大样本问卷统计研究方法是通过书面形式，以严格设计的心理测量项目或问题，向研究对象收集研究资料和数据的一种方法（王重鸣，1990），因此，本书问卷主要采取深度访谈和文献检索相结合的方法设计。在问卷设计过程中，我们主要通过以下三个方面进行问卷设计。对每个“潜在变量”，本文尽量搜索并引用前人研究时测量该变量的具体问题，使变量的测量尽量可靠。如果搜索不到前人的研究，则根据文献检索分析前人对该潜在变量的影响因素设计具体问题，这样基于前人的研究来设计问题，可以提高本研究所需数据收集的可信度。至于本文提出的一些前人未有研究或影响因素研究的新变量，通过与多家公司的中高层管理经理以及相关领域的学者进行面对面的访谈，搜集其对各变量所涉及概念的内涵和外延的理解，进而设计具体问题。因此，在充分的学理探讨并形成研究假设后，我们在实地研究和问卷发放的基础上得到大量的研究样本。我们将使用SPSS社会科学统计软件包、SmartPLS软件包对中小企业动态能力的提升机制作探索性因子分析和验证性因子分析、相关分析、回归分析、结构方程模型检验。面上的调研结果作为最后验证理论假设的资料，可以从中观的视角进一步深化讨论的结果。
本研究过程中使用的统计工具与方法，所能检验的内容，以及为了验证假设所进行的统计过程的进一步说明如下。
1.效度分析（ValidityAnalysis）
效度分析通过因素分析（FactorAnalysis）方法进行，主要有三个用途，一是筛选出因素载荷分散的题项加以剔除，对问卷进行修订；二是通过效度分析检验实证测量在多大程度上反映了概念的真实含义（Babbie，2000），检验正式量表的结构效度，即各分量表是否准确地反映了所要测量的概念；三是根据因素分析的结果为各变量赋值并命名。
2.信度分析（ReliabilityAnalysis）
信度是指测量变量的问卷度量该变量真实情况的程度。针对本研究的主要测量变量进行内部一致性分析，对问卷的各概念层面进行信度分析，以信度系数Cronbach α值来衡量同一概念下各测量变量之一致性，以各个概念层面是否测量了单一概念，以及组成量表题项的内在一致性程度，对问卷进行最后检定，形成正式统计分析使用的问卷数据。
3.描述统计分析（DescriptiveStatisticsAnalysis）
描述统计分析具有一系列的基本统计分析，这些基本统计分析可以对研究对象的基本数据及问卷内容的数据做基础的解读，如总体样本的平均数及总体样本的标准差等，有助于深入观察数据的分布特征与内部结构。本研究中通过描述统计分析说明调查对象的组织特征以及各观测变量母体特征。
4.多重共线性检验（MulticollinearityDiagnostics）
多重共线性是指一组变量之间存在很强的线性关系，即某个因变量能近似地用其他变量的线性函数来描述。由于这些变量间的相关性太高，使得在计算变量间关系时受到彼此高度共线性的影响，而造成估计不稳定，或某些数学程序估计失败的现象（Kline，1998），从而限制了对样本进行多元回归。由于结构方程模型要使用极大似然估计ML与一般最小二乘法GLS来估计模型的参数时，样本或变量之间的多重共线性会使得变量载荷矩阵是非正定的，所以本研究进行多重共线性检验。
5.结构方程模型分析方法（PLS，PartialLeastSquare）
结构方程模型（StructuralEquationModels，SEM）是一种非常新的统计方法，用来检定有关观察变量与潜在变量之间假设关系，因此大量应用于社会科学研究领域。路径分析是运用多元回归分析方法，同时让所有预测变量进入回归模型，得到变量之间各路径的标准化回归系数（Beta值），通过各变量的T值检验路径系数的显著性，并通过模型契合度指标检验总体模型的有效性。其目的在于探讨一组连续变量之间的因果关联。传统上，利用回归分析来进行路径分析的参数估计，必须以多次的回归分析估计程序才能完成，不仅程序复杂，同时也将造成统计决策错误概率的膨胀问题，结构方程模型（StructuralEquationModels）程序则可以同时估计这一系列的方程式，避免多次决策错误造成概率膨胀问题，也可以获得更多的统计数据，提供更丰富的信息，完全可以取代传统的路径分析（邱皓政，2004）。
最后，对理论分析及实证检验和统计分析结论进行总结梳理，形成最终具备逻辑性与结构性并重的最终研究结论。研究方法的科学性是本书研究结论正确的前提保障，因此需要从合理性和缜密性上全面考虑。以上的各种方法渗透在本书研究的各个方面，有所区分但也相互补充，构成了一个完整的研究框架。具体可详细参见各个章节的论述。
3.4.3 技术路线图
总体而言，本书在研究中注重把握理论前沿、收集第一手调查资料、采用科学研究方法，围绕所要研究的命题，再结合管理科学的一般研究思路，采用的技术路线如图3-1所示。
图3-1 本书所采用的技术路线
