本研究采用SPSS19.0对理论模型进行多元线性回归，并检验各个回归模型的多重共线性以及序列相关情况。回归分析分为如下几个步骤：首先，验证资源互补性、环境不确定性对关系资本的主效应；其次，验证关系资本对联盟综合绩效的影响；第三，验证关系资本的中介作用；第四，验证环境不确定性的调节作用；第五，验证权力依赖的调节作用。

（1）资源互补性、环境不确定性与关系资本

通过构建两个模型，对资源互补性以及环境不确定性与关系资本之间的关系进行检验（如表6-17）。Model1为基准模型，包括企业所有制、企业成立时间、联盟规模和联盟形式四个控制变量，回归分析结果显示这几个控制变量对于关系资本没有影响。Model2在Model1的基础上加入三个自变量：资源互补性、环境动荡性和环境敌对性，回归分析显示从0.018提高至0.258，有了显著意义的提高（β=0.240，p＜0.01），这表明资源互补性、环境动荡性和环境敌对性对联盟企业的关系资本有重要的影响。由Model2自变量的回归系数可知：资源互补性对关系资本有着显著正向影响（β=0.351，p＜0.01），环境动荡性对关系资本有着显著负向影响（β=-0.248，p＜0.01），环境敌对性对关系资本有着显著正向影响（β=0.262，p＜0.01）。此外，回归模型各变量的方差膨胀因子VIF值均在1～2之间，说明模型不存在严重的多重共线性问题。并且，Durbin-Watson值（DW）为1.912，接近阈值2，说明模型也不存在序列相关问题。综上所述，假设1、假设2和假设3均得到支持。

（2）关系资本与联盟综合绩效

通过构建两个模型，对关系资本与联盟综合绩效之间的关系进行检验（如表6-18所示）。与上文步骤类似，Model1为基准模型，包括企业所有制、企业成立时间、联盟规模和联盟形式四个控制变量，回归分析结果显示这几个控制变量对于联盟综合绩效没有影响。Model2在Model1的基础上加入关系资本这个变量，回归分析显示从0.008提高至0.314，有了显著意义的提高（β=0.306，p＜0.01），这表明关系资本对联盟综合绩效有重要的影响。由Model2关系资本的回归系数可知：和预期一样，关系资本对联盟综合绩效有着显著的正向影响（β=0.559，p＜0.01）。此外，回归模型各变量的方差膨胀因子VIF值均在1～2之间，说明模型不存在严重的多重共线性问题。并且，Durbin-Watson值（DW）为2.068，接近阈值2，说明模型不存在序列相关问题。因此，假设4得到支持。

（3）关系资本的中介作用

前文假设关系资本在资源互补性与联盟综合绩效之间起中介作用，为了检验这一效应，本研究采用Baron和Kenny推荐的方法：第一步检验前置变量对因变量的影响，第二步检验前置变量对中介变量的影响，第三步将自变量和因变量同时放入模型中。表6-19显示，在联盟综合绩效的回归模型中，由Model2可知资源互补性对联盟综合绩效有显著正向影响（β=0.270，p＜0.01）。在关系资本的回归模型（Model1）中，资源互补性对关系资本有显著正向影响（β=0.407，p＜0.01）；而Model2加入关系资本这一中介变量之后得到Model3，自变量资源互补性对于联盟综合绩效的回归系数由0.270（p＜0.01）降为0.051（p＞0.05），降幅达81.11%，且回归系数不再显著，因此关系资本的中介作用得到初步验证。此外，回归模型各变量的方差膨胀因子VIF值均在1～2之间，说明模型不存在严重的多重共线性问题。并且，Durbin-Watson值（DW）为2.067，接近阈值2，说明模型也不存在序列相关问题。

此外，为了进一步说明其中介作用，本书根据Preacher等（2007）提出的拔靴法（Boostrapping）进行检验。以本研究中的222个样本作为原始样本重复随机抽样5000次从而计算出回归模型的路径系数、间接效应和总效应，并得到95%置信区间的上下限，以上步骤均控制了上文提及的四种控制变量（见表6-19）。分析结果显示，加入中介变量关系资本之后，资源互补性对于联盟综合绩效的直接效应置信区间为（-0.089，0.214）包含了0，因此该直接效应不再显著。然而，资源互补性通过关系资本对于联盟综合绩效的间接效应置信区间为（0.156，0.411），没有包含0，因此间接效应显著，这进一步验证了关系资本在资源互补性与联盟综合绩效的关系中起中介作用（β=0.267，［CI］=0.156 to 0.411），假设5得到支持。

表6-17　资源互补性、环境不确定性与关系资本回归模型

注：**p＜0.01，*p＜0.05；回归系数为标准化系数。

表6-18　关系资本与联盟综合绩效回归模型

续表

注：**p＜0.01，*p＜0.05；回归系数为标准化系数。

表6-19　关系资本的中介作用

注：**p＜0.01，*p＜0.05；回归系数为标准化系数。

表6-20　关系资本中介作用的拔靴法检验

注：采用95%置信区间；boostrap抽样次数=5000；分析控制了四种控制变量；回归系数为非标准化系数；SE—标准差；LLCI—置信区间下限；ULCI—置信区间上限。(www.daowen.com)

（4）环境不确定性的调节作用

本书采用多元调节回归分析（Moderated Multiple Regression，MMR）检验环境不确定性的调节作用，回归结果见表6-21。在资源互补性为自变量，关系资本为因变量的回归模型中，首先加入控制变量：企业所有制、企业成立时间、联盟规模和联盟形式，得到Model 1；然后在此基础加入自变量资源互补性和调节变量环境不确定性（包括环境动荡性和环境敌对性），由此得到Model 2；最后在该模型基础上加入两个交互项：资源互补性×环境动荡性、资源互补性×环境敌对性，生成交互项之前先对自变量和调节变量进行标准化处理，以避免直接生成所带来的多重共线性问题，最后得到Model 3，具体结果见表4。由Model 2可知，与之前分析结果一致，资源互补性（β=0.351，p＜0.01）以及环境敌对性（β=0.262，p＜0.01）对关系资本有显著的正向影响，而环境动荡性对关系资本有显著的负向影响（β=-0.248，p＜0.01），这进一步支持了H2。与Model 2对比，加入交互项的Model 3具有显著的增量效应（β=0.025，p＜0.05），说明后一个模型更优。Model 3中资源互补性与环境动荡性的交互项为负且显著（β=-0.174，p＜0.01），这表明环境动荡性对资源互补性与联盟综合绩效的关系具有显著负向调节作用，因此假设6得到支持；资源互补性与环境敌对性的交互项对联盟综合绩效没有显著影响（β=0.030，p＞0.05），假设7没有得到支持。此外，回归模型各变量的方差膨胀因子VIF和Durbin-Watson值（DW）均在合适的范围内，表明模型不存在严重的多重共线性以及序列相关问题。

表6-21　环境不确定性的调节作用

续表

注：*p＜0.05，**p＜0.01，双尾检验；Model 2、Model 3的以前一个Model为参照基础；回归系数为标准化系数。

针对于具有显著调节效应的环境动荡性变量，我们绘制其趋势图以直观反映其对于资源互补性和关系资本之间关系的调节作用，如下图6-1所示：

图6-1　环境动荡性的调节作用

从上图可知，总体而言较联盟企业的资源互补性越高，其关系资本也越大。在较低的环境动荡性下，资源互补性对关系资本的正向影响更为明显，而较高的环境动荡性下资源互补对于关系资本的促进作用较弱。

（5）权力依赖性的调节作用

与环境不确定性调节作用检验程序类似，作者采用多元调节回归分析（Moderated Multiple Regression，MMR）检验权力依赖对于关系资本和联盟综合绩效关系之间的调节作用，回归结果见表6-22。在关系资本为自变量，联盟综合绩效为因变量的回归模型中，首先加入控制变量：企业所有制、企业成立时间、联盟规模和联盟形式，得到Model 1；然后在此基础加入自变量关系资本和调节变量权力依赖，由此得到Model 2；最后在该模型基础上加入关系资本×权力依赖的交互项，生成交互项之前先对自变量和调节变量进行标准化处理，以避免直接生成所带来的多重共线性问题，最后得到Model 3，具体结果见表6-22。由Model 2可知，与之前分析结果一致，关系资本对联盟综合绩效有显著的正向影响（β=0.561，p＜0.01），进一步支持了假设4。Model 3在Model 2的基础上加入交互项，有了显著意义的提高（β=0.014，p＜0.05），这表明后一个模型更优。Model 3中关系资本×权力依赖的交互项为正且显著（β=0.123，p＜0.01），这表明权力依赖对关系资本与联盟综合绩效的关系具有显著正向调节作用，因此假设8得到支持。此外，回归模型各变量的方差膨胀因子VIF和Durbin-Watson值（DW）均在合适的范围内，表明模型不存在严重的多重共线性以及序列相关问题。

表6-22　权力依赖性的调节作用

续表

注：*p＜0.05，**p＜0.01，双尾检验；Model 2、Model 3的以前一个Model为参照基础；回归系数为标准化系数。

针对于具有显著调节效应的权力依赖性变量，我们绘制趋势图以直观反映其对于关系资本和联盟综合绩效之间关系的调节作用（如图6-2所示）。由图可以知，战略联盟关系资本越高，其联盟综合绩效也越大。权力依赖性较高的联盟企业比起权力依赖性较低的联盟企业，关系资本对其联盟综合绩效的正向影响更为明显。

图6-2　权力依赖性的调节作用