在二因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着二因素模型需要进一步的修正。如上文所述，利用统计结果来做理论模式的修正，这种修正是理论假设与问卷实证调查之间的一种妥协结果。但是，黄芳铭（2005）指出，无论如何都必须把理论的逻辑假设放在研究的首要考虑的位置。在具体的修正过程中，我们必须综合考虑理论基础和修正对于模式拟合的改进程度。一般来说，可利用统计软件输出的修正指标（ModificationIndices，MI）来了解导致模式拟合度不佳的原因，利用期望参数改变值（EPS）来判断拟合的改进程度。依据Joreskog（1993）的建议，如果最大的修正指标无法具有理论的意义，则选择次大的指标，直到找到有意义的指标或关系修正才可以给予估计。在使用修正指数时，一般建议一次只能释放一个参数，因为释放一个参数将可能降低或消除第二个要释放参数的拟合度改进情形（黄芳铭，2005）。
因此，我们首先考察双元式创新二因素基本模型（在观测变量间没有建立任何残差关联）的修正建议，发现，相当多的MI值大于4.000。其中，观察变量Explor_inno1的测量残差项e1不仅与观察变量Explor_inno1的测量残差项e2之间的MI为8.507，而且与观察变量Exploi_inno2的测量残差项e13之间的MI为6.365，与观察变量Explor_inno6的测量残差项e6之间的MI为4.332，与观察变量Explor_inno4的测量残差项e4之间的MI为4.447，总和达到23.651。基于上述考虑，我们删去观察变量Explor_inno1，得到双元式创新二因素修正模型M1。根据拟合指标，整体模型的拟合度有了一定的改进，如表7-11所示，但是RMSEA的值仍然大于0.08。采用上述方法，我们删除Exploi_inno2，得到双元式创新二因素修正模型M2；采用上述方法，我们删除Exploi_inno7，得到双元式创新二因素修正模型M3；采用上述方法，我们删除Explor_inno7，得到双元式创新二因素修正模型M4；采用上述方法，我们删除Explor_inno5，得到双元式创新二因素修正模型M5；采用上述方法，我们删除Exploi_inno4，得到双元式创新二因素修正模型M6。
与其他模型相比，双元式创新二因素修正模型M6的拟合度有比较明显的改进，其中χ2=27.399，df=19。在绝对拟合指数方面，M6的χ2/df为1.442，小于Browne 和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0.075，处于0.05到0.08之间，表示拟合程度可以接受（Browne 和Cudeck,1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0.930和0.868，表明拟合程度很好（Bentler，1990）。在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0.940、0.981和0.980，均大于0.900，这表明假设的理论模型与数据的拟合度非常好。综合来看，结合上文拟合指数的评价标准，M6模型的各种绝对拟合指数和相对拟合指数均符合拟合要求，总体上看还是可以接受的。如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。基于这样的考虑，本文采用M6模型。验证性因素分析所得的修正后的双元式创新二因素修正模型M6如图7-2所示。
图7-2 双元式创新的验证性因素分析：修正后的二因素模型
2.双元式创新的两维度模型
