《表5 小型企业fs QCA分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《从知识获取到创新能力:信息素养的调节效应》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:表中TK表示技术知识；MK表示市场知识；FA表示企业年龄；FN表示企业性质；Industry表示行业类别；～表示否定集。

鉴于原始数据不符合布尔逻辑分析的条件，在进行fs QCA分析之前，需要进行校对处理。与明确集合不同，模糊集合允许研究者定义成员状态隶属或不隶属的程度，如1代表完全隶属，0代表完全不隶属，0.5代表转折点。参考Wu et al[27]的成果，本研究对于7点Likert量表的校准，7分代表完全隶属（fuzzy score=0.95），1分代表完全不隶属（fuzzy score=0.05），4分为转折点（fuzzy score=0.50）。由于创新能力的得分水平普遍偏低，根据描述性统计和正态分布情况，将其完全隶属值设为6分，转折点设为3分，完全不隶属值设为1分。此外，针对控制变量的校准，采用均衡分配的思想，天然数据1，2，3，4分别对应模糊集0，0.33，0.66，0.99．为深入探讨企业规模对员工素养的制约效应，原始数据模糊集生成后，从中选取36个员工信息素养数值在[0.43，0.65]区间（即原始量表得分在3.5———5之间）的样本进行定性比较分析，其中企业规模为1，2（总人数小于500）和3，4（总人数大于500）的样本各18个。具体运算结果如表5和表6所示。