3.组织层次特征的验证性因素分析
为了进一步确证探索性因素分析所得的企业动态能力组织层次影响要素二因素结构模型，本研究基于随机抽取的另一半样本数据（共144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（Convergent Validity）和区别效度（Discriminant Validity），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。
接下来，我们根据上面描述的标准进行企业动态能力组织层次影响要素二因素结构模型的验证性因素分析。在进行验证性因素分析前，首先我们根据探索性因素分析结果和理论推导设定假设模型。探索性因素分析得到了一个二因素的企业动态能力组织层次影响要素模型，我们将其作为本研究验证性因素分析的基本模型。
采用AMOS18.0结构方程建模软件，对基本模型进行了构思验证。实证数据对这基本模型的整体拟合情况，如表8-19所示。
表8-19 多模型拟合情况汇总
在二因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着二因素模型需要进一步的修正。如上文所述，利用统计结果来做理论模式的修正，这种修正是理论假设与问卷实证调查之间的一种妥协结果。但是，黄芳铭（2005）指出，无论如何都必须把理论的逻辑假设放在研究的首要考虑的位置。在具体的修正过程中，我们必须综合考虑理论基础和修正对于模式拟合的改进程度。一般来说，可利用统计软件输出的修正指标（Modification Indices，MI）来了解导致模式拟合度不佳的原因，利用期望参数改变值（EPS）来判断拟合的改进程度。依据Joreskog（1993）的建议，如果最大的修正指标无法具有理论的意义，则选择次大的指标，直到找到有意义的指标或关系修正才可以给予估计。在使用修正指数时，一般建议一次只能释放一个参数，因为释放一个参数将可能降低或消除第二个要释放参数的拟合度改进情形（黄芳铭，2005）。
因此，我们首先考察企业动态能力组织层次影响要素二因素基本模型（在观测变量间没有建立任何残差关联）的修正建议，发现相当多的MI值大于4.000。其中，观察变量“我们公司同供应商和经销商等上下游企业建立了很多联盟关系”的测量残差项与其他观察变量的测量残差项之间的MI较大，因此我们删去观察变量“我们高管团队中每位成员相处十分融洽”，得到企业动态能力组织层次影响要素二因素修正模型M1。根据拟合指标，整体模型的拟合度有了一定的改进，如表8-19所示，但是RMSEA的值仍然大于0.08。采用上述方法，我们删除观察变量“我们公司同与公司产品或服务互补的相关企业建立了很多联盟关系”，得到企业动态能力组织层次影响要素二因素修正模型M2。
与其他模型相比，企业动态能力组织层次影响要素修正模型M2的拟合度有比较明显的改进，其中χ2=5.811，df=4。在绝对拟合指数方面，M2的χ2/df为1.453，小于Browne 和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0.056，处于0.05到0.08之间，表示拟合程度可以接受（Browne 和Cudeck,1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0.984和0.939，表明拟合程度很好（Bentler，1990）。在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0.987、0.996和0.996，均大于0.900，这表明假设的理论模型与数据的拟合度非常好。综合来看，结合上文拟合指数的评价标准，M2模型的各种绝对拟合指数和相对拟合指数均符合拟合要求，总体上看还是可以接受的。如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。基于这样的考虑，本文采用M2模型。验证性因素分析所得的修正后的企业动态能力组织层次影响要素修正模型M2如图8-4所示。
图8-4 企业动态能力组织层次影响要素的验证性因素分析：修正后的二因素模型
4.环境层次特征的验证性因素分析
为了进一步确证探索性因素分析所得的企业动态能力环境层次影响要素二因素结构模型，本研究基于随机抽取的另一半样本数据（共144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（Convergent Validity）和区别效度（Discriminant Validity），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。
接下来，我们根据上面描述的标准进行企业动态能力环境层次影响要素四因素结构模型的验证性因素分析。在进行验证性因素分析前，首先我们根据探索性因素分析结果和理论推导设定假设模型。探索性因素分析得到了一个四因素的企业动态能力环境层次影响要素模型，我们将其作为本研究验证性因素分析的基本模型。采用AMOS18.0结构方程建模软件，对基本模型进行了构思验证。实证数据对这基本模型的整体拟合情况，如表8-20所示。
表8-20 多模型拟合情况汇总
在企业动态能力环境层次影响要素四因素基本模型中，RMSEA等拟合指数达不到最低要求，这意味着四因素模型需要进一步的修正。如上文所述，利用统计结果来做理论模式的修正，这种修正是理论假设与问卷实证调查之间的一种妥协结果。但是，黄芳铭（2005）指出，无论如何都必须把理论的逻辑假设放在研究的首要考虑的位置。在具体的修正过程中，我们必须综合考虑理论基础和修正对于模式拟合的改进程度。一般来说，可利用统计软件输出的修正指标（Modification Indices，MI）来了解导致模式拟合度不佳的来源，利用期望参数改变值（EPS）来判断拟合的改进程度。依据Joreskog（1993）的建议，如果最大的修正指标无法具有理论的意义，则选择次大的指标，直到找到有意义的指标或关系修正才可以给予估计。在使用修正指数时，一般建议一次只能释放一个参数，因为释放一个参数将可能降低或消除第二个要释放参数的拟合度改进情形（黄芳铭，2005）。
因此，我们首先考察企业动态能力环境层次影响要素四因素基本模型（在观测变量间没有建立任何残差关联）的修正建议，发现相当多的MI值大于4.000。其中，观察变量“在我们行业，准确预见顾客的需求是不可能的”的测量残差项与其他观察变量的测量残差项之间的MI较大，因此我们删去观察变量“在我们行业，准确预见顾客的需求是不可能的”，得到企业动态能力环境层次影响要素四因素修正模型M1。根据拟合指标，整体模型的拟合度有了很大的改进，如表8-20所示。
与基本模型相比，企业动态能力环境层次影响要素四因素修正模型M1的拟合度有比较明显的改进，其中χ2=176.828，df=98。在绝对拟合指数方面，M1的χ2/df为1.804，小于Browne 和Cudeck（1993）设定的临界值2，符合简约性要求；近似误差均方根RMSEA值为0.075，处于0.05到0.08之间，表示拟合程度可以接受（Browne 和Cudeck,1993）；良性拟合指标GFI和调整后的良性拟合指标AGFI分别为0.872和0.823，表明拟合程度基本良好（Bentler，1990）。在相对拟合指数方面，规范拟合指数NFI、增值拟合指数IFI和比较拟合指数CFI分别为0.844、0.924和0.922，除NFI外其他指标均大于0.900，这表明假设的理论模型与数据的拟合度比较良好。综合来看，结合上文拟合指数的评价标准，M1模型的各种绝对拟合指数和相对拟合指数均符合拟合要求，总体上看还是可以接受的。如果继续修正，模型的绝对拟合指数和相对拟合指数改进的幅度有限，并且会大大增加模型的复杂性。基于这样的考虑，本文采用M1模型。验证性因素分析所得的修正后的企业动态能力环境层次影响要素四因素修正模型M1如图8-5所示。
图8-5 企业动态能力环境层次影响要素的验证性因素分析：修正后的四因素模型
8.4.4 方差分析
1.基于公司经营所在地的方差分析
本研究的公司经营所在地主要分为长三角地区、京津唐地区、珠三角地区、中西部地区和东北地区共五类，基于公司经营所在地的单因素方差分析结果见表8-21。虽然观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），但单因素方差分析的结果表明企业动态能力在不同公司经营所在地之间的总体方差并无显著性差异（显著性概率为0.274，大于0.05）。
表8-21 基于公司经营所在地的单因素方差分析结果
2.基于公司性质的方差分析
本研究的公司性质主要分为国有企业、集体企业、民营企业、三资企业以及其他种类共五类，基于公司性质的单因素方差分析结果见表8-22。虽然观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），但单因素方差分析的结果表明企业动态能力在不同公司性质之间的总体方差并无显著性差异（显著性概率为0.299，大于0.05）。
表8-22 基于公司性质的单因素方差分析结果
3.基于公司年龄的方差分析
本研究的公司年龄主要分为5年及以下、6～10年、11～15年、16～20年以及21年及以上共五类，基于公司年龄的单因素方差分析结果见表8-23。从表8-23可以看出，观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），并且从单因素方差分析的结果可以看出对于企业动态能力在各组之间的总体方差存在显著性差异（显著性概率为0.008，小于0.05）。由于企业动态能力在各组的总体方差满足齐次性检验标准，具有方差齐性，所以进行多重比较应采用LSD（Least-Significant Difference）的t检验结果。
表8-23 基于公司年龄的单因素方差分析结果
用LSD（Least-Significant Difference）的t检验多重比较结果分析表明（见表8-24），公司年龄为21年及以上企业的动态能力明显高于公司年龄为5年及以下、6～10年、11～15年以及16～20年的企业。这个结果和商业实践是比较相符的。一般而言，对于那些公司年龄为21年及以上的企业，它们经历了企业生命周期的各个阶段，成功地实现了在企业生命周期不同阶段的成功变革与转型，具备了识别环境中对企业自身有利的机会，然后通过内部流程的调整与适应捕捉这些机会，所以企业动态能力相对来说会比较强。
表8-24 基于公司年龄的多重比较结果
注：*表示显著性水平为0.05。
4.基于公司规模的方差分析
本研究的公司规模以企业所现有的员工总人数来衡量，主要分为50人及以下、51～100人、101～500人、501～1000人以及1001人及以上共五类，基于公司年龄的单因素方差分析结果见表8-25。从表8-25可以看出，观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐性假设的显著性概率大于0.05），并且从单因素方差分析的结果可以看出对于企业动态能力在各组之间的总体方差存在显著性差异（显著性概率为0.010，小于0.05）。由于企业动态能力在各组的总体方差满足齐次性检验标准，具有方差齐性，所以进行多重比较应采用LSD（Least-Significant Difference）的t检验结果。
表8-25 基于公司规模的单因素方差分析结果
用LSD（Least-Significant Difference）的t检验多重比较结果分析表明（见表8-26），公司规模为101～500人企业的动态能力会明显小于公司规模为50人及以下、501～1000人、1001人及以上的企业。在本研究中，我们可以把公司规模为101～500人企业的看作中等规模的企业，同时把公司规模为50人及以下看作规模比较小的企业，公司规模为501～1000人、1001人及以上的企业看作规模比较大的企业，那么可以得出中等规模企业的动态能力会明显小于规模比较小的企业与规模比较大的企业。这也是与实际情况相符合的。
表8-26 基于公司规模的多重比较结果
注：*表示显著性水平为0.05。
5.基于公司产业类型的方差分析
本研究的产业类型设置主要参考丁岳枫（2006），包括高科技产业、传统制造业、建筑/房产、商贸服务和其他类别共5类，基于公司产业类型的单因素方差分析结果见表8-27。结果显示：观察变量在各组的总体方差不满足齐次性检验标准，不具有方差齐性（方差齐性假设的显著性概率小于0.05）。同时，单因素方差分析的结果表明他们各自在不同产业之间的总体方差并无显著性差异（显著性概率为0.490，大于0.05）。
表8-27 基于公司产业类型的单因素方差分析结果
6.基于公司战略类型的方差分析
本研究的公司战略类型主要分为探索型策略、防御型策略、分析型策略以及反应型策略。基于公司战略类型的单因素方差分析结果见表8-28。从表8-28可以看出，观察变量在各组的总体方差满足齐次性检验标准，具有方差齐性（方差齐次性假设的显著性概率大于0.05），并且从单因素方差分析的结果可以看出对于企业动态能力的总体方差在存在显著性差异（显著性概率为0.076，小于0.1）。由于企业动态能力在各组的总体方差满足齐次性检验标准，具有方差齐性，所以进行多重比较应采用LSD（Least-Significant Difference）的t检验结果。
表8-28 基于公司战略类型的单因素方差分析结果
用LSD（Least-Significant Difference）的t检验多重比较结果分析表明（见表8-29），公司战略类型为分析型策略企业的动态能力显著比实施防御型策略的企业好。这也是与实际情况相符合的。
表8-29 基于公司战略类型的多重比较结果
注：*表示显著性水平为0.05。
7.方差分析的总结
在本部分中，我们进行了基于公司经营所在地、公司性质、公司年龄、公司规模、公司产业类型和公司战略类型的方差分析。方差分析表明一些控制变量确实对样本企业的动态能力有显著的影响，具体情况归纳在表8-30。从表8-30可以看出：在检验企业动态能力多层次影响模型时，需要考虑的控制变量包括公司年龄、公司规模和公司战略类型。
表8-30 基于控制变量的方差分析的总结
接下来我们构建企业动态能力多层次影响因素的模型，分析考虑企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等不同层次影响因素对企业动态能力的影响机制。在构建企业动态能力多层次影响因素模型时，我们采用普通最小二乘法（Ordinary Least Square Estimation，OLSE）进行实证分析。
8.4.5 主要研究变量的描述性统计及相关分析
为了探讨构思模型中各个潜变量之间的关系，在所有潜变量及其因素之间进行了相关分析。相关关系是指两类现象在发展变化的方向与大小方面存在一定的关系，但不能确定这两类现象之间哪个是因、哪个是果。我们对本部分采用Pearson相关分析法。
由信度和效度分析可以得知本研究样本中各变量的信度、收敛效度及区别效度均达到可接受的水平，故以单一衡量指标取代多重衡量指标应是可行的，因此本文在企业家个人层次影响因素、企业高层管理团队层次影响因素、组织层次影响因素、外部环境层次影响因素等不同层次影响因素以及企业动态能力的衡量模式上，以第一级各因素的衡量题项得分的均值作为该因素的值，再由第一级因素作为第二级变量的多重衡量指标，以有效缩减衡量指标的数目。各测量量表各个维度的描述性统计及两两之间的相关关系结果如表8-31所示。
8.4.6 企业动态能力多层次影响模型的检验：直接效应
相关分析可以说明各个因子之间是否存在关系以及关系的紧密度与方向，回归分析则可进一步指明关系的方向，可以说明各因子之间是否存在因果关系（马庆国，2002）。本部分我们构建企业动态能力多层次影响因素的模型，分析考虑企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等不同层次影响因素对企业动态能力的影响机制。具体而言，本部分采用普通最小二乘法（Ordinary Least Square Estimation，OLSE）进行多元回归分析（Multiple Regression Analysis），实证探讨与分析企业家个人层次（创新性维度、超前行动性维度和风险承担性维度）、企业高层管理团队层次（共享愿景与社会整合维度、权变薪酬奖励体系维度）、组织层次（资源存量维度与战略联盟维度）、外部环境层次（市场的动**程度维度、竞争强度维度、技术的动**程度维度、政府政策的动**程度维度）等不同层次影响因素与企业动态能力的关系。
表8-31 各变量描述性统计与相关分析
注：相关系数为pearson系数。**表示显著性水平p＜0.01；*表示显著性水平p＜0.05；双尾检验。
根据上文的分析，我们通过方差分析发现公司年龄、公司规模和公司战略类型会影响到企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等不同层次影响因素与企业动态能力的关系。因此，对本部分多元回归分析采用公司年龄、公司规模和公司战略类型，然后实证分析企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等不同层次影响因素与企业动态能力的关系。
在理论综述和文献梳理部分，我们假设企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等不同层次影响因素会对企业动态能力具有显著的正向影响。从前面的相关性分析我们看到，除企业家个人层次的创新性维度外，企业家个人层次的超前行动性维度和风险承担性维度、企业高层管理团队层次的共享愿景与社会整合维度以及权变薪酬奖励体系维度、组织层次的资源存量维度与战略联盟维度、外部环境层次的市场动**程度维度、竞争强度维度、技术动**程度维度、政府政策动**程度都和企业动态能力具有显著的正相关关系。因此，为了验证理论分析部分提出的假设，我们建立五个模型来比较变量间的作用及其变化。
模型一：只放入控制变量公司年龄、公司规模和公司战略类型，先考虑控制变量对企业动态能力的直接作用。其回归模型可以表示如下。
DC=β0+β1 ·AGE+β2·SIZE+β3·STRATEGY1+β4·STRATEGY2+β5·STRATEGY3+ε
模型二：放入控制变量公司年龄、公司规模和公司战略类型，以及企业家个人层次的创新性维度、超前行动性维度和风险承担性维度，考虑控制变量和企业家个人层次影响因素对企业动态能力的直接作用。其回归模型可以表示如下。
DC=β0+β1 ·AGE+β2·SIZE+β3·STRATEGY1+β4·STRATEGY2+β5·STRATEGY3+β6·INNOVATIVENESS+β7·PROACTIVENESS+β8·RISKTAKING+ε
模型三：放入控制变量公司年龄、公司规模和公司战略类型，企业家个人层次的创新性维度、超前行动性维度和风险承担性维度，以及企业高层管理团队层次的共享愿景与社会整合维度和权变薪酬奖励体系维度，考虑控制变量，企业家个人层次影响因素和企业高层管理团队特征对企业动态能力的直接作用。其回归模型可以表示如下。
DC=β0+β1 ·AGE+β2·SIZE+β3·STRATEGY1+β4·STRATEGY2+β5·STRATEGY3+β6·INNOVATIVENESS+β7·PROACTIVENESS+β8·RISKTAKING+β9·SVSI+β10·CRS+ε
模型四：放入控制变量公司年龄、公司规模和公司战略类型，企业家个人层次的创新性维度、超前行动性维度和风险承担性维度，企业高层管理团队层次的共享愿景与社会整合维度和权变薪酬奖励体系维度，以及企业组织层次的资源存量维度和战略联盟维度，考虑控制变量、企业家个人层次影响因素、企业高层管理团队特征以及组织层次因素对企业动态能力的直接作用。其回归模型可以表示如下。
DC=β0+β1 ·AGE+β2·SIZE+β3·STRATEGY1+β4·STRATEGY2+β5·STRATEGY3+β6·INNOVATIVENESS+β7·PROACTIVENESS+β8·RISKTAKING+β9·SVSI+β10·CRS+β11·RS+β12·SA+ε
模型五：放入控制变量公司年龄、公司规模和公司战略类型，企业家个人层次的创新性维度、超前行动性维度和风险承担性维度，企业高层管理团队层次的共享愿景与社会整合维度和权变薪酬奖励体系维度，企业组织层次的资源存量维度和战略联盟维度，以及企业外部环境层次影响因素的市场动**程度维度、竞争强度维度、技术动**程度维度和政府政策动**程度维度，考虑控制变量、企业家个人层次影响因素、企业高层管理团队特征、组织层次因素以及企业外部环境层次因素对企业动态能力的直接作用。其回归模型可以表示如下。
DC=β0+β1 ·AGE+β2·SIZE+β3·STRATEGY1+β4·STRATEGY2+β5·STRATEGY3+β6·INNOVATIVENESS+β7·PROACTIVENESS+β8·RISKTAKING+β9·SVSI+β10·CRS+β11·RS+β10·SA+β13·MT+β14·CI+β15·TT+β16·GPT+ε
其中，Beta（“β”）为标准化回归系数（Standardize coefficient）是用来评估自变量对因变量直接影响的程度，或称之为路径系数（Path coefficient）。用SPSS16.0对模型进行多元回归分析，并进行Durbin-Watson检验和多重共线性检验（Collinearity Diagnositics），分析结果如表8-32所示。
表8-32 企业动态能力多层次影响模型的检验：直接效应
注：强制性的自变量进入方法，表中显示了标准回归系数。***表示显著性水平p＜0.001；**表示显著性水平p＜0.01；*表示显著性水平p＜0.05；+表示显著性水平p＜0.1。
从统计结果可以看到，所有模型的Durbin-Watson值都接近于2，表明残差与自变量互相独立，即误差项的独立性比较强。从多重共线性检验（Collinearity Diagnositics）结果来看，所有变量的VIF值都在1～3之间，按照张文彤、闫洁（2006）所指，VIF＜5都可以视为不存在多重共线性问题。
第一阶段，我们在回归模型中只加入公司年龄、公司规模和公司战略类型等控制变量。由于模型1只放入控制变量公司年龄、公司规模和公司战略类型，考虑控制变量对企业动态能力的直接作用，我们称之为基本模型。从回归系数和显著性检验结果来看，在基本模型（模型1）之中，公司年龄（β=0.222, p＜0.05）、公司战略类型1（β=0.305, p＜0.1）以及公司战略类型3（β=0.303, p＜0.1）对企业动态能力有显著的正向影响。
第二阶段，我们在回归模型中加入企业家个人层次影响要素。与基本模型相比，加入了企业家个人层次影响因素（创新性维度、超前行动性维度和风险承担性维度）的模型2比基本模型（即模型1）对企业动态能力的解释力有所提高，使得可调整的R2从0.042上升到0.305。同时，加入了企业家个人层次影响因素（创新性维度、超前行动性维度和风险承担性维度）的模型2的F值是13.374，并且在统计上表现了显著性（p＜0.001），假设8得到了验证，即企业家个人层次影响因素在总体上与企业动态能力呈现正向的相关关系，也就是说企业家个人层次影响因素在总体上对动态能力有显著的积极影响。
在模型2中，企业家个人层次影响因素的超前行动性维度（β=0.414, p＜0.001）和风险承担性维度（β=0.177, p＜0.05）体现出了比较明显的相关关系，但创新性维度在统计上不显著。于是，假设8.2和假设8.3得到了验证，即超前行动性维度和风险承担性维度与企业动态能力的正向相关关系得到了验证，但是创新性并不显著。
第三阶段，我们在回归模型中加入企业高层管理团队层次的影响要素。与基本模型相比，加入了企业高层管理团队层次影响要素（共享愿景与社会整合维度和权变薪酬奖励体系维度）的模型3比基本模型（即模型1）对企业动态能力的解释力有所提高，使得可调整的R2从0.042上升到0.468。同时，加入了企业高层管理团队层次影响要素（共享愿景与社会整合维度和权变薪酬奖励体系维度）的模型3的F值是20.919，并且在统计上表现了显著性（p＜0.001），假设9得到了验证，即企业高层管理团队层次影响要素在总体上与企业动态能力呈现正向的相关关系，也就是说企业高层管理团队层次影响要素在总体上对动态能力有显著的积极影响。
在模型3中，企业高层管理团队层次影响要素的共享愿景与社会整合维度（β=0.306, p＜0.001）和权变薪酬奖励体系维度（β=0.257, p＜0.001）都体现出了比较明显的相关关系。于是，假设9.1和假设9.2得到了验证，即共享愿景与社会整合维度和权变薪酬奖励体系维度与企业动态能力的正向相关关系得到了验证。
第四阶段，我们在回归模型中加入企业组织层次的影响要素。与基本模型相比，加入了企业组织层次影响要素（资源存量维度和战略联盟维度）的模型4比基本模型（即模型1）对企业动态能力的解释力有所提高，使得可调整的R2从0.042上升到0.533。同时，加入了企业组织层次影响要素（资源存量维度和战略联盟维度）的模型4的F值是22.532，并且在统计上表现了显著性（p＜0.001），假设10得到了验证，即企业组织层次影响要素在总体上与企业动态能力呈现正向的相关关系，也就是说企业组织层次影响要素在总体上对动态能力有显著的积极影响。
在模型3中，企业组织层次影响要素的资源存量维度（β=0.220, p＜0.001）和战略联盟维度（β=0.178, p＜0.01）都体现出了比较明显的相关关系。于是，假设10.1和假设10.2得到了验证，即资源存量维度和战略联盟维度与企业动态能力的正向相关关系得到了验证。
第五阶段，我们在回归模型中加入企业外部环境层次的影响要素。与基本模型相比，加入了企业外部环境层次影响要素（市场的动**程度维度、竞争强度维度、技术的动**程度维度、政府政策的动**程度维度）的模型5比基本模型（即模型1）对企业动态能力的解释力有所提高，使得可调整的R2从0.042上升到0.567。同时，加入了企业外部环境层次影响要素（市场的动**程度维度、竞争强度维度、技术的动**程度维度、政府政策的动**程度维度）的模型5的F值是19.492，并且在统计上表现了显著性（p＜0.001），假设11得到了验证，即企业外部环境层次影响要素在总体上与企业动态能力呈现正向的相关关系，也就是说企业外部环境层次影响要素在总体上对动态能力有显著的积极影响。
在模型5中，企业外部环境层次影响要素的市场的动**程度维度（β=0.210, p＜0.001）和政府政策的动**程度维度（β=0.101, p＜0.05）体现出了比较明显的相关关系，但市场的竞争强度维度与技术的动**程度维度不显著。于是，假设11.1得到了验证，即市场的动**程度维度与企业动态能力的正向相关关系得到了验证，而政府政策的动**程度维度与企业动态能力之间不呈现正向相关关系，而是呈负向相关关系。
8.4.7 企业动态能力跨层次交互影响模型的检验：互补效应＆替代效应
在理论综述和文献梳理部分，我们假设企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等不同层次影响因素在对企业动态能力影响的过程中，可能会存在跨层次的交互影响效应。因此，为了验证理论分析部分提出的假设，我们首先在总体上检验企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次之间是否存在交互效应。具体做法是在回归模型中加入企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次之间的交互项，建立模型6来比较变量间的作用及其变化。其回归模型可以表示如下。
DC=β0+β1 ·AGE+β2·SIZE+β3·STRATEGY1+β4·STRATEGY2+β5·STRATEGY3+β6·INDIVI_LEVEL+β7·TEAM_LEVEL+β8·ORGA_LEVEL1 +β9 ·ENVIR_LEVEL+β10·INDIVI_LEVEL·TEAM_LEVEL+β11·INDIVI_LEVEL·ORGA_LEVEL+β12·INDIVI_LEVEL·ENVIR_LEVEL+β13·TEAM_LEVEL·ORGA_LEVEL+β14·TEAM_LEVEL·ENVIR_LEVEL+β15·ORGA_LEVEL·ENVIR_LEVEL+ε
与上面的分析相似，第一阶段，我们在回归模型中只加入公司年龄、公司规模和公司战略类型等控制变量。由于模型1只放入控制变量公司年龄、公司规模和公司战略类型，考虑控制变量对企业动态能力的直接作用，我们称之为基本模型。从回归系数和显著性检验结果来看，在基本模型（模型1）之中，公司年龄（β=0.222, p＜0.05）、公司战略类型1（β=0.305, p＜0.1）以及公司战略类型3（β=0.303, p＜0.1）对企业动态能力有显著的正向影响。
第二阶段，我们在回归模型中加入企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等层次的影响要素以及它们之间的乘积项目。与基本模型相比，加入了企业家个人层次、企业高层管理团队层次、组织层次、外部环境层次等层次的影响要素以及它们之间乘积项目的模型6比基本模型（即模型1）对企业动态能力的解释力有所提高，使得可调整的R2从0.042上升到0.538。同时，加入了企业家个人层次影响因素（创新性维度、超前行动性维度和风险承担性维度）的模型6的F值是18.544，并且在统计上表现了显著性（p＜0.001），这表明所建立的回归方程显著。实证结果发现：企业高层管理团队层次与组织层次影响要素的交互项目与企业动态能力表现为显著的负相关关系（β=-1.059, p＜0.1），这表明企业高层管理团队层次与组织层次影响要素之间存在替代效应，假设12部分得到了验证。
从上面的分析可以得知，企业高层管理团队层次与组织层次影响要素之间存在替代效应，接下来我们深入挖掘到底是企业高层管理团队层次与组织层次影响要素哪些维度之间存在替代效应。具体做法是在回归模型中加入企业高层管理团队层次和组织层次各个维度之间的交互项，建立模型7来比较变量间的作用及其变化。其回归模型可以表示如下。
DC=β0+β1 ·AGE+β2·SIZE+β3·STRATEGY1+β4·STRATEGY2+β5·STRATEGY3+β6·INNOVATIVENESS+β7·PROACTIVENESS+β8·RISKTAKING+β9·SVSI+β10·CRS+β11·RS+β12·SA+β13·MT+β14·CI+β15·TT+β16·GPT+β17·PROACTIVENESS·SVSI+β18·RS·SVSI+β19·SA·SVSI+β20·MT·SVSI+β21·GPT·SVSI+β22·PROACTIVENESS·CRS+Β23·RS·CRS+β24·SA·CRS+β25·MT·CRS+β26·GPT·CRS+β27·PROACTIVENESS·RS+β28·MT·RS+β29·GPT·RS+β30·PROACTIVENESS·SA+β31·MT·SA+β32·GPT·SA+ε
表8-33 企业动态能力跨层次交互影响模型的检验：互补效应＆替代效应
注：强制性的自变量进入方法，表中显示了标准回归系数。***表示显著性水平p＜0.001；**表示显著性水平p＜0.01；*表示显著性水平p＜0.05；+表示显著性水平p＜0.1。
表8-34 企业动态能力跨层次交互影响模型的检验：互补效应 ＆ 替代效应
续表
注：强制性的自变量进入方法，表中显示了标准回归系数。***表示显著性水平p＜0.001；** 表示显著性水平p＜0.01；*表示显著性水平p＜0.05；+表示显著性水平p＜0.1。
与上面的分析相似，第一阶段，我们在回归模型中只加入公司年龄、公司规模和公司战略类型等控制变量。由于模型1只放入控制变量公司年龄、公司规模和公司战略类型，考虑控制变量对企业动态能力的直接作用，我们称之为基本模型。从回归系数和显著性检验结果来看，在基本模型（模型1）之中，公司年龄（β=0.222, p＜0.05）、公司战略类型1（β=0.305, p＜0.1）以及公司战略类型3（β=0.303, p＜0.1）对企业动态能力有显著的正向影响。
第二阶段，我们在回归模型中加入企业高层管理团队层次与组织层次影响要素各个维度之间的乘积项目。同时，在前面由于采用各个层次因子的均值，这有可能造成一些信息的丢失。为了检查信息是否丢失，本部分也把企业高层管理团队层次与组织层次影响要素各个维度与其他层次影响要素维度之间的乘积项目加入回归方程，从而最大程度地发现可能遗漏的信息。与基本模型相比，模型7比基本模型（即模型1）对企业动态能力的解释力有所提高，使得可调整的R2从0.042上升到0.569。同时，模型7的F值是10.322，并且在统计上表现了显著性（p＜0.001），这表明所建立的回归方程显著。实证结果发现：企业高层管理团队层次的权变薪酬奖励体系维度与组织层次的资源存量维度之间的交互项目与企业动态能力表现为显著的负相关关系（β=-1.239, p＜0.05），这表明企业高层管理团队层次的权变薪酬奖励体系维度与组织层次的资源存量维度之间存在替代效应。同时，我们发现企业家个人层次的超前行动性维度与组织层次的资源存量维度之间的交互项目与企业动态能力表现为显著的正相关关系（β=1.863, p＜0.05），这表明企业家个人层次的超前行动性维度与组织层次的资源存量维度之间存在互补效应。这表明假设12部分得到了验证。
8.4.8 假设检验结果汇总
综合前述各假设检验的结果，可以得到本部分研究的实证结果。全部的假设检验及结果汇总如表8-35所示。
表8-35 假设检验结果汇总表
续表