Schmitt和Chars（1998）提出，由于工作绩效的多维性，影响工作绩效的因素也往往是多方面的，工作绩效的预测指标也应该是多维度的，从而从各个方面来预测个体的绩效表现。因此，将对各个胜任力对工作绩效的不同维度间的关系进行验证，以了解通用胜任力模型的效标关联效度。

为了研究通用胜任力对绩效的影响程度以及对绩效的主要影响指标，并控制人口学变量和组织变量对因变量产生的影响，避免这种影响对统计结果的混淆，使用层级回归（hierarchical regression）来探讨胜任力对任务绩效和关系绩效的影响。

第一组人口学和组织变量中，根据被试反应的情况及数据分析的需要做了调整。预分析时发现年龄和工龄的相关性极高，并产生了严重的多重共线性现象。当自变量之间高度相关时，回归方程中的自变量就会互相削弱各自对因变量的边际影响，使本身的回归系数值下降而其标准误差扩大，此时，方程的回归系数变得不可靠。补救方法可以采用去掉与因变量相关程度较低、而与其它自变量高度相关的变量（郭志刚，1999）。因此，仅以年龄进入回归分析。398份有效绩效问卷中，学历为“研究生”的被试仅有14人，合并到“本科”中；同样原因，高层、中层和基层管理者的被试合并成“管理人员”。回归分析中第一组使用全部纳入法（enter）；第二组采用逐步回归法（stepwise），逐步回归法适合没有理论支持的探索性研究，目标是寻求一种支持或解释，或探索最佳预测模型。结果如表5-12所示。

回归方程的预测力主要看R2及其F分析的显著性，R2表示预测变量集与被预测变量之间的方程共变百分数。R2显著，说明预测变量对被预测变量有显著的预测力。在此基础上，R2越大，表示二者之间共变越高，即预测变量与被预测变量之间的重叠程度越高，预测变量（集）的预测力越强。而对于层级回归来说，由于其目的是排除某一组预测变量影响的情况下，看其它变量的影响。所以，对我们所关心的预测变量，其预测力指标主要为△R2及其F分析的显著性。(www.daowen.com)

表5-12表明，在排除人口学变量和组织变量的影响下，各个胜任力进入方程后引起的R2变化非常显著，在绝对数值上显得较大，显示出其对任务绩效和关系绩效的直接影响作用相当强。其中，成就导向对任务绩效、关系绩效具有预测力；关系建立对关系绩效具有预测力；学习能力对任务绩效具有预测力；积极主动对任务绩效具有预测力；团队合作对关系绩效具有预测力；诚信对关系绩效具有预测力；自我控制对任务绩效和关系绩效有预测力；沟通协调对关系绩效有预测力；分析和计划对任务绩效有预测力；弹性对任务绩效有预测力。这说明这些胜任力能够较好地预测任务绩效和关系绩效。但同时也发现，创新对任务绩效有反向预测力，自信对绩效各维度均无预测能力，我们认为这一结果有可能是因为样本的代表性不够引起的。

表5-12　任务绩效、关系绩效对各胜任力的层级回归（N=398）

注：①b为回归系数，Sb为标准误，β为标准化的回归系数；②性别男为1，女为0（参照类）；本科为1，本科以下为0（参照类）；基层员工为1，管理人员为0（参照类）；虚拟变量DO1代表国企，虚拟变量DO2代表民营企业，三资企业为0（参照类）。性别、学历、管理层级和组织类型作虚拟变量处理；③第二组未被纳入方程的以“—”表示；④统计时，对所有以上变量进行了多重共线性分析（Collinearity Statistics），结果表明方程中不存在多重共线性。