理论教育 多元回归分析的应用与分析

多元回归分析的应用与分析

时间:2023-05-26 理论教育 版权反馈
【摘要】:表5-22中,模型1和模型2为市场导向对利用性学习的回归分析结果;模型3和模型4为市场导向对探索性学习的回归结果;模型5和模型6为市场导向对组织学习整体的回归结果。

多元回归分析的应用与分析

5.3.1.1 创业导向对市场导向的回归分析

根据以往理论和本书的假设,创业导向影响市场导向。以上相关分析也表明,创新及超前行动、风险承担都与组织绩效(不论是财务绩效还是非财务绩效)显著相关,这表明他们之间可能会存在一种因果关系。为了验证本书的假设H2,本书采用层级回归分析来对创业导向和市场导向的关系进行验证,将控制变量作为第一层级,自变量作为第二层级进入回归方程。模型1和模型2为创业导向对顾客导向的回归分析结果;模型3和模型4为创业导向对竞争导向的回归结果;模型5和模型6为创业导向对跨部门协调的回归结果模型7和模型8为创业导向对市场导向整体的回归结果。各模型中变量的方差膨胀因子介于1.383~2.582之间,变量间不存在明显的多重共线性

表5-20的结果表明,创业导向对市场导向具有显著正效应。进一步分析发现,创新及超前行动对顾客导向、竞争者导向、跨部门协调及市场导向整体都存在显著的正向影响,标准化回归系数分别为0.149、0.103、0.160、0.168,而且都达到了统计上的显著性,这就说明当企业将创新及超前行动作为基础价值取向的程度较高时,能够推动企业对顾客、竞争者及内部跨部门协调的重视。而风险承担对顾客导向、竞争者导向、跨部门协调及市场导向整体也均具有显著的正面影响,标准化回归系数分别为0.313、0.335、0.292、0.361,且均达到了显著性水平,说明企业对风险的承受能力越强,越会充分了解目标市场顾客对产品独特价值的看法并据此做出相应改变,致力于了解竞争者短期内的优缺点与长期策略;并为此协调组织各种资源。创业导向对顾客导向、竞争者导向、跨部门协调和市场导向整体的解释量分别为15.5%,14.7%,14.6%、20.6%。假设H2、H2a、H2b、H2c得到验证。

表5-20 创业导向对市场导向的回归分析

续表

注:***表示P<0.001;**表示P<0.01;*表示P<0.05。(1)企业年龄赋值为:3<QYNL≤5(年),赋值为1;5<QYNL≤10(年),赋值为2;10<QYNL≤15(年),赋值为3;15<QYNL≤20(年),赋值为4;QYNL>20(年),赋值为5。并且,通过QYNL1(5~10年与3~5年的对比)、QYNL2(10~15年与3~5年的对比)、QYNL3(15~20年与3~5年的对比)、QYNL4(20年以上与3~5年的对比)四个虚拟哑变量进行回归方程。(2)员工人数赋值为:0<YGRS≤100(人),赋值为1;100<YGRS≤500(人),赋值为2;500<YGRS≤1,000(人),赋值为3;1,000<YGRS≤2,000(人),赋值为4;YGRS>2,000(人),赋值为5;并且,通过YGRS1(100~500人与100人以内的对比)、YGRS2(500~1,000人与100人以内的对比)、YGRS3(1,000~2,000人与100人以内的对比)、YGRS4(2,000人以上与100人以内的对比)四个虚拟哑变量进行回归方程。(3)销售收入赋值为:0<XSSR≤1,000(万元),赋值为1;1,000<XSSR≤5,000(万元),赋值为2;5,000万<XSSR≤1亿元,赋值为3;1亿元<XSSR≤3亿元,赋值为4;3亿元<XSSR≤4亿元,赋值为5;XSSR>10亿元,赋值为6;并且,通过XSSR1(1,000万~5,000万与1,000万以内的对比)、XSSR2(5,000万~1亿与1,000万以内的对比)、XSSR3(1亿~3亿与1000万以内的对比)、XSSR4(3亿~10亿与1,000万以内的对比)、XSSR5(10亿元以上与1,000万以内的对比)五个虚拟哑变量进行回归方程。
(4)企业经济性质、行业性质均为虚拟变量赋值,具体见虚拟变量设置部分。其中,由于样本中的采掘业和建筑业很少,统一划入制造业处理,而其他行业则并入非制造业。

5.3.1.2 创业导向对组织学习的回归分析

本书采用层级回归分析来对创业导向和组织学习的关系进行验证,将控制变量作为第一层级,自变量作为第二层级进入回归方程。表5-21中,模型1和模型2为创业导向对利用性学习的回归分析结果;模型3和模型4为创业导向对探索性学习的回归结果;模型5和模型6为创业导向对组织学习整体的回归结果。各模型中变量的方差膨胀因子介于1.345~4.496之间,变量间不存在明显的多重共线性。

表5-21的结果表明,创业导向对组织学习具有显著正效应。进一步分析发现,创新及超前行动对利用性学习、探索性学习及组织学习整体都存在显著的正向影响,标准化回归系数分别为0.172、0.177、0.188,而且都达到了统计上的显著性,这就说明当企业的创新及超前行动程度较高时,企业的利用性学习、探索性学习水平越高,并从整体上提高组织学习水平。风险承担对利用性学习、探索性学习及组织学习整体也均具有显著的正面影响,标准化回归系数分别为0.180、0.148、0.200,说明较高的风险承受能力的企业,其利用性学习、探索性学习水平越高,并从整体上提高组织学习水平。创业导向对利用性学习、探索性学习、组织学习整体的解释量分别为8.4%,7.1%,10.3%。假设H5、H5a、H5b得到验证。

表5-21 创业导向对组织学习的回归分析

注:***表示P<0.001;**表示P<0.01;*表示P<0.05。

5.3.1.3 市场导向对组织学习的回归分析

本书采用层级回归分析来对市场导向和组织学习的关系进行验证,将控制变量作为第一层级,自变量作为第二层级进入回归方程。表5-22中,模型1和模型2为市场导向对利用性学习的回归分析结果;模型3和模型4为市场导向对探索性学习的回归结果;模型5和模型6为市场导向对组织学习整体的回归结果。各模型中变量的方差膨胀因子介于1.309和4.509之间,变量间不存在明显的多重共线性。

表5-22的结果表明,市场导向对组织学习具有显著正效应。进一步分析发现,顾客导向对利用性学习、探索性学习及组织学习整体均具有显著的正面影响,标准化回归系数分别为0.218、0.228、0.255,且均达到了显著性水平,说明较高的顾客导向能够推动企业的利用性学习、探索性学习,并从整体上提高组织学习水平。竞争者导向对利用性学习、探索性学习及组织学习整体也均具有显著的正面影响,标准化回归系数分别为0.119、0.297、0.236,说明较高的竞争者导向能够推动企业的利用性学习、探索性学习,并从整体上提高组织学习水平。跨部门协调对利用性学习、探索性学习及组织学习均有显著的正面影响,标准化回归系数分别为0.282、0.192、0.273,说明企业内的跨部门协调做得越好,越能够推动企业进行利用性学习、探索性学习,并从整体上提高组织学习的水平。市场导向对利用性学习、探索性学习、组织学习整体的解释量分别为26.6%,35.1%,40%。假设H9、H9a得到验证,但与假设H9b的预期的负向影响所不同,市场导向对探索性学习前的标准化回归系数均为正,因此假设H9b没有得到证实。

表5-22 市场导向对组织学习的回归分析

续表

注:***表示P<0.001;**表示P<0.01;*表示P<0.05。

5.3.1.4 市场导向对组织绩效的回归分析

本书采用层级回归分析来对市场导向和组织绩效的关系进行验证,将控制变量作为第一层级,自变量作为第二层级进入回归方程。表5-23中,模型1和模型2为市场导向对财务绩效的回归分析结果;模型3和模型4为市场导向对非财务绩效的回归结果;模型5和模型6为市场导向对组织绩效整体的回归结果。各模型中变量的方差膨胀因子介于1.383和4.489之间,变量间不存在明显的多重共线性。

表5-23的结果表明,市场导向对组织绩效具有显著正效应。进一步分析发现,顾客导向对利用性学习、探索性学习及组织绩效整体前的标准化回归系数分别为0.113、0.067、0.109,但均未能达到显著性水平,说明较高的顾客导向对组织绩效(不论是财务绩效还是非财务绩效)都不存在显著影响。竞争者导向对财务绩效、非财务绩效及组织绩效整体均具有显著的正面影响,标准化回归系数分别为0.185、0.185、0.215,说明较高的竞争者导向能够提高企业的财务绩效、非财务绩效,并从整体上提高组织绩效水平。跨部门协调对财务绩效及组织绩效均存在显著的正面影响,标准化回归系数分别为0.145、0.149,但对非财务绩效的正面影响并未能通过显著性检验,说明跨部门协调对组织绩效(仅对财务绩效)具有显著影响,而对非财务绩效的影响不显著。市场导向对财务绩效、非财务绩效、组织绩效整体的解释量分别为12.9%,8.3%,14.9%。假设H3、H3a、H3b得到了部分验证。

表5-23 市场导向对组织绩效的回归分析

注:***表示P<0.001;**表示P<0.01;*表示P<0.05。

5.3.1.5 组织学习对组织绩效的回归分析(www.daowen.com)

根据以往理论和本书假设,组织学习方式影响组织绩效。为验证本书假设H6、H6a、H6b、H6c、H6d、H6e、H6f、H6g、H6h,本书在不考虑权变因素情况下分别把财务绩效和非财务绩效作为因变量,把利用性学习和探索性学习,以及它们之间的乘积项和绝对差额作为自变量,同时考虑了企业所属的行业、经济性质、企业年龄、员工人数、销售收入等可能的潜在影响因素,并把这些背景变量作为控制变量归入回归方程模型,进行层级回归分析。具体操作上,将控制变量作为第一层级,自变量作为第二层级进入回归方程,自变量的交互相与绝对差值作为第三层进入回归方程,最后检验前后两种模型的调整后R2的变化以及相应自变量对因变量的回归系数是否显著。回归过程如表5-24、表5-25所示,它们分别报告了两种组织学习方式以及它们的交互作用和绝对差额对企业财务绩效和非财务绩效的影响结果。

(1)组织学习对组织绩效的直接影响分析

从组织学习对财务绩效的直接影响来看,如表5-24所示,模型1-2与模型1-1相比较,在控制变量的基础上再引入组织学习后,回归方程的调整后R2由原来的0.005上升到0.226,增加了0.221;而且模型1-2中自变量的回归系数表明,探索性学习(β=0.198,P<0.001)和利用性学习(β=0.345,P<0.001)与企业财务绩效都显著正相关

从组织学习对组织非财务绩效的直接影响来看,如表5-25所示,模型2-2与模型2-1相比较,在控制变量基础上再引入两种组织学习方式后,回归方程的调整后R2由原来的0.026上升到0.169,增加了0.143;而且模型2-2中自变量的回归系数表明,探索性学习(β=0.223,P<0.001)和利用性学习(β=0.221,P<0.001)与组织非财务绩效都显著正相关。

表5-24 组织学习对财务绩效影响的回归分析

注:①表中显示的是标准化回归系数β值;
②***表示P<0.001;**表示P<0.01;*表示P<0.05;
③由于各模型的D.W.值接近于2,方差膨胀因子VIF小于10,因此各模型的自相关和多重共线性并不严重。

表5-25 组织学习对非财务绩效影响的回归分析

注:***表示P<0.001;**表示P<0.01;*表示P<0.05。

从以上可以看出,两种组织学习方式对组织绩效(不论是财务绩效还是非财务绩效)都正相关且影响显著。因此,假设H6、H6a、H6b得到支持。

另外,通过表5-24中模型1-2和表5-25中模型2-2中自变量的回归系数比较发现,利用性学习(β=0.198,P≤0.001)比探索性学习(β=0.345,P≤0.001)对财务绩效的边际贡献更大,而探索性学习(β=0.273,P≤0.001)比利用性学习(β=0.191,P≤0.001)对非财务绩效的边际贡献更大。这在一定程度上表明,利用性学习更有利于企业财务绩效的提高,而探索性学习更有利于企业非财务绩效的提高。

(2)两种组织学习方式的交互作用对组织绩效的影响分析

本书参考Zi-Lin He和Poh-Kam Wang(2004)对于同时开展利用性和探索性活动的二元性假设的检验方法,用利用性学习和探索性学习的交互项(乘积项)代表这两种组织学习方式之间平衡互动的互补关系,两者之间的绝对差额代表这两种组织学习方式实施程度的差异。这种平衡互动的互补关系存在与否可以通过检验两个自变量之间是否存在交互效应来实现。

从利用性学习与探索性学习的交互作用对财务绩效的影响来看,如表5-24所示,模型1-3与模型1-2相比较,在引入两种组织学习的交互项后,回归方程调整后R2由原来的0.226下降到0.224,减少了0.002;而且模型2-3中交互项的回归系数β=0.060,呈现正向的影响,但没有通过统计上的显著性检验。这就显示,在对财务绩效的回归中,利用性学习和探索性学习没有交互作用影响。

从利用性学习与探索性学习的交互作用对非财务绩效的影响来看,如表5-25所示,模型2-3与模型2-2相比较,在引入两种组织学习的交互项后,回归方程的调整后R2由原来的0.169下降到0.168,减少了0.001;而且模型2-3中交互项的回归系数β=0.247,呈现正向影响倾向,旦也没有通过显著性检验。这说明,在对非财务绩效的回归中,利用性学习和探索性学习也没有交互作用影响。

从以上可以看出,两种组织学习方式的交互作用对企业绩效(不论是财务绩效还是非财务绩效)都没有能够显示出交互作用影响。因此假设H6g得到没有得到支持。

(3)两种组织学习方式实施程度的差异对组织绩效的影响分析

本书参照He Zi-Lin[54]与Jansen(2005)[63]的做法,用利用性学习与探索性学习的绝对差额代表这两种组织学习方式实施程度的差异,并通过检验这两个自变量之间的绝对差额项对因变量的回归系数是否显著来加以验证。

从利用性学习与探索性学习的绝对差额对财务绩效的影响来看,如表5-24所示,模型1-4与模型1-2相比较,引入两种组织学习方式的绝对差额项之后,回归方程的调整后R2由原来的0.226降低到0.225,减少了0.001;而且模型1-4中交互项的回归系数β=0.071(P>0.10),并未通过显著性检验,说明两种组织学习方式的绝对差额对财务绩效不存在影响。

从利用性学习与探索性学习的绝对差额对非财务绩效的影响来看,如表5-25所示,模型2-4与模型2-2相比较,在引入两种组织学习方式的绝对差额项后,回归方程的调整后R2由原来的0.169上升至0.174,增加了0.005;而且模型2-4中交互项的回归系数β=-0.118(P<0.10),呈现负向的显著影响,说明两种组织学习方式的绝对差额对非财务绩效存在一定的显著负面影响。

从以上可以看出,两种组织学习方式的绝对差额仅对非财务绩效,呈现出显著的负面影响。因此,假设H6h得到部分支持,即利用性学习和探索性学习实施程度的差异与非财务绩效负相关

5.3.1.6 创业导向对组织绩效的回归分析

本书采用层级回归分析来对创业导向和组织绩效的关系进行验证,将控制变量作为第一层级,自变量作为第二层级进入回归方程。表5-26中,模型1和模型2为创业导向对财务绩效的回归分析结果;模型3和模型4为创业导向对非财务绩效的回归结果;模型5和模型6为创业导向对组织绩效整体的回归结果。各模型中变量的方差膨胀因子介于1.405~4.489之间,变量间不存在明显的多重共线性。

表5-26的结果表明,就创业导向对组织绩效两个变量间关系而言,具有显著的正效应。进一步分析发现,创新及超前行动对财务绩效、非财务绩效和组织绩效整体均具有显著的正面影响,标准化回归系数分别为0.117、0.230、0.192,且均达到了显著性水平,说明当企业创新导向较高并积极追寻新机会时能提升企业的财务绩效、非财务绩效,并从整体上提高组织绩效。风险承担对非财务绩效及组织绩效整体也具有显著的正面影响,标准化回归系数分别为0.078、0.076、0.089,说明当企业的风险承受能力较高时企业的非财务绩效较好,并从整体上提高组织绩效水平。创业导向对财务绩效、非财务绩效、整体组织绩效的解释量分别为3.2%,4.5%,4.7%。假设H7、H7a、H7b得到支持。

表5-26 创业导向对组织绩效(包括财务绩效和非财务绩效)的回归分析

注:***表示P<0.001;**表示P<0.01;*表示P<0.05。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈