1.因子分析

因子分析是研究原始变量相关矩阵内部依赖关系的有效方法，是一种把一些具有错综复杂关系的变量归结为少数几个综合因子的多变量统计分析方法。为了验证样本是否适合做因子分析，本书将62 个样本数据导入SPSS 16.0 中，先对样本采用巴特莱特球形检验法（Вartlett’s test）和KMO（Kaiser-Meyer-Olkin）进行检验，检验结果如表7-2 所示。

表7-2 KMO 和Bartlett 球形检验结果

KMO 的判断标准如表7-3 所示，一般认为KMO 大于0.7 比较好，KMO大于0.6 可以接受，而KMO 小于0.5 则不能接受。

由表7-2 所示检验结果可以看到，样本的KMO 检验值为0.742，大于0.7，根据表7-3 可知可以做因子分析。Bartlett 球形检验结果显示，近似χ2值为112.451，自由度为21，检验的显著性水平为0.000，表明可以对物流企业集群服务创新的潜在影响因素进行因子分析，具体因子分析结果如表7-4 所示。

表7-3 KMO 判断标准

表7-4 物流集群服务创新潜在影响因素的因子载荷矩阵

续表

2．信度检验

信度检验是为了检验问卷或量表测量的一致性，通常采用Cronbach’s α作为评判的标准。一般情况下，Cronbach’s α 至少要大于0.6，最好能大于0.7，但是在社会、经济学领域，Cronbach’s α 大于0.6 即可接受，物流企业集群服务创新潜在影响因素量表的信度检验如表7-5 所示。

表7-5 物流企业集群服务创新潜在影响因素量表的信度检验

续表

从表7-5 可以看出，影响物流企业集群服务创新的潜在因素量表的总体Cronbach’s α 为0.761，各子量表的Cronbach’s α 值也大都超过了0.6。检验结果说明，潜在因素量表和各子量表都具有良好的内部一致性信度。同时，我们还可以看到，服务创新能力子量表中的测量题项“组织学习能力”和集群内企业技术水平子量表中的测量题项“技术稳定性”均小于0.6，如果将其删除将会使子量表的Cronbach’s α 值增大，也就是说会改善量表的信度。但是考虑到潜在因素测量的全面性和整体性，暂且保留这些变量，通过后面的分析再做出取舍的决定。(www.daowen.com)

物流企业集群服务创新量表的信度检验结果如表7-6 所示。量表中的Cronbach’s α 值为0.695，超过0.6 的水平，这说明物流企业集群服务创新各测量项之间具有良好的内部一致性。

表7-6 物流企业集群服务创新量表的信度检验

综上，潜在影响因素和物流企业集群服务创新量表的信度检验的Cronbach’s α 值都大于0.6，因此可以认为本书的量表设计符合信度要求。

3.关键影响因素识别

通过表7-4 的因子分析可知，服务创新能力、产业发展状况、沟通能力、环境因素、集群内企业技术水平、组织管理能力6 个变量特征值的累积贡献率为86.701%，说明这6 个特征值包含要调查信息的86.701%。所以可以选用这6 个特征值对应的向量为主成分，将30 个影响因素划分为6类。同时通过表7-5 和表7-6 所示的潜在影响因素和物流企业集群服务创新量表的信度检验结果，可知6 类因素测量的全面性和整体性，从而得出影响物流企业集群服务创新的关键因素可以用服务创新能力、产业发展状况、沟通能力、环境因素、集群内企业技术水平、组织管理能力六个方面来衡量。