7.4.1 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）方法净化双元式创新和绩效的测量项目，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CITC小于0.4，删除此项目可以增加α值，提升整体信度，则删除该测量项目（卢纹岱，2002）。双元式创新和绩效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。

1.双元式创新的CITC和α信度检验

双元式创新的各测量项目的CITC和信度检验结果如表7-3所示。由表7-3中的数据可知，测量双元式创新各维度的项目的CITC最小值为0.552，最大值为0.804，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。

表7-3 双元式创新量表的信度分析

注：CITC：Corrected-Item Total Correlation；CAID：Cronbach's Alpha if Item Deleted.

另外，双元式创新的两个维度：利用式创新和探索式创新相应的α系数分别为0.884和0.911。双元式创新总的Cronbachα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。由于双元式创新的测量还没有存在统一和广泛接受的标准，本研究在基于学者们对双元式创新的研究，参考CITC检验的结果，首先使用SPSS 16.0对双元式创新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对其作验证性因素分析以检查各构面是否具有足够的收敛效度和区分效度。

2.绩效的CITC和α信度检验

绩效的各测量项目的CITC和信度检验结果如表7-4所示。由表7-4中的数据可知，测量绩效各维度的项目的CITC最小值为0.598，最大值为0.842，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。

表7-4 绩效量表的信度分析

注：CITC：Corrected-Item Total Correlation；CAID：Cronbach's Alpha if Item Deleted.

另外，绩效的两个维度：短期财务绩效和长期竞争优势相应的α系数分别为0.901和0.906。绩效总的Cronbach 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。

本研究在基于前人对企业绩效研究的基础上，参考CITC检验的结果，首先使用SPSS 16.0对企业绩效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；然后接下来利用AMOS18.0对其做验证性因素分析以检查各构面是否具有足够的收敛效度和区分效度。

7.4.2 探索性因素分析

1.双元式创新的探索性因素分析

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。首先，我们先对双元式创新的各个测量项进行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7-5是SPSS 16.0数据处理的输出结果。

表7-5 变量的KMO样本测度和巴特利特球体检验

表7-5结果显示：样本KMO值为0.828，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）。

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的因子负载矩阵，如表7-6所示。所有测量项目不存在交叉载荷现象（Crossing Loading），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，可以从双元式创新的14个项目中提取2个因素。这些因素累计解释的总体变异为63.332%。对因素分析后的因素命名：分别有7个项目进入了F1，7个项目进入了F2，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2个因素命名为双元式创新的利用式创新维度与探索式创新维度。通过计算Cronbach内部一致性系数，我们发现双元式创新的利用式创新维度与探索式创新维度的一致性系数分别达到0.911和0.884。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7-6 双元式创新量表的探索性因素分析

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;经过了三次迭代。

2.企业绩效的探索性因素分析

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。首先我们先对企业绩效的各个测量项进行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7-7是SPSS16.0数据处理的输出结果。

表7-7 变量的KMO样本测度和巴特利特球体检验

表7-7结果显示：样本KMO值为0.869，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，如果观测数据适合作因子分析，并且测量同一维度的指标因子负载较大（通常需要高于0.4），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0.4），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的因子负载矩阵，如表7-8所示。但测量项目Short_per5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，我们删去Short_per5这个测量项目，然后再进行探索性因素分析。

表7-8 企业绩效量表的探索性因素分析

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;经过了三次迭代。

接着，我们采取同样的分析步骤对企业绩效的各个测量项目（删去Short_per5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。分析结果显示，测量项目Long_per2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，我们删去Long_per2这个测量项目，然后再进行探索性因素分析。

表7-9 变量的KMO样本测度和巴特利特球体检验

我们对企业绩效的各个测量项目（删去Short_per5和Long_per2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7-9是SPSS16.0统计软件包数据处理的输出结果。

表7-9结果显示：样本KMO值为0.832，表明该组变量数据是很适合作探索性因子分析的（0.80＜KMO＜0.90）。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绩效的因子负载矩阵，如表7-10所示。所有测量项目不存在交叉载荷现象（Crossing Loading），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，可以从企业绩效的7个项目中提取2个因素。这些因素累计解释的总体变异为79.47%。对因素分析后的因素命名：分别有4个项目进入了F1，3个项目进入了F2，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2个因素命名为企业绩效的短期财务绩效维度和长期竞争优势维度。通过计算Cronbach内部一致性系数，我们发现企业绩效的短期财务绩效维度和长期竞争优势维度的一致性系数分别达到0.912和0.872。各个因素的a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7-10 企业绩效量表的探索性因素分析

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；经过了三次迭代。

7.4.3 验证性因素分析

本章节根据黄芳铭（2005）的建议，量表效度的评价根据模型整体拟合优度进行检验。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。

1.双元式创新的验证性因素分析

为了进一步确证探索性因素分析所得的双元式创新两因素结构模型，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。

接下来，我们根据上面描述的三个标准进行双元式创新两因素结构模型的验证性因素分析。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假设模型。探索性因素分析得到了一个二因素的双元式创新模型，我们将其作为本研究验证性因素分析的基本模型。

采用AMOS18.0结构方程建模软件，对基本模型进行了构思验证。实证数据对这基本模型的整体拟合情况，如表7-11所示。

表7-11 多模型拟合情况汇总

在二因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着二因素模型需要进一步的修正。如上文所述，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（EPS）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）。

因此，我们首先考察双元式创新二因素基本模型（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Explor_inno1的测量残差项e1不仅与观察变量Explor_inno1的测量残差项e2之间的MI为8.507，而且与观察变量Exploi_inno2的测量残差项e13之间的MI为6.365，与观察变量Explor_inno6的测量残差项e6之间的MI为4.332，与观察变量Explor_inno4的测量残差项e4之间的MI为4.447，总和达到23.651。基于上述考虑，我们删去观察变量Explor_inno1，得到双元式创新二因素修正模型M1。根据拟合指标，整体模型的拟合度有了一定的改进，如表7-11所示，但是RMSEA的值仍然大于0.08。采用上述方法，我们删除Exploi_inno2，得到双元式创新二因素修正模型M2；采用上述方法，我们删除Exploi_inno7，得到双元式创新二因素修正模型M3；采用上述方法，我们删除Explor_inno7，得到双元式创新二因素修正模型M4；采用上述方法，我们删除Explor_inno5，得到双元式创新二因素修正模型M5；采用上述方法，我们删除Exploi_inno4，得到双元式创新二因素修正模型M6。

与其他模型相比，双元式创新二因素修正模型M6的拟合度有比较明显的改进，其中χ2=27.399，df=19。在绝对拟合指数方面，M6的χ2/df为1.442，小于Browne 和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0.075，处于0.05到0.08之间，表示拟合程度可以接受（Browne 和Cudeck,1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0.930和0.868，表明拟合程度很好（Bentler，1990）。在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0.940、0.981和0.980，均大于0.900，这表明假设的理论模型与数据的拟合度非常好。综合来看，结合上文拟合指数的评价标准，M6模型的各种绝对拟合指数和相对拟合指数均符合拟合要求，总体上看还是可以接受的。如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。基于这样的考虑，本文采用M6模型。验证性因素分析所得的修正后的双元式创新二因素修正模型M6如图7-2所示。

图7-2 双元式创新的验证性因素分析：修正后的二因素模型

2.双元式创新的两维度模型

通过对以结构型双元（Duncan, 1976 ;He ＆ Wong, 2004）、情境型双元（Gibson ＆ Birkinshaw , 2004）以及领导过程型双元（Tushman ＆ O'Reilly, 1997;O'Reilly ＆ Tushman，2007；Jansen，Van Den Bosch ＆ Volberda，2006）为表现形式的双元性理论的梳理，我们认为双元式创新由利用式创新活动和探索式创新活动组成。其中，利用式创新（Exploitative Innovation）不断延伸现有的技术和知识，扩展现有产品和服务，提高现有产品的利用率和营销策略的效率，是为了满足当前的顾客需求和市场需求；相反，探索式创新（Exploratory Innovation）不断追求新知识和开发新的产品与服务，是为了满足潜在或新兴的顾客需要和市场需求。

通过基于大样本数据分析的实证研究，采用修正后项目总相关系数（CITC）、探索性和验证性因素分析等方法的运用，对双元式创新的结构维度进行了分析，得出了双元式创新结构维度构成的结论：双元式创新是个多维度的研究构念，包括利用式创新活动和探索式创新活动两个维度。利用式创新主要通过现有的变革手段提升与改进现有能力从而在成熟市场和技术中竞争，而探索式创新主要通过创造性破坏的变革手段再造能力从而在新的市场和技术中竞争。

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。如在与上海方度科技信息有限公司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：我们公司主要从事办公软件的销售，起初的产品是金和协同办公（OA）软件。但是不同客户由于各自企业生命周期的不同，对OA产品有很多不一样的需求。于是公司就对产品进行了改进，把金和协同办公（OA）软件升级到比较高端的泛微协同办公（OA）软件，使每个客户可以根据自己的需要定制化OA软件。再后来客户的跟踪服务过程中，我们公司发现OA软件已经不能满足客户发展的需要，后续又推出了企业资源管理系统（ERP）、客户关系管理（ERP）以及内网安全等适用于大中小企业的管理软件。我们公司对于产品的不断改进与完善匹配了客户发展的需要，获得了客户的认可。上海方度科技信息有限公司的典型案例说明了企业可以通过不断的技术改进和完善，不断地改进产品以满足客户不断提高的需要，从而持续不断地获得顾客满意。

此外，企业也可以通过革命式的创新手段开发新的技术与产品赢得新的客户。如苹果电脑公司投入巨资开发iPod产品，投放到市场后赢得了很多客户。《蓝海战略》中描述的太阳马戏团（Cirque du Soleil）也是一个应用探索式创新的实例，其走出了一条颠覆传统马戏团的发展战略：不是从早已萎缩的马戏市场争取顾客，不与现有马戏团大腕正面冲突，而是通过发掘未知市场拓宽新空间。具体而言，太阳马戏团打破了原有的市场壁垒，重新认识和定义马戏团的顾客群：不仅仅包括儿童，还包括成年剧场的观众。于是，他们提出全新解决之道：不仅向观众提供刺激有趣的马戏表演，同时在表演中加入戏剧情节和艺术内涵，取得了意想不到的效果。在中国的商业实践中，也有很多探索式创新的实例。如江南春决定去创造全新的产业，其后快速地在这个产业中占据垄断地位，而不是和别人在一条道上挤。只有这样，才能真正地把所有竞争对手丢在后边。于是，他在2003年创立了分众传媒，绕开竞争惨烈的传统媒体，走“分众”之路，专攻楼宇液晶媒体，最终取得了巨大的商业成功。

因此，企业通过利用式创新活动复制、改进和完善已有技能到已有领域的经营活动，不断增加已有市场上客户的满意感，增加顾客忠诚感。即主要通过对组织已有知识和技术的提炼和传统管理的继承来塑造组织经营的稳定性，目的是保证组织的短期运营效率。此外，由于顾客需求变化的多样性和行业中竞争态势的此消彼长，企业在开发和完善已有产品和技术的基础上，也需要通过利用式创新活动开展发现新机会和新市场的活动，通过创造出新的产品和技术来开辟全新的市场和顾客，目的是保证组织的长期效果。

3.企业绩效的验证性因素分析

为了进一步确证探索性因素分析所得的企业绩效两因素结构模型，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。

接下来，我们根据上面描述的三个标准进行企业绩效两因素结构模型的验证性因素分析。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假设模型。探索性因素分析得到了一个二因素的企业绩效模型，我们将其作为本研究验证性因素分析的基本模型。采用AMOS18.0结构方程建模软件，对基本模型进行了构思验证。实证数据的整体拟合情况如表7-12所示。

表7-12 多模型拟合情况汇总

在企业绩效二因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着二因素模型需要进一步的修正。如上文所述，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（EPS）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）。

因此，我们首先考察企业绩效二因素基本模型（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Short_per3的测量残差项e1不仅与观察变量Short_per1的测量残差项e2之间的MI为8.507，而且与观察变量Short_per2的测量残差项e3之间的MI为6.365，总和达到23.651。基于上述考虑，我们删去观察变量Short_per3，得到企业绩效二因素修正模型M1。根据拟合指标，整体模型的拟合度有了很大的改进，如表7-12所示。

与基本模型相比，企业绩效二因素修正模型M1的拟合度有比较明显的改进，其中χ2=12.109，df=8。在绝对拟合指数方面，M1的χ2/df为1.514，小于Browne 和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0.081，稍微大于0.08，表示拟合程度基本可以接受（Browne 和Cudeck,1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0.953和0.877，表明拟合程度比较好（Bentler，1990）。在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0.967、0.988和0.988，均大于0.900，这表明假设的理论模型与数据的拟合度非常好。综合来看，结合上文拟合指数的评价标准，修正模型M1的各种绝对拟合指数和相对拟合指数基本符合拟合要求，总体上看还是可以接受的。如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。基于这样的考虑，本文采用M1模型。验证性因素分析所得的修正后的企业绩效二因素修正模型M1如图7-3所示。

图7-3 企业绩效的验证性因素分析：修正后的二因素模型

4.企业绩效的两维度模型

通过第四章对企业绩效相关文献的梳理，我们认为企业绩效由短期财务绩效和长期竞争优势组成。其中，短期财务绩效主要是指财务方面的指标，包括投资回报率、资产回报率、销售回报率、利润增长率、销售收入增长率；长期竞争优势主要包含会影响组织运作的非财务指标，例如品牌知名度、企业形象、声誉、顾客满意度和社会责任承担等因素，本研究主要采用市场的反应速度、内部运营效率、产品（服务）的价值以及创新速度测量长期竞争优势。

通过基于大样本数据分析的实证研究，采用修正后项目总相关系数（CITC）、探索性和验证性因素分析等方法的运用，对企业绩效的结构维度进行了分析，得出了企业绩效结构维度构成的结论：企业绩效是个多维度的研究构念，包括短期财务绩效和长期竞争优势两个维度。并且，整体结构方程模型验证得出短期财务绩效对长期竞争优势具有显著的正向影响。因此，良好的短期财务绩效是企业取得长期竞争优势的基础。

7.4.4 方差分析

1.基于公司经营所在地的方差分析

本研究的公司经营所在地主要分为长三角地区、京津唐地区、珠三角地区、中西部地区和东北地区共五类，基于公司经营所在地的单因素方差分析结果见表7-13。虽然四个观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），但单因素方差分析的结果表明他们各自在不同公司经营所在地之间的总体方差并无显著性差异（显著性概率从0.090～0.777，均大于0.05）。

表7-13 基于公司经营所在地的单因素方差分析结果

2.基于公司性质的方差分析

本研究的公司性质主要分为国有企业、集体企业、民营企业、三资企业以及其他种类共五类，基于公司性质的单因素方差分析结果见表7-14。虽然四个观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），但单因素方差分析的结果表明它们各自在不同公司性质之间的总体方差并无显著性差异（显著性概率从0.075～0.602，均大于0.05）。

表7-14 基于公司性质的单因素方差分析结果

3.基于公司年龄的方差分析

本研究的公司年龄主要分为5年及以下、6～10年、11～15年、16～20年以及21年及以上共五类，基于公司年龄的单因素方差分析结果见表7-15。从表7-15可以看出，四个观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），并且从单因素方差分析的结果可以看出对于探索式创新、利用式创新以及长期竞争优势之间的总体方差存在显著性差异（显著性概率均小于0.05）。由于探索式创新、利用式创新以及长期竞争优势在各组的总体方差满足齐次性检验标准，具有方差齐性，所以进行多重比较应采用LSD（Least-Significant Difference）的t检验结果。

表7-15 基于公司年龄的单因素方差分析结果

用LSD（Least-Significant Difference）的t检验多重比较结果分析表明（见表7-16），公司年龄为5年及以下企业的探索式创新活动明显高于公司年龄为6～10年以及16～20年的企业。公司年龄为21年及以上企业的探索式创新活动与利用式创新活动明显高于公司年龄为6～10年以及16～20年的企业。这个结果和商业实践是比较相符的。一般而言，公司年龄越小，这些创业型企业更愿意不断尝试不同的产品、不断开发新的产品、不断实施新的市场营销策略，所以探索式创新活动会比较多。对于那些公司年龄为21年及以上的企业，它们经历了初创期的艰难生存和成长期的利润积累，逐步地有一定的资源固定用来从事新产品的研发以及对现有产品不断进行改进与完善，所以探索式创新会比较多。

表7-16 基于公司年龄的多重比较结果

续表

注：*表示显著性水平为0.05。

此外，公司年龄为21年及以上企业的长期竞争优势会显著好于公司年龄为5年及以下、6～10年、11～15年以及16～20年的企业。这也是与实际情况相符合的。

4.基于公司规模的方差分析

本研究的公司规模以企业所现有的员工总人数来衡量，主要分为50人及以下、51～100人、101～500人、501～1000人以及1001人及以上共五类，基于公司年龄的单因素方差分析结果见表7-17。从表7-17可以看出，除探索式创新外，利用式创新、短期财务绩效和长期竞争优势三个观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），并且从单因素方差分析的结果可以看出对于长期竞争优势之间的总体方差存在显著性差异（显著性概率为0.036，小于0.05）。由于长期竞争优势在各组的总体方差满足齐次性检验标准，具有方差齐性，所以进行多重比较应采用LSD（Least-Significant Difference）的t检验结果。

表7-17 基于公司规模的单因素方差分析结果

用LSD（Least-Significant Difference）的t检验多重比较结果分析表明（见表7-18），公司规模为1001人及以上企业的长期竞争优势会明显好于公司规模为51～100人、101～500人的企业。这也是与实际情况相符合的。

表7-18 基于公司规模的多重比较结果

注：*表示显著性水平为0.05。

5.基于公司产业类型的方差分析

本研究的产业类型设置主要参考丁岳枫（2006）的研究，包括高科技产业、传统制造业、建筑/房产、商贸服务和其他类别共5类，基于公司产业类型的单因素方差分析结果见表7-19。虽然四个观察变量在各组的总体方差满足齐次性检验标准，具有方差器性（方差齐性假设的显著性概率大于0.05），但单因素方差分析的结果表明他们各自在不同产业之间的总体方差并无显著性差异（显著性概率从0.053～0.874，均大于0.05）。

表7-19 基于公司产业类型的单因素方差分析结果

续表

6.基于公司战略类型的方差分析

本研究的公司战略类型主要分为探索型策略（运用此种策略的企业，总是希望能够尽可能多地开发新的产品和市场）、防御型策略（运用此种策略的企业，主要在寻求成本控制和稳定，产品市场范围较窄，且不积极寻求新的机会，大多集中全力在现有市场区域）、分析型策略（介于上述两者之间，既追求在核心市场维持稳定的地位，又希望透过新产品开发，寻求新的市场机会）以及反应型策略（运用此种策略的企业，通常只是因应外界环境压力才做出相应行动）。

基于公司战略类型的单因素方差分析结果见表7-20。从表7-20可以看出，探索式创新、利用式创新、短期财务绩效和长期竞争优势四个观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐次性假设的显著性概率大于0.05），并且从单因素方差分析的结果可以看出对于利用式创新和探索式创新之间的总体方差存在显著性差异（显著性概率为0.002和0.009，小于0.05）。由于利用式创新和探索式创新在各组的总体方差满足齐次性检验标准，具有方差齐性，所以进行多重比较应采用LSD（Least-Significant Difference）的t检验结果。

表7-20 基于公司战略类型的单因素方差分析结果

续表

用LSD（Least-Significant Difference）的t检验多重比较结果分析表明（见表7-21），公司战略类型为探索型策略和分析型策略企业的探索式创新活动显著比实施防御型策略的企业好。此外，公司战略类型为探索型策略和分析型策略企业的探索式创新活动显著比实施防御型策略和反应型策略的企业好。这也是与实际情况相符合的。

表7-21 基于公司战略类型的多重比较结果

注：*表示显著性水平为0.05。

7.方差分析的总结

在本部分中，我们进行了基于公司经营所在地、公司性质、公司年龄、公司规模、公司产业类型和公司战略类型的方差分析。方差分析表明一些控制变量确实对样本的探索式创新、利用式创新、短期财务绩效和长期竞争优势四个观察变量有显著的影响，具体情况归纳在表7-22。从表7-22可以看出：在检验企业动态能力对探索式创新活动的影响时，需要考虑的控制变量包括公司年龄和公司战略类型；在检验企业动态能力对利用式创新活动的影响时，也需要考虑的控制变量包括公司年龄和公司战略类型；在检验利用式创新和探索式创新活动对长期竞争优势时，需要考虑的控制变量包括公司年龄和公司规模。

表7-22 基于控制变量的方差分析的总结

接下来，我们在控制一些影响变量的基础上，构建企业动态能力、利用式创新和探索式创新以及企业绩效这几个变量中各因素之间的整体关系模型，综合分析考虑整体变量之间的相互作用关系。在构建结构方程模型时，尽管基于偏最小二乘法的方差分析方法（PLS）不如基于最大似然估计的协方差结构分析方法那么普遍，但前者却可以避免不正确解、因子不确定和违背分布假设等一系列问题。一般认为基于主成分提取的PLS方法具有很强的解释与预测能力，对数据的分布没有严格要求而且可以是小样本。因此，本研究采用基于偏最小二乘法（Partial Least Square，PLS）的结构方程模型方法对企业动态能力、利用式创新和探索式创新以及企业绩效之间的关系进行实证分析。