《表3 层次回归分析结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《双元创业学习、创业拼凑与新企业成长绩效的关系研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注:*为显著性水平P<0.05，**为显著性水平P<0.01，***为显著性水平P<0.001。

采用层次回归分析方法对研究假设进行检验。为消除多重共线性，首先对所有变量进行中心化处理，并构造中介变量创业拼凑与调节变量创业网络的交互项，然后利用各个中心化变量进行层次回归，回归结果显示各模型中相应变量的VIF值介于1.055与2.981之间，远小于5，说明多重共线性问题不严重，具体结果如表3所示。在表3中，模型1显示，利用式学习和探索式学习都对新企业成长绩效有显著正向影响（β=0.243，P<0.001；β=0.239，P<0.001），假设1a、1b都得到验证，假设1成立。模型2显示，创业拼凑对新企业成长绩效有显著正向影响（β=0.671，P<0.001），假设2成立。模型7显示，利用式学习和探索式学习都对创业拼凑有正向影响（β=0.172，P<0.001；β=0.181，P<0.001），假设3a、3b得到验证，假设3成立。综合模型1、模型3、模型7，可以发现利用式学习和探索式学习对新企业成长绩效（β=0.243，P<0.001；β=0.239，P<0.001）、创业拼凑（β=0.172，P<0.001；β=0.181，P<0.001）均有显著正向影响。当将利用式学习、探索式学习、创业拼凑、新企业成长绩效纳入模型3时，层次回归分析结果表明，利用式学习对新企业成长绩效的回归系数由0.243下降为0.150，且P<0.01，探索式学习对新企业成长绩效的回归系数由0.239下降为0.140，且P<0.01。因此，创业拼凑在利用式学习、探索式学习与新企业成长绩效关系间起部分中介作用，假设4a、4b得到验证，假设4成立。