6-3-3-1　电子商务应用对营销能力影响的全模型

对假设1的检验

根据本研究假设，笔者首先验证了电子商务应用对营销能力的影响。依据电子商务应用和营销能力这两个因素的特征，即分别包含4个和3个潜变量，本研究建立了二者之间表明二阶因子关系的全模型，用以验证假设1。

采用LISREL8.7软件对理论模型进行了分析，在分析时充分考虑到了测量模型中对一阶因子观察变量误差之间的关系改进建议，运行的结果如图6.11所示。拟合指标见表6.31。从表6.31可以看出，理论模型拟合的效果比较好，其中χ2/df为1.449，小于2，表示模型拟合较好；RMSEA等于0.055，同样表示好的拟合，NNFI和CFI均接近于理想值1的水平。综合起来可以说模型是一个较好的模型。

表6.31　电子商务应用对营销能力（二阶）影响的拟合检验

图6.11　LlSEARL输出的电子商务应用对营销能力影响的路径图

表6.32　电子商务应用对营销能力影响（假设1）因子载荷系数及对应的t值

续表

注：对于大样本（N>120），当│T│≥1.960，表明在5％水平显著相关，│T│≥2.576，表明在1％水平显著相关。

表6.33　结构参数估计与显著性检验

从表6.33的因子载荷及其显著性检验情况来看，电子商务应用对于营销能力的影响在99％的置信区间内显著为正，而且，影响系数较大，反映了企业应用电子商务可以对营销能力产生比较大的正向影响。

在此基础上，笔者检验了电子商务应用对营销各分项能力的影响。经过LISREL分析及几次迭代修正后，得到拟合程度较好的模型，对应的拟合指数见表6.34，从中可以看到χ2/df小于3，RMSEA<0.1，NNFI和CFI均超过了0.95。对应的输出结果见图6.12，因子载荷系数及对应的t值见表6.35。从表中可以看到，电子商务应用对客户管理能力、市场学习能力和市场推广能力均有显著性影响，而且影响系数都比较大，其中电子商务应用对客户管理能力和市场学习能力的影响系数均超过了0.9，对应的t值>6，对市场推广能力的影响也在显著水平较高的程度上达到了0.8以上，反映企业综合运用电子商务可以从客户管理能力、市场学习能力和市场推广能力方面有显著提高，尤其是对客户管理能力和市场学习能力的影响更大。由此，假设1得证。

表6.34　电子商务应用对营销分项能力影响的拟合检验

图6.12　电子商务应用对营销分项能力影响的路径图

表6.35　结构参数估计与显著性检验

对假设2～5的检验

由于在进行电子商务应用的测量模型分析时，笔者根据得到的因子负荷及因子间的相关系数，将信息沟通因子分解到其他三个因子中，并合并成为三个新的要素，即内部管理、采购管理和营销管理在电子商务中的应用（具体原因说明见6-3-1-1），因此，原来的假设2～5变为：

假设2’：企业在内部管理方面的电子商务应用对企业的营销能力有着正相关关系的影响，其中企业在内部管理方面的电子商务应用分别对企业客户管理能力（2a’）、企业的市场学习能力（2b’）和企业的市场推广能力（2c’）有着正相关关系的影响。

假设3’：企业在采购管理方面的电子商务应用对企业的营销能力有着正相关关系的影响，其中企业在采购管理方面的电子商务应用分别对企业客户管理能力（3a’）、企业的市场学习能力（3b’）和企业的市场推广能力（3c’）有着正相关关系的影响。

假设4’：企业在营销管理方面的电子商务应用对企业的营销能力有着正相关关系的影响，其中企业在营销管理方面的电子商务应用分别对企业客户管理能力（4a’）、企业的市场学习能力（4b’）和企业的市场推广能力（4c’）有着正相关关系的影响。

根据上面的三个假设，笔者构建了对应的结构方程模型，由于这三个假设首先都是验证核心业务流程的电子商务应用对营销能力的影响，而营销能力在前面的研究中已经证实可以由“客户管理能力”、“市场学习能力”和“市场推广能力”表示为二阶因子，因此，本研究构建的结构方程模型为两个，一个是作为一阶因子的核心业务流程电子商务应用对二阶因子营销能力的影响，一个是核心业务流程电子商务应用对各分项营销能力，即一阶因子的影响。相应的，本研究对两个模型经LISREL8.7软件分别进行了验证。

（1）核心业务流程的电子商务应用对营销能力二阶因子关系的全模型检验

表6.36　核心业务流程的电子商务应用对营销能力影响的拟合检验

核心业务流程的电子商务应用对营销能力影响的模型拟合效果检验见表6.36，从表中可以看出χ2/df<3，RMSEA<0.1，NNFI和CFI>0.95，表明这是一个拟合效果较好的模型。对应的模型输出结果和结构参数估计及显著性检验分别见图6.13和表6.37。

路径图和结构参数估计值显示了不同的核心业务流程应用电子商务对营销能力的影响是不同的，采购管理的电子商务应用对营销能力影响对应的t绝对值小于0.30，说明影响不显著。内部管理和营销管理的电子商务应用对营销能力有显著影响（对应的t值>2.576），其中内部管理的影响程度相对更大，影响系数达到了0.53，而且显著性水平也非常高。

图6.13　核心流程的电子商务应用对营销能力影响的路径图

表6.37　不同业务流程的电子商务应用对营销能力影响的结构参数估计与显著性检验

（2）核心业务流程的电子商务应用对营销能力一阶因子关系的全模型检验

接下来考虑各核心业务流程的电子商务应用对营销分项能力的影响，经过数次迭代后，得到对模型拟合效果检验的数据如表6.38所示，其中，χ2/df<3，RMSEA<0.1，NNFI和CFI均大于0.95，表明这是一个拟合效果较好的模型。由此得到核心业务流程的电子商务应用对营销分析能力营销的结构方程模型见表6.39及图6.14。

根据图表所示的结果，可以看出，内部管理的电子商务应用对三个营销分项能力指标均有较大的显著性正影响，而采购管理的电子商务应用对三项营销能力指标均无显著性影响，营销管理的电子商务应用对客户管理能力在99％的置信区间内有显著性正影响，对市场学习能力在95％的置信区间内有显著性正影响，但是影响程度不如内部管理的电子商务应用对相应指标的影响程度大；另外，可以看到营销管理的电子商务应用对市场推广能力的影响系数较小，而且效果并不显著。由是，假设2～5部分得证。

表6.38　不同业务流程的电子商务应用对营销分项能力影响的拟合检验

表6.39　不同业务流程的电子商务应用对营销分项能力影响的结构参数估计与显著性检验

图6.14　核心流程的电子商务应用对营销分项能力影响的路径图

6-3-3-2　营销能力对营销绩效影响的全模型(www.daowen.com)

对假设6的检验

检验营销能力对营销绩效的影响作用时，本研究根据营销能力和营销绩效可以由二阶因子表示的特征，建立了表明二阶因子关系的全模型和表示营销能力二阶因子对营销绩效一阶因子影响的全模型，用以验证假设6。

在进行二阶因子关系的全模型检验时，采用LISREL8.7软件对理论模型进行了分析，在分析时充分考虑到了测量模型中对一阶因子观察变量误差之间的关系改进建议，运行的结果如图6.15所示。拟合指标见表6.40。从表6.40中可以看出，理论模型拟合的效果比较好，其中χ2/df为1.471，小于2，表示模型拟合较好；RMSEA等于0.056，同样表示好的拟合，NNFI和CFI均接近于理想值1的水平。综合起来可以说模型是一个较好的模型。

表6.40　营销能力对营销绩效影响的拟合优度检验

图6.15　营销能力对营销绩效影响的路径图

为了能更清楚地显示各因子指标对应的载荷系数及t值，将其整理到表6.41中。主要的结构参数估计与显著性检验整理到表6.42中。从表6.42的因子载荷及其显著性检验情况来看，营销能力对于营销绩效的影响在99％的置信区间内显著为正，而且，影响系数非常大，反映了企业营销能力的增加会对营销绩效产生比较大的正向影响。

表6.41　营销能力对营销绩效影响的因子载荷系数及对应的t值

续表

注：对于大样本（N>120），当│T│≥1.960，表明在5％水平显著相关，│T│≥2.576，表明在1％水平显著相关。

表6.42　营销能力对营销绩效影响的结构参数估计与显著性检验

在营销能力对营销绩效影响显著的情况下，考察营销能力对营销绩效一阶因子的影响，即假设营销能力将分别对“会计效果”、“客户价值”、“竞争结果”、“产品创新”和“品牌资产”产生正相关的影响。经过LISREL分析及几次迭代修正后，得到拟合程度较好的模型，对应的拟合指数见表6.43，从中可以看到χ2/df小于2，RMSEA<0.08，NNFI和CFI均接近1。对应的输出结果见图6.16，因子载荷系数及对应的t值见表6.44。从表中可以看到，营销能力对各项营销绩效的分指标均有显著性影响，而且影响系数都比较大，其中营销能力对会计效果和产品创新的影响系数均达到了0.9，对客户价值、竞争结果和品牌资产的影响也在显著水平较高的程度上（对应的t值>6）达到了0.8以上，反映企业的整体营销能力可以在很大程度上对会计效果、客户价值、竞争结果、产品创新和品牌资产形成正向影响。由此，假设6得证。

表6.43　营销能力对营销绩效分项指标影响的拟合检验

图6.16　营销能力对营销绩效分项指标影响的路径图

表6.44　营销能力对营销绩效分项指标影响结构参数估计与显著性检验

对假设7、8、9的检验

同理，由于这三个假设首先都是验证营销各分项能力对营销绩效的影响，而营销绩效在前面的研究中已经证实可以由“会计效果”、“客户价值”和“竞争结果”、“产品创新”和“品牌资产”表示为二阶因子，因此，本研究构建的结构方程模型为两个，一个是作为一阶因子的营销各分项能力对二阶因子营销绩效的影响，一个是营销各分项能力对营销绩效分指标（即一阶因子）的影响，相应地，本研究对两个模型经LISREL8.7软件分别进行了验证。

（1）营销分项能力对营销绩效二阶因子关系的全模型检验

把有关数据代入LISREL8.7中运行，并对原始模型进行反复修正后得到一系列修正模型的拟合度指标，见表6.45所示。从中可以看到χ2/df小于1，NNFI和CFI均大于0.95，RMSEA<0.1，因而可以说是一个拟合效果较好的模型。对应的输出结果见图6.17，因子载荷系数及对应的t值见表6.46。从表中可以看到，在显著性水平为0.01的情况下，客户管理能力相对来说对营销绩效的影响程度要大，对应的路径系数为0.64，而其他两个分项指标市场学习能力和市场推广能力对营销绩效虽然也有显著性影响，但是程度较小，相应的路径系数分别为0.24和0.26。

表6.45　营销分项能力对营销绩效指标影响的拟合检验

表6.46　营销分项能力对营销绩效指标结构参数估计与显著性检验

图6.17　营销分项能力对营销绩效指标影响的路径图

图6.18　营销分项能力对营销绩效分项指标影响的路径图

（2）营销分项能力对营销绩效一阶因子关系的全模型检验

把有关数据代入LISREL8.7中运行，并对原始模型进行反复修正后得到一系列修正模型的拟合度指标，见表6.47所示。从中可以看到χ2/df小于1，NNFI和CFI均大于0.95，RMSEA<0.1，因而可以说是一个拟合效果较好的模型。对应的输出结果见图6.18，因子载荷系数及对应的t值见表6.48。从表中可以看到，客户管理能力在至少99％的置信区间内显示出对营销绩效各分项指标较强的正向影响；而且，经过对比可以发现，相对于其他指标来说，客户管理能力对会计效果和产品创新的指标影响程度更大。而市场学习能力对会计效果和品牌资产的影响均不显著，在对其他三项指标的影响上，虽然存在一定程度的正向影响，但是影响程度不及客户管理能力；另外，虽然市场学习能力对品牌资产影响的显著性水平没有达到0.05，但是已经非常接近，因此它对品牌资产的影响也不能忽视（对应的因子负荷系数为0.15，显示出对品牌资产有一定程度的影响）。市场推广能力在客户价值和产品创新方面的影响不显著，在其他三项指标上面的正向影响均显著，同样，在对应指标的因子负荷方面也小于与客户相关能力的因子负荷。由此，假设7～9部分得证。

表6.47　营销分项能力对营销绩效分项指标影响的拟合检验

表6.48　营销分项能力对营销绩效分项指标影响的结构参数估计与显著性检验

注：括号中的数字为对应的t值。

6-3-3-3　营销能力中介作用的全模型检验

根据假设10，笔者验证了营销能力在电子商务应用和营销绩效间的中介作用。首先笔者建立了两个模型，模型M0让电子商务应用通过营销能力建立与营销绩效的联系，见图4.8中实线的部分；模型M1增加了电子商务应用与营销绩效的直接联系，在图4.8中表示为虚线。应用LISREL8.7软件进行了模型比较分析。通过比较发现（见表6.49，表6.50，图6.19，图6.20），M0是一个拟合较好的模型，其χ2/df为1.631，远小于3，RMSEA的值小于0.08，NNFI和CFI都在0.95以上。此时，电子商务应用到营销能力的路径系数为0.57（见表6.50），对应的t值为10.45，表示电子商务应用对营销能力有显著性正向影响，影响程度较大；营销能力到营销绩效的路径系数为0.84，对应的t值为6.49，表示营销能力对营销绩效有非常大的显著性正向影响。电子商务应用通过营销能力形成对营销绩效的正向影响。当从M0增加一个自由参数，即建立从电子商务应用到营销绩效之间的直接联系时，Δχ2（1）减少了3.66，说明卡方值并没有显著增加，M1模型拟合优度没有明显改善。因此，M0模型的拟合效果较M1好，营销能力的中介作用成立[4]。通过对模型的比较所得出的其他信息将在第六节进行解释。

表6.49　营销能力中介作用的M0/M1拟合检验

表6.50　营销能力中介作用模型的结构参数估计与显著性检验

图6.19　营销能力中介作用模型M0的路径图

图6.20　营销能力中介作用模型M1的路径图