一般情况下，学者们认为如果对研究构念进行探索性因素分析后，还必须运用验证性因子分析加以验证。如Anderson和Gerbin（1988）认为探索性因素分析和验证性因素分析是因素分析的两个不可分割的重要组成部分，在管理研究的实际应用中应结合运用。在不清楚研究构念具体结构的情况下，首先应通过探索性因素分析建立理论模型与假设，然后再利用验证性因素分析去检验修正模型与假设。因此，为了进一步确证探索性因素分析所得的企业动态能力四因素结构模型，本研究基于随机抽取的另一半样本数据（共79份），采用验证性因素分析的方法，进行分析。一般而言，利用结构方程模型来进行验证性因子分析时，我们需要考察各构面是否具有足够的收敛效度（ConvergentValidity）和区别效度（DiscriminantValidity），并可以依据检验结果对部分测量项目进行调整和修正，最终达到相对适合本研究的结果。
根据黄芳铭（2005）的建议，我们进行量表模型整体拟合优度检验。若通过该检验则表示模型整体上具有效度。整体模型拟合的评估是一个相当复杂的问题。可以根据绝对拟合指标和相对拟合指标两大类整体拟合指标做综合性的判断。使用验证性因子分析时，需要对模型的拟合情况进行评价，本研究主要采用以下评价指标：
（1）卡方指标（χ2）
在结构方程模型中，χ2 统计作为一种差性拟合（Badness-of-fitMeasure）的指标，在某种自由度下获取一定的显著χ2 值，代表观察矩阵和理论矩阵之间是不匹配的（黄芳铭，2005）。因此，只有χ2 值不显著的情况下，方能获得理想的匹配。由于样本量影响χ2 的显著程度，一般采用χ2/df 指标以降低样本量的影响。对于可以接受的范围，倾向于采用χ2/df 介于2.0到5.0之间，可以接受模型（侯杰泰、温忠麟和成子娟，2003）。
（2）近似误差均方根（RMSEA）
RMSEA在评价拟合度时表现得比许多其他指标要好（黄芳铭，2005）。当RMSEA 等于或小于0.05，表示模型可以被接受，通常将此视为拟合良好；RMSEA在0.05到0.08之间，表示拟合中等；RMSEA大于0.10则是不被接受的拟合。
（3）拟合优度指标（GFI）和调整拟合优度指标（AGFI）
GFI范围介于0到1之间，“0”代表差的拟合，“1”代表完美的拟合。GFI类似于回归中的R2，据此可以看出理论模型的方差和协方差能够解释观察资料的方差与协方差的程度。通常学者建议GFI值大于0.9表示拟合较好（黄芳铭，2005）。由于GFI容易样本大小的影响，因此有学者建议同时考虑调整拟合优度指数（AGFI）对模型的拟合效果进行评价。AGFI的目的在于利用自由度和变量个数的比率来调整GFI，一般认为AGFI比较不受到样本大小的影响。通常学者建议AGFI值大于0.9作为接受模型的标准。
（4）规范拟合指数（NFI）、修正拟合指数（IFI）和比较拟合指数（CFI）
NFI可以理解为相对于基准模型的χ2，理论模型的χ2 减少的比例（侯杰泰、温忠麟和成子娟，2003），NFI越接近于1，表明理论模型的改进越大。然而，NFI也会受到样本大小的影响，而IFI正是对NFI的修正，以降低NFI对样本大小的依赖。CFI通过与独立模型相比较来评价拟合程度。NFI，IFI，CFI的值均在0到1之间，越接近于1，表明拟合效果越好，通常认为这三个指标均需要超过0.9方能接受（黄芳铭，2005）。
