数据分析方法：SPSS和AMOS的统计分析及回归分析

1．数据收集

按照研究设计，为保证数据收集的可行性，在广东以及其他省市进行发放调研问卷。利用人际关系，将问卷以“点对点”的形式发给被调查者。问卷调查工作从2017年7月初开始，持续到8月中旬。问卷全部以电子版方式发放，共计发放350份，收回276份，回收率为79%。

问卷筛选根据“职位是否为中、高层管理人员”“企业经营主业是否为制造业”，同时根据问卷填写内容的完整性，有28份问卷是无效的。调查最终获得有效问卷248份，作为本章研究的数据样本。样本的特征描述如表7－5所示。

表7－5　样本投资行为特征分布情况统计

表7－5呈现了问卷调查获得的248个有效样本在进入模式、投资经验及投资目的国这三个变量上的数据分布情况。从进入模式的选择情况来看，选择高资源增长程度进入模式的企业有95家，占比38.3%；选择中等资源增长程度进入模式的企业有87家，占比35.1%；选择低资源增长程度进入模式的企业有66家，占比26.6%；从企业之前在东道国是否有过投资的情况来看，之前没有在东道国进行过直接投资的企业有119家，占比48%；之前在东道国进行过直接投资的企业有129家，占比52%。多数企业有在东道国投资的前期经验，样本企业所选择的进入模式具有明显差异。

2．分析方法

本研究选择SPSS22和AMOS21作为数据分析软件，对问卷调查所获得的数据进行统计分析。主要运用到的分析方法为描述性统计分析和多分类回归分析。因为本研究所涉及的投资经验和进入模式等变量均不是采用李克特七级量表的测度方法来获得数据，所以不需要验证量表的信度和效度，这里采用多分类Logistic回归分析方法进行分析。但中国制造业企业对外直接投资能力与对外直接投资动机需要进行验证性因子分析。

1）企业对外直接投资能力的验证性因子分析

为进一步检验“中国制造业企业对外直接投资能力量表”的信度和效度，本研究对问卷发放获得的248份有效样本数据进行了验证性因子分析。首先，需要对“产品制造能力”“国际营销能力”“技术创新能力”“资源整合能力”“全球运营能力”和“全球学习能力”6个变量分别进行信度检验。如表7－6所示，“产品制造能力”“国际营销能力”“技术创新能力”“资源整合能力”“全球运营能力”和“全球学习能力”6个变量的Cronbach's α系数分别为0.928，0.856，0.922，0.959，0.940和0.963，均大于0.7，题项一总体相关系数（CITC）均大于0.35（最大值为0.77，最小值为0.38）。同时，整个量表的Cronbach's α系数为0.955，大于0.7。结果表明，该量表的信度良好。

表7－6　中国制造业企业对外直接投资能力变量的信度检验结果

续表7－6

注：因子提取法为主成分法，旋转变换方法为最大方差法，整个量表的Cronbach's α系数为0.955，N=248。

接下来，对“中国制造业企业对外直接投资能力量表”进行验证性因子分析，测量模型如图7－1所示。

图7－1　中国制造业企业对外直接投资能力变量的测量模型

由于验证性因子分析的结果容易受到样本数量和题项数量的影响，因此需要多个观测指标对模型拟合程度进行检验，常用的指标为χ2/df，RMSEA，TLI，CFI（侯杰泰、温忠麟等，2004）。拟合结果如表7－7所示，χ2的值为648.197（自由度df=390），χ2/df的值为1.662，小于2；RMSEA值为0.052，小于0.08；TLI和CFI的值都大于0.9，接近于1；各路径系数均在P＜0.001的水平上具有统计显著性。可见，该模型拟合效果良好，图7－1所示的因子结构通过了验证，“中国制造业企业对外直接投资能力量表”的测度是有效的。

在第5章的探索性案例研究中，有的案例企业的对外直接投资能力并不是单一能力，而是混合能力。因此，6种单一投资能力可以被看作是混合能力的四种维度。不同类型的混合能力在6个能力维度（6种单一投资能力）上的强弱表现有所不同（表7－7）。本研究选取“产品制造能力”“国际营销能力”“技术创新能力”“资源整合能力”“全球运营能力”和“全球学习能力”6种单一投资能力作为特征变量（指标），采用K均值聚类分析方法，对248个有效样本进行分类，观察各类样本的投资能力组合特征，从而验证混合能力的存在，并对样本的对外投资能力类型进行科学划分和命名。

表7－7　中国制造业企业对外直接投资能力变量的测量模型拟合结果

续表7－7

注：N=248，＊＊＊表示显著性水平为P＜0.001。

根据聚类方法的不同，聚类分析可以分为层次聚类法、K均值聚类法、模糊聚类法等。本研究采用K均值聚类法（K-means Cluster Analysis）对样本进行分类处理。因为，K均值聚类法是一种快速聚类的方法，采用该方法得到的结果比较简单易懂，对计算机的性能要求不高，应用也比较广泛。采用K均值聚类法需要预先指定类别数量，因此依次将类别数量设定为2，3，4，5，6，并逐一进行聚类分析。根据方差分析结果（表7－8），类别数量为6时，6个类别的特征变量均值具有显著性差异（P＜0.001），表明类别数量为6时的分类效果很好。

表7－8　单因素方差分析结果

均值聚类分析结果如表7－9所示。

表7－9　K均值聚类分析结果

从表7－9可以看出，6个类别的样本数量分别为32，81，55，20，33和27，占样本总数的比例分别为12.9%，32.7%，22.2%，8.1%，13.3%和10.9%。第一类样本的中心点在特征变量上的取值表现为“产品制造能力”“国际营销能力”“技术创新能力”“资源整合能力”“全球运营能力”和“全球学习能力”的变量值低于样本总体平均值；第二类样本的中心点在特征变量上的取值表现为“产品制造能力”“国际营销能力”“技术创新能力”“资源整合能力”“全球运营能力”和“全球学习能力”的变量值高于样本总体平均值；第三类样本的中心点在特征变量上的取值表现为“产品制造能力”“国际营销能力”“技术创新能力”和“全球运营能力”的变量值均低于样本总体平均值，而“资源整合能力”和“全球学习能力”的变量值均高于样本总体平均值；第四类样本的中心点在特征变量上的取值表现为“国际营销能力”“技术创新能力”“全球运营能力”和“全球学习能力”的变量值高于样本总体平均值，“产品制造能力”和“资源整合能力”的变量值低于样本总体平均值；第五类样本的中心点在特征变量上的取值表现为“产品制造能力”“国际营销能力”“技术创新能力”“资源整合能力”“全球运营能力”和“全球学习能力”的变量值显著低于样本总体平均值；第六类样本的中心点在特征变量上的取值表现为“产品制造能力”“国际营销能力”“技术创新能力”“资源整合能力”“全球运营能力”的变量值高于样本总体平均值，“全球学习能力”的变量值低于样本总体平均值。

根据每一类样本中心点的变量值特征，并兼顾形容词的概括性和形象性，将样本企业的六种混合投资能力类型作如下命名：(www.xing528.com)

第1类：产品制造能力；

第2类：国际营销能力；

第3类：技术创新能力；

第4类：资源整合能力；

第5类：全球运营能力；

第6类：全球学习能力。

2）企业对外投资动机的验证性因子分析

为进一步检验“企业对外投资动机量表”的信度和效度，本研究对第二阶段问卷发放获得的248份有效样本数据进行了验证性因子分析。首先，需要对“市场获得动机”“资源获得动机”和“全球升级动机”3个变量分别做信度检验。如表7－10所示，“市场获得动机”“资源获得动机”和“全球升级动机”3个变量的Cronbach's α系数分别为0.896，0.933和0.942，均大于0.7，题项总体相关系数（CITC）均大于0.35（最大值为0.75，最小值为0.58）。同时，整个量表的Cronbach's α系数为0.931，大于0.7。结果表明，该量表的信度良好。

表7－10　企业对外直接投资能力变量的信度检验结果

续表7－10

注：因子提取法为主成分法，旋转变换方法为最大方差法，整个量表的Cronbach's α系数为0.931，N=248。

下面对“中国制造业企业对外直接投资动机量表”进行验证性因子分析，测量模型如图7－2所示。

图7－2　中国制造业企业对外直接投资动机变量的测量模型

由于验证性因子分析的结果容易受到样本数量和题项数量的影响，因此需要多个观测指标对模型拟合程度进行检验，常用的指标为χ2/df，RMSEA，TLI，CFI（侯杰泰和温忠麟等，2004）。拟合结果如表7－11所示，χ2的值为150.362，自由度df=87，χ2/df的值为1.728，小于2；RMSEA值为0.054，小于0.08；TLI和CFI的值都大于0.9，接近于l；各路径系数均在P＜0.001的水平上具有统计显著性。可见，该模型拟合效果良好，图7－2所示的因子结构通过了验证，即“中国制造业企业对外直接投资动机量表”的测度是有效的。

表7－11　中国制造业企业对外直接投资动机变量的测量模型拟合结果

注：N=248，＊＊＊表示显著性水平为P＜0.001。

由于企业的对外投资动机并不是单一动机，而是混合动机。因此，3种单一投资动机可以看作是混合动机的3种维度。不同类型的混合动机在3个动机维度（3种单一投资动机）上的强弱表现有所不同（表7－11）。本研究选取“市场获得动机”“资源获得动机”和“全球升级动机”3种单一投资动机作为特征变量（指标），采用K均值聚类分析方法，对248个有效样本进行分类，观察各类样本的投资动机组合特征，从而验证混合动机的存在，并对样本的对外投资动机类型进行科学划分和命名。

采用K均值聚类法需要预先指定类别数量，依次将类别数量设定为2，3，并逐一进行聚类分析。方差分析结果显示（表7－12），类别数量为3时，3个类别的特征变量均值具有显著性差异（P＜0.001），表明类别数量为3时的分类效果很好。

表7－12　单因素方差分析结果

从K值分析结果（表7－13）可以看出，3个类别的样本数量分别为121，89和38，占样本总数的比例分别为48.79%，35.89%和15.32%。第一类样本的中心点在特征变量上的取值表现为“市场获得动机”“资源获得动机”“全球升级动机”的变量值高于样本总体平均值。第二类样本的中心点在特征变量上的取值表现为“全球升级动机”的变量值高于样本总体平均值，而“市场获得动机”和“资源获得动机”的变量值均低于样本总体平均值。第三类样本的中心点在特征变量上的取值表现为“市场获得动机”“资源获得动机”“全球升级动机”的变量值均低于样本总体平均值。

表7－13　K均值聚类分析结果

续表7－13

根据每一类样本中心点的变量值特征，并兼顾形容词的概括性和形象性，将样本企业的3种混合投资动机类型作如下命名：

第1类：市场获得动机；

第2类：资源获得动机；

第3类：全球升级动机。