（3）模型估计（modelestimation）
可以采用最大似然法（maximumlikelihood）和广义最小二乘法（generalizedleastsquares）来估计模型参数，其目的是尽量缩小样本的方差协方差值与预测的方差协方差值之间的差异。
（4）模型评价（modelevaluation）
检验模型拟合样本数据的程度，即模型能否最充分地对观测数据做出解释，并与替代模型的拟合指标进行比较。
（5）模型修正（modelmodification）
通过模型的修正和参数的再设定增进模型的拟合程度。一个拟合较好的模型往往需要反复试验多次。
与任何分析方法一样，结构方程模型也有一定的应用条件，主要包括三点：
首先，结构方程模型要求有一个合理的样本规模。有学者指出（Stevens，1996），在一个标准的OLS多元回归分析中，每个预测变量不应少于15个样本个数。Bentler和Chou（1987）指出，在数据较完整的情况下，结构方程模型的每个待估参数至少应有5个样本支持。Loehlin（1992）认为，对包含2至4个因子的模型，其样本规模至少在100个以上，最好是200个。因为使用小规模样本进行结构方程模型分析可能导致参数估计的准确度降低，模型的一致性检验不能取得满意的效果。目前并没有一个统一的样本规模标准，一般都遵循足够大（largeenough）样本原则。
其次，结构方程模型要求变量是连续变量并服从正态分布。严格来讲，要求单变量和多变量都服从正态分布。但在实际操作中，这种假设要求难以百分之百满足。此外，结构方程模型还要求观测数据是完整无缺失的。
第三，关于结构方程模型的基本理论指出，任何一个给定的模型都是暂时接受的（provisionallyaccept），即使一个模型较好地拟合了数据，也不意味着该模型是“正确”或“最好”的。因此，对模型的选择与评价，需要多方面考虑。
4、结构方程应用条件检验
结构方程模型的应用必须满足一些基本假定条件，这样才能保证统计推断的有效性。下面对这些基本假定条件进行检视。
首先，结构方程模型要求观测变量服从正态分布，包括单变量与多变量分布都符合正态性要求。由于最大似然法与变量分布的正态性有关，因此，对这一条件进行检视。单变量分布的正态性主要看其偏度（skewness）和峰度（kurtosis）。绝大部分单一观测变量的偏度与峰度绝对值都小于1，检验变量正态性的P-P图和Q-Q图显示，没有变量显着地偏离正态分布。我们再用Mardia多变量峰度指标来检定多变量分布的正态性。由于最大似然估计的健全性（robustness），若这一指标的绝对值不超过25，则多变量正态性的偏差就不会对估计产生显着影响（黄芳铭，2002）。本研究观测变量的绝大部分Mardia多变量峰度指标都在25以下。总体来看，本研究的单变量和多变量分布特征上符合结构方程模型应用的条件。
其次，结构方程模型要求变量是连续的。本研究所使用的量表大部分为语义量表或李克特式量表，这类量表属于定序量表（ordinalscale），而将定序变量作为连续变量来使用，可能产生估计上的偏差。有学者（黄芳铭，2002）提出了这种变通性应用的理论依据：第一，使用协方差矩阵作为最大似然估计的输入矩阵时，将定序变量视为连续变量，对模型不会产生显着的影响；第二，当变量的测量等级超过5以上时，并且多变量的分布不是严重的非正态性时，不会产生明显的估计偏差。因此，将定序变量视为连续变量不会产生显着的估计偏差。本研究所使用的量表均为7等级量表，因此可视为定量变量。
此外，本研究采用最大似然法作为参数估计法（MaximumLikelihood），这是一种有效的无偏估计法，但利用ML时样本数不能太小（最少应在100至150之间）（Ding,Velicer,Harlow,1995），本研究的样本数符合这一条件。另外，从206份有效样本的结构特征看，样本具有相当程度的代表性和广泛性，而样本数据的缺失使随机的，不存在系统性数据缺失。
5数据分析方法
概念测量的有效性（validity）是一个非常重要的研究评价指标。对抽象概念在多大程度上能成功进行操作化进行检验，这是概念的建构有效性（constructvalidity）检验（Campell,1960）。建构有效性以理论的逻辑分析为基础，又根据实际所得数据验证理论的正确性，因此是一种比较严谨的有效性检测方法（吴明隆，2000）。本书运用因子分析（factoranalysis）方法进行概念测量的建构有效性检验。首先采用探索性因子分析（exploratoryfactoranalysis:EFA）方法得到因子的维度结构，其次用验证性因子分析（confirmatoryfactoranalysis:CFA）对该因子结构进行验证。
本研究运用结构方程模型分析方法对两个经验模型进行了概念层面的检验。在模型检验过程中，采用了Bagozzi和Edwards（1998）提出的方法，将每个概念维度的所有观测变量进行加权平均，得到的分值作为该维度的组合分值，以提高模型的简效性。同时，运用随机分割样本组（测定样本和效度样本）的复核效化（cross-validation）方法对模型的稳定性进行检验。。
结构方程模型的拟合评价指标可以分为三类：一类是绝对拟合指标，用来评价事前的理论模型能够预测合拟合观测数据的协方差矩阵的程度，主要指标包括卡方检验值、GFI、RMSEA和ECVI等；另一类是增值拟合指标，也称比较性拟合指标，用来对一个比较严格的基准模型（baselinemodel）和理论模型进行比较，测量其拟合改进比率的程度，主要指标包括AGFI、NFI、TLI、CFI和IFI等；最后一类是简约拟合指标，用来评价模型是否存在过度拟合的情况，从而对模型的复杂性进行检验，主要指标包括PNFI、PGFI、PCFI和AIC等。本研究主要基于上述指标对模型拟合效果进行评价。
5.4.2其他数据分析方法
结构方程方法主要是用来检验概念之间的结构关系，对于其他方面的数据处理还需采用多种数据分析方法。除了结构方程分析外，本书还将采用以下几个基本的数据分析方法：
1、描述性统计分析
描述性统计主要对样本基本资料，包括企业的规模、所属行业、成立时间等进行统计分析，说明各变量的均值、百分比等，以描述样本的类别、特性以及比例分配状况。
2、信度和效度检验
信度是指衡量效果的一致性和稳定性，利用Cronbach"salpha值来衡量。本研究将针对每个变量所对应的问卷题项，计算Cronbach"salpha值评价信度。效度是指测量工具能正确测量出想要衡量的性质的程度，即测量的正确性。效度可分为内容效度(contentvalidity)、构建效度(constructvalidity)和准则相关效度(criteria-relatedvalidity)等三类。本研究中的各测量题项都是直接测量，在同一时期内很难找到其他标准资料作辅助，无法进行准则相关效度的分析，闪此仅讨论内容效度和构建效度。内容效度旨在检测衡量内容的适切性，本研究为达到内容效度，以相关理论为基础，参考现有实证研究的问卷设计，并加以修订。问卷初稿完成后，多次与相关领域学者和企业界人士讨论修止，因此，确信应有相当的内容效度。所谓构建效度指测量出理论的概念和特征的程度，因r分析有时被用来检测构建效度。
3、相关分析
本研究以Pearson相关分析研究外部环境特性、内部组织特性、组织间关系特性、内部组织整合、外部组织整合、吸收能力、产品创新程度与新产品开发绩效等变量间的相关系数，考察各研究变量间是否有显着相关，作为下一步分析变量间相互作用的基础。
4、多元回归分析
本研究以多元回归分析探讨外部环境特性、内部组织特性、组织间关系特性与外部组织整合，外部环境特性、内部组织特性与内部组织整合，内外部组织整合、吸收能力与新产品开发绩效之间关系，检验研究假设，为结构方程模型分析做准备。
5.5本章小结
本章介绍了论文的基本研究方法，重点对实证研究的调研问卷设计、数据收集和模型检验方法作了阐述。本研究的基本思路是通过基于大样本统计的实证模型对相关假设加以检验。本研究使用管理感知的方法，运用7等级语义量表和李克特量表对变量进行测量，同时对概念量表进行了评估。最后，对本书实证研究的主要分析工具及其应用条件和数据分析方法作了说明。