科技创业孵化成员关系强度知识共享对联盟绩效的影响
——成员能力的调节作用

张 涵1,康 飞2,3,陶 春4

(1.清华大学 社会科学学院,北京 100084;2.北京建筑大学 经济与管理工程学院,北京 100044;3.清华大学 经济管理学院,北京 100084;4.中国航天系统科学与工程研究院,北京 100048)

摘 要:科技创业孵化联盟集聚社会创业资源,扶持科技创业企业成长,有利于科技创业生态的形成。因此,如何提升科技创业孵化联盟绩效成为学术界和实践界共同关心的重要问题。通过理论分析构建了科技创业孵化成员关系强度、知识共享、成员能力与联盟绩效的概念模型,并基于调查数据对研究假设进行了验证。实证分析结果表明:知识共享在关系强度与联盟绩效间发挥中介作用,成员能力正向调节关系强度对知识共享的影响;随着成员能力的提升,关系强度通过知识共享影响联盟绩效的中介效应逐渐增强。

关键词:科技创业孵化联盟;联盟绩效;关系强度;知识共享;成员能力

0 引言

随着经济全球化的升级,急速变化的技术、经济环境使得创业企业面临前所未有的严峻挑战。对科技创业企业而言,科技行业本身所具有的高风险性更降低了创业成功率。因此,科技创业孵化联盟成为越来越多的创业企业降低创业风险和成本、寻求创业成功的战略选择。科技创业孵化联盟由孵化器、创业企业、创投、大学/科研机构、中介服务机构、政府部门等构成,整合社会创新创业资源,为创业者提供办公场地、创业培训、融资对接、资源共享等服务,帮助创业企业成长[1]。科技创业孵化联盟通常是松散型网络组织,孵化器和创业企业是其核心主体,孵化器除为创业企业提供场地和服务外,也承担着联接联盟成员、协助联盟管理的作用,以共同实现孵化创业企业的目标。尽管联盟是创业企业的普遍战略选择,但孵化联盟管理的复杂性常常导致无法实现预期绩效,如何提高创业孵化联盟绩效成为相关领域的研究重点。

近年来,有学者[2]从社会网络视角出发,探讨了联盟网络结构特征对联盟绩效的影响,发现企业间网络联系会对联盟绩效产生重要影响。唐丽艳等[3]通过在孵企业实证调研发现,在孵企业的社会资本越高,其孵化绩效就越好。刘东等[4]也研究指出,社会网络对新创企业绩效具有显著正向影响。但是,在科技创业孵化联盟中,关系强度通过何种机制作用于联盟绩效?其边界条件为何?还需要大量实证研究才能回答这些问题。复合基础观认为,企业通过对自身拥有或外部可购买资源、能力进行创新、整合与运用,产生独特竞争优势[5]。科技创业孵化联盟的出现,为科技创业企业以更低成本获取知识、资本等创新资源创造了条件。创业企业能否有效地从联盟获取并利用资源,尤其是在科技创新过程中实现知识融通和成果转化,不仅直接体现联盟知识共享效果,而且关系到孵化联盟目标的实现。在这样的情形下,孵化联盟成员能力对于科技创业成功率显得尤为重要。相对一般联盟而言,关系强度、知识共享、成员能力对于科技创业孵化联盟绩效具有重要影响。本文从复合基础观视角出发,认为知识共享中介孵化联盟关系强度对于联盟绩效的影响,并进一步提出这种中介关系受到联盟成员能力的调节。最后,通过检验被调节的中介模型,系统分析联盟关系强度影响联盟绩效的过程机制,为科技创业孵化联盟管理实践提供参考。

1 文献回顾与研究假设

1.1 科技创业孵化联盟关系强度与联盟绩效

联盟网络关系强度描述了联盟成员联系的频繁程度和组织资源对联系承诺的程度。 “关系”是中国社会的主要动态,也是企业维持竞争优势、促进绩效提升的重要手段,对于中国创业企业成功具有重要影响[6]。联盟网络关系是一种网络资源,网络紧密程度会影响信息流动。科技创业企业通过孵化联盟网络,从孵化器、创投等联盟伙伴处获取互补性资源,促进自身成长。而联盟成员之间关系强度会影响联盟企业获取资源的难易程度,在资源获取过程中发挥重要作用。高强度的网络联系有助于提升联盟信誉,降低合作中道德风险,进而保证合作稳定,提高联盟绩效[7]。在科技创业孵化联盟中,科技创业具有高风险性,多主体构成的异质性网络关系也较为复杂,各主体目标不一致使得合作关系存在变数。强关系网络能够有效约束联盟伙伴的机会主义行为,有利于联盟成员建立长期伙伴关系[8]。同时,成员之间密切合作能够促进创新资本、信息、技术等资源在联盟成员间流动,帮助嵌入网络的企业取得更大成功[9]。在以往研究成果的基础上,本文针对关系的资源属性,进一步分析关系强度通过知识共享影响联盟绩效的中介机制。

1.2 知识共享的中介作用

知识共享是指组织与组织之间通过各种渠道进行知识交换和讨论,通过知识交流,扩大知识利用价值并产生知识辐射效应。在科技创业过程中,知识是重要的生产资料,也是创新的基础。 知识共享可以有效促进新知识的产生,并通过推广创新成果实现收益最大化[10]。知识资源在孵化联盟内的共享,可以有效激活组织,使得组织内部现有知识与新获取的知识产生连接和整合,促进新创意和新产品的产生。此外,知识共享也有利于扩充企业知识存量,创造更多价值[11]。因此,联盟内部知识共享有助于联盟绩效提升。

虽然孵化联盟提供了企业间知识共享机会,但其并不必然保证知识可以在企业之间有效传播和扩散。首先,知识尤其是隐性知识具有嵌入性特征,不易共享[12];其次,知识外部性程度太高会缩短知识使用寿命,这一点对于高新技术专利尤为明显,因而联盟成员不愿轻易共享知识。联盟企业可以通过加强彼此联系克服上述问题,从认知角度来讲,彼此联系的增多有助于成员之间形成共识的信息编码系统,提高信息传递效率[13];从社会资本角度来讲,联系的加强会使孵化联盟成员间产生较强的信任、认同和互惠意识,减少机会主义行为,改善成员的知识共享意愿[14]。之前的实证研究也验证了联系强度与企业知识共享之间的关系[15,16]。基于以上分析,本文提出如下假设:

H1:知识共享在科技创业孵化联盟关系强度与联盟绩效之间起到中介作用。

1.3 成员能力的调节作用

成员能力是联盟企业所具有的动态能力,即整合、建立与重构内外部竞争力以应对环境变化的能力[17]。企业动态能力是其参与市场竞争的要素[18],能使内部运作流程更加优化、市场响应更为迅速,从而提升联盟效率[19]。科技创业企业成长与创新能力有关,同时,更依赖于企业对内、外部资源的利用和整合能力[20]

尽管孵化联盟网络为创业企业之间知识共享提供了途径,但不同企业能力使得知识共享效果存在差异。创业企业可以通过孵化联盟网络形成关系联接,但如果其自身能力不足,则很难依托关系联接进行有效的知识获取和利用。在孵化联盟中,创业企业有更多接触外部知识的机会,愈加需要提升自身能力以高效利用关系联接来获取有益知识。当一个企业嵌入强联系孵化网络时,就有机会通过知识共享从网络其他成员获取异质性知识资源,而当其同时具备很强的资源整合能力时,就可以将知识共享效应进一步放大,使得网络联系强度与知识共享间关系更加显著。因此,成员能力对于知识共享效应的实现至关重要,孵化联盟的联系强度越大,就越需要提高企业能力来充分挖掘和利用网络中大量知识资源,从而实现高效的知识共享[21]。基于以上分析,提出如下假设:

H2:科技创业孵化联盟关系强度对知识共享的影响受到成员能力的正向调节作用,成员能力越高,关系强度对知识共享的影响越大。

综合H1、H2,本文认为关系强度—知识共享—联盟绩效之间的间接关系会因为成员能力水平差异而不同。因而,提出如下假设:

H3:成员能力调节了科技创业孵化联盟关系强度与联盟绩效之间通过知识共享的间接关系。具体而言,这一间接关系对于能力高的企业而言相对较强,而对于能力低的企业而言相对较弱。

根据以上理论分析,得到联盟关系强度、知识共享、成员能力与联盟绩效关系的理论模型,如图l所示。

图1 关系强度、知识共享、成员能力与联盟绩效关系模型

2 研究方法

2.1 研究样本

本研究采用现场问卷调查法收集数据,以北京、深圳、济南和天津4个城市高新创业园区中的科技创业企业为对象,调查对象是科技企业孵化器管理人员以及创业企业高层或中层管理人员。调研企业涵盖多个科技创新行业,包括软件、生物医药、清洁能源、新材料等。通过两个月的一对一走访调研,共计发放问卷280份,排除无效问卷后,共获得169份有效问卷,现场发放和回收的方式使得问卷具有较高的有效回收率。

2.2 测量量表

本研究采用李克特7分量表设计,为确保测量工具的效度及信度,采用国内外现有文献中已使用过的量表,并根据科技创业联盟的特点作出一定的调整。

关系强度量表是在Gilsing和Nooteboom[22]等研究的基础上形成的,共包含5个题项,如:我们经常与合作伙伴对工作相关事项进行沟通和信息交流;我们与合作伙伴在技术及业务上相互配合和支持等。其信度系数为0.84。

知识共享量表是在参考简兆权[23]、林焜[24]研究的基础上形成的,共包含3个题项,如:我们会与合作伙伴共享具体的项目信息和数据;我们会与合作伙伴共享一般性技术方法等。其信度系数为0.76。

联盟成员能力量表是在Teece[18]的研究基础上形成的,共包含6个问项,如:我们能够比较准确地预测行业发展趋势并作出应对决策;我们能够从联盟获取所需资源并进行协调、整合等。其信度系数为0.87。

对于联盟绩效,本文参考Geringer[25]、Kumar[26]的研究,以联盟成员合作满意程度以及联盟对企业竞争优势的影响度量联盟绩效,共包括10个题项,如:整体而言,我们对合作关系感到满意;整体而言,我们的合作伙伴是很好的合作对象等。其信度系数为0.93。

此外,本研究控制了企业年龄和企业规模的影响。其中,企业规模用企业员工总数的对数值表示,企业年龄用企业成立之日起持续运营年限测量。

3 数据分析与结果

3.1 验证性因子分析

本研究应用验证性因子分析技术评估变量测量之间的区分效度[27],结果如表1所示,观测数据与假设模型(模型1)之间的拟合度良好(RMSEA=0.068,CFI=0.917,TLI=0.907),而3种替代模型(模型2-模型4)与实际观测数据之间的拟合度则较差,卡方检验和模型拟合指数都显示假设模型与代替模型之间差异显著。此外,模型4单因子结构的拟合效果极差,说明本研究数据的共同方法变异问题并不明显[28]。因此,4个核心变量之间具有很好的区分效度,可以进行回归分析。

表1 测量模型比较

模型因子χ2df△χ2RMSEACFITLI1四因子476.82460.0680.9170.9072三因子700.2249223.4**0.0950.8370.8203二因子909.4251432.6**0.1150.7630.7394单因子1199.5252722.7**0.1370.6580.626

各测量指标的因子荷载以及变量平均方差萃取度(AVE)值如表2所示,各测量指标在其对应变量上的标准化因子荷载都大于0.5,并且t检验都在0.01的水平下显著,各变量的AVE值也都在0.5之上,表明测量指标具有较高的收敛效度。

3.2 描述性统计

变量的均值、标准差及相关系数如表3所示,关系强度与知识共享和联盟绩效都具有显著正相关关系,符合理论预期。

3.3 数据分析方法

本研究采用3个相互联系的步骤进行研究假设的实证检验,首先进行简单中介效应检验(H1),然后进行简单调节效应检验(H2),最后对整个被调节的中介模型进行检验(H3)。

表2 变量测量与收敛效度检验

变量测量指标因子荷载T值AVE指标10.6813.78指标20.6913.88关系强度指标30.7014.190.53指标40.7316.79指标50.8222.65指标10.7618.01知识共享指标20.7114.810.51指标30.6612.90指标10.6914.71指标20.6613.20成员能力指标30.8023.240.54指标40.8326.12指标50.7518.57指标60.6814.70指标10.7520.52指标20.7318.73指标30.7016.51指标40.8126.82联盟绩效指标50.7924.740.59指标60.7318.85指标70.6916.00指标80.8431.74指标90.8228.45指标100.7924.62

假设H1是一个简单的中介模型,通常采取逐步检验法[29]以及Sobel test方法。然而,一些学者指出这两种方法都有不足之处,建议采用bootstrap方法进行中介效应检验,通过bootstrap法所产生的置信区间可以有效规避中介效应值的非对称和非正态抽样分布问题[30]。因此,本研究采用bootstrap法进行中介效应(H1)分析,具体检验程序是由Hayes开发的SPSS macro(PROCESS)[31],其可以同时提供逐步检验法、Sobel test和bootstrap法检验结果。

假设H2是一个简单的调节模型,本研究采用传统方法,构造自变量和调节变量的交互项,将其纳入回归方程。为了减少多重共线性,对变量进行了中心化处理。

假设H3是一个被调节的中介模型,本研究采用Preacher等[32]提供的方法与步骤,构建bootstrap置信区间,采用统计软件Mplus7.0,对调节变量取不同值的中介效应显著性进行检验。

3.4 假设检验

(1)中介效应检验。假设H1提出知识共享在关系强度与联盟绩效之间起到中介作用,分析结果见表4中模型1-模型3。联盟成员之间的关系强度对于联盟绩效具有显著正向影响(b=0.18, p<0.01);关系强度也显著促进成员之间知识共享(b=0.62,p<0.01);当关系强度与知识共享同时对联盟绩效进行回归时,关系强度的影响变得不显著(b=0.01,p>0.05),而知识共享对联盟绩效具有显著正向影响(b=0.28,p<0.01)。基于bootstrap法的中介效应分析结果显示,中介效应值的95%的bootstrap置信区间为[0.07,0.32],并不包含零值,说明中介效应是显著的。基于以上分析,假设H1得到支持。

表3 均值标准差及变量间相关系数

变量均值标准差123451.关系强度3.611.46(0.84)2.知识共享4.001.310.69**(0.76)3.成员能力5.061.010.23**0.36**(0.87)4.联盟绩效4.821.020.26**0.37**0.41**(0.93)5.企业年龄4.322.270.040.020.020.066.企业规模1.500.30-0.08-0.08-0.06-0.110.06

注:信度系数alpha标注在对角线上的括号内;*表示p<0.05,**表示p<0.01(双尾检验)

(2)调节效应检验。研究假设H2提出成员能力正向调节关系强度对于知识共享的作用,本文采用传统分析方法对调节效应进行检验,结果如表4中模型4所示。关系强度和成员能力的交互项对知识共享具有显著正向影响(b=0.08,p<0.05)。因此,假设H2得到支持。

为了更直观地显示成员能力的调节作用,采用传统做法,通过图示法(见图2)展示成员能力处于较高水平(高于均值一个标准差)和较低水平(低于均值一个标准差)时的回归线斜率。与研究预期一致,当成员能力处于较高水平时,联盟关系强度与知识共享之间拟合回归线相对陡峭,显示出较强的关联性;而当成员能力处于较低水平时,拟合回归线变得相对平缓,关系强度与知识共享之间的关系较弱。

(3)被调节的中介效应检验。为检验H3即被调节的中介效应,采用bootstrap法,对较高水平(高于均值一个标准差)和较低水平(低于均值一个标准差)的成员能力进行分析,尤其是判断两者之间中介效应差异是否具有显著性。

被调节的中介效应检验结果如表5所示,当成员能力处于较低水平(-1SD)时,关系强度通过知识共享影响联盟绩效的中介效应值为0.15,bootstrap置信区间为[0.08,0.28];当成员能力处于较高水平(+1SD)时,关系强度通过知识共享影响联盟绩效的中介效应值为0.18,bootstrap置信区间为[0.10,0.37]。对两个中介效应之间差异进行分析,得到差异值为0.03,置信区间为[0.03,0.11],置信区间并不包含零值,表明两者之间差异具有显著性。因此,H3得到验证。

表4 中介效应和调节效应回归分析结果

变量模型1模型2模型3模型4(联盟绩效)(知识共享)(联盟绩效)(知识共享)企业年龄0.03-0.010.03-0.01企业规模-0.31-0.11-0.28-0.11关系强度0.18**0.62**0.010.47**知识共享0.28**成员能力0.21*关系强度×成员能力0.08*R20.08**0.48**0.15**0.54**F值4.7451.446.9637.16Sobeltest中介效应值SEzp0.170.053.410.0007Bootstrap法中介效应值BootSEBootLLCIBootULCI0.170.060.070.32

注:*表示p<0.05,**表示p<0.01(双尾检验);BootLLCI:95%Bootstrap置信区间下限;BootULCI:95%Bootstrap置信区间上限

图2 成员能力的调节作用

表5 被调节的中介效应检验

成员能力水平通过知识共享的中介效应 BootLLCIBootULCI(1)低成员能力(-1SD)0.150.080.28(2)高成员能力(+1SD)0.180.100.37组间差异(2)-(1)0.030.030.11

4 结论与展望

4.1 研究结论与意义

本文以科技创业孵化联盟成员作为研究对象,考察了网络关系强度通过知识共享对联盟绩效的作用机制,分析了成员能力的调节作用。研究结论对于提升我国科技创业孵化联盟绩效、促进创业企业成长具有重要的理论价值和实践指导意义。

(1)目前研究较多从资源基础观视角出发,讨论战略联盟网络关系对于联盟绩效的影响,但基于复合基础观视角的研究相对较少。同时,虽然已有研究验证了企业间联系与联盟绩效之间的正向关系[1,12],但对其作用机制的研究有待拓展[3]。本文丰富了相关研究,并指出了知识共享在其中的重要价值。在科技创业孵化联盟中,成员关系强度可以影响联盟绩效,并且这种影响是通过知识共享的中介作用实现的。孵化联盟管理者应注重培育联盟成员间密切合作关系,以联盟公信力为担保,鼓励企业间知识共享和协同创新,促使创业企业通过联盟获取更多知识资源和发展机会。

(2)企业能力是决定知识共享和联盟绩效的关键。已有研究多关注企业能力对于自身和联盟绩效的直接作用,本研究基于科技创业孵化联盟实践,重点分析了企业能力在成员关系强度与知识共享之间的调节作用,在一定程度上拓展了企业能力研究广度。研究结果表明,企业能力越强,科技创业孵化联盟关系强度对知识共享的影响越强。因此,对于资源匮乏、创新能力较弱的科技创业企业而言,在不具备核心竞争力的情况下,应当重视复合能力的提高,从联盟中获取知识资源并高效整合和内化,形成自身独特竞争力。

(3)本研究对于科技创业孵化联盟管理实践具有一定参考价值。对于科技创业企业而言,应当注重提升管理能力,只有提高知识吸收和集成创新效率,才能通过联盟获得更多收益。对于联盟管理者而言,应当创造公平、信任的联盟内部合作环境,完善联盟内部治理,维系成员间强合作关系网络,以提高成员知识共享意愿和持续合作预期。同时,联盟管理者应当加强联盟参与标准制定和执行,筛选高能力的成员加入联盟,这对于孵化联盟协同创新水平提高和长远发展是非常必要的。

4.2 研究局限与未来展望

本文研究局限主要体现在以下几个方面:①样本选取自北京、深圳、济南和天津4个城市的高新创业园区,未来研究应扩大样本覆盖面和样本量,以加强研究结论的普适性;②对于孵化成员网络关系、知识共享、企业能力和联盟绩效关系的实证研究,采用横截面数据,本质上探讨的仍是变量间相关关系,未来可以通过纵向追踪式研究方法收集数据或者开展系统、深入的案例研究,对变量间因果关系进行检验;③在创业孵化过程中还有其它联盟绩效影响因素,如创业生态环境、创业政策和创业导向等,未来研究可对这些变量的作用机制加以探讨。

参考文献:

[1] 张涵,赵黎明.科技企业孵化网络关键影响因素与合作绩效的关系研究——基于SEM模型[J].科学管理研究,2013,31(6):114-117.

[2] GOMES E,BARNES B R,MAHMOOD T.A 22 year review of strategic alliance research in the leading management journals[J].International Business Review,2016,25(1):15-27.

[3] 唐丽艳,周建林,王国红.社会资本、在孵企业吸收能力和创新孵化绩效的关系研究[J].科研管理,2016,33 (15):51-59.

[4] 刘东,郑鑫,周小虎,等.创业乐观中介下社会网络对新创企业绩效的影响[J].科技进步与对策,2016,33(7):68-75.

[5] 陆亚东,孙金云,武亚军.“合理论”——基于东方文化背景的战略理论新范式[J].外国经济与管理,2015,37(6):3-25,38.

[6] LUO Y,HUANG Y,WANG S L.Guanxi and organizational performance:a meta-analysis[J].Management and Organization Review,2012,8(1):139-172.

[7] COWAN R,JONARD N,ZIMMERMANN J.Bilateral collaboration and the emergence of innovation networks[J].Management Science,2007,53(7):1051-1067.

[8] KALE P,SINGH H,PERLMUTTER H.Learning and protection of proprietary assets in strategic alliances:building relational capital[J].Strategic Management Journal,2002,21(2):217-237.

[9] 彭伟,符正平.联盟网络对企业创新绩效的影响——基于珠三角企业的实证研究[J].科学学与科学技术管理,2012(3):108-115.

[10] TAYLOR W A,WRIGHT G H.Organizational readiness for successful knowledge sharing:challenges for public sector managers[J].Information Resources Management Journal (IRMJ),2004,17(2):22-37.

[11] VAN WIJK R,JANSEN J J,LYLES M A.Inter-and intra-organizational knowledge transfer:a meta-analytic review and assessment of its antecedents and consequences[J].Journal of Management Studies,2008,45(4):830-853.

[12] PHELPS C C.A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation[J].Academy of Management Journal,2010,53(4):890-913.

[13] INKPEN A C,TSANG E W.Social capital,networks,and knowledge transfer[J].Academy of Management Review,2005,30(1):146-165.

[14] GULATI R,SYTCH M.Does familiarity breed trust? Revisiting the antecedents of trust[J].Managerial and Decision Economics,2008,29(3):165-190.

[15] 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):736-743.

[16] CAI S,YANG Z.The role of the Guanxi institution in skill acquisition between firms:a study of Chinese firms[J].Journal of Supply Chain Management,2014,50(4):3-23.

[17] LAMBE C J,SPEKMAN R E,HUNT S D.Alliance competence,resources,and alliance success:conceptualization,measurement,and initial test[J].Journal of the Academy of Marketing Science,2002,30(2):141-158.

[18] TEECE D J,PISANO G,SHUEN A.Dynamic capabilities and strategic management[J].Strategic Management Journal,1997,18(7):509-533.

[19] MORENO A M,CASILLAS J C.Entrepreneurial orientation and growth of SMEs:a causal model[J].Entrepreneurship Theory and Practice,2008,32(3):507-528.

[20] KAMBEIZ TALEBI,ARASH REZAZADEH,AMER DEHGHAN NAJMABADI.SME alliance performance:the impacts of alliance entrepreneurship,entrepreneurial orientation,and intellectual capital[J].International Journal of Entrepreneurship and Small Business,2015,24(2):187-206.

[21] PHELPS C,HEIDL R,WADHWA A.Knowledge,networks,and knowledge networks a review and research agenda[J].Journal of Management,2012,38(4):1115-1166.

[22] GILSING V,NOOTEBOOM B.Density and strength of ties in innovation networks:an analysis of multimedia and biotechnology[J].European Management Review,2005,2(3):179-197.

[23] 简兆权,刘荣,招丽珠.网络关系,信任与知识共享对技术创新绩效的影响研究[J].研究与发展管理,2010,22(2):64-71.

[24] 林焜,彭灿.供应链知识共享与供应链能力的关系研究[J].情报理论与实践,2010 (5):11.

[25] GERINGER J M,HEBERT L.Control and performance of international joint ventures[J].Journal of International Business Studies,1989(6):235-254.

[26] KUMAR R,NTI K O.Differential learning and interaction in alliance dynamics:a process and outcome discrepancy model[J].Organization Science,1998,9(3):356-367.

[27] BENTLER P M,DUDGEON P.Covariance structure analysis:statistical practice,theory,and directions[J].Annual Review of Psychology,1996,47:541-570.

[28] PODSAKOFF P M,MACKENZIE S B,LEE J Y,et al.Common method biases in behavioral research:a critical review of the literature and recommended remedies[J].Journal of Applied Psychology,2003,88(5):879-903.

[29] BARON R M,KENNY D A.The moderator-mediator variable distinction in social psychological research:conceptual,strategic,and statistical considerations[J].Journal of Personality and Social Psychology,1986,51(6):1173-1182.

[30] HAYES A F.Beyond Baron and Kenny:statistical mediation analysis in the new millennium[J].Communication Monographs,2009,76(4):408-420.

[31] HAYES A F,MATTHES J.Computational procedures for probing interactions in OLS and logistic regression:SPSS and SAS implementations[J].Behavior Research Methods,2009,41(3):924-936.

[32] PREACHER K J,RUCKER D D,HAYES A F.Addressing moderated mediation hypotheses:theory,methods,and prescriptions[J].Multivariate Behavioral Research,2007,42(1):185-227.

(责任编辑:万贤贤)

The Effect of Hi-tech Enterprise Incubation Members Relationship Strength and Knowledge Sharing on Alliance Performance——The Regulating Effect of Members' Capacity

Zhang Han1,Kang Fei2,3,Tao Chun4

(1.School of Social Science,Tsinghua University,Beijing 100084,China;2.School of Economics and Management Engineering,Beijing University of Civil Engineering and Architecture, Beijing 100044,China;3.School of Economics and Management,Tsinghua University,Beijing 100084,China;4.China Academy of Aerospace Systems Science and Engineering,Beijing 100048,China)

Abstract:Technology incubation alliance can gather entrepreneurial resources, and improve the success rate of high-tech start-ups. This paper proposes a mediator to clarify the underlying mechanisms of network tie strength on incubation alliance performance: knowledge sharing. Furthermore, it proposes enterprise capacity as a boundary variable to understand its interplay with network ties strength on knowledge sharing. The results show that knowledge sharing mediated the influence of network ties strength on alliance performance. Meanwhile, enterprise capacity is found positively moderate the impact of network ties strength on knowledge sharing. Finally, theoretical and managerial implications of this study are discussed.

Key Words:Hi-tech Enterprise Incubation Alliance; Alliance Performance; Relationship Strength; Knowledge Sharing; Enterprise Capacity

DOI:10.6049/kjjbydc.2016110052

中图分类号:F272.2

文献标识码:A

文章编号:1001-7348(2017)18-0107-06

收稿日期:2017-01-05

基金项目:国家自然科学基金项目(71503145);中国博士后基金项目(2015M571062);教育部人文社会科学研究青年基金项目(15YJC630050)

作者简介:张涵(1987-),女,内蒙古呼和浩特人,博士,清华大学社会科学学院博士后,研究方向为技术创新与管理、科技政策;康飞(1986-),男,河北保定人,博士,北京建筑大学经济与管理工程学院讲师,研究方向为领导力;陶春(1978-),男,安徽滁州人,博士,中国航天系统科学与工程研究院高级工程师,研究方向为产学合作。