《表2 描述性统计结果：网络导向与新企业绩效:基于关系学习和网络响应的链式中介模型》

  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

《网络导向与新企业绩效:基于关系学习和网络响应的链式中介模型》

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:N=177；**p<.05，***p<.01 （双尾），粗体对角线数值是AVE的平方根；NO表示网络导向，RL表示关系学习，NR表示网络响应；NVP表示新企业绩效；CEOten表示CEO任职时间；CEOinex表示行业经验；CEOenex表示创业经验；CEOmaex表示管理经验；firmage表示企业年龄；firmsize表示企业规模；indu表

效度包括内容效度、收敛效度和区分效度。在内容效度方面，本研究所用的测量题项均来源于成熟量表，而且这些量表已经过多位学者使用，具有较高的内容效度。在收敛效度方面，四因子模型拟合数据良好（χ2/df=1.81，C FI=0.91，T L I=0.89，RM SEA=0.07），标准因子负荷值范围为0.60至0.84，这说明所有条目都反映了主构念的意思，模型具有较好的收敛效度（Fornell and Larcker，1981）。对于区分效度，如表2所示，网络导向、关系学习、网络响应、绩效等构念AVE的平方根大于相应的相关系数，而且表2中主要变量间的相关系数都低于相应的信度（0.79-0.89）。这说明本问卷具有一定的区分效度（Fornell and Larcker，1981；Zhang et al.，2016）。