调节回归分析主要用于验证权变量关系，以确定调节变量对自变量和因变量之间关系的影响，包括影响的方向和强度。本书通过以下步骤来进行调节效应的检验：

第一步：先把自变量X放入回归方程中，看它的决定系数的大小，即自变量X对因变量Y的解释程度。

第二步：再把调节变量M放入回归方程中，这时看决定系数的变化程度ΔR2，即，判断调节变量对因变量Y的独特贡献力。

第三步：最后把交互项M·X放入回归方程中，这时看决定系数的变化程度，M·X的独特贡献就是。

通过以上步骤，可以排除自变量和调节变量对因变量变异解释之外的独特贡献力。

5.3.3.1　内部创业环境的调节效应分析

5.3.3.1.1　内部创业环境对创业导向与组织绩效间关系的调节效应分析

文献回顾和本书假设都显示，内部创业环境在“创业导向—组织绩效”关系间起到了调节效应。为了进一步检验这种调节效应，也就是假设H10，本书采用层级回归方法对内部创业环境与创业导向的交互项回归系数进行显著性检验。在检验内部创业环境的调节效应时，本书仍然将可能影响到创业导向和绩效这两个变量的背景变量进行控制。具体操作上，分别把财务绩效和非财务绩效作为因变量，将控制变量作为第一层级，自变量（创业导向和内部创业环境）作为第二层级，创业导向与内部创业环境的交互项（乘积项）作为第三层级依次进入回归方程。通过检验引入创业导向与内部创业环境的交互项前后两种回归模型调整后R2的变化，以及相应交互项的回归系数是否具有统计上的显著性来判断调节效应是否存在。

（1）引入内部创业环境与创业导向的交互作用调整后R2的变化

从对财务绩效的回归效果来看，将表5-31中模型1-4与模型1-3相比较，回归方程的调整后R2由以前的0.139上升至0.143，增加了0.004；与模型1-2相比较，则由原来的0.037上升到0.143，增加了0.106，因此，模型1-4对财务绩效的解释力进一步增强。

从对非财务绩效的回归效果来看，将表5-32中模型2-4与模型2-2相比较，回归方程的调整后R2由以前的0.071增加至0.164，增加了0.093。引入交互项后，模型2-4与模型12-3相比较，回归方程的调整后R2由以前的0.155增加到0.164，增加了0.009，因此，引入交互项后，模型2-4对非财务绩效的解释力得到进一步增强。

由以上分析可以看出，无论是对财务绩效还是非财务绩效回归进行回归时，在引入内部创业环境及其与创业导向的交互项后，所对应的财务绩效的交互作用模型的解释力，较以前模型得到进一步提高。这表明在“创业导向—财务绩效”、“创业导向—非财务绩效”关系之间，可能存在一定的内部创业环境调节效应，但这还需要交互项回归系数的显著性检验来进一步确定。

表5-31　内部创业环境对创业导向与财务绩效关系的调节效应分析

续表

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

表5-32　内部创业环境对创业导向与非财务绩效关系的调节效应分析

续表

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

（2）内部创业环境与创业导向的交互效应分析

在对财务绩效回归的模型1-4中（如表5-31所示），内部创业环境与创新及超前行动的交互项系数β=0.736（P≤0.05），呈现正向显著影响。内部创业环境与风险承担的交互项系数β=0.435，并未通过统计上的显著性检验（P≥0.05）。这表明内部创业环境对“创业导向的创新及超前行动维度—财务绩效”的关系间具有一定的正向调节效应，而对“创业导向的风险承担维度—财务绩效”关系间不具有调节作用。

在对非财务绩效回归的模型2-4中（如表5-32所示），内部创业环境分别与创新及超前行动的交互项系数β=0.869（P≤0.05），呈现正向显著影响。而内部创业环境与风险承担的交互项系数β=0.364，未通过显著性检验（P≥0.05）。这表明内部创业环境对创新及超前行动的与非财务绩效的关系上具有一定的正向调节效应，而对风险承担与财务绩效的关系上不具有调节作用。

由以上分析可以看出，内部创业环境和创业导向的交互效应在对两种绩效进行的回归中，内部创业环境对创新及超前行动与组织绩效（无论是财务绩效还是非财务绩效）的关系上均具有一定的正向调节效应。而对风险承担与组织绩效（无论是财务绩效还是非财务绩效）的关系上不具有调节作用。再结合以上引入交互项后回归模型调整后R2变化，可以判断本书假设H10得到部分支持，即内部创业环境在创业导向与组织绩效关系之间发挥正向调节影响部分成立。

5.3.3.2　不确定性环境的调节效应分析

5.3.3.2.1　不确定性环境对创业导向与组织学习间关系的调节效应分析

根据文献研究和假设推导，不确定性环境可能调节着“创业导向—组织学习”间的关系。为了进一步检验这种调节效应，即本书假设H11、H11a、H11b，本书采用层级回归方法对不确定性环境与创业导向的交互项回归系数进行显著性检验。具体操作上，分别把利用性学习和探索性学习作为因变量，将控制变量作为第一层级，自变量（创业导向和不确定性环境）作为第二层级，自变量（创业导向与不确定性环境）的交互项（乘积项）作为第三层纳入回归方程。最后检验前后两种回归模型调整后R2的变化，以及自变量（创业导向与不确定性环境）的交互项前的回归系数是否具有统计上的显著性来判断调节效应是否存在。

从对利用性学习的回归效果来看，将表5-33中模型1-4与模型1-3相比较，回归方程的调整后R2维持0.146不变；与模型1-2相比较，回归方程的调整后R2从0.115增加到0.146，增加了0.084，因此，模型1-4对利用性学习的解释力并未得到进一步提升。

从对探索性学习的回归效果来看，将表5-34中模型2-4与模型2-2相比较，回归方程的调整后R2从0.097上升至0.120，增加了0.023，引入交互项后，模型2-4与模型2-3相比较，回归方程的调整后R2从0.114增加到0.120，增加了0.006，因此，引入交互项后，模型2-4对探索性学习的解释力得到进一步增强。

由以上分析可以看出，在对组织学习（无论是利用性学习还是探索性学习）进行回归时，只有在引入不确定性环境及其与探索性的交互项后，其模型的解释力，较以前模型得到进一步提高。这表明在“创业导向—探索性学习”关系之间，可能存在一定的不确定性环境的调节效应，但这还需要交互项回归系数的显著性检验来进一步确定。

在对探索性学习回归的模型2-4中（如表5-34所示），不确定性环境分别与创业导向两个维度的交互项系数都未通过显著性检验（β=-0.344，β=-0.113，P＞0.05）。这表明不确定性环境对创业导向与组织学习（无论是利用性学习还是探索性学习）关系都不存在调节作用，假设H11、H11a、H11b并未得到证实。

表5-33　不确定性环境对创业导向与利用性学习间关系调节效应分析

续表

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

表5-34　不确定性环境对创业导向与探索性学习间关系调节效应分析

续表

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

5.3.3.2.2　不确定性环境对创业导向与组织绩效间关系的调节效应分析

根据文献研究和假设推导，不确定性环境可能调节着“创业导向—组织绩效”间的关系。为了进一步检验这种调节效应，即本书假设H12，本书采用层级回归方法对不确定性环境与创业导向的交互项回归系数进行显著性检验。具体操作上，分别把财务绩效和非财务绩效作为因变量，将控制变量作为第一层级，自变量（创业导向和不确定性环境）作为第二层级，自变量（创业导向与不确定性环境）的交互项（乘积项）作为第三层纳入回归方程。最后检验前后两种回归模型调整后R2的变化，以及自变量（创业导向与不确定性环境）的交互项前的回归系数是否具有统计上的显著性来判断调节效应是否存在。

（1）引入不确定性环境与创业导向的交互作用调整后R2的变化

从对财务绩效的回归效果来看，表5-35中模型1-4与模型1-2相比较，回归方程的调整后R2由原来的0.037上升到0.051，增加了0.005。因此，引入交互项后，模型1-4对财务绩效的解释力进一步增强。(www.daowen.com)

从对非财务绩效的回归效果来看，表5-36中引入交互项后，模型2-4与模型2-2相比较，回归方程的调整后R2由以前的0.071增加到0.085，增加了0.014。而模型2-4与模型2-3相比较，回归方程的调整后R2由以前的0.089下降到0.085，较少了0.004，因此，引入交互项后，模型2-4对非财务绩效的解释力并未得到进一步增强。

由以上分析可以看出，仅对财务绩效回归进行回归时，在引入不确定性环境及其与创业导向的交互项后，所对应的财务绩效的交互作用模型的解释力，较以前模型得到进一步提高。这表明在创业导向—财务绩效关系之间，可能存在一定的不确定性环境调节效应，但这还需要交互项回归系数的显著性检验来进一步确定。而对非财务绩效进行回归时，在引入交互项后，所对应的交互作用模型解释力，较以前模型并未得到提高，这表明在创业导向—非财务绩效关系间，不存在不确定性环境的调节效应，但这还需要交互项回归系数的显著性检验来进一步确定。

表5-35　不确定性环境对创业导向与财务绩效关系的调节效应分析

续表

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

表5-36　不确定性环境对创业导向与非财务绩效关系的调节效应分析

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

（2）不确定性环境与创业导向的交互效应分析

在对财务绩效回归的模型1-4中（如表5-35所示），不确定性环境与创新及超前行动的交互项系数β=-0.703（P＜0.05），呈现负向显著影响。不确定性环境与风险承担的交互项系数β=0.332，呈现正向影响倾向，但在统计上并未通过显著性检验。这表明不确定性环境对创新及超前行动的与财务绩效的关系上具有一定的负向调节效应，而对风险承担与财务绩效的关系上不具有调节作用。

在对非财务绩效回归的模型2-4中（如表5-36所示），不确定性环境分别与创新及超前行动、风险承担的交互项系数都未通过显著性检验（P≥0.05）。这表明不确定性环境对创业导向与非财务绩效的关系上都不存在的调节作用。

由以上分析可以看出，不确定性环境和创业导向的交互效应在对两种绩效进行的回归中，仅不确定性环境对创新及超前行动与财务绩效的关系上具有一定的负向调节效应。而对风险承担-财务绩效的关系、对创业导向-非财务绩效关系上不具有调节作用。再结合以上引入交互项后回归模型调整后R2变化，可以判断本书假设H12得到部分支持，即不确定性环境在创业导向与组织绩效关系间起到了调节作用部分成立。

5.3.3.2.3　不确定性环境对市场导向与组织绩效间关系的调节效应分析

为进一步检验不确定性环境在市场导向与组织绩效间的调节效应，即本书假设H13，本书采用层级回归方法对不确定性环境与市场导向的交互项回归系数进行显著性检验。具体操作上，分别把财务绩效和非财务绩效作为因变量，将控制变量作为第一层级，自变量（市场导向和不确定性环境）作为第二层级，自变量（市场导向和不确定性环境）的交互项作为第三层级纳入回归方程，最后检验前后两种回归模型调整后R2的变化，以及自变量（市场导向与不确定性环境）的交互项前的回归系数是否具有统计上的显著性来判断调节效应是否存在。

（1）引入不确定性环境与市场导向的交互作用调整后R2的变化

从对财务绩效的回归效果来看，表5-37中模型13-4与模型13-2相比较，回归方程的调整后R2由原来的0.134上升到0.144，增加了0.010。因此，引入交互项后，模型1-4对财务绩效的解释力进一步增强。

从对非财务绩效的回归效果来看，引入交互项后，表5-38中模型2-4与模型2-2相比较，回归方程的调整后R2由以前的0.109增加到0.114，增加了0.05。而模型2-4与模型2-3相比较，回归方程的调整后R2由以前的0.119下降到0.114，减少了0.005，因此，引入交互项后，模型2-4对非财务绩效的解释力并未得到进一步增强。

在引入交互项后，仅对财务绩效进行回归时模型的解释力，所对应的交互作用模型解释力，较以前模型并未得到提高。这表明在市场导向—财务绩效关系之间，可能存在一定的不确定性环境调节效应，

表5-37　不确定性环境对创业导向与财务绩效关系的调节效应分析

续表

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

表5-38　不确定性环境对创业导向与非财务绩效关系的调节效应分析

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

（2）不确定性环境与市场导向的交互效应分析

在对财务绩效回归的模型1-4中（如表5-37所示），不确定性环境与顾客导向、竞争者导向、跨部门协调的交互项系数均未通过显著性检验P≥0.05。这表明不确定性环境对市场导向与财务绩效的关系上不具有调节作用。

在对非财务绩效回归的模型2-4中（如表5-38所示），不确定性环境分别与顾客导向、竞争者导向、跨部门协调的交互项系数都未通过显著性检验P≥0.05。这表明不确定性环境对市场导向与非财务绩效的关系上也不存在的调节作用。

再结合以上引入交互项后回归模型调整后R2变化，可以判断本书假设H13并未得到支持，即不确定性环境在市场导向与组织绩效关系间起到了调节作用不成立。

5.3.3.2.4　不确定性环境对组织学习与组织绩效间关系的调节效应分析

根据以往理论和本书假设，不确定性环境影响组织学习与组织绩效的关系。为了检验不确定性环境在组织学习—组织绩效关系中的调节效应，即本书假设H14、H14a、H14b，这里采用层级回归方法对不确定性环境与两种组织学习方式的交互项回归系数进行显著性检验。首先分别把财务绩效和非财务绩效作为因变量，让控制变量先进入回归方程；其次加入组织学习和不确定性环境；最后引入组织学习与不确定性环境的交互项（乘积项）进行回归。通过检验引入交互项前后两种回归模型调整后R2的变化，以及相应交互项的回归系数是否显著来判断调节效应是否存在。在检验不确定性环境的调节效应时，本书仍然对可能影响组织学习和绩效的一些潜在变量，如行业、经济性质、企业年龄、员工人数、销售收入等进行控制。

（1）引入不确定性环境与组织学习的交互作用调整后R2的变化

从对财务绩效的回归效果来看，表5-39中模型1-4与模型1-3相比较，回归方程的调整后R2从0.225增加到0.226，增加了0.001；与模型1-2相比较，回归方程的调整后R2保持在0.226的水平不变，因此，模型1-4对财务绩效的解释力并未得到进一步增强。

从对非财务绩效的回归效果来看，表5-40中模型2-4与模型2-2相比较，回归方程的调整后R2从0.169增加到0.183，增加了0.014引入交互项后，模型2-4与模型2-3相比较，回归方程的调整后R2从0.170增加到0.183，增加了0.013，因此，引入交互项后，模型2-4对非财务绩效的解释力得到进一步增强。

由以上分析可以看出，仅对非财务绩效回归进行回归时，在引入不确定性环境及其与组织学习的交互项后，所对应的财务绩效的交互作用模型的解释力，较以前模型得到进一步提高。这表明在“组织学习—非财务绩效”关系之间，可能存在一定的不确定性环境的调节效应，但这还需要交互项回归系数的显著性检验来进一步确定。

表5-39　不确定性环境对组织学习与财务绩效间关系调节效应分析

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

表5-40　不确定性环境对组织学习与非财务绩效间关系调节效应分析

注：***表示P＜0.001；**表示P＜0.01；*表示P＜0.05。

（2）不确定性环境与组织学习的交互效应分析

在对非财务绩效回归的模型2-4中（如表5-40所示），不确定性环境分别与探索性学习的交互项系数β=0.884（P＜0.01），呈现正向显著影响。而不确定性环境分别与利用性学习的交互项系数β=-0.820（P＜0.05），呈现负向显著影响。这表明不确定性环境对探索性学习的与非财务绩效的关系上具有一定的正向调节效应，而对利用性学习与非财务绩效的关系上具有显著的负向调节作用，假设H14、H14a、H14b得到部分证实。