本节主要介绍测量模型的信度和效度检验情况，即对正式研究的信度和效度进行分析，确保所研究的概念都得到了可靠和恰当的测量，并以此作为结构模型分析的前提和基础。在分析之前，先将反向计分分值进行转化，并用最大期望法（EM）对缺失值进行处理。随后使用SPSS11.5和LISREL8.51等统计软件进行数据分析和假设检验。
5.2.1信度分析
测量模型的信度可以通过内部一致性信度的Cronbachα系数分析来进行，也可通过综合信度系数CR计算来进行。
5.2.1.1 Cronbachα系数检验
列出了每个潜变量的Cronbachα系数值。从表中数据可以看出，潜变量的Cronbachα系数值处在0.8584-0.9465之间，都达到了0.70的可接受信度水平（Nunally，1978）。
5.2.1.2综合信度CR系数检验
列出了每个潜变量的综合信度CR系数值。从表中可以看出，潜变量的综合信度CR系数值处在0.863-0.949之间，都超过了0.70的可接受信度水平。
上述两方面的信度分析结果显示，所有变量的量表都达到了信度的最低要求水平，这说明本研究所使用的量表具有良好的信度。
5.2.2效度分析
效度分析主要包括建构效度（construct validity）分析、收敛效度（convergent validity）分析和判别效度（discriminant validity）分析。以下从这三个方面来对量表的效度进行分析。
5.2.2.1建构效度分析
本研究通过探索性因子分析（EFA）来检验问卷的建构效度。用SPSS11.5软件对正式调查数据作探索性因子分析，结果。笔者运用主成分分析法，以特征根值大于1为标准来截取数据，并采用方差最大化正交旋转法（varimax）来进行因子分析，其取样适当性数值KMO0.899，累计可解释信息量为75.571%，且Bartlett′s球形检验达到显著水平（p＜0.000）；提取的9个因子分别命名为基于能力的人力资源管理系统、基于承诺的人力资源管理系统、信息解释与组织记忆、信息分发、知识获取、财务绩效、创新绩效、员工激励和员工能力（与表中的9个因子对应）。表明本问卷的建构效度较好。
5.2.2.2收敛效度分析
在验证性因子分析中，收敛效度水平可以由模型的拟合指数（fit index）和因子载荷系数来检验（Mueller，1996），也可以利用平均析出方差（AVE）值来判断。给出了各测量模型的拟合指数情况。从表中可以看出，各测量模型的χ2/df值介于0.83-3.09之间，较为理想；除能力系统、承诺系统RMSEA值为0.097以外，其余测量模型的RMSEA值均小于0.08；SRMR值处于0.024-0.048之间，均低于0.08；各测量模型的NFI、NNFI、CFI、IFI指标均超过0.90，表明测量模型和数据拟合较好。给出了各测量模型问项的标准化载荷系数、综合信度和AVE值。从表中可以看出，除问项L3的标准化载荷系数0.5523低于0.6以外，其余问项的标准化载荷系数均大于最低临界水平0.6，并且均通过t检验而达显著水平，表明测量有较高的收敛效度；平均析出方差AVE值处于0.595-0.823之间，均大于0.5的临界值，也表明测量有较高的收敛效度。总的来说，测量模型的拟合指数、问项的标准化载荷系数和AVE值均说明测量模型的收敛效度较高。
2.因子载荷小于0.4在表中没有标出。
5.2.2.3判别效度分析
判别效度分析使用各个潜变量解释方差（AVE）的平方根大于该潜变量与其他变量的相关系数的绝对值进行比较，数据分析结果。从表中可以看出，各潜变量的AVE值的平方根均大于该潜变量与其他变量的相关系数的绝对值。结果表明各概念的判别效度较好。
以上分析显示，测量模型的信度和效度检验均获得通过。Anderson和Gerbing（1988）的两步骤分析方法认为当测量模型的信度、收敛效度和判别效度检验完后，才能进行假设检验。接下来，笔者根据Anderson和Gerbing（1988）的建议对结构模型和研究假设进行检验。
2.符号A、B、C、D、E、F、G、H、I分别代表潜变量员工能力、员工激励、知识获取、信息分发、信息解释与组织记忆、财务绩效、创新绩效、能力系统和承诺系统。
