电子商务应用分量表

表6.12和表6.13是电子商务应用测量模型的结果（含描述性统计分析），分别表示电子商务应用一阶因子和二阶因子的载荷情况。结果显示，各问项的标准因子载荷都大于0.5，根据一阶因子负荷的t检验，笔者发现ECP3以电子方式向供应商订购并跟踪订单、ECP4实现对供应商的电子化支付、ECM1接受顾客的电子化支付、ECM3实现集成的渠道管理和ECM6通过客户分类而为客户量身定做的促销方案的t值均小于2，说明这些观察问项不能很好地支持对应的因子，因此予以删除。二阶因子——电子商务应用由四个一阶因子决定，因子负荷均大于0.5，且具有统计上的显著性。

表6.12　电子商务应用测量模型的一阶因子载荷

表6.13　电子商务应用测量模型的二阶因子载荷

表6.14　电子商务应用一阶测量模型的模型拟合优度指标

表6.15　电子商务应用二阶测量模型的模型拟合优度指标

从表6.14电子商务应用一阶测量模型拟合优度指标和表6.15电子商务应用二阶测量模型拟合优度指标可以看到，模型整体的拟合情况良好，失拟指数χ2/df均小于3，符合要求。拟合优度指数中RMSEA<0.1，符合要求；剩余的指标中仅GFI和AGFI略小，其余均在0.95以上，显示了良好的拟合性。因此，本二阶测量模型可以接受，上述参数估计有效。

营销能力分量表

营销能力的测量模型检验见表6.16和表6.17（含描述性统计分析）。结果显示，各问项的因子载荷都大于0.7，且都达到统计显著或非常显著的水平（t>2）。二阶因子——营销能力由三个一阶因子决定，因子负荷均大于0.8，且具有统计上的显著性。

从表6.18营销能力一阶测量模型拟合优度指标和表6.19营销能力二阶测量模型拟合优度指标可以看到，模型整体的拟合情况良好，失拟指数χ2/df略大于3，但由于χ2与自由度高低和样本量大小有关，Hair等人（1995）建议其他的拟合优度统计量用于评价模型，χ2用于不同模型的比较。拟合优度指数中RMSEA略大于0.1，剩余的指标中仅GFI和AGFI略小，其余均在0.95以上，显示了良好的拟合性。因此，本二阶测量模型可以接受，上述参数估计有效。

表6.16　营销能力测量模型的一阶因子载荷

续表(www.daowen.com)

表6.17　营销能力测量模型的二阶因子载荷

表6.18　营销能力一阶测量模型的模型拟合优度指标

表6.19　营销能力二阶测量模型的模型拟合优度指标

营销绩效分量表

营销绩效的测量模型检验见表6.20和表6.21（含描述性统计分析）。结果显示，各问项的因子载荷都大于0.7，且都达到统计显著或非常显著的水平（t>2）。二阶因子——营销绩效由五个一阶因子决定，因子负荷均大于0.8，且具有统计上的显著性。

从表6.22营销绩效一阶测量模型拟合优度指标和表6.23营销绩效二阶测量模型拟合优度指标可以看到，模型整体的拟合情况良好，失拟指数χ2/df<3，符合要求。拟合优度指数中RMSEA<0.1，剩余的指标中仅GFI和AGFI略小，其余均在0.95以上，显示了良好的拟合性。因此，本二阶测量模型可以接受，上述参数估计有效。

表6.20　营销绩效测量模型的因子载荷

表6.21　营销绩效测量模型的二阶因子载荷

表6.22　营销绩效一阶测量模型的模型拟合优度指标

表6.23　营销绩效二阶测量模型的模型拟合优度指标