其中，A是指测量尺度的等级数，本次调研中变革型和交易型领导行为所采用的量表都是利克特5点量表，因此A=5，本文中σ2EU等于2。由于本文每个题项由3个不同的对象来测评，这样首先需要计算3个不同对象所测评的题项的方差的平均数，然后为了计算领导魅力维度的Rwg（J）还需要将其所包含的3个题项的方差再次进行平均，然后带入上面的公式可以算出第一个公司内3名不同对象所测评的Rwg（J）的值，以此类推，还可以求出愿景激励、智力启发、体恤关怀、权变奖励、例外管理等其他5个维度的系数值。然后以同样的方法计算第二个组内3名不同对象所测评的变革型和交易型领导行为各个维度的值，以此类推，最后在再分别得出所有组（本文中有297个组）的Rwg（J）值时，通过对这297个公司的Rwg（J）值进行平均，最终求出各个维度的Rwg（J）总平均值。通过计算，变革型领导行为中领导魅力维度的Rwg（J）值为0.870，愿景激励维度的Rwg（J）值为0.917，智力启发维度的Rwg（J）值为0.871，体恤关怀维度的Rwg（J）值为0.853。交易型领导行为中的权变奖励维度的Rwg（J）值为0.820，例外管理维度的Rwg（J）值为0.846。在此基础上，对各个维度的数值进行平均可以得到变革型领导行为的Rwg（J）值为0.878，交易型领导行为的Rwg（J）值为0.833，本文中变革型和交易型领导行为的各个维度以及总变量的Rwg（J）值均在0.8以上，大于0.7的标准，说明每个企业中由3位高层领导者所测评的CEO变革型和交易型领导行为的题项可以进行合并。一般而言，在清楚了Rwg的值符合要求就可以进行数据的合并了，但是有些学者还建议最好能够再进行ICC的检验以进一步检验合并的可靠性，例如，Hofman（2002）建议多用几种指标进行检验会使得结论更有说服力，因此，我们继续分析本次调研结果的ICC指标是否符合要求，以便为下一步的数据合并提供更充分的论据。
（2）ICC（1）与ICC（2）指标分析。
虽然说每个组都有一个Rwg，有多个组就会有多个Rwg，但是所有的组却只有一个ICC（1）和一个ICC（2）。ICC（1）代表了组间的变异量占总变异量的比例，它指的是在评价一个组内的成员时评价者的可靠性，其值越大，代表把每一组数据合并的可靠性也越高；而ICC（2）则是指所有评价者对这些组内成员所得出的平均测评值的可靠性。组间方差也是证明高层次结构有效性的必要条件，在分析数据的聚合时，组内和组间差异都是需要的（于海波等，2004）。Bliese（2000）认为ICC（1）的值大于0.05比较好，但是James et al（1982）建议该值最好介于0～0.5之间，这样综合以上两位学者的观点，通常ICC（1）的值介于0.05～0.5之间比较合适。Klein et al（2000）认为，ICC（2）大于0.7比较好，但是如果能够大于0.50在研究中通常也可以接受。ICC（1）和ICC（2）的计算公式如下：
ICC（1）=MSB-MSW［MSB+（k-1）MSW］
ICC（2）=k ICC（1）1+（k-1）ICC（1）=MSB-MSWMSB
在上述公式中，其中MSB、MSW分别指组间和组内平均变异量，k指每个组内评价者的数目。在对变革型和交易型领导行为的所有题项进行方差分析后发现，每个题项的F值都达到显著水平，表明不同企业之间存在显著的差异，变革型领导行为的ICC（1）均值为0.32，交易型领导行为的ICC（1）均值为0.25，这两个变量的ICC（1）的值都大于0.05，并且小于0.5，介于0.05～0.50之间，这表明变革型和交易型领导行为在本文297个样本企业中有充足的内部同质性。同时，变革型领导行为的ICC（2）均值为0.58，交易型领导行为的ICC（2）均值为0.51，都符合Klein et al（2000）提出的0.50的可接受水平，这表明对3个填写者的数据进行平均是可以接受的。因此，综合Rwg（J）、ICC（1）、ICC（2）三个指标来看，我们可以将由CEO助理、人力资源副总和技术副总所测评的CEO变革型领导行为和交易型领导行为的题项进行合并。
6.2.3信度与效度检验
虽然在试测（pilot study）中我们检验了本文所采用变量的信度，但是在大样本调研（main study）中由于调研对象、所处行业、地理位置都发生了变化，所以还需要检验各变量的信度和效度。管理学研究中主要采用的效度可以分为内容效度和结构效度，内容效度是一个测量的内容代表它所要测量之主题的程度，我们在研究设计中根据专家和企业高管的意见对测量的题项进行反复修订的过程就是为了尽可能的使得所测题项能够反映概念内涵以保证其内容效度。而结构效度是指测量结果体现出来的某种结构与测值之间的对应程度，其中，收敛效度（convergent validity）和区分效度（discriminatory validity）是最广泛的两项效度检测项目（Schwab，1980；Sethi & Carraher，1993）。两者的区别在于，区分效度是检验不同变量之间的题项相关性程度，而收敛效度则是指同一变量内部各题项之间的相关性程度，具有良好区分效度和收敛效度的标准是不同变量之间题项的相关性比较低，但是同一变量内部各题项的相关性比较高。由于在预试过程中对各变量的结构效度进行探索性因子分析（EFA）的结果已经表明各变量具有良好的结构效度，为了进一步验证这种结构是否在正式测试中有效，我们采用结构方程模型（SEM）进行验证性分析分析（CFA）来验证各变量的结构效度。
（1）信度与区分效度分析。
在大样本调研中，变革型领导行为的4个维度，即领导魅力、愿景激励、智力启发和体恤关怀的Cronbach’s α系数分别是0.87、0.86、0.86、0.80，变革型领导行为总的Cronbach’s α系数是0.94；交易型领导行为中权变奖励和例外管理2个维度的Cronbach’s α系数分别是0.78和0.75，交易型领导行为总的变量之Cronbach’s α系数是0.76，这表明变革型领导行为和交易型领导行为均具有良好的信度。
为了检验变革型领导行为与交易型领导行为之间的区分效度，我们遵循Lubatkin et al（2006）的建议，根据理论将变革型和交易型领导行为总计18个题项组成一个6因子的基线模型（baseline model），然后比较它与二因子模型（在基线模型的基础上，合并领导魅力、愿景激励、智力启发、体恤关怀为1个因子；合并权变奖励和例外管理为1个因子）、单因子模型（所有题项合并为1个因子）之间的拟合度。根据Hu & Bentler（1999）的建议，NNFI、CFI、IFI等指标处于0.90以上表示模型具有良好的拟合；RMSEA低于0.08表示具有良好的拟合度，低于0.1也可以接受，表示拟合度也不错（侯杰泰等，2005）。验证结果表明：6因子基线模型（RMSEA=0.071，IFI=0.98，NNFI=0.98，CFI=0.98）对数据的拟合程度要高于2因子模型（RMSEA=0.136，IFI=0.94，NNFI=0.93，CFI=0.94）和单因子模型（RMSEA=0.153，IFI=0.93，NNFI=0.92，CFI=0.93）。进一步从卡方变化来看，6因子基线模型要显著地优于2因子模型（△x2＝451.11***，△d.f＝14）和单因子模型（△x2＝541.20***，△d.f＝15）。因此，综合来看，6因子结模型的拟合度要显著地优于其他嵌套模型，这表明变革型领导行为与交易型领导行为具有良好的区分效度。
探索式技术创新、利用式技术创新、环境动态性和环境竞争性的Cronbach’s α系数分别是0.75、0.77、0.87、0.83，表明这4个变量具有良好的信度。由于这4个变量都属于单维度变量，我们将其所有题项（5＋5＋4＋4）基于理论构建了一个4因子的基线模型，并比较它与2因子（合并探索式技术创新和利用式技术创新为1个因子，合并环境动态性和环境竞争性为1个因子）和单因子模型（合并所有题项为1个因子）之间的数据拟合度。验证结果表明：4因子基线模型（RMSEA=0.057，IFI=0.94，NNFI=0.93，CFI=0.94）对数据的拟合程度要高于2因子模型（RMSEA=0.157，IFI=0.62，NNFI=0.62，CFI=0.62）和单因子模型（RMSEA=0.189，IFI=0.46，NNFI=0.45，CFI=0.46）。进一步从卡方变化来看，6因子基线模型要显著地优于2因子模型（△x2＝863.11***，△d.f＝5）和单因子模型（△x2＝1314.21***，△d.f＝6）。因此，综合来看，4因子结模型的拟合度要显著地优于其他嵌套模型，这表明探索式技术创新与利用式技术创新、环境动态性与环境竞争性之间具有良好的区分效度。
组织绩效中财务绩效和市场绩效的Cronbach’s α系数分别为0.77、0.71，其总的Cronbach’s α系数为0.76，这表明该变量具有较好的信度。为了验证本文所采用的财务绩效、市场绩效5个指标之间是否具有区分效度，我们将该变量的5个题项基于理论构建了一个2因子基线模型，并比较它与单因子模型对于数据的拟合度。验证结果表明：2因子基线模型（RMSEA=0.080，IFI=0.98，NNFI=0.96，CFI=0.98）对数据的拟合程度要高于单因子模型（RMSEA=0.212，IFI=0.85，NNFI=0.70，CFI=0.85）。进一步从卡方变化来看，2因子基线模型要显著地优于单因子模型（△x2＝59.53***，△d.f＝1）。因此，综合来看，2因子结模型的拟合度要显著地优于其他嵌套模型，这表明财务绩效、市场绩效之间具有良好的区分效度。
中庸思维的多方思考、整合性与和谐性3个维度的Cronbach’s α系数分别为0.78、0.72、0.80，中庸思维的Cronbach’s α系数为0.87。为验证中庸思维3个维度之间是否具有区分效度，我们将其12个题项依照理论构建了一个包括3个因子的基线模型，然后通过它与单因子模型的嵌套比较来判断中庸思维3个维度之间的区分效度。验证结果表明：3因子基线模型（RMSEA=0.053，IFI=0.98，NNFI=0.98，CFI=0.98）对数据的拟合程度要高于单因子模型（RMSEA=0.109，IFI=0.94，NNFI=0.93，CFI=0.94）。进一步从卡方变化来看，3因子基线模型要显著的优于单因子模型（△x2＝115.57***，△d.f＝3）。因此，综合来看，3因子结构的中庸思维的拟合度要显著地优于其他嵌套模型，验证性因子分析的结果表明的中庸思维三个维度之间具有良好的区分效度。
（2）收敛效度分析。
对于收敛效度分析，Fornell & Larcker（1981）提出必须检测所有的标准化项目载荷量、潜在变量的组合信度、潜在变量的平均萃取量3项指标，若此3项指标均符合标准，则表示所提出的变量具有收敛效度，具体指标说明如下：
①所有变量的标准化项目载荷量（λ）（factor loading）：其值要大于0.5且达到显著水平。
②潜在变量组合信度（Composite Reliability， CR）：指变量的内部一致性。如果潜在变量的CR值越高，则其测量变量是高度相关的，表示他们都在测量相同的潜在变量，并且越能测出该潜在变量。一般而言，其值大于0.7比较好，大于0.6也可以接受。
③平均变异萃取量（Average Variance Extracted， AVE）：是指所有变量的变异量能被潜在变量所解释的程度，其值建议要大于0.5（Hair et al，1998）。
我们用结构方程模型对变革型与交易型领导行为的题项进行验证性因子分析可以得到它的各个维度上每个题项的载荷值，然后再分别计算每个维度上的平均变异萃取量和组合信度就可以判断出这两个变量的收敛效度。从表6-4中可以看出，变革型与交易型领导行为的所有标准化载荷值均大于0.5，并且都达到了显著水平；各维度的组合信度值都大于0.7，表示本研究的变量具有较好的内部一致性；其各维度的平均变异萃取量（AVE）均在0.5以上，表示本研究的变量之变异均可显著地由其对应的变量所解释。综上所述，变革型与交易型领导行为在标准化项目载荷量，潜在变量组合信度、潜在变量的平均变异萃取量方面均比较符合理想结果，即本研究中所有测量项目均收敛于各对应的变量，表明他们具有良好的收敛效度。
由于探索式技术创新与利用式技术创新、环境动态性与环境竞争性都属于单维度变量，我们根据理论构建了一个由18个题项所组成4因子模型，然后检验各个变量的收敛效度。从表6-5中可以看出，探索式技术创新与利用式技术创新、环境动态性与环境竞争性的所有标准化载荷值均大于0.5，并且都达到了显著水平；4个变量的组合信度值都大于0.7，表示其具有较好的内部一致性；4个变量的平均变异萃取量（AVE）基本大于0.5，表示其变异均可显著地由所对应的变量所解释。综上所述，探索式技术创新与利用式技术创新、环境动态性与环境竞争性在标准化项目载荷量，潜在变量组合信度、潜在变量的平均变异萃取量方面均比较符合理想结果，即本研究中所有测量项目均收敛于各自所对应的变量，表明他们具有较好的收敛效度。
同样，我们根据理论将中庸思维的12个题项组成了一个包含3因子的模型然后判断其收敛效度。从表6-7中可以看出，中庸思维各维度的所有标准化载荷值均大于0.5，并且都达到了显著水平；其3个维度的组合信度值都大于0.7，表示本研究的变量具有较好的内部一致性；其3个维度的平均变异萃取量（AVE）均达0.5以上，表示本研究变量的变异均可显著地由其对应的变量所解释。综上所述，中庸思维在标准化项目载荷量，潜在变量组合信度、潜在变量的平均变异萃取量方面均比较符合理想结果，即本研究中所有测量项目均收敛于各对应的变量，具有良好的收敛效度。
