企业网络学习能力提升路径研究——网络结构与治理机制的交互作用

邱玉霞，孙晓燕
(山西财经大学管理科学与工程学院，山西太原 030006)

摘要：企业网络学习能力是提升网络绩效、推动网络创新变革的直接影响因素，其提升路径必须注重协同性、匹配性、系统性。以企业网络中124个企业为研究对象，从网络组织结构与治理机制的作用机理出发，采用定性比较分析(QCA)方法研究企业网络学习能力提升路径。研究发现，存在5条高学习能力路径和两条低学习能力路径。结合前人研究成果，提出了企业网络学习能力提升的策略建议：企业在网络合作过程中应根据自身结构特征，维护并完善通向高学习能力的路径，避开导致低学习能力路径的网络条件，注重提高网络联系紧密度，强化网络组织的学习创新机制等。

关键词：企业网络；网络结构；治理机制；学习能力；定性比较分析法(QCA)

0 引言

与个体组织不同，在企业网络中，创新不仅仅体现为网络组织中成员自身创新能力，更多地体现为网络式创新能力，其最大特点在于，通过组织间互动实现知识的产生、传递和积累[1]。企业网络的知识基础与学习能力是网络式创新能力发展的重要前提[2]。想要提高企业网络的网络式创新能力，必须找到提升学习能力的路径。

国内学者陈国权[3]对于学习能力的研究较早，他梳理了影响组织学习能力的机理要素，并论证了各机理要素与组织学习能力之间的显著正相关关系，最后构建了6P-1B模型。随着网络组织理论的不断发展，组织学习被引入网络组织研究中，由于网络形式的多样性，大多数学者均针对具体模式下的网络组织，对其学习能力展开研究。战略联盟学习能力影响因素有学习动机、学习经验、知识传递意愿和能力、联盟形式、文化与组织差异以及组织间信任等[4]；集群学习能力的影响因素主要有知识资源、社会资本和关联度[5]；供应链企业间知识共享的影响因素包括企业组织学习能力、技术知识壁垒属性、知识共享平台、知识共享激励机制等，供应链企业间的知识共享程度直接影响了供应链的整体学习能力[6]。学习能力研究的另一个焦点则是学习能力作为中介变量正向影响组织绩效。窦红宾[7]验证了两种类型的学习(利用性学习、探索性学习)在网络结构对企业成长绩效影响中的中介作用。谢洪明等(2014)验证了学习能力在网络互惠程度对企业管理创新的影响中起完全中介作用。

因此，学习能力的两个研究焦点为学习能力影响因素、学习能力对绩效的影响，着重回答了学习能力是什么(what)的问题。但现有研究中缺乏关于学习能力提升的研究，尚无明确的提升路径能够指导实践。本文将从网络治理视角出发，研究企业网络结构以及成员组织为抵抗风险、提高企业绩效而采取的治理机制对学习能力的交互作用，寻找企业网络学习能力提升路径，试图回答怎么做(how)的问题，为企业网络提升整体学习能力提供一定指导，通过找到与结构特征相匹配的治理机制，帮助企业完善网络治理机制，提升学习能力。

1 网络结构、治理机制对企业网络学习能力的作用

1.1 网络结构与学习能力

网络结构是各节点之间相对固定和稳定的有机联系，这种联系是保持网络组织整体性和具有一定功能的内在依据[8]。林闽钢[9]将其内涵总结为两点:一是维系和规范网络中不同组织互动原则的组合;二是维系和规范匹配网络变化所形成的结构。基于社会网络视角，Granovetter[10]提出了关系强度的概念，将关系分为强关系和弱关系。Freeman[11]在综述前人研究的基础上，将网络中心性概念简化为3个基本类别，即程度中心性、接近中心性和中间状态中心性。据此，本文从网络中心性和联系强度两个维度度量网络结构。在企业网络中，节点之间相对固定的有机联系为成员企业提供了学习创新平台，成员企业通过知识的传递、吸收,进行适当的信息整合，从而提升网络的整体学习能力。

(1)网络中心性。中心性体现了网络组织的布局与层次,在中心度较高的网络中，核心节点能够通过位置优势获取网络中的显性知识，并借助其在网络中的强势地位，将知识等资源分享给各节点，进一步带动其它节点学习能力的提升，进而提高网络整体学习能力。在中心度较低的网络中，由于节点间地位平等，无核心企业，容易获得内容较新的信息，但也因为缺乏一个“领头羊”，不利于整体网络学习能力的提升[12]。

(2)联系强度。社会学家Granovetter依据认识时间、互动频率、亲密性以及互惠性服务内容，将联系划分为强联系与弱联系。强联系能够提高企业间知识和信息的交流频率，增进沟通，从而提升信息交换带来的价值。弱联系使网络成员具有广泛的多样性，更容易获得多样化异质性信息，有利于成员企业依靠自身探索式学习，加强对知识的吸收，进而提高学习能力[13]。

1.2 治理机制与学习能力

治理机制是维护节点之间联系以促使网络有序、高效运作，对节点行为进行制约与调节的一系列非正式准则之和，其作用是维护和协调网络合作，进而保证网络组织有序运作[14]。根据以往对网络学习能力影响因素的研究，本文选取的治理机制包括声誉、信任、激励约束、合作文化、学习创新。代理理论认为, 治理机制通过改变代理人的态度和行为发挥作用, 通过影响经营者对学习的态度影响学习活动。在企业网络中，治理机制通过影响节点成员的学习态度、学习方式影响学习能力。此外，治理机制可能影响组织学习决策，从而对技术创新活动产生影响[15]。

(1)信任机制。信任机制是企业网络化合作的前提和基础，信任和网络组织绩效之间存在显著联系。在高度信任的情况下，企业组织对其它成员高度理解和认同，不需要签订明确契约来规定成员的行为方式[16],便可促进信息在网络中的交流、扩散和共享，提升网络整体学习能力，实现产品价值创造，进而获取较高绩效。反之，如果网络成员企业之间缺乏信任，即使存在明确的契约，成员企业也无法安心与其它企业进行知识、技术、资源的共享和交换，从而造成网络组织学习能力低下。

(2)声誉机制。声誉机制是一种社会记忆，存在于其它组织对该组织的评价中。良好的声誉是深入合作的前提和基础，同时有助于提高组织间的信任水平。若网络中的全部成员都参与交流,企业间的信息流动将迅速建立合作规程,在密切联系的网络中，任何不规范行为信息将迅速流向其它节点并最终受到制裁[17]。拥有良好声誉机制的节点企业可以吸引更多节点学习自身优势，起到标杆作用，带动整个网络组织学习能力的提高。

(3)合作文化机制。网络合作文化是齐心协作、敬业奉献等精神的升华，是一种文化体系，体现了网络成员的共同价值，使成员互生共荣，同时也是一种行为规范，使成员自觉遵守，内化于心，不需要强制执行[18]。在良好的合作文化机制下，各行为主体间的知识、信息、人员等资源流动频繁，学习互动，网络组织学习能力因此得到提高。

(4)激励约束机制。激励和约束是经济生活的助推器和制动器。通过网络激励机制，能够鼓励网络成员之间分享有价值的信息，相互交流学习，同时可以防止部分成员搭便车行为，鼓励他们通过主动学习、积极创新来获取绩效，以降低发现隐形知识并使其在成员企业间转移的成本，使网络组织整体学习能力得到提高[19]。约束机制主要体现为网络组织成员通过自身约束提高声誉，增强与节点企业间的信任程度，进而提高学习能力。

(5)学习创新机制。学习和创新之间具有天然联系，学习在很大程度上会对创新产生正向影响。组织学习是一种“超能力”或“超技巧”，能够指导组织进行资源转换活动，是组织获取持久竞争优势的重要源泉。从单个企业的独立学习到合作企业之间的相互学习，网络组织的形成过程本质上就是学习能力的动态发展过程。

1.3 网络结构与治理机制的交互作用

交互作用的原理为各要素之间相互作用产生的效果优于各要素单独作用的效果，企业网络是一个复杂系统，节点企业间通过信息交流、资源共享等达成合作，要素间的相互作用促进了企业网络创新能力的提升[20]。Uzzi[21]认为，强联系有利于企业网络中成员节点间信任关系的建立，节点间企业可以因此而加强信息传递。罗家德[22]认为，弱联系有利于新信息的收集，因而可促进节点企业创新机制的建立。王发明等(2006)则认为，强联系因有利于成员间交流而促进学习创新的同时，会造成“过度根植性”而导致企业网络僵化，在无法预测的环境下，企业网络成员可能会因适应能力差而退出市场。蔡宁[23]在对投入—产出型集群网络的研究中认为，在高网络中心性的网络中，核心企业可以通过自身位置优势创造一种信任和合作的文化，因而会促进企业网络学习创新机制的形成。彭本红等[24]认为，信任与合作文化之间存在交互作用，信任可以促进沟通和理解，避免不必要的摩擦与矛盾，并促使各成员以灵活的方式,调整彼此的合作态度和行为，高度的相互信任能够加强和维持网络成员之间的合作关系，而良好的合作关系又会进一步加强节点企业间的信任关系；同时，论证了声誉、信任与激励约束之间的相互关系，声誉是信任的来源，网络成员的声誉越好，其它成员对其越信任。声誉本身具有激励效果，节点企业具有良好的声誉说明该企业是有能力的，同时也会给企业自身带来心理上的认同和激励。在信任机制下，任何经济行为主体必须遵守信用规则，信用同时具有激励和约束功能，网络成员会自动地对守信的组织予以肯定，而不守信者会被逐出网络。因此，网络结构与治理机制之间存在交互作用，网络学习能力并不是网络结构与治理机制各要素之间单独作用的总和，而是各要素之间相互作用、相互影响的结果。据此，本文提出以下假设：企业网络学习能力是网络结构和治理机制交互作用的结果。

2 数据收集、变量测量与分析

2.1 数据收集与变量测量

本文问卷主要针对太钢不锈钢园区、侯马经济开发区、临汾经济技术开发区这3大网络的企业发放，利用国家社会科学基金重点项目“网络组织理论与治理研究”(批准号11AZD091)的调研机会，通过现场发放和电子邮件两种形式，向调研企业的中高层领导发放问卷，以确保数据可以更客观、准确地反映企业实际情况。调研周期为3周，共发放问卷150份，回收问卷134份，回收率89.3%，通过对问卷的整理，剔除无效问卷10份，将124份有效问卷作为本文数据样本，问卷有效率为92.5%。表1为问卷的测项设置，对变量的测量题项采用李克特五级量表打分法，分别赋予5～1分，1表示“程度很低 ”，5表示“程度很高 ”。

2.2 信度和效度分析

使用软件SPSS18.0对量表进行信度检验可知，网络结构与治理机制的α系数分别为0.75和0.834，综合信度系数为0.88，测量信度通过检验。

通过Pearson′s相关分析显示，各治理机制和治理结构与学习能力呈正相关关系，且具有统计学意义，说明问卷内部效度良好。本文通过因子分析检验问卷结构效度，首先进行因子分析适应性分析，数据KMO值为0.846，说明本文问卷适合作因子分析，其次进行主成分因子分析，按特征根大于1，提取3个主成分，其累计贡献率达58.201%，公因子方差均大于0.4，说明该问卷结构效度良好。

3 企业网络学习能力提升路径分析

3.1 研究方法选择

本文采用由Ragin始创、以集合论为基础的定性比较分析法(QCA)，主要原因包括以下几点：

(1)本文认为，高学习能力的产生并不是组织所有网络结构、治理机制简单作用的加总，而是结构要素与机制要素发生复杂交互作用后的结果。基于系统性原则，现有研究中就各影响因素对学习能力的作用分析远远不够，必须从整体性关系出发，研究各因素之间的复杂作用关系，以揭示网络组织中诸治理机制在特定网络结构下如何产生高学习能力。QCA方法只关注原因变量组合是否会引致结果变量发生，因而有助于本文找到引致网络组织高(低)学习能力的原因条件组合，进而提出策略建议。

(2)拥有高学习能力的不同组织，其网络结构与治理机制存在相异性。这一现象表明，可能存在多条导向高学习能力的路径，即存在“等效”因果链，或者说殊途同归。即回归分析测量的是各变量对于某一累积性结果的平均和线性作用，并不说明某一特定结果的特定原因。换言之，回归分析只能得出各网络结构和治理机制对学习能力的平均作用，但无法指出是什么原因造成了学习能力的不同结果。QCA 方法则认可不同前因条件构型对被解释结果有互不冲突的完全等效性(Fiss，2007；Grandori 和 Furnari，2008)。

(3)回归分析在大样本研究中具有明显优势，但对于中小规模样本，QCA 具有自身独有的优势，即该方法不会受到自相关与多重共线性的负面影响。本文研究样本为124，且8个条件变量之间存在非线性相关关系，无法进行针对性跨层次分析。相反，小样本案例研究无法总结数据反映出的共性规律，而QCA方法介于二者之间，是合适的研究方法。

综上，本文选用清晰集(crisp-set)定性比较分析(简称 cs QCA)方法，将样本中各原因变量及结果变量按照“二分归属”(binary member-ship)原则标定为 0 或 1(Ragin，2008)，即通过校准值将所得问卷数据二值化，问卷数据为3、4、5时赋值为1(或0)，否则赋值为0(或1)。用二值化的原因变量、结果变量构建真值表，罗列所有原因条件组合，以真值表作为分析的起点，依据布尔代数(Boolean algebra)简化原因结果条件组合。最后，得到影响企业网络学习能力的所有原因条件组合。

本文集中讨论了清晰集定性比较分析结果，可以分为两个部分，分别为必要条件分析与充分条件组合分析。前者用于衡量单个条件对结果变量的解释程度，后者则是分析除必要条件以外的条件变量组合对结果变量的解释程度。

3.2.1 单变量必要条件分析

在定性比较分析中，首先要进行必要条件分析，得出的必要条件不宜再纳入充分条件的分析中。通过一致性(Consistency)和覆盖率(Coverage)的计算，可以确定变量之间是否存在必要性和充分性关系。一致性是指研究采用的所有案例共同反映了导致结果发生的某个给定条件(或条件组合)的程度；覆盖度是指这些给定条件(或条件组合)对于结果出现的解释程度(何俊志，2013)。社会科学的研究对象往往具有复杂的因果关系，变量在操作时难免出现误差，因而研究者不用遵从严格的子集关系要求。根据拉金的解释，进行必要条件分析时可以进行0.1校准值的调整，即必要条件的阈值通常设置为0.9，如果结果变量90%以上隶属于某个条件变量，那么这个条件变量就是结果变量的必要条件(Ragin，1987)。

本文采用fs/QCA2.0软件对校准后的样本数据进行分析，必要性分析结果如表2 所示。在 14个条件变量中，所有原因变量充分性与必要性均低于0.9，说明以上条件变量均不是结果变量的充分或必要条件，任一单项条件均非充要条件，需要与其它原因变量组合才能导致结果变量的出现，即单因素对被解释结果不具决定性解释力。鉴于此，本文转而从多因素组合“构型”角度作进一步分析[25]。

注：～表示该变量取自身值的相反值，所有数字结果均由软件fsQCA2.0计算得出

3.2.2 充分条件组合分析

根据QCA分析原理，本文对达不到充要条件阈值标准的条件变量进行充分条件组合分析，而上文得出的必要条件不再纳入此次分析中。从集合的角度看，可以构成充分条件的条件变量一定是它所对应的结果变量集合的子集，其一定小于或等于结果集合的隶属值。充分条件的出现必然意味着结果会出现，但结果出现却不一定能保证某个或某些充分条件的出现。充分条件不能单独对结果变量进行解释，因而充分条件分析通常以条件组合的方式进行，在多个条件变量之间以“*”连接，表示运算逻辑上的“和”。

为了揭示网络结构与治理机制匹配效应的正负，本文分析了网络组织的高学习能力与低学习能力两种模式，试图找到导致两种模式的条件组合，揭示网络结构与治理机制对网络学习能力的交互作用，从而为网络组织提供政策建议，完善高学习能力路径，规避低学习能力路径。高学习能力与低学习能力在软件中的实现方式是将问卷中的结果变量，即学习能力数据，归于不同集合中。研究高学习能力时，将问卷所得的李克特五级量表中大于等于3的数据二值化取值为1，小于3的数据取值为0；研究低学习能力时，将问卷所得的李克特五级量表中小于3的数据二值化取值为1，大于等于3的数据取值为0。将数据导入fs/QCA2.0软件中，删除连续性小于 0.8，案例数小于1的逻辑组合，输出结果为复杂解、精简解和中间解3种结果。参照Crilly等[26]、Fiss和 Greckhamer的模式，结合精简解和中间解报告分析结果，认为同时出现在精简解和中间解中的原因条件为核心因果性条件[19]。方案一致性(Solution Consistency)用于评估运算出来的逻辑条件组合反映真实状况的程度大小。最理想的状态是接近 1，当低于 0.7时，运算条件结果已经很难去解释实际现象，方案覆盖度(Solution coverage)是指所有逻辑条件组合对于结果的总体解释程度。根据fs/QCA2.0软件运行结果，整理得到高学习能力和低学习能力充分条件组合结果如表3所示。

注：模式编号按照原始覆盖度(Raw coverage)排序;●代表核心因果性条件存在，⊗代表核心因果性条件缺席，○代表辅助因果性条件存在

由单变量条件分析可知，各变量均不能达到学习能力必要条件的标准，但在充分条件组合分析中，M2、M3和M5这3条路径具有相同的核心条件：联系强度和学习创新机制，属于二阶等效。在M4中，网络中心性和学习创新机制作为核心条件出现。由此可知，学习能力的提升以网络结构与治理机制的交互作用为基础。

(1)高学习能力路径解析。一是强联系结构网络组织获得高学习能力的路径(M2、M3、M5)。强联系意味着成员之间联系紧密、互动频繁，非常有利于知识的传递、共享与吸收，进而促进成员学习创新；反之，学习创新机制的完善过程也会促进成员之间的合作交流，进一步增强联系。二者相互影响，在此基础上，辅以合作文化机制或者激励约束机制，通过紧密联系、长期合作、频繁互动形成良好的合作氛围，构建共同的合作文化，进而加强成员企业的凝聚力与信任度，推动成员间各种正式与非正式交流合作。在此基础上形成的信任，本身就具有一定激励效果，如果能够建立完善的激励约束机制，明确遵守法则应得的奖励，鼓励企业不断学习提升，加强自身约束而非被动约束，则可使企业赢得更多信任，形成更加良好的声誉，进一步促进企业间共同合作文化的形成。在各种交流合作中，成员节点互相学习，网络组织学习能力也因此得以提升。在强联系与学习创新机制交互作用的基础上，若中心性较高，即网络中有一个或多个核心企业，集权程度很高，那么在核心企业的带领下，各节点将有组织、有目的地频繁互动，相互学习，更容易实现知识的有效传递，进而带动节点乃至整体学习创新能力的提升。

二是高网络中心性结构网络组织获得高学习能力的路径(M4)。中心性较高的企业网络一般有一个或一个以上核心企业，在网络中占主导地位。在这样的网络中，完善的学习创新机制有助于提升各成员企业的探索性学习能力，激发成员企业通过突破性创新实现在企业网络中的生存与发展。同时，核心企业通过发挥结构优势，带动成员企业，有助于提高整体企业网络的学习能力。虽然声誉机制不完善，无法通过与成员企业的知识交流与分享来提高网络学习能力，但学习创新机制与中心性的交互作用可以抵消声誉劣势，促使网络学习能力的提升。

三是无结构优势的网络组织获得高学习能力的路径(M1)。在这种没有结构优势的网络中，在声誉不佳的情况下，网络组织应充实激励约束机制的内容，明确遵守规则应得的奖励，提高企业自我约束水平，为企业赢取更多信任，使其形成良好声誉，促使合作企业主动自愿与其合作，进而形成良好的合作氛围，构建共同的合作文化，推动企业间知识交流共享，以及显性知识与隐性知识的传递，在合作交流中提高节点成员以及整个网络组织的学习能力。

从表3可以看出，对学习能力而言，联系强度是重要的网络组织属性特征，在3个高学习能力路径模式中，联系强度以核心因果性条件存在，说明相对于弱联系，强联系能通过获取更丰富的信息、异质性更大的资源来促进企业学习能力提升，优势更为明显。在现有竞争形势下，隐性知识交流与获取变得更加迫切，而强联系非常有利于隐性知识的传递与交流。学习创新机制是非常重要的网络组织治理要素，在表3的4条高学习能力路径中，学习创新机制均以核心原因条件出现。

(2)导致网络组织低学习能力的路径(M6和M7)。如表3所示，QCA分析得出了两条导致企业网络低学习能力的路径(M6和M7)，这两个解的一致性均为0.861 111，满足一致性阈值(>=0.8)，说明这两种原因条件构型都是导致网络组织低学习能力的充分条件。分析这两种模式发现，核心原因条件缺席是导致网络低学习能力的直接原因。若一个网络组织同时具备弱联系与低网络中心性这两个结构特征，极有可能导致该网络组织学习能力处于较低水平。弱联系虽然有利于显性知识交流，但强联系有利于隐形知识的传递共享，而当前竞争型社会环境对于隐性知识的需求更加迫切；低网络中心性因缺乏“领头羊效应”使整个网络组织不能拧成一股绳、一鼓作气提高整体学习能力，在这种先天不足的情况下，若网络组织在其运行机制的制定与实施中采取消极态度，则必然导致网络组织低学习能力。

分析M6可知，在弱联系和低网络中心性的结构属性影响下，网络组织集权程度较低，没有核心组织，缺乏“领头羊效应”，这时就需要整个网络组织“全面开花”，若各节点成员各自为阵，与合作成员交流甚少，自身独立学习，在这样的情况下，既没有核心成员的整体辐射带动作用，又没有各节点成员的学习交流，必然会导致该网络组织学习能力明显不足。对于M7而言，同样在弱联系且低网络中心性的结构前提下，若网络组织声誉机制、信任机制、学习创新机制都不完善，节点组织彼此不信任，合作靠契约等强制措施维持，那么网络组织的学习创新将止于各节点组织内部，网络组织节点声誉较差的状况，会传递到其它成员企业，而整体声誉状况会传递到市场，从而加剧成员之间的信任危机，造成恶性循环，网络组织甚至可能由于信任危机，使企业做出机会主义行为致使网络解体，更遑论网络组织学习能力了。

综上，网络结构与治理机制之间存在相互作用，企业网络学习能力是二者交互作用的结果，恰当的匹配可以提高企业学习能力，而不恰当的匹配则会降低其学习能力，本文所提假设得到了验证。

根据上述分析结果，可以确定5条企业网络学习能力升级路径，如图1所示。在没有结构优势的网络中，成员依靠治理机制的组合，即激励约束、合作文化和声誉的匹配，可以提升网络学习能力。在高网络中心性下，声誉机制的弱势会被学习创新机制和高中心性抵消转化。在强联系结构下，合作文化或激励约束机制与学习创新机制交互作用，并与强联系结构相互促进。而在高中心性、强联系的网络中，结构优势与学习创新机制的优势相结合，必然会提升企业网络的学习能力。

4 启示与展望

基于上述企业网络学习能力升级路径分析结果可知，组织需要根据不同网络结构特征，沿着相应路径建立与之相匹配的治理机制，以达到有效提升网络学习能力的目的。因此，本文在企业网络提升学习能力方面具有以下3个方面的启示：

(1)强联系网络应重点关注学习创新机制的完善。在节点成员联系较为紧密的网络(如战略联盟)中，联盟伙伴有共同的愿景，共同使用资源，通过各种协议、契约实现优势互补、风险共担。成员在紧密的联系中要注重提升学习创新的有效性。首先，应注重隐性知识在节点间的流动与共享。学习能力的提升主要源于显性知识与隐性知识的转化、共享与吸收。如果组织间只有显性知识共享，没有隐性知识互动，则不能实现显性知识与隐性知识对学习能力提升的共同作用。其次，对于网络整体而言，要加强对创新产权的保护，保证企业网络运行环境的良性发展，避免企业间的恶性竞争。通过建立和完善制度环境，保护创新成果不被他人随意占用，激励企业进行主动创新，提高成员企业的创新积极性及产权保护意识，促进企业网络健康发展。

(2)高中心性网络在完善学习创新机制的同时，应加强节点之间的横向联系。相对于产业集群等其它网络，集团网络的中心性较高，母公司对子公司具有绝对领导控制权，子公司对母公司更多的是依赖追随，应注重加强学习创新机制，通过节点自身探索性学习创新和核心企业领导利用式学习创新，实现学习能力的提升。此外，节点之间应该有意识地加强联系，不能只依赖于核心企业的领导力，网络内成员间应建立横向联系，可通过以下方式实现：

其一，提高交易频率，从而有效提高联系紧密度。频繁的交易与合作，有助于企业网络节点间增进了解，提升彼此信任程度，从而为未来的持久合作奠定基础。

其二，企业网络节点间可以通过提升交叉持股比例来提升联系紧密度。节点企业相互持股时，若有成员出现问题，其它节点企业会主动帮助其解决困难。

其三，要通过增强合作持久性来提升企业联系紧密度，可从以下3个方面进行：首先，企业网络内部应为有业务往来的企业提供一个公平交易的平台；其次，企业网络应鼓励成员企业相互合作，给予其适当激励政策；再次，应成立合作委员会，帮助成员企业解决合作过程中的矛盾冲突，监督和指导内部交易，保障内部成员企业良性合作。

(3)无明显结构特征的网络应加强网络文化建设。对于结构特征不突出的企业网络，通过改善结构特征实现学习能力提高是相对困难的，应该在机制上加强建设，特别是加强网络文化建设。首先，合作节点的各方领导者对合作文化要有共同的认识；其次，可通过组织活动，搭建交流平台，提高合作频率以及成员企业的凝聚力和信任度；最后，构建网络文化是一个较为长期的过程，不能急于求成。

本文主要存在两方面局限：第一，尽管本文已经纳入2个网络治理结构和5个治理机制共7个网络组织治理要素，但网络组织学习能力提升是网络组织诸多要素共同作用的结果，要想更深层次地揭示网络组织学习能力提升路径，还需要更多地引入其它组织治理要素；第二，本文收集案例有限，并未覆盖所有可能的路径，同时对于定性比较分析所得构型组合，还需要进行进一步对比归纳总结，对构型结果也需要进行更深度的解读。

未来可在以下方向继续开展深入研究：第一，将网络组织治理要素细分为更小的变量进行分析；第二，对网络组织治理要素进行归纳分类，从不同角度分析网络学习能力提升路径；第三，丰富网络组织治理要素，在治理结构方面，加入网络组织边界、网络规模、网络协议正式程度等，在治理机制方面，加入联合制裁等；第四，进行案例分析，以验证本文结论。

[1] STEINLE C,SCHIELH.When do industries clusters? a proposal on how to assess an industry's propensity to concentration at a single region or nation[J]. Research Policy,2002(31):849-858.

[2] 蔡宁,吴结兵.产业集群的网络式创新能力及其集体学习机制[J].科研管理,2005,26(4):22-28.

[3] 陈国权，郑红平.组织学习影响因素、学习能力与绩效关系的实证研究[J].管理科学学报，2005，8(1)：48-61.

[4] 邓雪，高寒.产学研联盟内组织间学习影响因素研究[J].国际商务：对外经济贸易大学学报，2013,3：110-117.

[5] 韩晶,王迎军.产业集群学习能力的动态模型[J].南京社会科学,2005(3):26-31.

[6] 张旭梅,陈伟,张映秀.供应链企业间知识共享影响因素的实证研究[J].管理学报，2009，06(10)：1296-1301.

[7] 窦红宾,王正斌.网络结构对企业成长绩效的影响研究——利用性学习、探索性学习的中介作用[J]. 南开管理评论, 2011, 14(3):15-25.

[8] 孙国强.网络组织理论与治理研究[M].北京：经济科学出版社, 2016:18.

[9] 林闽钢. 社会学视野中的组织间网络及其治理结构[J].社会学研究,2002(2):40-50.

[10] GRANOVETTER M S. Strength of weak ties[J]. American Journal of Sociology,1973(78):1360-1380.

[11] FREEMAN L C. Centrality in social networks conceptual clarification[J]. Social Networks, 2012,1(3):215-239.

[12] 孙国强.网络组织理论与治理研究[M].北京：经济科学出版社，2016：128.

[13] 潘松挺, 郑亚莉. 网络关系强度与企业技术创新绩效——基于探索式学习和利用式学习的实证研究[J].科学学研究, 2011(11):1736-1743.

[14] 孙国强.网络组织的治理机制[J].经济管理,2003(4):39-43.

[15] 魏泽龙,王龙伟,李垣.治理机制、组织学习与创新的关系研究[J].科学学与科学技术管理,2008,29(9):66-69.

[16] CURRALL S C, JUDGE T A. Measuring trust between organizational boundary role persons[J]. Organizational Behavior & Human Decision Processes, 1995, 64(2):151-170.

[17] WALKER G, KOGIT B, SHAN W. Social capital, structural holes and the formation of an industry network[J]. Organization Science, 1997, 8(2):109-125.

[18] 孙国强,闫慧丽.网络组织治理机制对治理能力影响的实证研究[J].高等财经教育研究,2015,18(2):31-49.

[19] 孙国强,宋琳,范建红.企业网络化合作的激励约束机制——双面激励与三向度约束[J].经济问题,2005(2):38-40.

[20] 孙国强.关系、互动与协同:网络组织的治理逻辑[J].中国工业经济, 2003(11):14-20.

[21] UZZI B.Social structure and competition in interfirm networks:the paradox of embeddedness[J].Administrative Science Quarterly,1997,42(1):35- 67.

[22] 罗家德.为什么硅谷能击败128公路区———以人际关系网络观点探讨网络式组织的优势[J].中山管理评论,1997,5(2):287-314.

[23] 蔡宁, 吴结兵, 殷鸣. 产业集群复杂网络的结构与功能分析[J].经济地理,2006,26(3):378-382.

[24] 彭本红,冯良清.模块化生产网络的信任博弈及声誉激励研究[J].科技与管理, 2011,13(1):29-33.

[25] 王凤彬,江鸿,王璁.央企集团管控架构的演进:战略决定、制度引致还是路径依赖?——一项定性比较分析(QCA)尝试[J].管理世界,2014(12):92-114.

[26] CRILLY D,ZOLLO M,HANSEN M.Faking it or muddling through? understanding decoupling in response to stake-holder pressures[J].Academy of Management Journal，2012，55(6):1429-1448．

Research on the Path of Enterprise Network Learning Ability——Based on Interaction Between Network Structure and Governance Mechanism

Yuxia, Sun Xiaoyan
(School of Management Science and Engineering ,Shanxi University of Finance and Economics, Taiyuan 030006, China)

Abstract：The learning ability of enterprise network is the direct influence factor to improve the network performance and promote innovation,whose advanced path must pay attention to the systematic.From the perspective of network organization governance structure and mechanism,this paper analyzes the path of the enterprise network learning ability and the interaction of governance structure and governance mechanism by using the qualitative comparative analysis based on 124 enterprises in network.The study found the five high learning ability paths and two low learning ability paths.Accordingly, they could provide guidance to promote learning ability of enterprise.In the process of cooperation network,enterprise should perfect path of high learning ability and avoid low learning ability path according to the structure.Meanwhile,enterprise network ought to focus on improving the network connection tightness and strengthening the mechanism of learning and innovation in network organization.

Key Words：Enterprise Network; Network Structure; Governance Mechanism; Learning Ability; Qualitative Comparison Analysis Method

作者简介：邱玉霞(1974-)，女，黑龙江方正人，博士，山西财经大学管理科学与工程学院副教授，研究方向为组织创新与网络治理；孙晓燕(1993-)，女，山西古交人，山西财经大学管理科学与工程学院硕士研究生，研究方向为组织创新与网络治理。