5.3.8新產品開發績效的衡量
根據第2章文獻分析可知，參考Olsonetal.(1995)、Loch,Stein&Terwiesch(l996)、SongandMotoya(1998)和Spanos&Lioukas(2001)的觀點，對於新產品開發績效的衡量主要從新產品的質量、成本、開發周期、市場反應、獲利能力及客戶滿意度等六個方麵來衡量。具體問題如下：（1）與競爭對手相比的新產品質量；（2）與競爭對手相比的新產品開發周期；（3）與競爭對手相比的新產品開發成本；（4）與競爭對手相比的新產品市場反應；（5）與競爭對手相比的新產品的獲利能力；（6）與競爭對手相比的新產品的客戶滿意度。
5.4數據分析方法
由於本研究既涉及量表測量屬性的檢驗，也涉及外部環境特性、內部組織特性、組織間關係特性、內部組織整合、外部組織整合、吸收能力、產品創新程度及新產品開發績效等多個概念間的結構關係驗證以及各維度之間關係的檢驗，因此我們采用結構方程模型與多元線性回歸作為實證分析的主要方法。本研究所使用的分析軟件為SPSSforwindows15.0版和AMOS7.0版本。
5.4.1結構方程模型
結構方程模型（structuralequationmodeling,SEM）是近年來發展較快、應用越來越廣泛的多變量分析方法，由於其對潛變量、測量誤差和因果模型的處理能力,在心理學、教育學和社會學等研究中已經得到了廣泛的應用。在經濟管理研究中,結構方程模型的應用剛剛起步。本研究將結構方程模型作為主要分析工具。
1．結構方程模型的特點
簡言之，結構方程模型還是運用聯立方程組（simultaneousequationmodel）求解，但它沒有嚴格的假定限製條件，同時允許自變量和因變量存在測量誤差（measurementerrors）。在社會研究中，許多變量不能直接測量，統計上稱這類變量為潛變量（latentvariables）。我們可以通過一些可觀測的變量（observedvariables）作為這些潛變量的標識（indicators）。傳統的因子分析允許對潛在變量設立多元標識，也可以處理測量誤差，但不能分析因子間的關係。結構方程模型既能處理潛變量觀測標識包含的測量誤差，又能分析潛變量間的結構關係。
從理論上講，一般的結構方程模型由三個矩陣方程式代表：
其中，代表內生潛變量，y為內生標識，為外生潛變量，x為外生標識。為內生標識的測量誤差，為外生標識的測量誤差，為結構方程的誤差項。和代表結構路徑係數矩陣，代表因子負載矩陣。在基礎參數矩陣中，還有四個分別對應於外生潛變量、結構方程誤差項、觀測誤差項和的方差協方差矩陣。因此，共包含三個矩陣方程和8個基礎參數矩陣。一般地，結構方程模型所使用的觀測變量是其原始隨機變量值距其平均值的離差，因而方程中沒有截距項。
一般的結構方程模型示意圖，橢圓型框代表潛變量，長方形框代表觀測變量，箭頭表示變量間關係。結構方程模型由測量模型（measurementmodel）和結構模型（structuralmodel），前者表示潛變量與觀測變量間的關係，後者表示潛變量之間的關係。
2．結構方程模型的應用
結構方程模型主要是一種證實性（confirmatory）技術，其目的是確定一個特定模型是否合理，而不是用來尋找或發現一個合適的模型（郭誌剛，1999）。應用結構方程模型有五個主要步驟：
（1）模型設定（modelspecification）
根據理論或以往研究成果，設定假設的初始理論模型，並用線性方程係統表示理論模型。主要假設依據是：第一，線性模型可以體現觀察數據的特征；第二，觀測指標與潛變量之間的假設關係；第三，潛變量或觀測指標作用方向及屬性的假設。經常用路徑圖將描繪構想的模型。
（2）模型識別（modelidentification）
決定所設定的模型能否求出參數估計的唯一解。某些情況下，由於模型被錯誤地設定，其參數不能識別，求不出惟一的估計值，因而模型無解。模型識別的必要但非充分條件有兩個：首先，數據點（datapoint）數目不能少於自由參數數目；其次，要為潛變量構造一個測量尺度。