根据研究目的，本书运用SPSS19.0和AMOS18.0分析软件对数据进行分析，分析方法主要有以下几种：

（1）描述性统计分析

本书除了通过描述性统计分析统计各变量的平均数与标准差以外，本书也进行相关分析以了解各变量维度之间的相关性并作进一步的说明。同时，本书也采用多因素方差分析检验了不同的企业背景变量在本书各构念上的得分是否具有显著的差异。

（2）信度与效度分析

信度方面，本书采用Cronbach’sɑ系数来检验研究量表的内部一致性。Nunnally（1978）认为Cronbach’sɑ系数在0.7以上为高信度值，若值在0.35以下，应予以拒绝[101]。

效度方面，本书主要通过内容效度和建构效度来对量表的效度进行检验，其中：

（1）内容效度

内容效度是指测量工具在内容上的贴切性，如果测量工具的内容能涵盖研究所要涵盖的架构与内容，那就可以认定该测量工具具有优良的内容效度。本书各变量与其维度都具有文献上的支持，并基于探索性访谈过程中实务界人士对本书的量表进行内容效度的评价，因此，上述程序表明本书所使用的量表具有良好的内容效度。

（2）建构效度

本书采用探索性因素分析（Exploratory Factor Analysis，EFA）、验证性因素分析（Confirmatory Factor Analysis，CFA）来检验研究量表的建构效度，并就本书的各个潜变量与测量变量之间的关系、整个模型与样本数据的吻合效果进行判断。

（3）多元回归分析

本书采用多元回归分析来对所建立的因变量与自变量（两个或两个以上）之间的关系进行分析，以初步验证各变量之间的因果关系。

（4）层级回归分析

本书通过层级回归分析来控制各个控制变量的差异，并分析预测变量。在层级回归中，每一个预测变量按照顺序进入回归方程，使得研究者能够确定每个预测变量对解释变量的渐进影响量。(www.daowen.com)

（5）中介回归分析

Baron和Kenny（1986）[10]认为可以通过多元回归法来检验中介效应，后来的很多心理学、社会学以及管理学研究中都沿用了这个方法。Baron和Kenny（1986）指出，考虑自变量X对因变量Y的影响，如果X通过影响变量M来影响Y，那么M就称为中介变量[10]。

Baron和Kenny（1986）[10]指出，可以通过比较下列三个回归方程来分析中介效应：首先，把因变量对自变量做回归（x→y）；然后，再把中介变量对自变量做回归（x→m）；最后把因变量同时对自变量和中介变量做回归（x，m→y）。相应的，需要分别估计和检验每一个回归方程中的回归系数，但不需要做层次回归或是计算任何偏相关等。

（6）调节回归分析

如果变量Y与变量X的关系是变量M的函数，则称Z为X与Y关系的调节变量。调节变量能够影响某个自变量与因变量之间关系的方向或强度。

调节效应的检验通常分为三个步骤：

第一步：先把自变量X放入回归方程中，看它的决定系数的大小，即自变量X对因变量Y的解释程度。

第二步：再把调节变量M放入回归方程中，这时看决定系数的变化程度ΔR2，即，判断调节变量对因变量Y的独特贡献力。

第三步：最后把交互项M·X放入回归方程中，这时看决定系数的变化程度，M·X的独特贡献就是。

通过以上步骤，可以排除自变量和调节变量对因变量变异解释之外的独特贡献力。

（7）结构方程模型分析

由于回归分析无法同时考虑到其他一些相关变量的影响以及理论模型所有变量之间的整体影响，本书进一步采用结构化方程模型（Structural Equation Modeling，SEM）来检验本书所提出的整体理论模型与样本数据的拟合程度，并进一步通过巢状模式法（Nested-model Approach）来验证本书所提出的各种假设。

在具体操作上，本书根据Anderson和Gerbing（1988）[3]等人的观点，采用两段法对研究模型进行AMOS分析。第一阶段，对每一个研究变量及其测量指标进行信度和效度分析：若研究变量的信度和效度没有达到理性标准，则对测量指标进行调整，直到符合理想的标准。第二阶段，在第一阶段的基础上，将研究变量的多个测量指标缩减为少数或单一的测量指标，再运用AMOS进行分析。