因子分析提取的因子太少

6.5.2　多元回归三大问题检验

在进行多元回归分析时，必须对多元回归常见的三大问题进行检验（马庆国，2002）。以下简要说明本研究对三大问题的检验思路和程序。

6.5.2.1　多重共线性问题检验

本研究采用容许度（tolerance）和方差膨胀因子（VIF）两个指标来检验回归模型的多重共线性问题。其中容许度（toli）取值范围介于0～1之间，其值越接近1，共线性越弱。方差膨胀因子（VIF）是容许度的倒数，取值范围介于1～∞之间，其值越小（即接近1），共线性越弱。如表6.17所示，本研究回归模型的toli值和VIF值都近似等于1，因此本回归模型不存在多重共线性的问题。

6.5.2.2　序列相关问题检验

本研究中由于样本数据是截面数据，因此出现不同期的样本值之间的序列相关问题的可能性不大。对序列相关问题的检验主要依靠DW统计量来检验，DW取值范围介于0～4之间，其值越接近2，存在序列相关的可能性越小。如表6.19可见，模型中DW值为2.035，接近于2，因此，在本研究中不存在不同编号的样本值之间的序列相关问题。

表6.19　知识创造机制回归拟合过程小结

a.Predictors：（Constant），增殖能力因子

b.Predictors：（Constant），增殖能力因子，共享能力因子

c.Predictors：（Constant），增殖能力因子，共享能力因子，消化能力因子

d.Predictors：（Constant），增殖能力因子，共享能力因子，消化能力因子，获取能力因子

e.因变量：知识创造绩效

6.5.2.3　异方差检验

对异方差的检验通常通过观察标准化残差的散点图是否有明显的变化规律来实现。本研究以回归模型的标准化预测为横轴、标准化残差为纵轴进行残差项的散点图分析，结果如图6.2所示，散点图呈无序状态，因此，本研究中的回归模型中不存在异方差问题。

图6.2　知识创造机制残差散点