网络视角下参与标准化对企业绩效的影响：来自中国的证据

3.4.4 . 测量的充分性：信度、效度和共同方法偏差

我们采用 Cronbach's alpha (α) 来判断信度。如表 3所示，各量表的 α 值均高于 0.70 的阈值，说明该量表测量结果的信度良好，内部一致性程度高。我们使用验证性因子分析（CFA）来检验效度，结果表明测量模型与数据拟合良好（χ 2 =667.216，p  = 0.000，χ 2/df=1.319, IFI=0.978, TLI=0.976, CFI=0.978, GFI=0.919, RMSEA=0.027)，证明模型构造良好。所有项目均显着加载在相应的潜在结构上，所有标准化加载均高于 0.60。提取的平均方差（AVE）>0.50（范围从0.541到0.662），复合信度（CR）也超过临界值0.70（范围从0.837到0.911），表明我们的样本保证了收敛效度。此外，在表 4中，对角线上的 AVE 值的平方根均大于变量间的相关系数，为判别效度提供了有力的证据。此外，以下波德萨科夫等人。（2003），我们使用Harman的单因素分析来检查共同方法偏差，并使用主成分法对所有变量进行探索性因素分析。结果表明，第一个因素解释的总方差为 22.716%，小于 40% 的临界值。我们还进行了 CFA，将模型的所有项目限制为一个共同的单一因素。拟合指数结果表明模型不能很好地拟合数据（χ 2 /df =9.915，IFI=0.362，TLI=0.318，CFI=0.359）。因此，我们发现数据中没有显着的共同方法偏差，随后检验了假设。

表 3。构建测量模型和CFA。

4 . 结果

表 4展示了描述性统计数据，包括变量之间的均值、标准差和相关性。变量之间的所有相关性均小于 0.7，在可接受的阈值内。结果表明，网络中心性、关系强度和吸收能力与公司绩效呈正相关。为了匹配回归模型，我们测试了主要自变量的正态性（Song et al., 2016）。我们发现每个变量的偏度和峰度不存在严重的非正态分布（对于网络中心性，偏度为-0.014，峰度为-0.911；对于关系强度，偏度为0.030，峰度为-0.990；对于吸收能力，偏度为 0.117，峰度为 -0.837；对于环境确定性，偏度为 -0.090，峰度为 -0.394）。为了检查多重共线性，我们计算了所有变量的方差膨胀因子 (VIF)。均低于阈值 10（最大 VIF 小于 2），表明回归模型不存在多重共线性。

表 5提供了控制变量、TSA 网络（包括中心性和关系强度）、吸收能力、环境不确定性和公司绩效的分层回归分析。我们在模型 1 中引入了控制变量，它解释了公司绩效差异的 12%。关于控制变量的回归系数，我们发现在所有模型中，网络规模与公司绩效之间存在显着的正相关。正如预期的那样，与小型网络相比，联合公司可能会从大型 TSA 网络中获得更多收益。

表 5。回归分析的结果。

注：N  = 437 家联合公司。

• ⁎

• p < 0.05 水平。

• ⁎⁎

• p < 0.01 水平。

• ⁎⁎⁎

• p < 0.001 水平。

我们使用模型 1 和模型 2 来检验网络中心性和关系强度对公司绩效的影响。模型 1 仅包括控制变量。模型 2 的 R 2为 0.180（调整后的 R 2为 0.163），F 值为 10.408（P < 0.001），并增加了网络中心性和关系强度的主要影响。由于它们在 TSA 网络中占据的关键位置，联盟公司可能会取得更大的公司业绩。模型 2 的结果表明，网络中心性与企业绩效呈正相关（β  = 0.193，p < 0.001）。因此，我们找到了对 H1a 的支持。H1b 也得到支持，即关系强度对公司绩效有显着的正向影响（β  = 0.127，p < 0.01）。

为了检验 H2，我们在模型 1 的基础上引入了吸收能力的初级效应，从而得到模型 3。模型 3 的 R 2为 0.228（调整后的 R 2为 0.214），F 值为 15.830（P < 0.001）并显示吸收能力对因变量的影响。模型 3 的结果表明，吸收能力与企业绩效呈正相关（β = 0.343，p < 0.001）。因此，支持 H2。然后，为了检验吸收能力的调节作用，以企业绩效为因变量，依次引入网络中心性、关系强度和吸收能力，最后在模型4的基础上加入交互项。模型5的R 2为 0.365（调整后的 R 2为 0.347），F 值为 20.337（P < 0.001），表示吸收能力与网络中心性交互项以及吸收能力与关系强度交互项对企业的影响表现。在构建交互项之前，我们将自变量和调节变量均值居中以减少多重共线性的潜在影响。结果表明，吸收能力对网络中心性与企业绩效关系的调节作用是正向且显着的（β  =0.198，p< 0.001)，因此支持 H3a。同样，吸收能力对关系强度和公司绩效之间的关系也有显着的正向调节作用（β  = 0.192，p < 0.001），支持 H3b。

为了更好地展示吸收能力对网络中心性和企业绩效的调节作用以及关系强度与企业绩效之间的关系，我们在图2中绘制了它们随着吸收能力水平的变化而变化的关系。根据图2，随着吸收能力的增加，TSA网络与企业绩效之间的正相关关系变得更强，证实了假设。然而，对于吸收能力很小的联盟公司，这种关系往往会减弱。

图2

图 2。吸收能力的缓和。

我们还研究了环境不确定性对吸收能力和公司绩效之间关系的调节作用。给定自变量，模型7包括控制变量、吸收能力、环境不确定性以及吸收能力与环境不确定性之间的交互项。模型 7的 R 2表明该模型解释了公司绩效因变量中 36.8% 的方差（R 2  = 0.368，调整后的 R 2  = 0.354，F 值 = 24.846，p < 0.001）。图 3表明环境不确定性对吸收能力与企业绩效之间关系的调节作用是正向且显着的 ( β = 0.357, p < 0.001)，为 H4 提供支持。随着不确定性程度的增加，企业吸收能力对其绩效的正向影响增强。

图 3

图 3。环境不确定性的缓和。