本研究为分析组织内成员所认知的现任CEO和组织成员自身所认知的经营战略类型，根据组织文化形成活动和经营革新活动的影响关系及差异，以首尔市内特级观光酒店为对象选定样本。
问卷调查是通过以书面形式提出问题的方式来搜集资料的一种研究方法。研究者将所要研究的问题编制成问题表格，以邮寄、当面作答或者追踪访问的方式让应答者填答，从而了解应答者对某一现象或问题的看法和意见。问卷法的运用，关键在于编制问卷，选择对象和结果分析。本研究问卷调查的对象是企业的战略、文化和革新的经营全局，为了广泛地引导各大企业中各阶层组织成员的认知，本研究对入职新人到最高经营者的各阶层组织成员广泛地进行了问卷调查。抽样方法使用非概率抽样方法中的定额抽样来说明问卷调查的宗旨，在各酒店职员的协助下进行了访问调查。
问卷调查从2018年2月20日开始至2018年4月30日为止，共进行了约40天，以400人为对象进行了样本分析。问卷共计400份，回收395份（98.75%），除去不诚实的答案或因漏答而不适合使用的25份以外，最终选择370份作为本研究的分析对象。
本研究使用SPSS21.0统计分析软件验证了设定的假设。为了掌握人口统计学的特性实施了描述性统计分析，问卷调查的测定项目对所有变量的问卷构成要素进行了因子分析，为验证问卷的合理性和可信度通过克隆巴赫（信度）系数提炼尺度过程。为掌握本研究研究模型中指出的构成概念之间的影响关系及差异，利用典型相关分析和多元方差分析进行实证。
本研究实施的统计分析方法如下：
第一，为了解问卷应答者的特性使用了描述性统计分析。
第二，为提高应答者所提供的问卷的合理性，通过实施因子分析，对不具备说明力的问卷调查选项进行了首次筛选。
第三，利用信度系数验证各因子的可信度，对问卷调查选项进行了二次筛选。
第四，为了验证变量之间的合理性实施了探索性因子分析。
第五，为验证本研究的假设，利用典型相关分析（Canonical Correlation Analysis）和多元方差分析法进行验证。
典型相关分析（canonical correlation analysis）就是利用综合变量之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法，也是一种降维技术。它的基本原理是：为了从总体上把握两组指标之间的相关关系，分别在两组变量中提取有代表性的两个综合变量U1和V1（分别为两个变量组中各变量的线性组合），利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性(8)。
典型相关分析的实质就是在两组随机变量中选取若干个有代表性的综合指标，用这些指标的相关关系来表示原来两组变量的相关关系。这两组变量的相关性分析可以起到合理的简化变量的作用；当典型相关系数足够大时，可以像回归分析那样，由一组变量的数值预测另一组变量的线性组合的数值(9)。
相关系数一般用来反映两个变量之间的相关性。因此，使用显示变量之间相关性的相关系数是很难得出由多个变量组成的集合之间的相关性。相关系数是求变量之间相关性的统计量，但不是求集合之间相关性的统计量。反之，典型相关分析是指被观测的各个集团之间存在多个变量，求两个集团之间的关联性(10)。在典型相关分析中，为了寻求两个多变量集合之间的相关性会利用相关系数。实行典型相关分析，也就是解决如何从各个变量集合引向一个变量的问题。
典型相关分析的公式如下：
Y1+Y2+Y3+…+YN＝X1+X2+X3+…+XN
将上述公式代入本研究，可表现为以下几个公式：
H1-1：Y11+Y12+Y13＝X11+X12+X13+X14
H1-1：Y11+Y12+Y13＝X21+X22+X23+X24
H2-1：Y21+Y22+Y23+Y24＝X11+X12+X13+X14
H2-2：Y21+Y22+Y23+Y24＝X21+X22+X23+X24
H3-1：Y21（X1）+Y22（X1）+Y23（X1）+Y24（X1）＝Y11（X1）+Y12（X1）+Y13（X1）
H3-2：Y21（X2）+Y22（X2）+Y23（X2）+Y24（X2）＝Y11（X2）+Y12（X2）+Y13（X2）
加入两个变量集合X＝（X1，X2，X3）及Y＝（Y1，Y2，Y3，Y4）间的线性结合变量为W，V时可得出如下内容。
W＝a1X1+a2X2+a3X3
V＝b1Y1+b2Y2+b3Y3+b4Y4
典型关联分析是将变量W和V分别用X和Y的线性结合求得变量W和V的相关系数。
这里可能提出的问题是，如何获得两个相关系数（a1，a2，a3）和（b1，b2，b3，b4）以及变量W和V的相关系数值的大小。(www.daowen.com)
典型相关分析是回归分析和相关分析结合扩展的分析方法，即看诱导两个变量群的线性结合变量，使两个变量之间的相关系数达到最大的分析方法。但是这个分析方式也具有局限性，吴泽燮（Taik-Sup Auh, 1990）认为这一局限性如下：
典型相关关系分析对于一次性掌握和预测多个变量之间的相互关系是非常有用的。但是，就像所有统计分析方法都存在自身问题或局限性一样，典型相关关系分析也存在几个局限性。
第一，典型相关关系分析不是从因变量直接提取共有变量，而是反映从属因变量的线性组合（linear composite，即典型变量）所提取的共有变量。
第二，在评价各因变量导出的典型函数作贡献的重要程度时，经常使用具有较高变异性的典型权重。
第三，典型权重的目的，比起提取变量的最大化，更在于找出两个典型变量间相互关系的最大化。
第四，只是孤立考虑单个X与单个Y间的相关，没有考虑X、Y变量组内部各变量间的相关。两组间有许多简单相关系数，使问题显得复杂，难以从整体描述。目前尚未开发出可以作为解释典型相关关系为标准的统计资料，因此很难明确地指出独立因变量和从属因变量之间的关系。
但是，这些限制因素并不能削弱典型相关关系分析方法的可用性，只是在典型相关关系分析时可以考虑到这些限制因素，从而更加正确地使用典型相关分析(11)。
多元方差分析是指在不同群体观测一个反应时，用来鉴定各群体是否一致的统计分析方法，根据情况各群体也可同时观测到两个以上的反应。多元方差分析是为了验证从属变量在两个以上时，各集合之间在统计学上是否产生差异的分析方法。假设和逻辑如下(12)：
假如，xij是i行业j年度的流动比率，yij是i行业j年度的负债比率，i行业流动比率的总体平均值为αi，负债比率的总体平均值为βi时i行业的总体平均值Vector可表现为：
则MANOVA的假设如下：
基本假设是各群体的资料相互独立：
即遵循双变量正规分布：
假如各群体的分散行列全部一致，即：
(1) AROGYASWAMY B, BYLES C M. Organizational Culture: Internal and External Fits [J]. Journal of Management, 1987, 13(4): 647－659.
(2) CHOE M K. An Empirical Study of Corporate Strategy Types, Culture Types, and Financial Performance [J]. Korean Management Review, 1994, 24: 1－39.
(3) RARK R Y. The Exploratory Study on the Relationship between Organizational Culture and Strategy [J]. Korean Management Review, 1997, 26(3): 303－329.
(4) CHANG Y S, MOON H K. Organizational Culture Research: Trends and Challenges in Korea [J]. Korean Journal of Management, 2008, 16(1): 65－114.
(5) LEE D G. An Empirical Study on the Effects of Organizational Culture and Business Strategy on the Organizational Effectiveness [D]. Yong-In. Graduate School of Yong-In University, 2012: 34－42.
(6) KIMBERLY J R, EVANISKO M J. Organizational innovation: The influence of individual, organizational, and contextual factors on hospital adoption of technological and administrative innovations [J]. Academy of Management Journal, 1981, 24(4): 689－713.
(7) Damanpour F. Organizational Innovation: A meta-analysis of effects of Determinants and Moderators [J]. Academy of Management Review, 1991, 34(3): 555－590.
(8) AUH T S. Social Science Data Analysis [M]. Seoul: Nanam, 1990: 412－418.
(9) 王发友．典型相关分析的基本思想和方法步骤［J］．科技信息（学术研究），2007（36）：472．
(10) AUH T S. Social Science Data Analysis [M]. Seoul: Nanam, 1990: 412－418.
(11) TAUH T S. Social Science Data Analysis [M]. Seoul: Nanam, 1990: 412－418.
(12) PARK S H, CHO S S, KIM S S. Hangul SPSS [M]. Seoul: SPSS Academy, 2002: 166－169.
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
