5.集群知識分布量表因子分析與內部一致性分析結果
對集群知識分布量表的KMO測度為0.725，屬於比較適合因子分析的數據；另外，Bartlett球形檢驗的卡方值為291.564，統計顯著性概率為0.000，小於1%，也說明該數據具有相關性，適合做因子分析。
對集群知識分布量表的探索性因子分析結果表明，從集群知識分布量表的4個題項中，可以提取一個因子，它能夠解釋總變異量的71.486%；每個因子的載荷都大於0.8。從共同度的分析結果可見，題項的共同度都比較大，表明問卷具有較大的效度。同時，該量表的內部一致係數即Cronbach alpha值為0.862，遠大於可接受值0.70，表示量表具有較高的信度。因此，集群知識分布量表具有較高的信度和效度，不需要刪除任何題項。
6.集群企業競爭優勢量表的因子分析與內部一致性分析結果
集群企業競爭優勢量表的KMO測度為0.824，屬於比較適合因子分析的數據；另外，Bartlett球形檢驗的卡方值為292.445，統計顯著性概率為0.000，小於1%，也說明該數據具有相關性，適合做因子分析。
對集群企業競爭優勢量表的探索性因子分析結果表明，從企業競爭優勢量表的4個題項中，可以提取一個因子，它能夠解釋總變異量的82.727%；每個因子的載荷都大於0.78。從共同度的分析結果可見，題項的共同度都比較大，表明問卷具有較大的效度。同時，該量表的內部一致係數即Cronbach alpha值為0.877，遠大於可接受值0.70，表示量表具有較高的信度。因此，集群企業競爭優勢量表具有較高的信度和效度，不需要刪除任何題項。
上述關於集群企業知識基礎、集群企業學習能力、集群知識分布和集群企業競爭優勢等變量測量題項的因子分析和內部一致性分析結果表明，本研究所用調研問卷總體上具有較高的信度和效度，這為下麵進一步的研究奠定了良好基礎。
四、數據分析方法
數據分析所用到的統計方法主要包括因子分析（factor analysis）、相關分析以及層次回歸分析（hierarchical regression），數據分析主要通過SPSS13和STATA9統計軟件包進行。由於數據分析要驗證的集群企業知識傳播與競爭優勢模型既包含企業學習能力這樣的中介變量又包含集群知識分布這樣的調節變量，這使得對模型的統計檢驗存在著一些特殊之處。
下麵我們對檢驗調節效應和中介效應以及有中介的調節效應的數據分析方法作一個簡要的介紹。
1.調節效應檢驗方法
調節變量指影響自變量和因變量之間的關係強度或關係方向的變量。
換句話說，調節變量界定了自變量和因變量之間關係的邊界條件。調節變量可以是質化形式的變量（如性別、種族、文化），也可以是量化形式的變量（如獎勵水平）。在本研究的模型設定中，集群知識分布、環境不確定性和知識整合能力發揮著調節變量的作用。
對於存在調節變量模型的驗證可利用層次回歸的方法（溫忠麟、侯傑泰和張雷，2005）。假設有自變量X、因變量Y以及調節變量M組成的模型，對這一模型的檢驗可通過如下步驟進行：
①首先對自變量X和調節變量M做中心化變換（即變量減去其均值）。
②然後做如下層次回歸分析：
Y＝aX+bM+cXM（5.1）
③考慮變量XM的係數c，如果該係數統計顯著，那麼可以推斷調節變量M對自變量X與因變量Y之間的關係起調節作用。
2.中介效應檢驗方法
中介變量是指當自變量X通過影響變量M來影響因變量Y，則稱M為中介變量，相應地就稱變量M在自變量X與因變量Y之間起中介效應。