《表3 PLS路径模型分析结果》

  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

《非可控外部知识共享、意外知识泄漏与突破性创新绩效的关系研究》

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：*p<0.1；**p<0.05（双尾检验）

本研究运用SmartPLS 3.0软件进行假设检验。与结构方程模型方法类似，偏最小二乘结构方程模型（PLS-SEM）有助于分析测量模型及其构念，并提供类似于主成分分析的因子载荷。因此，PLS可用于检验研究模型的有效性，也可根据假设关系及其显著性分析实证模型。与其他潜变量结构模型方法相比，PLS具有以下几个特殊优势：首先，PLS支持检验非正态分布变量，例如，本研究中的创新绩效；其次，相对于研究模型复杂性而言，样本量较小的情况下，PLS也适用于路径模型估计。表3列出了PLS路径模型分析的路径系数估计及其t值，模型中包括控制变量（企业规模、企业年限、研发强度及5个行业虚拟变量）、自变量（非可控外部知识共享）以及2个因变量（渐进性创新绩效和突破性创新绩效），从而有利于本研究能够验证关于突破性创新的假设模型，同时验证模型是否适用于渐进性创新。结构模型评价的核心准则是可决系数R2。R2>0.670则表示结构模型具有可接受的拟合结果。突破性创新绩效模型可决系数高于阈值（R2=0.721），说明该结构模型具有较好的拟合效果；渐进性创新绩效模型可决系数较低（R2=0.422），说明该结构模型拟合效果不可接受。