在企业创新生态圈中,企业与外部组织之间形成一个局部的、聚焦的外部知识网络支撑体系,用于知识资源合作交互[1]。但同样是与供应商、高校或研究机构等进行合作创新,不同的企业采用网络化创新的效果有着较大差别。因为支撑企业创新的技术能力受到外部知识网络结构资本的影响,而且这种影响作用的发挥还会因为其它外部因素的影响而变化[2]。结构资本代表一种由知识节点构成的存量,技术能力是一种动态变化的矢量。从知识管理角度看,外部知识转化为企业技术能力不仅需要有效的转换过程,而且企业先验知识、知识黏合能力等因素也会影响外部知识的深度转化[3]。那么,企业如何通过提升外部知识管理效率,最大程度地挖掘网络结构资本优势,助推技术能力演化层次的提升?这是本研究主要探讨的问题。
国内外学者对结构资本与技术能力的研究主要集中于两个视角:①关注网络结构对企业创新的影响因素。以企业创新绩效、创新能力为因变量,分析网络结构因素对其的影响[2-4]。这些研究主要将网络结构视为外部变量,侧重于探讨结构对创新基础与产出的影响;②探讨网络结构与企业创新之间的中介机制。结构资本与企业技术创新之间究竟存在何种中介机制,现有研究视角各异,提出了各种中介变量。有研究用知识共享[5]、知识整合[6]和知识获取[7]等概念衡量两者之间的中介关系,或者探讨知识转移能力在网络结构与企业竞争优势中的调节作用[8]。学者们的研究对于揭示网络结构与技术能力之间的关系有一定借鉴价值,但由于研究框架各异,结论存在较大差异。比如,xie 等[6]认为低网络中心度才会导致更高的知识转移效率。刘雪锋等[7]认为知识获取在网络结构与企业创新能力之间没有中介作用。
尽管结构资本与企业创新的研究文献不少,但综合来看,相关理论研究还需要完善:①在中介机制的研究上,忽视了网络结构与企业创新之间多种知识管理过程的存在。外部知识转化为企业技术能力的过程并不只体现为一种知识活动的作用机制,而是多种作用机制并存;②已有研究的结果存在差异,影响对作用机制的理解。一方面是因为对于作用机制产生过程的判定,一些研究只考虑了其中一部分知识活动过程。因此,有必要清晰界定外部知识管理行为的概念,揭示各类外部知识管理行为在结构资本与技术能力之间的中介作用;③在研究视角方面,没有涉及知识距离对于中介机制作用的考察。企业与外部组织的知识交互涉及替代性知识和互补性知识的学习与转化。因此,企业在先验知识基础、知识识别与选择等方面存在的差距应列入中介效应考察范围。基于此,本研究力图推进相关理论研究创新,提出外部知识管理的维度概念,建立结构资本、知识距离和技术能力关系的研究模型,深度探讨外部知识管理的中介效应和知识距离对中介效应的调节效应。研究创新点在于:完整探讨各种外部知识管理在结构资本与技术能力增长中的中间路径,弥补仅从单一知识管理活动入手的片面性;界定各构念维度的边界,对结构资本、外部知识管理和技术能力的概念及维度加以明确,完善现有的理论研究框架;引入知识距离变量,分析中介效应的被调节效应,拓展网络结构与企业创新研究视角。
(1)结构资本。 结构资本是指嵌入网络中的各个单元之间交互联系所呈现的结构化模式,理想的外部知识网络应是其网络结构资本能为外部知识管理提供有效支撑[9]。 Phelps[10]认为,社会网络结构是企业与外部组织交互联系的基础,是企业嵌入在组织间网络中的社会资本。基于现有研究基础[9-10],从3个维度衡量网络结构资本:①网络中心度,是指企业在网络中的中心化程度,反映企业对网络的控制力;②网络规模,反映企业外部组织数量及网络密度;③网络多样性,知识基础理论假设组织都是异质的知识承载实体,以多样化知识交互联系方式消除网络异质性[2]。因此,网络多样性体现了网络知识交互方式的多样化。
(2)技术能力。 Kim[11]提出的技术能力概念中不仅包含组织研发,还包括实现技术商业化应用所需的其它能力。技术能力是企业依托知识基础与外部资源,开展技术活动以及开发新产品、新工艺的能力,是知识基础能力和新知识创造能力的综合体现。采用Figueiedo[12]提出的技术能力矩阵分类法,本研究将技术能力分为技术基础能力和技术创新能力两个维度。技术基础能力是指企业生产经营过程中解决企业技术问题、进行技术改造等常规性能力,技术创新能力是指企业开发新产品、新工艺并将其商业化应用的创新性能力。
(3)外部知识管理。 外部知识管理是指企业识别、选择、获得、吸收和整合外部知识及与其它组织建立更紧密联系的方法和程度。除获取知识外,外部知识管理还包括建立共享知识的价值系统和知识编码化过程[13]。界定外部知识管理所包含的过程边界是减少现有文献实证研究差异的前提。依据前述定义,本研究认为外部知识管理分为外部知识获取和外部知识转移两个维度。一方面,企业须依据自有知识基础去搜索、识别和选择企业所需知识,再以知识学习等方式,通过知识传播中介完成知识传递,在传递过程中实现知识形态转换。另一方面,知识由外向内的转化伴随着企业对外部知识的解构、融合与重构过程,目的是最终形成知识积累与应用。外部知识转移不仅涵盖企业对外部知识的掌握和运用,同时也包括对外部知识的重新组合及形成新知识体系的过程,这个过程可能包含了一定程度的新知识发现。
(4)知识距离。 知识距离被看作是企业获取和转移外部知识时应考虑的一个反映网络单元之间知识传输效果的重要指标。一方面,知识更新会加快知识扩散过程中的知识位差,知识的专业性也限制了企业对知识的拥有量。另一方面,知识专有性表明技术知识并非公共领域物品。尽管编码化可以促进知识传输,但是大量技术知识是隐性的,加大了知识转移难度[14]。因此,在考察网络结构资本对企业创新的作用时,知识距离应该是需要考虑的重要网络环境因素。知识转移理论指出,知识距离既是双方知识基础和知识量储备上的位差,也是双方知识能力匹配上的差距[14-16]。本研究认为知识距离是指知识源和知识接收方在知识基础上的位差,以及由知识基础决定的在知识供给和需求关系中体现出来的知识能力上的差距。
1.2.1 结构资本对技术能力的直接效应
从外部知识网络结构资本对企业创新的影响看,结构资本表征了技术能力增长的外部知识资源环境,是企业技术基础增强和创新能力层次演进的驱动条件。结构资本预示着合作组织之间形成难以复制的知识交互环境与适应性能力,代表企业具备获得和吸收与创新相关的知识价值的某种网络资源与能力。一方面,居于中心位置,表明企业更易跨越知识节点和建立维护关系,接收更大体量的知识资源。高中心度能减少企业与其他网络成员之间接触的环节[17]。另一方面,网络组成单元多,可以为企业创新带来丰富的技术知识、信息资源与创新机遇。组织互动方式的多样性为创新资源融入企业创新流程提供多种渠道,可以形成更强的知识扩散与整合能力,提升企业知识创造与创新质量。 据此,提出如下假设:
H1a:结构资本对技术基础能力有直接正向影响;
H1b:结构资本对技术创新能力有直接正向影响。
1.2.2 外部知识管理的中介效应
(1)网络中心度与外部知识管理。 网络中心度涉及以核心节点为联结中枢的“场”的呈现,与核心“场”相邻的是中心化程度低的节点组成的外围结构。这种由区别化层次网络组成的中心化网络的主要优势就是有利于企业创新活动[2]。一方面,中心度能强化企业对知识资源的控制主导性,提高企业对知识接触的深度与广度[18]。另一方面,企业的中心化优势使得企业具备更好的视野,能长期跟踪并发现行业技术变革和市场变化[1],从源头保障知识获取质量与效率。
中心度是外部知识转移高效率的重要保障:①中心度高的企业可以联合更多外部组织,交换更多知识资源。Tsai[18]认为中心度赋予企业处于知识流动中介的优势,企业员工能多层次、全方位理解技术、信息等知识内容,知识转移效果将极大增强;②外部组织对企业知识交互会随着企业中心辐射力的提高而增加,高网络中心度能降低知识在流动过程中的转换成本;③处于中心位置的企业在与外部组织的联合创新中可以控制更多资源。 Kraaijenbrin等[19]指出企业对外部知识网络控制力越强,知识整合将较为容易。据此,提出以下假设:
H2a:网络中心度对外部知识获取具有正向影响;
H2b:网络中心度对外部知识转移具有正向影响。
(2)网络规模与外部知识管理。 按网络演化规律,接入网络的节点单元增加,知识摄入点增多,知识接触和整合范围将会增大。Shiri等[20]认为,网络规模能帮助企业付出最小代价就能获得战略和运营知识。Delbufalo等[21]认为网络规模可以提高网络知识密度,为企业提供丰富、多样化的知识资源,促进网络中心企业前沿创新能力和流程创新能力提高。与企业产生联系的外部组织规模足够大,网络知识供给量就能为企业提供更多知识资源,企业知识获取效率也得到提高[22]。
除影响企业所获取的知识量外,网络规模也对知识转移效果产生影响。从资源配置角度看,节点密集型网络以高密度的知识源与知识接受方的交互助推知识流动,解决知识供给侧与需求侧知识匹配问题。从组织学习视角看,与各种类型的外部组织合作,企业需适应多种知识学习方式,知识转移将更为高效。企业在与外部组织的交互过程中,可以以原有形态将外部组织的知识整合到企业内部系统中,或者在知识解构的基础上,将外部知识进行重新描述、分析与组合,并与企业的设备和人员相匹配,通过知识再组合形成自有知识优势[23]。基于此,本研究提出以下假设:
H3a:网络规模对外部知识获取具有正向作用;
H3b:网络规模对外部知识转移具有正向作用。
(3)网络多样性与外部知识管理。 与企业形成外部知识网络的组织具有异质性,多样性的知识交互联系能减小异质性对知识传输的阻碍。多样化的知识交互方式能增强企业应对错综复杂网络结构的能力[14]。一方面,网络多样性能使领导企业借助多种渠道接触多样化的知识、开发多种能力和学习新知识[21]。另一方面,网络多样性能提高外部知识获取的有效价值量。Dussauge等[24]认为外部知识网络应呈现多样性,包括信息获取方式的多样化,促使企业缩短创新时间。Cummings[14]认为网络多样性意味着多类型的价值化资源,知识的价值增值有助于提高知识获取能力。
不具备多样性属性的网络结构体系存在风险,因为网络成员之间的模仿会产生同质化效应,使得知识创造低效[25]。Goerzen & Beamish[26]认为网络多样性通常能降低企业与外部组织之间合作开发产品的不确定性,也能让企业知识转移的灵活性增强,提高知识转移能力。多种形式的合作网络,如业务外包、合作研发、技术交易等,可为企业提供多种隐性知识和显性知识转化渠道[3]。例如,非正式网络便于知识整合中个人经验、技能和技巧等知识的解构、融合与再组合[13]。多样化知识合作方式也便于企业跟踪行业前沿技术,融入行业主流技术发展之中。据此,提出如下假设:
H4a:网络多样性对外部知识获取具有正向作用;
H4b:网络多样性对外部知识转移具有正向作用。
(4)外部知识获取与技术能力。 根据知识基础理论,外部知识搜索和识别是企业获取与补充新知识、夯实知识基础的前提,可以提高新产品设计和产品线扩充能力[27]。García等[28]认为企业识别外部知识价值的能力决定了获取的知识质量,将直接影响企业知识应用以及新知识创造水平。 詹勇飞等[29]认为获取相应知识源、辨别和整合所获取的知识、形成技术创新结构性知识是整合外部技术的前提。由于能衍生出新的知识域和挖掘知识价值,外部知识获取能使技术创新能力获益。一方面,通过获取外部知识,企业得以增强知识基础能力、问题解决能力及其准确性[30]。另一方面,获取外部知识将增加知识黏合度,企业能更好地识别创新域,提升创新成功率。据此,提出如下假设:
H5a:外部知识获取正向作用于技术基础能力;
H5b:外部知识获取正向作用于技术创新能力。
(5)外部知识转移与技术能力。 从知识转移视角看,外部知识传递、转换和转化等过程伴随着知识重组与再创造,其本身就是存量增加与创新实现的过程。首先,知识转移包含了知识载体由外到内的位移,企业知识库在存量和规模上得以扩充。其次,显性和隐形知识形态转换、隐性知识转移过程涉及知识学习与吸收,这个过程中也会发生知识创新。最后,外部知识只有在整合的基础上衍生出企业技术创新的自有属性,才能激发自主创新能力,实现核心技术能力的突破。Wang等[31]认为知识整合与转化在知识网络结构与创新绩效之间起着中介作用,因为知识整合能产生新产品和思想,提高创新能力。据此,提出如下假设:
H6a:外部知识转移正向作用于技术基础能力;
H6b:外部知识转移正向作用于技术创新能力。
1.2.3 知识距离对外部知识管理中介效应的调节效应
企业网络结构资本有利于企业对外部知识的获取与转移,提高技术能力,但是,知识交互双方如果存在知识差距,则知识获取与转移的效果会受到影响而降低。从现有文献看,知识距离在知识交互活动对企业创新的影响中有何作用尚存在争议。知识转移相关研究认为,知识距离会加大显性知识和隐性知识转移难度[32],知识距离越大,知识转移的成功率越低[33]。也有研究认为,知识距离可以为企业提供技术发展机会,刺激企业搜索、转移、吸收和应用外部知识[34],有利于企业从明确的外部知识源获取知识甚至产生新的技术领域[35]。
知识距离是影响外部知识管理过程有效性的重要因素,如果企业与外部组织之间存在较大知识差距,那么企业就无法有效完成外部知识获取与转移。首先,从知识契合度来看,只有具备先验知识基础和知识挖掘能力,企业才能识别、选择并获取符合技术开发与创新的外部知识。如果在外部知识熟悉度和判断方面存在局限,即使外部知识再成熟,也很难确保知识的可靠获取、转移与吸收,从而降低创新的科学价值。此外,获取的外部知识如果超过了企业熟悉且能操控的技术域,那么,创新过程中的知识整合、编译和应用都会变得困难。其次,从能力控制方面看,外部知识需经过重组、再造以及与企业的人、设备和制度相融合,才能形成自身知识体系,促进创新产出。这就需要企业在知识学习过程中具备对外源类知识转化、吸收的能力,如果不能控制知识转移效应,企业知识基础积累与创新的能力会被弱化。从网络资本角度来看,拥有先验知识基础的组织更容易接近网络中心位置,知识距离的存在将会弱化中心度对识别、获取和整合外部知识的作用。外部的网络规模能为企业获取、转化和整合知识资源提供共享平台和渠道,因而企业会以构建规模较大的网络作为提升外部知识获取与转移效率的方式。如果企业与外部合作组织拥有彼此认可的惯例和制度,双方在知识挖掘与创造上的价值契合就变得容易,跨组织知识转移就比较顺畅,反之亦然。知识距离的存在会使企业网络规模优势转向对异质类知识的适应,即知识基础和能力不足的企业会倾向于缩减外部知识网络组织的数量规模。因此,本研究提出如下假设:
H7a:知识距离对外部知识获取在网络中心度与技术基础能力之间的中介效应有负向调节作用;
H7b:知识距离对外部知识转移在网络中心度与技术基础能力之间的中介效应有负向调节作用;
H7c:知识距离对外部知识获取在网络中心度与技术创新能力之间的中介效应有负向调节作用;
H7d:知识距离对外部知识转移在网络中心度与技术创新能力之间的中介效应有负向调节作用。
H8a:知识距离对外部知识获取在网络规模与技术基础能力之间的中介效应有负向调节作用;
H8b:知识距离对外部知识转移在网络规模与技术基础能力之间的中介效应有负向调节作用;
H8c:知识距离对外部知识获取在网络规模与技术创新能力之间的中介效应有负向调节作用;
H8d:知识距离对外部知识转移在网络规模与技术创新能力之间的中介效应有负向调节作用。
H9a:知识距离对外部知识获取在网络多样性与技术基础能力之间的中介效应有负向调节作用;
H9b:知识距离对外部知识转移在网络多样性与技术基础能力之间的中介效应有负向调节作用;
H9c:知识距离对外部知识获取在网络多样性与技术创新能力之间的中介效应有负向调节作用;
H9d:知识距离对外部知识转移在网络多样性与技术创新能力之间的中介效应有负向调节作用。
通过理论分析,本文构建概念模型如图1所示。
图1 理论概念模型
本研究采用问卷调查的方式收集数据,通过理论分析并在参考现有量表的基础上形成问卷题项,题项采用李克特七级量表。
问卷发放与回收主要有4种方式:一是向MBA和在职研究生学员所在企业中高管理层人员发放问卷;二是委托他人向其企业客户发放问卷;三是通过E-mail向高新技术、制造业企业发放电子问卷,并电话确认与委托;四是在长沙等地的经开区和高新区调研发放问卷。
本研究共发放问卷379份,回收问卷273份,剔除20份不合要求的问卷,回收有效问卷253份,问卷回收有效率达到92%。企业样本中,电子通讯、汽车交通设备和电气机械制造等行业企业占比达55%,49%的企业员工人数在1 000人以上,样本企业的行业覆盖率较为合理,整体上以大中型企业为主。每年研发投入占销售收入比集中在2%~7%之间的企业占样本数据的53%,说明样本企业在技术创新方面的投入程度较高。
表1显示了变量的测量题项以及信度检验结果。信度检验采用SPSS软件进行探索性因子分析,变量信度检验结果如表1所示。所有变量测量题项的一致性系数Cronbach′sα值都大于0.7,CICT最小值为0.376,超过0.35的最低标准。各个题项删除该测量题项之后的α值都比子量表的α值小,说明技术能力、网络结构和外部知识管理的测量量表具有较高信度。
表1 变量信度检验结果
变量题项CITC删除该题项后α值 Cronbach's α 技术基础能力我们企业研发的成功主要在于拥有技术开发的专门知识0.7000.8090.850相比以前,我们企业的生产能力、解决技术问题和改造现有技术的能力有了明显提高0.7580.752我们企业可以很快将新技术应用到生产过程中0.7520.708参考依据:kumar等[36]; Kylaheiko等[37]技术创新能力我们企业新产品开发速度和效率得到提高0.6990.7690.835相比竞争对手,我们企业能开发更多的产品和服务0.7640.701相比竞争对手,我们企业的新产品开发成功率更高0.6330.831参考依据:kumar等[36]; Kylaheiko等[37]网络中心度 外部组织容易与我们企业建立合作关系0.6830.8560.873其它组织之间需要建立联系时,经常通过我们企业建立起技术交流或合作关系0.7680.822当需要技术支持和帮助时,其它有合作关系的组织经常希望我们企业能提供知识或技术0.7430.832我们企业在与其它组织的所有合作关系中具有大的影响力0.7210.841参考文献:李文博等(2008)网络规模 供应商0.4380.7110.730客户0.3760.728高校和科研机构0.5960.646同行0.6160.641金融机构0.4690.692参考文献:Salavisa等[38]网络多样性 我们企业与供应商之间或有原材料、零部件和设备的采购;或有合作研发;或直接购买和引进新技术、新工艺和新的生产线等0.5260.7630.783我们企业与高校和研究机构有经常性的合作研发项目;或直接引进技术;或委托培训人才;或借用和引进人才0.6340.707我们企业经常收集市场信息,以及客户对新产品的评价或建议0.5630.744我们企业与同行有着多种形式的合作与资源共享0.6400.706参考文献:Goerzen等[26]外部知识获取我们企业能跟踪行业内的最新技术发展,并能取得发现0.6420.8400.856我们企业能按照自身需求来选择行业内的最新技术进行了解,以决定是否需要0.7420.798我们企业能对其它企业(供应商、同行)的产品和技术进行分析,有选择性引入和获得0.7280.804我们企业能评估外部各类信息、技术,并获得对企业有用的信息和技术0.6850.822参考文献:Kraaijenbrink等[19];Ju等[39]
续表1 变量信度检验结果
变量题项CITC删除该题项后α值 Cronbach's α 外部知识转移我们企业能消化吸收外部知识,并能将其他组织的知识转化为员工个体所掌握的知识,也能将个体知识转化到企业知识库0.6520.8040.839其它合作组织将他们的技术和知识传递给我们企业的时候不存在障碍0.6640.799我们企业能将不同来源和不同类型的知识进行有条理的分类,然后逐步掌握0.7190.774我们企业能将获取的外部知识融入到解决问题的实践过程,形成企业自己的知识体系0.6500.806参考文献:Cummings等[14];Ju等[39]知识距离 我们企业与其它合作组织的知识存在一定的重合和相似度0.6270.7210.789我们企业拥有理解和运用外部知识所必需的知识基础0.6780.694合作组织拥有理解我们企业如何使用外部知识资源计划的知识基础与能力0.5730.748与外部组织的合作,尽管存在知识基础上的差异,但是交流沟通并不困难0.5140.779参考文献:Cummings等[14]
对于效度检验,首先采用AMOS22软件构建各测量维度的验证模型,然后进行拟合运算。变量效度检验结果如表2所示。从拟合结果来看,CMIN/DF值都小于2。CFI和TLI的值均超过0.9的基本标准,RMSEA均在低于0.1的范围内。模型拟合运算之后的标准化路径系数均在ρ<0.001的水平上达到显著,表明所有变量的测量模型与样本数据的拟合程度很好。技术能力、网络结构和外部知识管理的各个变量所采用的测量题项与测度均是有效的。
表2 变量效度检验结果
变量 CMIN/DFCFITLIRMSEA技术能力 1.8680.9940.9850.059网络结构 2.4810.9310.9130.077外部知识管理2.1190.9820.9690.067知识距离 0.1211.0001.0160.000
为了检验单一数据来源可能造成的共同方法变异,参照Podsakoff等[40]的建议,采用验证性因子分析方法考察问卷调查中的共同方法变异问题。构建两个不同的因子模型:①Harman单因子检验模型,分析结果为:CMIN=2667.691,DF=434,p<0.001;CFI=0.447;RMSEA=0.143;②单一方法多因子模型,拟合结果为CMIN=930.709,DF=406,p<0.001;CFI=0.870;RMSEA=0.072。比较单因子模型与多因子模型的结果,两模型卡方值和自由度存在显著差异,多因子模型的拟合度更高。因此,本研究中共同方法变异不会产生严重影响。
采用Mplus软件分析结构资本对技术能力的直接效应,结果如表3所示。
直接效应模型拟合指数结果为:χ2=353.166,df =7, p=0.000, CFI=1.000, TFI=1.000, RMSEA=0.000, 各指数均很理想。从表3看,结构资本变量对技术能力变量的效应系数均显著,假设H1a、H1b获得支持。
表3 直接效应分析结果
路径EstimateS.Ep技术基础能力←网络中心度0.1620.0510.001(**)技术基础能力←网络规模 0.1510.0450.001(**)技术基础能力←网络多样性0.1210.0550.027(*)技术创新能力←网络中心度0.1470.0500.003(**)技术创新能力←网络规模 0.1320.0440.003(**)技术创新能力←网络多样性0.1510.0540.005(**)
注:***表示p<0.001;**表示p<0.010;*表示p<0.050,下同
构建中介变量模型,首先按照初始模型对数据进行拟合,对初始拟合结果进行修正,修正之后最终拟合结果如表4所示。
从表4可以看出,模型中拟合指数卡方自由度比值(CMIN/DF)为1.806,小于3的标准,CFI值与TLI值分别为0.932和0.920,均大于0.9的基本标准。RMSEA为0.057,低于0.1。拟合指数分析表明,最终模型与所采用样本数据的拟合达到满意状态。模型中共有8条路径是显著的,其C.R值均大于1.96。从数据来看,假设H4b、H6b没有获得通过,其它假设都获得支持。
采用温忠麟和叶宝娟[41]提出的有调节的中介模型层次检验方法,验证中介效应的调节效应。以假设H7a为例,将数据进行Z分数标准化处理,X为自变量,Y为因变量,W为中介变量,U为调节变量,X和W之间系数为a1,U和W之间系数为a2,U×X和W之间系数为a3,W和Y之间系数为b1,U×W和Y之间系数为b2,X和Y之间系数c1,U和Y之间的系数c2。系数a1和b2、a3和b1、a3和b2中至少一组显著,说明中介效应受到调节,如果3组都不显著,再用Bootstrap计算3个系数乘积的区间。假设H7a的检验结果如图2所示。
系数a1和b2、a3和b1、a3和b2这3组都不显著,接着使用偏差校正的百分法Bootstrap法计算a1b2、a3b1和a3b2乘积95%的置信区间:a1b2为[-0.009,0.001],a3b1为[-0.001,0.001],a3b2为[0.000,0.000]。a1b2、a3b2和a3b2的置信区间都包括0,所以,中介效应前后半路径都不受到调节,假设H7a没有获得支持。假设H7b-H9d采用同样的方法验证,检验结果如表5所示。
表4 中介效应分析结果
路径S.EEstimateC.RP外部知识获取←网络中心度 0.0850.2502.9570.003(**)外部知识获取←网络规模 0.1190.281 2.3530.019(*)外部知识获取←网络多样性 0.0980.2732.7810.005(**)外部知识转移←网络中心度 0.0920.2542.7750.006(**)外部知识转移←网络规模 0.1320.3102.3540.019(*)外部知识转移←网络多样性 0.1040.1901.8150.070技术基础能力←外部知识获取 0.1140.4013.5200.000(***)技术基础能力←外部知识转移 0.1110.1181.0630.288技术创新能力←外部知识获取 0.0960.2152.2470.025(*)技术创新能力←外部知识转移 0.0940.2562.7210.007(**)CMIN/DF 1.806 CFI 0.932 RMSEA 0.057TLI 0.920
图2 H7a有调节的中介效应检验
3.4.1 结构资本对外部知识管理的影响
(1)网络中心度对外部知识获取和知识转移存在正向影响关系,这一结论与Tsai[18]、Kraaijenbrink[19]的研究结论相互印证 。从实践来看,主导合作研究项目并构建了创新平台的企业往往能获得产业领域最前沿的产品和技术知识。本研究结论进一步强化了网络中心度对外部知识获取与转移的作用,这使企业充分调配资源便于知识转移,并利用平台为知识转移提供工具和渠道。
(2)网络规模对外部知识获取和知识转移产生正向影响。有的研究认为网络规模的增加会导致知识管理成本提高,有的认为网络规模对于企业获取和利用外部知识有利。本研究强化和补充了后者,网络规模对企业获取和转移外部知识具有正向作用。
(3)网络多样性对外部知识获取的正向影响关系通过了检验。有的研究认为网络组织越多,异质性越大,越不利于知识获取[40]。本研究通过实证发现,网络多样性对于外部知识获取产生正向作用,即外部网络不会因为组织数量规模扩大带来的异质性而对企业知识获取产生不利,这一结论对于企业外部知识管理具有启发性。但是,网络多样性对外部知识转移的正向影响没有得到支持,说明知识交流方式的多样化并不一定带来好的知识吸收与整合效果,知识转移效果取决于个人或企业结合自身知识基础对所获取知识的分解与重构能力。
3.4.2 外部知识管理的中介效应
从实证结果来看,外部知识获取对技术基础能力和技术创新能力具有显著影响。由此,外部知识获取在网络中心度、网络规模和网络多样性与技术能力的关系中存在完全中介效应。外部知识获取的完全中介效应表明,对外部知识的识别、选择与获得是结构资本变量对技术能力产生作用的必要机制。从实践看,影响显著的原因在于:获取外部知识将增强知识基础;引进先进技术可以直接产生创新效应,促进创新能力提升。
外部知识转移对技术基础能力不存在显著效应,对技术创新能力的影响显著,表明外部知识转移在结构资本与技术能力关系中存在部分中介效应。本研究将两个概念在边界上进行界定,理顺了知识获取和转移行为不同的作用角色。该结论也表明,外部知识转移涉及对外部知识的吸收、解构和再构,是企业对外部知识进行再次组合的过程。这个过程就包含了知识创造,涉及新产品和新技术创新以及新知识运用,因此,知识转移提升技术创新能力。
3.4.3 知识距离对中介效应的调节作用
(1)知识距离对外部知识获取在网络中心度与技术基础能力之间的中介效应不起调节作用,但完全调节外部知识转移在网络中心度与技术创新能力之间的中介效应。由此看,网络中心度有利于获取外部知识形成企业知识基础的积累,但通过知识转移提高创新能力,需缩小知识差距,这也说明“干中学”、“学中干”的知识学习方式需建立在知识域相近或者学习能力接近的基础之上。
(2)知识距离对外部知识获取在网络规模与技术基础能力之间的中介效应不起调节作用,但完全调节外部知识转移在网络规模与技术创新能力之间的中介效应。结果表明,网络规模增加带来企业外部知识接触与获取量的增加不会受到知识差距的影响,但以整合等方式融合外部知识而提升创新能力的过程却会受到知识距离的影响。
(3)知识距离不调节外部知识获取在网络多样性与技术基础能力、技术创新能力之间的中介效应。此外,知识距离调节外部知识转移在网络多样性与技术基础能力中介效应的前半路径以及与技术能力中介效应的后半路径。研究结果表明,采用多种知识交互的方式能极大程度避免知识差距的阻碍。
表5 中介效应的调节效应检验结果
假设系数(显著性)a1a2a3b1b2置信区间a1b2a3b1a3b2支持与否H7a0.277(***)-0.274(***)0.0120.114(*)0.002[-0.009,0.001][-0.001,0.001][0.000;0.000]不支持H7b0.277(***)-0.186(**)-0.0090.117(*)0.000[-0.009,0.000][-0.006,-0.001][-0.001,0.000]支持前半路径H7c0.277(***)-0.274(***)0.0120.084(+)-0.004[-0.010,-0.001][-0.001,0.001][-0.001,0.000]支持后半路径H7d0.277(***)-0.186(**)-0.0090.116(*)-0.013[-0.014,-0.004][-0.006,-0.001][0.000,0.000]完全支持H8a0.208(***)-0.346(***)0.0000.115(**)0.003[-0.005,0.001][-0.003,0.000][0.000,0.000]不支持H8b0.219(***)-0.263(***)-0.032(+)0.119(**)0.004[-0.006,0.001][-0.010,-0.004][-0.001,0.000]支持前半路径H8c0.208(***)-0.346(***)0.0000.088(+)-0.003[-0.007,-0.001][-0.003,0.000][0.000,0.000]支持后半路径H8d0.219(***)-0.263(***)-0.032(+)0.120(**)-0.009[-0.010,-0.002][-0.010,-0.004][0.000,0.000]完全支持H9a0.305(***)-0.314(***)0.0140.112(**)0.005[-0.008,0.002][-0.001,0.002][0.000,0.000]不支持H9b0.237(***)-0.223(**)-0.0040.124(**)0.004[-0.007,0.001][-0.006,-0.001][-0.001,0.000]支持前半路径H9c0.305(***)-0.314(***)0.0140.074-0.002[-0.010,0.000][-0.001,0.001][-0.001,0.000]不支持H9d0.237(***)-0.223(**)-0.0040.117(**)-0.011[-0.013,-0.002][-0.006,0.000][0.000,0.000]支持后半路径
注:***表示p<0.001;**表示p<0.010;*表示p<0.050;+表示p<0.1
理论贡献:①将外部知识管理作为中介维度,对外部知识获取与外部知识转移边界进行界定,弥补了单一维度考虑不足的缺陷,理论上揭示了网络结构资本对企业技术能力产生影响的作用机制,丰富了网络结构、外部知识管理研究领域的文献,助推外部知识网络研究的深入和外延拓展;②将技术能力分层次辨析, 选取技术基础能力和技术创新能力阐释技术能力受到的中介作用,有利于全面认识外部知识管理行为价值链的产生机理;③考察知识距离对中介效应的调节效应,从新的视角探讨实现外部知识管理中介效应的必要性条件,丰富了知识管理理论研究领域的文献。
本研究的管理启示在于:①企业应增强其在外部知识网络中的中心地位,以保持对外部知识资源的配置与控制能力。网络中须保证外部组织的数量规模,企业应该联系有各种创新利益关系的外部组织,以增强网络多样性,增加外部知识源多元化;②重视对外部知识资源的管理,采取有针对性的外部知识管理行为,设计标准化流程的知识管理体系。重视外部知识吸收与整合等知识转移过程管理。我国企业技术创新长期处于技术模仿和技术引进阶段,重视购买和引进,而忽视了知识整合、再构和创新,导致自主创新能力不强。企业要强化知识存量并优化知识体系结构,提高技术获取之后持续创新的能力;③外部知识转移的中介效应受到知识距离的影响较大,企业应注重知识基础积累,增强知识学习能力。对于我国企业来说,自主创新是应对技术与贸易壁垒的重大战略。一方面,需要知识量的增加来缩小知识吸收与整合过程中的知识差距;另一方面,提高基础性创新能力,降低知识距离的影响,也是提升自主创新能力,应对产业结构调整、国际技术贸易环境变化的关键性基础。
本研究还存在需进一步完善的地方,变量测度题项未考虑不同行业外部知识网络的特点以及知识管理行为的趋向性。未来研究可以考虑外部知识网络关系特征、知识特征会与网络结构变量之间的交互作用。此外,环境动荡性、技术演化等因素会对外部知识网络和技术能力的关系产生影响,也值得深入研究。
[1] MAGALHAES M, AFONSO O.A multi-sector growth model with technology diffusion and networks[J]. Research Policy, 2017, 46(7): 1340-1359.
[2] HOFMAN E, HALMAN J I M, VAN LOOY B. Do design rules facilitate or complicate architectural innovation in innovation alliance networks[J]. Research Policy, 2016, 45(7): 1436-1448.
[3] CHULUUN T, PREVOST A, UPADHYAY A. Firm network structure and innovation[J]. Journal of Corporate Finance, 2017, 44: 193-214.
[4] MAHMOOD I P, ZHU H, ZAJAC E J. Where can capabilities come from? network ties and capability acquisition in business groups[J]. Strategic Management Journal, 2011, 32(8): 820-848.
[5] 陈伟,杨早立,张永超.网络结构与企业核心关系实证研究:基于知识共享与知识整合中介效应视角[J].管理评论,2014,26(6):74-82.
[6] XIE X, FANG L, ZENG S. Collaborative innovation network and knowledge transfer performance: a fsQCA approach[J]. Journal of Business Research, 2016, 69(11): 5210-5215.
[7] 刘雪锋, 徐芳宁, 揭上锋. 网络嵌入性与知识获取及企业创新能力关系研究[J]. 经济管理, 2015(3): 150-159.
[8] 王建刚, 吴洁. 网络结构与企业竞争优势——基于知识转移能力的调节效应[J]. 科学学与科学技术管理, 2016, 37(5): 55-66.
[9] OYELARAN-OYEYINKA B. Knowledge networks and technological capabilities in the African manufacturing cluster[J]. Science, Technology and Society, 2003, 8(1): 1-23.
[10] PHELPS C, HEIDL R, WADHWA A. Knowledge, networks, and knowledge networks[J]. Journal of Management, 2012, 38(4):1115-1166.
[11] FAGERBERG J, SRHOLEC M, VERSPAGEN B. 创新和经济发展[M]//BRONWYN H H, NATHAN R.创新经济学手册. 上海市科学学研究所,译.上海:上海交通大学出版社,2017:107-150.
[12] FIGUEIREDO P N. Does technological learning pay off? Inter-firm differences in technological capability-accumulation paths and operational performance improvement[J]. Research Policy, 2002, 31(1): 73-94.
[13] 经济合作与发展组织,欧盟统计署.奥斯陆手册:创新数据的采集与解释指南[M].北京:科学技术文献出版社,2011.
[14] CUMMINGS J N. Work groups, structural diversity, and knowledge sharing in a global organization[J]. Management Science,2004, 50(3):352-364.
[15] SCHULZE A, BROJERDI G J C. The effect of the distance between partners' knowledge components on collaborative innovation[J]. European Management Review, 2012, 9(2): 85-98.
[16] QIAN Y, LIANG J, DANG C. Knowledge structure, knowledge granulation and knowledge distance in a knowledge base[J]. International Journal of Approximate Reasoning, 2009, 50(1): 174-188.
[17] SALAZAR A, GONZALEZ J M H, DUYSTERS G, et al. The value for innovation of inter-firm networks and forming alliances: a meta-analytic model of indirect effects[J]. Computers in Human Behavior, 2016, 64: 285-298.
[18] TSAI W. Knowledge transfer in intraorganizational networks: effects of network position and absorptive capacity on business unit innovation and performance[J]. Academy of Management Journal,2001,44(5):996-1004.
[19] KRAAIJENBRINK J, WIJNHOVEN F, GROEN A. Towards a kernel theory of external knowledge integration for high-tech firms: exploring a failed theory test[J]. Technological Forecasting and Social Change, 2007, 74(8):1215-1233.
[20] SHIRI G, SAUVEE L, ABDIRAHMAN Z Z. Bridge and redundant ties in networks: the impact on innovation in food SMEs[J]. European Journal of Innovation Management, 2015, 18(3): 355-379.
[21] DELBUFALO E. The influence of supply network structure on firm’s multiple innovation capabilities: a longitudinal study in the fashion industry[J].Management Decision,2015,53(10):2475-2476.
[22] 张朝宾,吴洁,黄伟,等.网络结构与组织间知识转移绩效关系的实证研究[J].科技进步与对策,2011,28(19):112-116.
[23] VOELKL B, NOE R. The influence of social structure on the propagation of social information in artificial primate groups: a graph-based simulation approach[J]. Journal of Theoretical Biology, 2008, 252(1): 77-86.
[24] DUSSAUGE P, GARRETTE B, MITCHELL W. Learning from competing partners: outcomes and durations of scale and link alliances in Europe, North America and Asia[J]. Strategic Management Journal,2000, 21(2): 99-126.
[25] DEMIRKAN I, DEEDS D L. Evolution of research collaboration networks and their impact on firm innovation output[M]//Understanding the Relationship Between Networks and Technology, Creativity and Innovation. Emerald Group Publishing Limited, 2014: 67-95.
[26] GOERZEN A, BEAMISH P W. The effect of alliance network diversity on multinational enterprise performance[J]. Strategi Management Journal, 2005, 26(4):333-354.
[27] LIU C L E, ZHANG Y. Learning process and capability formation in cross-border buyer-supplier relationships: a qualitative case study of Taiwanese technological firms[J]. International Business Review, 2014, 23(4): 718-730.
[28] GARCIA F,AVELLA L,FERNANDEZ E.Learning from exporting: the moderating effect of technological capabilities[J]. International Business Review,2012,21(6):1099-1111.
[29] 詹勇飞,和金生.基于知识整合的知识网络研究[J].研究与发展管理,2009,21(3):28-32.
[30] CANTNER U, MEDER A, TER WAL A L J. Innovator networks and regional knowledge base[J]. Technovation, 2010, 30(9): 496-507.
[31] WANG M C, CHEN P C, FANG S C. A critical view of knowledge networks and innovation performance: the mediation role of firms' knowledge integration capability[J]. Journal of Business Research, 2018, 88: 222-233.
[32] 周密,赵文红,宋红媛.基于知识特性的知识距离对知识转移影响研究[J].科学学研究,2015,7(33):1059-1068.
[33] CUMMINGS J L, TENG B-S. Transferring R&D knowledge: the key factors affecting knowledge transfer success[J]. Journal of Engineering and Technology Management, 2003,20(1):39-68.
[34] LAI H C, WENG C S. Do technology alliances benefit technological diversification? the effects of technological knowledge distance, network centrality and complementary assets[J]. Asian Journal of Technology Innovation, 2013, 21(1): 136-152.
[35] MILLER D J, FERN M J, CARDINAL L B. The use of knowledge for technological innovation within diversified firms[J]. Academy of Management Journal, 2007, 50(2): 307-325.
[36] KUMAR U,KUMAR V, DE GROSBOIS D. Development of technological capability by Cuban hospitality organizations[J]. International Journal of Hospitality Management, 2008,27(1):12-22.
[37] KYLAHEIKO K, JANTUNEN A, PUUMALAINEN K, et al. Innovation and internationalization as growth strategies: the role of technological capabilities and appropriability[J]. International Business Review, 2011, 20(5):508-520.
[38] SALAVISA I, SOUSA C, FONTES M. Topologies of innovation networks in knowledge-intensive sectors: sectoral differences in the access to knowledge and complementary assets through formal and informal ties[J]. Technovation, 2012,32(6):380-399.
[39] JU T L, LI C Y, LEE T S. A contingency model for knowledge management capability and innovation[J]. Industrial Management & Data Systems, 2006, 106(6): 855-877.
[40] 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.
[41] 温忠麟, 叶宝娟. 有调节的中介模型检验方法:竞争还是替补[J]. 心理学报, 2014, 46(5):714-726.