分析是在事先不知道影響因素的基礎(chǔ)上，完全依據(jù)資料數(shù)據(jù)，利用統(tǒng)計(jì)軟件以一定的原則進(jìn)行因子分析，最后得出因子的過(guò)程。驗(yàn)證性因子分析充分利用了先驗(yàn)信息，是在已知因子的情況下檢驗(yàn)所搜集的數(shù)據(jù)資料是否按事先預(yù)定的結(jié)構(gòu)方式產(chǎn)生作用。因此探索性因子分析主要是為了找出影響觀測(cè)變量的因子個(gè)數(shù)，以及各個(gè)因子和各個(gè)觀測(cè)變量之間的相關(guān)程度；而驗(yàn)證性因子分析的主要目的是決定事前定義因子的模型擬合實(shí)際數(shù)據(jù)的能力。進(jìn)行探索性因子分析之前，我們不必知道我們要用幾個(gè)因子，各個(gè)因子和觀測(cè)變量之間的聯(lián)系如何；而驗(yàn)證性因子分析要求事先假設(shè)因子結(jié)構(gòu)，我們要做的是檢驗(yàn)它是否與觀測(cè)數(shù)據(jù)一致。探索性因子分析是因子分析最通常的形式。前面進(jìn)行的主成分分析為探索性因子分析。驗(yàn)證性因子分析至少要求預(yù)先假設(shè)模型中因子的數(shù)目，但有時(shí)也預(yù)期那些變量依賴那個(gè)因子（Kim and Mueller，1978）。例如，研究者試圖檢驗(yàn)代表潛在變量的觀測(cè)變量是否真屬于一類。

但驗(yàn)證性因子分析提供了必要的統(tǒng)計(jì)分析，以判斷理論模型中代表某一結(jié)構(gòu)變量測(cè)度的每一測(cè)量條款的一致性。Bollen（1989）認(rèn)為，CFA在關(guān)于模糊模型（plausible model）設(shè)定的情況下，是一種比探索性因子分析（即主成分因子分析）更好的分析方法。此外，CFA能夠識(shí)別同一測(cè)度內(nèi)測(cè)量條款之間的多重共線性，并能識(shí)別與模型中其他結(jié)構(gòu)變量存在交叉荷載（cross-load）的測(cè)量條款（即一致性和歧視性效度）。在進(jìn)行結(jié)構(gòu)方程分析之前，必須要?jiǎng)h除測(cè)量條款之間的多重共線性，并且，與其他結(jié)構(gòu)變量存在交叉荷載的測(cè)量條款如果具有歧視性效度也應(yīng)該被刪除。Hair等（1995）認(rèn)為在進(jìn)行CFA分析時(shí)，因子負(fù)荷系數(shù)（表示測(cè)量條款對(duì)被測(cè)結(jié)構(gòu)變量的直接效果）低于0.5的應(yīng)該給予刪除。為了保證數(shù)據(jù)的質(zhì)量和驗(yàn)證的嚴(yán)密性，本書在進(jìn)行了探索性因子分析后，再進(jìn)行驗(yàn)證性因子分析。

1）一級(jí)網(wǎng)絡(luò)正式交往

一級(jí)網(wǎng)絡(luò)正式交往確定性因子分析模型見(jiàn)圖4.2。

圖4.2　一級(jí)網(wǎng)絡(luò)正式交往的CFA分析

一級(jí)網(wǎng)絡(luò)正式交往的確定性因子分析包括有知識(shí)獲取、知識(shí)固化、知識(shí)運(yùn)用3個(gè)測(cè)量維度。相關(guān)測(cè)量結(jié)果及擬合度見(jiàn)圖4.2。從圖中可見(jiàn)，測(cè)項(xiàng)在對(duì)應(yīng)因子上的最小因子負(fù)荷系數(shù)為為0.58（Q4.1.8）超過(guò)0.5的要求；卡方與自由度的比值（χ ²/df）為1.403，小于3；TLI、CFI均超過(guò)0.95，RMR小于0.05；RMSEA等于0.053，大于0.5，但小于0.1的要求。因而整個(gè)模型的擬合度良好，3個(gè)維度可較好地表示一級(jí)網(wǎng)絡(luò)正式交往的內(nèi)涵。

2）二級(jí)網(wǎng)絡(luò)正式交往

二級(jí)網(wǎng)絡(luò)正式交往確定性因子分析模型見(jiàn)圖4.3。

圖4.3　二級(jí)網(wǎng)絡(luò)正式交往的CFA分析

二級(jí)網(wǎng)絡(luò)正式交往的確定性因子分析的測(cè)量結(jié)果及擬合度見(jiàn)圖4.3。從圖4.3可知，7個(gè)測(cè)項(xiàng)的因子負(fù)荷系數(shù)中最小的為0.69（Q2.2.2及Q2.2.6），負(fù)荷大于0.5的要求；χ ²/df為2.355，小于3；TLI為0.946，CFI為0.964，均大于0.9；RMR為0.017，小于0.1；RMSEA為0.098，雖然離0較遠(yuǎn)，但仍然達(dá)到小于0.1的要求。因而確定性因子分析模型的擬合度較好，二級(jí)網(wǎng)絡(luò)正式交往可用一個(gè)維度測(cè)量。

3）非正式交往

非正式交往的確定性因子分析模型見(jiàn)圖4.4。

圖4.4　非正式交往的CFA分析（初次）

非正式交往的確定性因子分析的測(cè)量結(jié)果及擬合度見(jiàn)圖4.4。從圖4.4可見(jiàn)，各測(cè)項(xiàng)的因子負(fù)荷系數(shù)均大于0.5；TLI、CFI均大于0.9，RMR小于0.1，符合測(cè)量要求；但χ ₂/df等于3.590，大于3的建議值，而且RMSE為0.135，也大于0.1的要求?？梢?jiàn)整個(gè)模型的擬合度欠佳，需要對(duì)測(cè)項(xiàng)進(jìn)行調(diào)整。

在刪除因子負(fù)荷系數(shù)較小的Q2.3.5（系數(shù)值為0.63）后，有4個(gè)測(cè)項(xiàng)的確定性因子分析結(jié)果見(jiàn)圖4.5。從圖4.5可見(jiàn)，因子負(fù)荷均超過(guò)0.5；P值等于0.124，大于0.05，意味著不顯著，符合卡方的測(cè)量要求，而且χ ²/df等于0.647，遠(yuǎn)小于3；TLI為0.978，CFI為0.969，與1的理想值較近；RMR為0.005，RMSEA為0.010，與0的理想值較近。因而調(diào)整后的確定性因子分析模型的擬合度良好，非正式交往可用一個(gè)維度來(lái)表示。

圖4.5　非正式交往的CFA分析（調(diào)整）

4）人才流動(dòng)

人才流動(dòng)的確定性因子分析模型見(jiàn)圖4.6。

圖4.6　人才流動(dòng)的CFA分析

人才流動(dòng)的確定性因子分析的結(jié)果見(jiàn)圖4.6所示。從圖4.6可見(jiàn)，因子負(fù)荷中最小的為0.66（Q2.4.5），超過(guò)0.5的要求；χ ²/df等于2.014，小于3；TLI、CFI的值均大于0.9；RMR、RMSEA的值分別為0.028、0.043，均低于0.05的要求。因此人才流動(dòng)的確定性因子分析模型有效，人才流動(dòng)只有一個(gè)測(cè)量維度。

5）企業(yè)衍生

企業(yè)衍生的確定性因子分析模型見(jiàn)圖4.7。

圖4.7　企業(yè)衍生的CFA分析

企業(yè)衍生的確定性因子分析結(jié)果見(jiàn)圖4.7。由圖4.7可知，各測(cè)項(xiàng)的因子負(fù)荷均超過(guò)0.5；χ ²/df等于2.679，小于3的要求；CFI為0.954，RMR為0.025，RMSEA為0.033，符合確定性因子分析的要求，但TLI等于0.893，未達(dá)到0.1的最低要求，但基于和0.9的要求不遠(yuǎn)，而且其余數(shù)據(jù)值較為理想，前面關(guān)于企業(yè)衍生的主成分因子分析（探索性因子分析）的結(jié)果良好，因此測(cè)量模型給予保留。因而，企業(yè)衍生只有一個(gè)測(cè)量維度。

6）組織內(nèi)學(xué)習(xí)

組織內(nèi)學(xué)習(xí)確定因子分析模型見(jiàn)圖4.8。

圖4.8　組織內(nèi)學(xué)習(xí)的CFA分析

組織內(nèi)學(xué)習(xí)的確定性因子分析結(jié)果見(jiàn)圖4.8。從圖4.8可見(jiàn)，6個(gè)測(cè)項(xiàng)的因子負(fù)荷均大于0.5；P值為0.069，大于0.05，意味著模型不顯著，符合卡方χ ²的要求，而且χ ²/df小于3；TLI、CFI分別為0.940、0.970，大于0.9的要求；RMR為0.020，小于0.05，RMSEA為0.086，雖大于0.05，但小于0.1。由此可見(jiàn)，整個(gè)測(cè)量模型具有較好的擬合度，組織內(nèi)學(xué)習(xí)可用一個(gè)維度表示。

7）行業(yè)環(huán)境

行業(yè)環(huán)境的確定性因子分析模型見(jiàn)圖4.9。

圖4.9　行業(yè)環(huán)境的CFA分析

行業(yè)環(huán)境的確定性因子分析結(jié)果見(jiàn)圖4.9所示。由圖4.9可見(jiàn)，五項(xiàng)測(cè)項(xiàng)的因子負(fù)荷均超過(guò)0.5；χ ²/df為1.198，小于3；TLI、CFI均超過(guò)0.95，RMR、RMSEA均小于0.05。因而，整個(gè)模型的擬合度良好，行業(yè)環(huán)境只有一個(gè)測(cè)量維度。

8）競(jìng)爭(zhēng)優(yōu)勢(shì)

競(jìng)爭(zhēng)優(yōu)勢(shì)是一個(gè)維度的變量，由3個(gè)測(cè)項(xiàng)來(lái)測(cè)量，因而自由度df值為0，χ ²/df無(wú)法表示，因而不進(jìn)行確定性因子分析。但前面的主成分因子分析（探索性因子分析）結(jié)果良好，而且利用這3個(gè)測(cè)項(xiàng)是理論界比較公認(rèn)的測(cè)量競(jìng)爭(zhēng)優(yōu)勢(shì)的指標(biāo)。

4.4.3.3　模型分析結(jié)果與討論

集體學(xué)習(xí)對(duì)集群企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的影響模型見(jiàn)表4.28、圖4.10所示。

表4.28　集體學(xué)習(xí)對(duì)集群企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的影響路徑系數(shù)

注：＊表示P＜0.05，＊＊表示P＜0.01，＊＊＊表示P＜0.001，以下同。

圖4.10　集體學(xué)習(xí)對(duì)集群企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)的影響程度

從分析結(jié)果來(lái)看，雖然P為0，表明卡方顯著，但χ ²/df等于2.127，小于一般規(guī)定的3；RMR等于0.077，RMSEA等于0.089，均小于0.1；TLI為0.922，大于0.9；CFI為0.886，雖小于0.9，但和0.9很接近?？偠灾?，模型的擬合度可以被接受。

從表4.28和圖4.10可知，一級(jí)網(wǎng)絡(luò)正式交往、二級(jí)網(wǎng)絡(luò)正式交往、非正式交往、人才流動(dòng)、企業(yè)衍生對(duì)集群企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)均有顯著正向影響，但幾種影響效應(yīng)的強(qiáng)度是不一樣的。其中，一級(jí)網(wǎng)絡(luò)正式交往最強(qiáng)，二級(jí)網(wǎng)絡(luò)正式交往次之，其后分別是非正式交往、人才流動(dòng)、企業(yè)衍生。表明在產(chǎn)業(yè)集群中，各種集體學(xué)習(xí)途徑對(duì)集群企業(yè)競(jìng)爭(zhēng)優(yōu)勢(shì)產(chǎn)生顯著正向影響，但影響力的大小是不同的。模型1的結(jié)果支持H1a—H5a。