基于匹配视角，我们在第4章构建了集群企业网络化成长的综合匹配机制模型，本章进一步利用浙江省五个产业集群共196份有效调查问卷对这一概念模型进行统计检验。首先，对研究设计进行说明，具体涉及变量测度、信度与效度检验、变量生成以及统计分析方法说明等方面。其次，分两步对我们所提出的概念模型和研究假设进行实证检验。最后对本章的实证研究进行小结。
5.1实证数据说明
问卷设计与调查过程已经在第1章的研究方法中进行了说明。在这里，我们重点说明问卷中研究变量的可操作定义，利用调查所得的数据检验主要变量测量的信度与效度，并生成实证分析所需的变量。
5.1.1研究变量的可操作定义
本章统计检验主要涉及的变量包括企业成长、网络特征、环境不确定性、吸收能力和制造能力等。下面具体对每一变量进行可操作化定义。
1.企业成长
企业成长是本章统计检验的因变量。企业成长包括质的成长与量的成长。这两个方面既存在独立的一面，也存在相互促进的一面。企业生产经营规模的扩张与市场份额的增加会推动企业提高生产效率，采用新的技术以及更加适应环境的组织形式；而企业制度与组织形式的变革又会为新一轮的数量增长提供良好的环境和土壤（黄洁，2006）。
2.网络特征
我们选择了三个集群企业网络特征刻度指标，分别是集群企业网络的关系强度、网络范围与地理开放性。第4章第4.1.2节对此已有详细说明，这里不再重复。
3.环境不确定性
集群企业面对的是不同的利基市场，这些利基市场表现出不同的环境不确定性。环境不确定性分为技术不确定性和市场不确定性。在借鉴Jaworski和Kohli（1993）、Slater和Narver（1994）以及李正卫（2003）等研究的基础上，结合对浙江省集群企业的访谈资料，我们对已有的测量条款进行了适应性修正，其中技术不确定性主要从四个方面测量（问卷中的Q1～Q4），市场不确定性主要从四个方面测量（问卷中的Q5～Q8），测量方法均采用Likert5分量表测量。
4.吸收能力
我们以吸收能力来表征集群企业的动态能力。自从Cohen和Levinthal（1990）提出吸收能力的概念之后，一些学者从不同的角度对企业的吸收能力进行了测度，主要可以概括为两类：一是沿着Cohen和Levinthal（1990）的研究思路，从创新的角度来测度吸收能力，包括研发强度、专利数、研发人员投入等指标（Cohen和Levinthal，1990；Tsai，2001；Stork等，2001；Liu和Whiter，1997；转引自高展军和李垣，2005）；二是从过程的角度，通过吸收能力的四个子能力来测度企业的吸收能力。Zahra和George（2000）把吸收能力分为获取能力、消化能力、转换能力及利用能力等四个子能力。Zahra和George（2002）进一步把吸收能力划分为现实的吸收能力与潜在的吸收能力。
Jansen、Bosch和Volberda（2003）则综合Szulanski（1996）对吸收能力的九种指标测度方法与Jaworski和Kohli（1993）对市场导向的测度指标，从27个指标测度了吸收能力的四个子能力，表现出较好的测量信度。我国学者韦影（2005）也采用了同样的测度方法。
由于集群企业主要是中小企业，企业之间在创新投入与产出上的差距不太明显。与之相比，从过程角度以吸收能力的四个子能力来测度吸收能力会更可行。所以，从吸收能力的四个子维度，结合我们的访谈和试调查结果，决定以Likert 5分量表的形式使用七个条款来测量集群企业的吸收能力（问卷中的Q15～Q21）。
5.制造能力
我们以制造能力来测度集群企业的一般能力。这一构思主要来自Winter（2003）对一般能力的定义以及我们在实地访谈中得到的启发。
Winter（2003）认为企业的一般能力是指在稳定的外部环境中，企业维持现有经营所需要的能力。浙江省集群企业多数为加工制造型企业，在相对稳定的环境中，高质量的产品供应是集群企业与外部高档次的上下游企业建立稳定合作网络的保证。企业只有具有较高的制造能力才能够保证高质量的产品供应。基于实地访谈经验，在制造能力方面，我们主要从制造系统的先进性来测度制造能力（问卷中的Q9～Q14），具体包括设备和工艺的先进性与技术人员的稳定性等方面。
6.其他变量
除了以上变量之外，本章实证研究还包括其他一些控制变量，主要是产业特征、企业年龄以及企业规模等。其中，产业特征是为了控制产业之间的差异对集群企业成长的影响。这一变量为0－1变量，当样本来自海宁皮革产业集群和绍兴轻纺产业集群时，产业特征取值为1，反之为0。企业年龄与企业规模是控制企业的年龄与企业规模的差异对集群企业成长的影响。企业年龄以企业从成立的年份起到2006年的时间跨度来测量。按照通常的做法，企业规模以企业员工数量的常对数值来测量，即企业规模＝ln（员工数量）。
5.1.2信度与效度检验
本章统计检验所涉及环境不确定性、吸收能力、制造能力和销售能力都是采用Likert 5分量表测量，需要进行条款测量的效度和信度检验。
信度是指对于同样的对象，运用同样的观测方法得出同样的观测数据（结果）的可能性，其测量指标包括稳定性、等值性和内部一致性（李怀祖，2004）。本书采用Cronbach α系数测量各个指标的内部一致性来衡量变量测量的信度。一般研究认为，如果Cronbach α系数大于0.7，则表明各个测量条款具有较好的内部一致性。
效度是指测验指标能够真正测出研究人员所要衡量变量的程度，它揭示变量与其测量条款之间的关系。构思效度是最重要的效度指标之一，因子分析可以在一定程度上检验变量测量条款的构思效度（吴明隆，2003）。
所以，本研究采用因子分析来检验所使用的测量条款是否具有良好的构思效度。同时，运用因子分析可以简化数据的基本结构。一般认为，当KMO值大于或等于0.7，各条款的因子荷载大于0.5时，可以对已有条款进行因子分析（马庆国，2002）。
1.企业成长
以Q22～Q28等七个条款测量企业成长。利用SPSS 13.0软件，采用特征值大于1的方法提取因子，以最大方差方法（Varimax）进行因子分析。初步的因子分析表明，为了生成一个测量变量，需要剔除Q24，然后以剩余六个条款进行因子分析。
KMO 样本测度和Bartlett 体检验表明，KMO值为0.825，Bartlett球体检验Chi-Square为581.141，显着性Sig.为0.000，表明适合作因子分析。
采用特征值大于1的方法提取因子，结果显示，六个测量条款可以归入一个因子之中。因子的方差解释量达到60.542%。因子的内部一致性检验显示，Cronbach α 系数为0.867，表明企业成长六个测量条款具有较好的内部一致性。
2.环境不确定性
以Q1～Q8等八个条款测量集群企业的环境不确定性，利用SPSS 13.0软件，采用特征值大于1的方法提取因子，以最大方差方法（Varimax）通过因素旋转进行因子分析。初步的因子分析表明，为了减少交叉荷载，需要剔除测量技术不确定性的条款Q3，剔除了测量市场不确定性的条款Q8。随后以剩余的六个条款进行了因子分析。
KMO样本测度和Bartlett球体检验表明，KMO值为0.741，Bartlett球体检验Chi-Square为296.493，显着性Sig.为0.000，表明适合作因子分析。
采用特征值大于1的方法提取因子，并用方差最大方法（Varimax）进行因素旋转，结果显示六个测量条款可以归入两个因子之中，与问卷设计时的预期相同。两个因子的方差解释量累计达到63.623%，各个条款旋转后的因子荷载具体见表5-6。两个因子的内部一致性检验显示Cronbach α系数分别为0.697和0.769。虽然技术不确定性的Cronbach α小于0.7，但是数值比较接近0.7，可以认为测量条款具有较好的内部一致性。
3.内部能力
本书以Q15～Q21等七个条款测量集群企业的吸收能力，以Q9～Q14等六个条款测量集群企业的制造能力。因子分析表明KMO样本测度和Bartlett 球体检验表明，KMO值为0.915，Bartlett 球体检验Chi-Square 为1792.999，显着性Sig.为0.000，表明非常适合作因子分析。采用特征值大于1的方法提取因子，并用方差最大方法（Varimax）进行因素旋转，结果显示13个测量条款可以归入两个因子之中，与问卷设计时的预期相同。两个因子的方差解释量累计达到69.038%，各个条款旋转后的因子荷载具体。两个因子内部一致性检验表明，Cronbach α 系数分别为0.993和0.891，表明这两个变量的测度条款具有较好的内部一致性。
5.1.3变量生成与描述性统计
完成对以上变量的信度和效度检验之后，可以生成本章统计检验所需的变量，并对变量进行初步的描述性统计分析。
企业成长。采用因子分析所得到的六个条款的算术平均值来测量企业成长。网络特征。集群企业网络特征采用4.1.2中表4-1所示的定义方式进行计算。环境不确定性。因子分析表明环境不确定性分为市场不确定性和技术不确定性，并分别设定为0－1变量，0为低环境不确定性组，1为高环境不确定性组。首先，分别对因子分析所得到的条款计算每个样本算术平均值；其次，计算所有样本的均值，并以小于或等于均值的样本定义为0，大于均值的样本定义为1。内部能力。内部能力包括吸收能力和制造能力，根据因子分析结果，分别以每个因素所包含的测量条款的算术平均值来测量企业的吸收能力和制造能力。其他变量。产业特征、企业年龄和企业规模均采用上文所示的定义方式进行计算。
5.2集群企业网络化成长权变机制模型统计检验
产业环境不确定性分为市场不确定性与技术不确定性，本章分别从这两个方面来检验产业环境不确定性对集群企业“网络特征-企业成长”关系的调节作用。具体采用相关分析、方差分析以及多元回归分析进行统计检验，并得到了类似的结论，但为了行文方便，简化实证分析正文的篇幅，在这里仅仅显示了回归分析的结果，而把相关分析与方差分析的结果放在附录1中以供参考。
5.2.1基于市场不确定性的权变机制模型回归分析
为了分析市场不确定性对集群企业网络化成长的权变机制，本章采用多元回归方法进行了统计分析。首先，对所有样本进行回归分析；其次，分别对高低两组样本进行多元线性回归分析来检验不同市场不确定性环境中集群企业网络特征与企业成长的关系。在具体的回归分析过程中，采用分层回归的方法来检验集群企业网络特征对企业成长的影响。第一步回归模型主要分析控制变量与企业内部能力变量对企业成长的影响，第二步回归模型进一步加入企业网络特征，分析在控制其他变量的基础上，集群企业网络特征与企业成长的关系。
1.基于全体样本的回归分析
首先，采用全体样本进行了回归分析。从总体模型来看，F值检验表明，在0.001的显着性程度上，模型0a和模型0b 中自变量与因变量显着相关；Adjust R2分别达到0.520和0.534，表明回归方程具有较好的拟合性；V IF值均小于2，表明回归方程不具有显着的多重共线性问题；D-W 分别为1.964和1.986，均在2附近，表明回归方程不存在一阶序列相关问题；加入企业网络特征的模型0b的R2比模型0a 的R2高出0.021，F Change 检验表明ΔR2在0.05的显着性水平上显着，表明模型0b对因变量的拟合程度显着优于模型0a。其次，从影响因素来看，集群企业的产业特征在0.05的显着性水平上对企业成长存在显着影响，企业特征变量对企业成长并不存在显着影响；内部能力与网络特征均对企业成长存在显着影响。回归分析结果可以得出以下两点结论。
第一，内部能力是集群企业成长的重要影响因素，初步证实了内生成长理论。从因素的显着性来看，集群企业的吸收能力与制造能力均对企业成长具有显着影响；从模型0b 的回归系数来看，两者的标准化回归系数分别为0.478和0.212，表明企业内部能力的提高对企业成长具有较大的提升作用；从回归模型的拟合程度来看，模型0a 的Adjust R2达到0.520，表明内部能力对集群企业成长具有较好的解释力。
