4.4.1 测量问卷的信度、效度检验
信度（Reliability）指的是如果测量采用同样的方法对同一对象重复进行，一个量表产生一致性结果的程度，通常被用来反映量表测量所得到的结果数据真实程度，即量表测量的可靠性和准确性。因此，问卷的信度是考查问卷测量的可靠性，是指测量所得结果的内部一致性程度。为了最大程度上确保研究分析中所使用的数据是真实可信的，在对问卷进行数据分析前，我们必须考察问卷的信度，以确保测量结果的质量。内部一致性系数（α系数）反映了每个因素中的项目是否测量了相同或相似的特质，是当前管理学和心理学界研究中使用最为广泛的信度指标。内部一致性系数最适合同质性检验，检验每一个因子中各个项目是否测量相同或相似的特性，能够准确地反映出测量项目的一致性程度和量表内部结构的良好性。因此，本研究采用Cronbach的内部一致性系数（α系数）来分析信度（王重鸣，1990），并采用Nunnally（1978）与Churchill和Peter（1984）所建议的信度标准来判定，即 Cronbach α值至少要大于0.5，且最好能大于0.7 的信度标准；若小于0.35则应拒绝。因此，本研究也采用这一标准：若Cronbach α系数值在0.7以上，则该量表的信度是可接受的。
效度（Validity）指的是观察值之间的差异所反映的物体之间被测特性的真实差异的程度，也即是一个测量工具能够恰当地测量出所欲测量构念的程度。因此，效度系数越高，表示测量问卷越能够测量到想要测量的构念。一般检验的方式则区分为“探索性因素分析”与“验证性因素分析”两大类。探索性因素分析（Exploratory Factor Analysis，EFA）是进入研究初步阶段最常使用的统计方法，对测量项目包含哪几个因素并不很清楚，完全由搜集到的资料做因素抽取。倘若研究者在编制测量量表时，已经知道明确的因素结构假设，则可以使用验证性因素分析（Confirmatory Factor Analysis，CFA）来进行因素结果确认，可以帮助我们进行构念效度（包括收敛效度和区别效度）的检验。验证性因素分析可使用LISEREL、AMOS或PLS统计软件来实现。
在效度检验方面，由于本部分动态能力的问卷项目有的来自于实地的调查访谈，有的来自过去的文献，其他学者也曾使用与这些项目测量相关的变量，本研究在最终确认问卷之前，通过咨询相关领域的专家、预试并修正问卷的部分提法、内容，因此问卷具有相当的内容效度（Content Validity），也应该能够符合构建效度的要求。但考虑跨文化因素的影响以及中国特定的情况，本研究仍以验证性因子分析来验证本研究各量表的构建效度（Construct Validity）。此外，在量表效度分析过程中，通过验证性因素分析，检验各构面是否具有足够的收敛效度（Convergent Validity）和区别效度（Discriminant Validity），并依据检验结果对部分量表项目作了调整和修正。
根据Churchill（1979）采用的确保测量工具信度和效度的方法，首先确保测量项目有来源依据，具备内容效度。接着在进行因子分析前，净化和消除“垃圾测量项”（Garbage Items），然后对测量构念和项目进行因子分析，保证其可靠性和有效性。下面将遵循该程序对企业动态能力的测量量表进行检验。量表的测量项目参考以往的研究文献，保证了其内容效度。
4.4.2 CITC和α信度检验
本研究采用修正后项目总相关系数（Corrected-Item Total Correlation，CITC）方法净化动态能力的测量项目，并利用Cronbach's α系数再一次检验问卷的信度。修正后项目总相关系数（CITC）是在同一变量维度下，每一测量项目与其他所有测量项目之和的相关系数。如果测量项目的CITC小于0.4，并且删除这个测量项目可以增加α值，提升整体信度，则删除该测量项目（卢纹岱，2002）。企业动态能力的信度检验主要通过α系数来反映。我们对收取数据的83份组织水平的数据进行了CITC和α系数检验。各测量项目的CITC和信度检验结果如表4-4所示。
表4-4 企业动态能力量表的信度分析
注：CITC：Corrected-Item Total Correlation；CAID：Cronbach's Alpha if Item Deleted。
由表4-4中的数据可知，测量企业动态能力各维度的项目的CITC最小值为0.475，最大值为0.848，均大于0.4的标准，各测量项目有较高的信度，符合量表的基本测量要求。另外，企业动态能力的四个维度：机会识别能力、整合重构能力、技术柔性能力和组织柔性能力相应的α系数分别为0.800、0.911、0.854和0.906。并且，企业动态能力整体Cronbach's α系数是0.913。各研究构面的α系数均超过0.7以上的可接受水平，表示构成量表的内部一致性可接受，该量表具有较好的信度。
由于企业动态能力的测量还没有存在统一和广泛接受的标准，本研究在基于访谈和其他学者对企业动态能力的研究，参考CITC检验的结果，首先使用SPSS 16.0统计软件包对企业动态能力的测量项目做探索性因素分析，确立和验证量表各维度的划分，然后利用AMOS18.0对其做验证性因素分析以检验各构面是否具有足够的收敛效度和区分效度。
4.4.3 企业动态能力的探索性因素分析
我们对收取数据的83份组织水平的随机数据进行了探索性因素分析。具体而言，利用巴特利特球体检验和KMO测度来判断观测数据是否适合做因子分析。巴特利球体检验从检验整个相关矩阵出发，其零假设为相关矩阵是单位矩阵，如果不能拒绝该假设的话，应该重新考虑因子分析的使用（郭志刚，2004）。KMO测度从比较观测变量之间的简单相关系数和偏相关系数的大小出发，其值的变化范围从0～1，该值越大则越适合做因子分析。
首先我们先对企业动态能力的各个测量项目进行KMO测度和巴特利特球体检验，看样本数据是否适合作探索性因子分析，表4-5是SPSS16.0统计软件包数据处理的输出结果。
表4-5 变量的KMO样本测度和巴特利特球体检验
表4-5结果显示：样本KMO值为0.809，表明该组变量数据是很适合作探索性因子分析的（＞0.80）。同时，巴特利特球体检验的γ2统计值的显著性概率是0.000（＜0.001），说明数据具有相关性，所以这组数据是很适合作探索性因子分析的（马庆国，2002）。并且，如果观测数据适合做因子分析，并且测量同一维度的指标因子负载较大（通常需要高于0.400），同时这些指标在其他维度上的因子负载较小（通常需要低于0.400），则表明该量表具有良好的内部结构，构念效度较高（陈晓萍、徐淑英和樊景立，2008）。
在探索性因子分析中，采用主成分分析方法，特征根大于1.0，得到经过正交转换后企业动态能力的因子负载矩阵，如表4-6所示。但测量项目IRC4和IRC5存在交叉载荷现象（Crossing Loading），并且大于0.4。根据陈晓萍、徐淑英和樊景立（2008）的建议，删去这两个测量项目，然后再进行探索性因素分析。
表4-6 企业动态能力探索性因素分析（EFA）
注：提取方法：主成分分析法；旋转方法：正交的方差极大法旋转；经过了五次迭代。
接着，我们对企业动态能力的各个测量项目（删去IRC4和IRC5后的其他项目）进行KMO测度和巴特利特球体检验，看样本数据是否适合作探索性因子分析，表4-7是SPSS16.0统计软件包数据处理的输出结果。
表4-7 变量的KMO样本测度和巴特利特球体检验
表4-7结果显示：样本KMO值为0.795，表明该组变量数据是适合作探索性因子分析的（0.70＜KMO＜0.80）。同时，巴特利特球体检验的γ2统计值的显著性概率是0.000（＜0.001），说明数据具有相关性，所以这组数据是很适合作探索性因子分析的（马庆国，2002）。在探索性因子分析中，采用主成分分析方法，特征根大于1.0，得到经过正交转换后企业动态能力的因子负载矩阵，如表4-8所示。所有测量项目不存在交叉载荷现象，并且因子负载大于0.4。这些表明该量表具有良好的内部结构，构念效度较高（陈晓萍、徐淑英和樊景立，2008）。
探索性因素分析结果表明，可以从企业动态能力的16个项目中提取4个因素。这些因素累计解释的总体变异为72.248%。对因素分析后的因素命名：分别有4个项目进入了F1，5个项目进入了F2，4个项目进入了F3，3个项目进入了F4，基本与原构思符合。根据因素归类中测量项目的内容，本研究将这四个因素命名为动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度。通过计算Cronbach内部一致性系数，我们发现动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度的一致性系数分别达到0.906、0.800、0.854和0.910。各个因素的α系数均大于0.70，表明同一个维度间测量项目的内部一致性程度较好，并且内部结构良好，问卷测量的信度是可以接受的。
表4-8 企业动态能力探索性因素分析（EFA）
注：提取方法：主成分分析法；旋转方法：正交的方差极大法旋转；经过了五次迭代。
在对企业动态能力进行验证性因子分析之前，对企业动态能力的技术柔性能力维度、机会识别能力维度、组织柔性能力维度和整合重构能力维度的均值和标准差作一个描述性统计，同时进行相关分析，样本结果显示，如表4-9所示。
从表4-9可以看出，企业动态能力在技术柔性能力维度、机会识别能力维度和整合重构能力维度上处于偏上水平，在组织柔性能力维度上处于中等偏上水平。从相关分析的结果来看，企业动态能力各个维度之间大多存在显著的相关关系。因为技术柔性能力维度和组织柔性能力维度的Pearson相关系数为0.526，在p＜0.01的水平上显著，并且在文献综述部分已有学者提出柔性能力应该体现在技术和组织结构两个方面（Wang ＆ Ahmed，2007），所以我们得出了这样的设想：这两个维度是否可以合并为柔性适应能力？这一设想是我们在下面的验证性因素分析中提出企业动态能力三维度备择模型的来源。
表4-9 企业动态能力各维度的描述统计值和相关分析
注：相关系数为pearson系数。**表示显著性水平p＜0.01；*表示显著性水平p＜0.05；双尾检验。
4.4.4 企业动态能力的验证性因素分析
一般情况下，学者们认为如果对研究构念进行探索性因素分析后，还必须运用验证性因子分析加以验证。如Anderson和Gerbin（1988）认为探索性因素分析和验证性因素分析是因素分析的两个不可分割的重要组成部分，在管理研究的实际应用中应结合运用。在不清楚研究构念具体结构的情况下，首先应通过探索性因素分析建立理论模型与假设，然后再利用验证性因素分析去检验修正模型与假设。因此，为了进一步确证探索性因素分析所得的企业动态能力四因素结构模型，本研究基于随机抽取的另一半样本数据（共79份），采用验证性因素分析的方法，进行分析。一般而言，利用结构方程模型来进行验证性因子分析时，我们需要考察各构面是否具有足够的收敛效度（Convergent Validity）和区别效度（Discriminant Validity），并可以依据检验结果对部分测量项目进行调整和修正，最终达到相对适合本研究的结果。
根据黄芳铭（2005）的建议，我们进行量表模型整体拟合优度检验。若通过该检验则表示模型整体上具有效度。整体模型拟合的评估是一个相当复杂的问题。可以根据绝对拟合指标和相对拟合指标两大类整体拟合指标做综合性的判断。使用验证性因子分析时，需要对模型的拟合情况进行评价，本研究主要采用以下评价指标：
（1）卡方指标（χ2）
在结构方程模型中，χ2 统计作为一种差性拟合（Badness-of-fit Measure）的指标，在某种自由度下获取一定的显著χ2 值，代表观察矩阵和理论矩阵之间是不匹配的（黄芳铭，2005）。因此，只有χ2 值不显著的情况下，方能获得理想的匹配。由于样本量影响χ2 的显著程度，一般采用χ2/df 指标以降低样本量的影响。对于可以接受的范围，倾向于采用χ2/df 介于2.0到5.0之间，可以接受模型（侯杰泰、温忠麟和成子娟，2003）。
（2）近似误差均方根（RMSEA）
RMSEA在评价拟合度时表现得比许多其他指标要好（黄芳铭，2005）。当RMSEA 等于或小于0.05，表示模型可以被接受，通常将此视为拟合良好；RMSEA在0.05到0.08之间，表示拟合中等；RMSEA大于0.10则是不被接受的拟合。
（3）拟合优度指标（GFI）和调整拟合优度指标（AGFI）
GFI范围介于0到1之间，“0”代表差的拟合，“1”代表完美的拟合。GFI类似于回归中的R2，据此可以看出理论模型的方差和协方差能够解释观察资料的方差与协方差的程度。通常学者建议GFI值大于0.9表示拟合较好（黄芳铭，2005）。由于GFI容易样本大小的影响，因此有学者建议同时考虑调整拟合优度指数（AGFI）对模型的拟合效果进行评价。AGFI的目的在于利用自由度和变量个数的比率来调整GFI，一般认为AGFI比较不受到样本大小的影响。通常学者建议AGFI值大于0.9作为接受模型的标准。
（4）规范拟合指数（NFI）、修正拟合指数（IFI）和比较拟合指数（CFI）
NFI可以理解为相对于基准模型的χ2，理论模型的χ2 减少的比例（侯杰泰、温忠麟和成子娟，2003），NFI越接近于1，表明理论模型的改进越大。然而，NFI也会受到样本大小的影响，而IFI正是对NFI的修正，以降低NFI对样本大小的依赖。CFI通过与独立模型相比较来评价拟合程度。NFI，IFI，CFI的值均在0到1之间，越接近于1，表明拟合效果越好，通常认为这三个指标均需要超过0.9方能接受（黄芳铭，2005）。
尽管大量学者认为GFI，AGFI，NFI，IFI和CFI等拟合指标大于0.9方能表示拟合良好，但实际研究中由于拟合的变量较多、模型较复杂等原因，导致某些指标难以达到0.9的标准。因此，可是具体情况适当放宽某些指数的取值下限。一般而言，当GFI大于等于0.9时，模型可以接受，但当CFI大于等于0.9时，GFI的取值下限可以放宽到0.85。根据以上分析，本研究采用的指标及其取值范围和理想取值归纳如上表4-10所示。
表4-10 拟合指标取值范围与理想取值
接下来，我们根据上面描述的标准进行企业动态能力的验证性因素分析。在进行验证性因素分析前，首先我们根据探索性因素分析结果和理论推导设定若干个竞争性的假设模型。探索性因素分析得到了一个四因素的企业动态能力模型，我们将其作为本研究的基本模型。考虑到在前人的研究中，有研究者将技术柔性能力和组织柔性能力合在一起，统称为柔性适应能力（Wang ＆ Ahmed，2007）。所以不应将这两者割裂开来，综合相关研究，我们拟将其合并，提出一个三因素模型作为研究的备择模型。
采用AMOS18.0结构方程建模软件，对基本模型和备择模型两个模型进行了构思验证。实证数据对这两个模型的整体拟合情况，汇总如表4-11所示。
表4-11 多模型拟合情况汇总
续表
在三因素模型中，RMSEA等拟合指数达不到最低要求，这意味着三因素模型被拒绝。因此，我们采用探索性因素分析得到了一个四因素的企业动态能力模型。Joreskog（1993）认为如果使用结构方程进行模型界定，当收集资料对起初的模型进行适配程度验证，发现模型不理想的时候，可以在理论的指导下，观察相应的指标，对模型进行修正，然后再验证模型。因此，虽然四因素模型也有一些拟合指数达不到最低要求，我们可以进行模型的修正工作。利用统计结果来做理论模式的修正，这种修正是理论假设与问卷实证调查之间的一种妥协结果。但是，黄芳铭（2005）指出，无论如何都必须把理论的逻辑假设放在研究的首要考虑的位置。在具体的修正过程中，我们必须综合考虑理论基础和修正对于模式拟合的改进程度。一般来说，可利用统计软件输出的修正指标（Modification Indices，MI）来了解导致模式拟合度不佳的原因，利用期望参数改变值来判断拟合的改进程度。
依据Joreskog（1993）的建议，如果最大的修正指标无法具有理论的意义，则选择次大的指标，直到找到有意义的指标或关系修正才可以给予估计。在使用修正指数时，一般建议一次只能释放一个参数，因为释放一个参数将可能降低或消除第二个要释放参数的拟合度改进情形（黄芳铭，2005）。我们首先考察企业动态能力四因素模型（在观测变量间没有建立任何残差关联）的修正建议，发现相当多的MI值大于4.000。其中，观察变量OFC2的测量残差项e11和观察变量OFC1的测量残差项之间的MI为19.252，是最大的MI值；基于上述考虑，我们删去观察变量OFC2，得到修正后的模型。根据拟合指标，整体模型的拟合度有了明显的改进，如表4-11所示。表4-11显示，修正后的企业动态能力四因素模型的拟合情况比较好。
所以，结合上文拟合指数的评价标准，我们认为修正后的企业动态能力四因素模型对数据的拟合情况是可以接受的。验证性因素分析所得的修正后的企业动态能力四因素模型如图4-1所示。
图4-1 企业动态能力的验证性因素分析：修正后的四因素模型
4.4.5 企业动态能力的四维度模型
通过企业动态能力理论的文献综述与梳理，以及企业动态能力结构维度的实证研究，本研究发现企业动态能力是企业通过扫描环境发现机会，并据此整合、构建和重组内外部资源以修正运营操作能力从而适应动态复杂快速变化环境的能力，其能够使企业动态地适应复杂变化的环境（Barreto, 2010；Teece, Pisano ＆ Shuen, 1997;Zahra, Sapienza ＆ Davidsson，2006）。
通过大样本的数据分析，采用修正后项目总相关系数（CITC）、探索性和验证性因素分析方法对企业动态能力的结构维度进行了分析，得出了企业动态能力结构维度构成的结论：企业动态能力是个多维度的研究构念，包括机会识别能力、整合重构能力、技术柔性能力和组织柔性能力四个维度。
这个研究结果和企业在商业实践中的经营活动也是相一致的。如在和FESTO （China） LTD的经理进行访谈的时候，他们对公司的经营活动进行了这样的表述：我们公司由市场部来专职负责扫描和监控市场环境中的变化，识别新的市场机会和了解顾客需求等信息的收集、分析和整理工作。具体流程如下：首先，由分布在全国各地的几十个分公司去收集各自区域的各种信息：市场需求、客户反馈意见、竞争对手经营动态、当地政府经济政策变化趋势、相关行业动向、当地各类相关的展会活动，等等。接着，分公司定期将这些信息汇总到中国子公司上海总部的市场部，经市场部整理分析后，附上分析意见，再行上报高层或转至相关职能部门处理，若具有特别价值的信息再由上海总部转呈德国集团总部，由集团总部来制定相应对策。长期以来，这项工作已被流程化和制度化，成为企业通过扫描环境发现机会和规避风险的惯例活动。这些极富价值的信息，有效地帮助公司更好把握市场脉搏，不断完善自身经营管理，为企业高速发展提供了有力的保障。在过去15年中，中国子公司保持了平均20%的年增长率。FESTO （China） LTD的典型案例说明了企业通过扫描环境发现机会的重要性。
相关的学术研究也支持了这一结果。如李大元等（2010）认为动态能力是组织意会能力、柔性决策能力与动态执行能力的组合。其中组织意会能力是企业感知与理解环境及其变化的首要环节，任何调适变革行为都包括管理者对环境的感知与解析。柔性决策能力是企业能够对变化或新情况作出反应或适应的质量，是主体能够通过变化适应新的情况和环境，是任何战略决策的核心。这项研究也突出了对环境中的机会进行识别的重要性，以及在不确定环境下，企业需要敏锐地把握涌现的机会，警觉地及时纠正错误决策。
因此，企业动态能力作为使组织内部财产性资源与知识性资源与外部环境之间相匹配的一种能力，通过对现有资源和运营惯例的重新架构与组合，促使企业现有运营能力形式从一个状态变为更适应环境的另一个状态，从而使企业适应快速变化的环境。企业只有以提供利益价值满足顾客需求为努力目标，依靠机会识别能力和快速反应能力，才能在变革更新动力的作用下，根据企业洞察到的环境变化，通过技术柔性能力和组织柔性能力，进行价值链配置与整合，以及资源配置与整合，动态地适应复杂变化的环境，最终取得企业所拥有资源与知识和所处环境的动态相机匹配。