人工智能、物联网、工业4.0,这些新名词的背后,是一场声势浩大的技术创新浪潮。而在当下协同已成为技术创新的重要方式,如创维联合京东方和海思,发布首台中国自主研发的M1系列OLED电视,打破了OLED面板过度依赖进口的市场格局;全球企业营销平台服务商InMobi与微软合作,将InMobi的广告和营销云功能与Microsoft Dynamics 365进行整合,使CMO完成从数字营销到移动营销的转型。创新实践如火如荼,然而,如何构建有效的协同网络,实现共享共创,迫切需要理论指导。
企业创新活动以知识为基础。知识基础观认为,异质知识拥有量及知识整合能力是企业高绩效和持续竞争优势的重要因素。当知识基础难以满足复杂多变的市场需求时,越来越多的企业开始意识到协同创新的必要性,在内部知识开发的同时,花费大量精力跨越技术和组织边界,希望通过变革知识基础弥补知识缺口[1]。然而,企业在调整知识基础过程中困难重重,加之知识基础变化对企业创新的影响尚未明朗,使得该议题成为知识与创新管理领域的研究热点。近年,学者们将物理学的耦合原理引入创新管理领域,研究两个(或两个以上)系统(或运动形式)间相互作用关系。其中,Yayavaram & Ahuja[2]提出知识域耦合概念,认为知识域是企业知识库的构成要素,是多种知识元素的集合,而知识域耦合是不同技术领域间知识的重新组合和动态变化,也是变革知识基础最重要的方式之一。若将企业知识库看作一个网络,那么,耦合就是知识域之间的联结,两个知识域联结的强度就代表它们之间的耦合水平。目前,围绕知识与创新关系的研究主要涉及知识基础及其特征(深度、宽度、复杂度等)、知识网络特征(网络位置、网络关系、网络规模等)或者聚焦企业自身的获取行为,如知识搜索及其特征(深度、宽度、搜索平衡度等)对企业创新的影响。而关于知识域耦合的研究多为理论推演[3],实证研究十分有限,或仅从知识来源角度研究旧知识域或新旧知识域耦合对企业创新结果的直接影响[4],尚少见到知识域耦合对创新绩效影响机理的研究文献。因此,以知识域耦合为视角探讨企业间知识元素重组和动态调整对企业创新绩效的作用机制,具有重要的理论和实践意义。
在创新过程中企业外部知识搜寻与整合比内部研发更有利于保持竞争优势[5],本文结合Yayavaram & Ahuja的观点,将知识域耦合定义为企业在创新合作过程中,不同知识主体的不同知识元素通过动态关联、相互契合、有效互补,从而获得协同并溢出扩散的过程。根据相对企业自身知识基础的冗余度和重复度,将参与耦合的合作伙伴的知识细分为互补性知识与替代性知识两大类。这两类知识耦合是否对企业创新绩效产生不同影响?在知识域耦合对企业创新绩效的影响过程中,是否存在更为复杂的传导机制?如知识创新能力是否是知识域耦合通向企业创新绩效的中介桥梁?外部环境不确定性和内部战略柔性等因素究竟是会破坏企业现有创新秩序,还是会给企业带来新的发展契机?这些问题目前都还没有定论,均有待进一步研究。
基于此,本研究以协同网络为背景,以知识域耦合为切入点,探索不同企业间知识域耦合(简便起见,将不同企业多个知识域之间的耦合近似看作两个企业间两两知识域的耦合)与创新绩效之间的关系,考察并验证知识创新能力的中介作用;引入环境不确定性和战略柔性,分别探讨其在知识域耦合、知识创新能力与创新绩效关系中的权变影响,拓展和丰富知识与创新管理的理论研究,同时,为企业选择协同合作伙伴、提升知识创新能力和创新绩效提供理论指导。
企业所拥有的知识元素集合及这些元素所属知识域间所构造的关系形成企业知识库,创新则是对知识库中知识元素的重组[3]。知识元素之间的联系比知识多样性更重要,开发和利用知识元素间的不同联系有助于企业实现技术差异化[6]。从关系属性看,知识元素可分为互补性和替代性两类知识。若两个知识元素组合在一起,其价值或有用性增加,则为互补知识;若某一知识元素和其它知识元素在用途上具有相似属性,则为替代知识[6]。借鉴这种思想,本文根据参与耦合的合作伙伴知识域与企业自身知识域相比的冗余度和重复度,将知识耦合划分为互补性知识耦合和替代性知识耦合两个维度。
互补性知识是指企业自身缺乏而合作伙伴拥有,能有效与企业现有知识基础整合以实现交叉融合创新的知识,这类知识与原有知识的耦合即为互补性知识耦合。知识基础观认为,企业间绩效差异源于知识创新和非对称的利用机制。从合作伙伴获得互补性知识资源,能够弥补企业知识缺口,扩大创新机会。但是,仅仅踏入新的技术领域并不能保证创新成功。企业搜寻到的互补性知识与原有知识协同耦合,一直未被捕捉到的知识关联浮出水面或者知识元素间建立新的联系,才有利于企业突破现有知识局限,从而开发更具创意的全新产品或者找到解决问题的新途径[7]。其次,知识交互产生的隐性知识,能够扩大企业技术利基范围,为不同类型知识元素间重构提供创新可能性[8]。
替代性知识是指合作伙伴拥有的与企业自身知识基础相似的那部分知识,在协同合作过程中参与耦合的这类知识资源称为替代性知识耦合。替代性知识可以促进企业间认知接近,强化双方合作基础,更好进行交互学习并理解知识元素更广范围内的应用,以提高创新效率[9]。在瞬息万变的智能互联网时代,顾客对创新产品的需求日趋多元化,当已有的技术组合无法满足市场需求时,企业从合作伙伴处获取替代性知识。由于与自家知识域同属一个技术领域,研发人员可以凭借多年积累的经验,选择更具创造价值的耦合方式,从而建立新的知识组合,丰富和更新现有知识基础,激活企业内部相似产品或工艺知识,为企业更高层次的创新提供一定的灵活性和技术探索方向。
综上所述,本文提出如下假设:
H1:知识域耦合对企业创新绩效产生正向影响。
知识域耦合作为一种资源重整的自发行为,并不能直接促进创新。本文设想知识域耦合对企业创新绩效的影响经由知识创新能力的改变而实现。知识创新能力指企业获取、吸收、整合知识并进行知识创造,把新知识转化为新产品/新工艺/新服务的能力。
随着创新的逐渐深化,仅仅依赖内部既有资源已不能满足企业发展需要,企业亟需展开跨学科领域的合作,即异质性知识耦合。知识域耦合是知识创新的自然基础[10],互补性知识耦合通过将从合作伙伴获得的分散无序的互补性知识与企业内部已有知识重组,一方面容易激发创意思维,推动创造性知识的产生,缩小与外部环境的知识势差;另一方面可以提升知识种类,拓展现有知识基础,增强企业产品研发能力。替代性知识耦合则以与自身专业领域和经验相匹配的知识作为搜寻目标,通过获取现有技术利基之内的外部知识,促进现有知识的重新交叉排列,有助于提升企业知识基的专业化水平,拓展企业知识创新能力深度,为未来更大的创新发展提供技术基础。
知识创新能力与创新绩效的正向关系在学界已成为共识[11]。企业创新能力是取得创新绩效至关重要的因素,而企业创新能力本质上源于知识创新。知识域耦合仅代表知识内部整合机制,只有企业具备一定的知识创新能力,对获取的新知识进行消化、加工与利用,将知识有效转化为新产品,才能够真正提升创新绩效。
以上论述了知识域耦合与知识创新能力、知识创新能力与创新绩效的关系,结合假设H1,可以进一步推论,知识创新能力在知识域耦合与创新绩效之间起到传导作用。因此,本文提出以下假设:
H2:知识创新能力对知识域耦合与创新绩效间关系具有中介作用。
H2a:知识创新能力对互补性知识耦合与创新绩效间关系具有中介作用。
H2b:知识创新能力对替代性知识耦合与创新绩效间关系具有中介作用。
企业作为整个社会环境的重要组成部分,其行为和能力受到外部相关因素的影响与制约。为获得稀缺但企业生存所必需的资源,企业将寻求与其它组织建立联系。同样,外部环境也使企业在获取资源时面临不确定性。这种不确定性是指环境变化速度及其对企业活动范围和活动程度的影响[12]。
为与外部技术环境保持一致和防止现有领域重组机会的衰竭,企业不得不改变其知识库[13],所以,知识域耦合本质上是与环境动态机制密切相关的概念。那么,知识域耦合与知识创新能力之间的关系也会受到环境不确定性的影响。当环境变得高度不确定时,顾客需求变化和竞争对手的行动将难以预测,保守型企业的创新动机会被大大削弱,更加倾向于采取谨慎发展战略;激进型企业心存侥幸心理,虽然创新热情空前高涨,但是,这种盲目跟风行为将给企业带来巨大风险。这样,知识域耦合对知识创新能力的作用可能就不甚明显。
企业任何创新活动都不能在真空中运行。在互补性知识耦合中,企业希望通过从合作伙伴处获取与自身知识基础形成优势互补的知识资源。但是,在高速变化的环境中,行业竞争加剧,企业获取创新资源的难度增大,创新活动也变得更为复杂,企业将面临大量非结构化问题,长年累积的资源和经验优势急剧贬值或消弭[14]。知识结构调整具有滞后性,无法及时为企业的即时创新提供坚实基础,削弱了知识域耦合的功效。替代性知识耦合通常涉及企业各自的核心知识资产,一旦外界环境趋于不稳定,企业就容易滋生搭便车或投机取巧等机会主义行为。此外,企业无法获取完全信息,不能准确预测客户需求变动,难以洞察新技术产生的能力和绩效[15],因而对替代性知识的搜寻和耦合不仅增加了企业研发成本,而且有可能徒劳无功。据此,本文提出以下假设:
H3:环境不确定性负向调节知识域耦合与知识创新能力的关系。
H3a:环境不确定性负向调节互补性知识耦合与知识创新能力的关系。
H3b:环境不确定性负向调节替代性知识耦合与知识创新能力的关系。
互联网时代技术更新频繁,消费者喜好多变,新的竞争格局要求企业迅速适应多变的环境。换言之,企业需要战略柔性。战略柔性是指企业与内外部环境互动,持续塑造环境或及时调整自身战略,从而快速投入资源以及有效利用资源的能力[16]。
战略柔性决定了企业通过知识管理获取创新绩效的有效性[17],因此,企业可以通过建立资源柔性和协调柔性作为战略柔性的两个维度来适应动态环境[18-19]。资源柔性主要表现为通过扩大资源的潜在用途,增加企业在动态环境中的选择权,使得企业在现有知识的基础上产生新的知识组合[20],并降低资源转换成本。较高的资源柔性有利于企业将内外部资源与高不确定性的技术创新活动有效结合,敏锐捕捉市场机遇,提高企业知识吸收能力,从而帮助企业在环境变化时获取更多创新收益。资源依赖理论认为,除了资源拥有数量,企业利用资源的能力对企业获取竞争优势也很关键。协调柔性作为战略柔性的另一维度,反映灵活配置、利用资源的能力。较高的协调柔性可以让企业克服产品研发惰性,打破陈旧的技术流程,将资源以最优方式投入到企业不同创新模式中[21]。
综上所述,战略柔性作为一种互补的组织能力,不仅可以使企业动态管理资源以适应快速变化的环境,而且还可以帮助企业充分发挥其知识库和知识管理技能的潜力,从而实现更高的创新绩效[18, 22]。基于此,本文提出如下假设:
H4:战略柔性正向调节知识创新能力与创新绩效的关系。
综上,构建理论模型,如图1所示。
图1 理论模型
本研究的数据收集分为两阶段:第一阶段是预测试,调研团队成员在湖南省内搜集150份问卷,得到有效问卷135份。首先,结合问卷数据对知识域耦合量表进行因子分析,其次,根据问卷填写者的意见,对整个问卷量表的遣词和题项设置进行完善修订。第二阶段是正式测试,以近3年参与过协同合作的高新技术企业为样本,采用方便抽样法,通过直接发放(现场发放、电子邮件及微信链接)和间接发放(委托熟人发放)两种方式进行数据采集。调查对象主要为在企业工作年限较长,熟悉企业产品流程、创新合作活动和市场状况的基层和中高层管理者,以及技术研发和市场岗位的资深员工,覆盖湖南、广东、上海、广西、浙江、北京等多个省份,涉及知识密集型的机械制造业、电子信息技术产业、生物工程与新医药技术产业、汽车工业及软件业等多个行业。本研究共发放400份问卷,剔除填写不完整、前后逻辑矛盾、规律性过强的问卷,最终得到有效问卷291份,有效回收率为72.75%。在回收的有效样本中,就企业性质来说,国有企业占比34.8%,民营企业占比30%,外资企业占比16.6%,中外合资企业占比18.6%;在公司年龄方面,成立年限3年以上的占比92.4%;就公司规模而言,500人以上的占比77.2%。
为确保测量工具的有效性,本研究的主要变量测量除知识域耦合外,其余均是在国外成熟量表的基础上,由2名精通管理学与中英文语言的研究人员严格遵循“翻译-回译”标准流程的方式进行编制,并根据研究需要和中国具体情境进行相应调整。除控制变量外,其它变量的测度均采用Likert 5点量表。
知识域耦合量表是本文根据Yayavaram & Chen[4]、Yayavaram & Ahuja[2]的界定和理解,结合Ryoo & Kim[23]、Kim等[24]以及Tanriverdi & Venkatraman[25]的相关研究,并考虑协同网络中企业知识域耦合的特点,自行开发的包含互补性知识耦合和替代性知识耦合两维度的量表,具体涉及产品、顾客和管理知识等内容。互补性知识耦合包括“我公司经常借鉴合作企业在顾客服务中的经验和诀窍”等7个题项,替代性知识耦合包括“我公司经常从合作伙伴那里获得相近的产品(或服务)知识和技能”等6个题项。
知识创新能力采用Sabherwal & Becerra-Fernandez[26]开发的问卷,共计8个题项,主要涉及社会化、外部化、组合化和内部化4个方面内容,如“我公司通常会将外部专家的知识及时转化为产品或服务”、“我公司通常会将解决问题的技巧和经验转换成文档”等。
战略柔性借鉴Liu等[27]在Nadkami等[28]的相关研究基础上编制而成的量表,采用4个题项对其进行测度,具体包含“我公司允许每个部门打破正常程序,以保持动态和灵活性”、“我公司的管理方式可根据不同员工和形势进行调整”等条目。
环境不确定性主要参考Han等[29]和Citrin等[30]的成熟量表,该量表包括7个题项,从市场不确定性和技术不确定性两个角度描述环境不确定性,如“企业所处的市场环境波动很大”、“企业所在行业的技术更新频率很快”等。
创新绩效量表来自Han & Li[31]的研究成果,包括5个题项,测量了企业新产品或新服务在数量、推出速度、运营成本、销售收入及市场份额等方面的表现,如“与竞争对手相比,在过去三年我公司具有更多的新产品数量”、“与竞争对手相比,在过去3年我公司的新产品销售收入更高”等。
同时,借鉴以往研究,本文选取公司性质、公司年龄、公司规模及所属行业作为控制变量,以排除潜在因素对本研究结论的影响。
本研究采用SPSS23.0对数据进行信效度分析。首先,通过问卷数据的探索性因子分析可知,所有变量的Cronbach's α系数和组合信度(CR)均大于0.8,说明问卷的内部一致性较高,信度检验通过。各变量题项的因子载荷均大于0.6,平均提炼方差(AVE)均大于0.5,表明模型内聚效度理想。此外,各潜变量AVE的平方根均大于该变量与其它变量的相关系数(见表2),说明问卷的判别效度较好。其次,使用AMOS23.0对各潜变量进行验证性因子分析,结果表明修正后模型的各项拟合指数均达到可接受标准(见表1),因此,量表的结构效度也通过检验。
表1 量表验证性因子分析拟合指数检验结果
量表χ2/dfRMSEACFIIFITLI互补性知识耦合2.6240.0750.9760.9760.954替代性知识耦合2.4570.0710.9820.9830.962知识创新能力2.5290.0730.9700.9700.957战略柔性2.3590.0630.9720.9730.944环境不确定性2.1700.0640.9860.9860.975创新绩效2.5680.0740.9910.9910.978参考值1~3<0.08>0.90>0.90>0.90
关键变量的均值、标准差和两两之间的Pearson相关系数如表2所示,结果显示,各变量之间呈现中等水平的相关关系,其中,互补性/替代性知识耦合与知识创新能力显著正相关(r=0.480,p<0.01;r=0.468,p<0.01),知识创新能力与创新绩效显著正相关(r=0.696,p<0.01),互补性/替代性知识耦合与创新绩效显著正相关(r=0.376,p<0.01;r=0.408,p<0.01)。这为后续研究假设的验证提供了初步数据支持,同时表明适合进一步的假设检验。
表2 描述性统计与相关系数分析结果
注:**表示p<0.01,*表示 p<0.05,对角线黑色加粗部分为各变量AVE的平方根
变量 均值标准差123456互补性知识耦合3.5110.6600.721替代性知识耦合3.3060.7280.637**0.733知识创新能力3.8090.7150.480**0.468**0.747战略柔性3.4720.8580.383**0.427**0.701**0.861环境不确定性3.5130.7140.419**0.414**0.630**0.666**0.764创新绩效3.5930.7640.376**0.408**0.696**0.699**0.629**0.811
此外,本文通过计算VIF值检验多重共线性问题。在回归分析中,VIF值介于1~3之间,远小于临界值10,因此,本研究回归结果不受多重共线性影响。
问卷数据源于自陈调查,可能产生共同方法偏差。根据Podsakoff等[32]的建议,从程序控制和统计控制两方面尽量克服共同方法偏差对本研究的影响。在程序控制上,本研究主要采用以下措施应对:①多途径发放问卷;②问卷分AB卷,分别由同一公司至少两名被试填写;③匿名作答;④详述研究目的;⑤通过预测试改进量表题项。在统计控制方面,参考周浩和龙立荣[33]以及程翠萍和黄希庭[34]的方法,分两步检验共同方法偏差。首先,采用“Harman单因子检验”诊断共同方法偏差的严重程度。若仅析出一个因子或某个因子解释大部分变异,则表明共同方法偏差非常严重[32]。验证性因子分析结果见表3,单因子模型与实际数据拟合较差,χ2/df>3,RMSEA>0.08,CFI<0.9,IFI<0.9,TLI<0.9,说明共同方法偏差在本研究中并不严重。其次,本研究继续采用“不可测量潜在方法因子检验”,进一步探究共同方法偏差的可能性,即将共同方法偏差作为一个一阶潜变量引入结构方程模型中,允许所有测量题项在该方法潜因子上负载,比较加入方法潜变量后的模型与原模型的拟合优度。如果包含方法潜变量的模型拟合指数显著优于不包含的情况,那么,说明存在共同方法偏差,反之则不存在[33]。由表3可知,包含共同方法偏差潜在变量的模型拟合不佳,CFI<0.9,IFI<0.9,TLI<0.9,而不包含共同方法偏差潜在变量模型的拟合指数均达到可接受标准,所以,本研究不存在明显的共同方法偏差。
表3 共同方法偏差效应检验结果
注:MF代表Method Factor;“MF无”代表测量模型不包含共同方法偏差潜在变量,“MF有”代表测量模型包含共同方法偏差潜在变量
模型χ2dfχ2/dfAICRMSEACFIIFITLI单因子2668.1946294.2422816.1940.1060.6540.6570.634MF无1038.3766051.7161234.3760.0500.9270.9270.919MF有1201.2115772.0821453.2110.0610.8940.8960.878
采用多层线性回归分析进一步检验假设,结果如表4所示。模型1分析了控制变量对创新绩效的影响,在模型1的基础上引入知识域耦合形成模型2,模型2对创新绩效的解释能力明显提升(△R2=0.173,p<0.001),知识域耦合与创新绩效显著正相关(β=0.420,p<0.001),假设H1得到验证。
表4 主效应及战略柔性的调节效应检验结果
注:***表示p<0.001,**表示p<0.01,*表示p<0.05,下同
变量创新绩效模型1模型2模型3模型4模型5控制变量公司性质0.1030.054-0.052-0.03-0.037公司年龄0.0060.024-0.021-0.003-0.004公司规模0.0470.0060.0650.0980.096*所属行业-0.062-0.0570.0220.0320.044预测变量知识域耦合0.420***知识创新能力0.709***0.400***0.463***战略柔性0.431***0.403***交互项知识创新能力×战略柔性0.136**F1.71113.847***54.166***65.109***59.514***R20.0230.1960.4880.5800.596△R20.0230.1730.4650.0920.016DW1.9421.9811.9061.8511.870最大VIF1.6411.6511.6422.1232.368
本研究采用AMOS23.0构建结构方程模型,继而进行潜变量路径分析。整体模型拟合度检验表明,绝对适配度指数χ2/ df=2.079,RMSEA=0.061;增值适配度指数CFI =0.913,IFI=0.913,TLI=0.903;简约适配度指数PCFI=0.823,PNFI=0.762,PGFI=0.715,均达到适配标准,因此,该模型拟合良好。
变量间标准化路径系数如图2所示,互补性/替代性知识耦合正向影响知识创新能力(β=0.347,p<0.01;β=0.270,p<0.05),知识创新能力正向影响创新绩效(β=0.784,p<0.001)。路径分析结果还表明,以知识创新能力为中介,互补性/替代性知识耦合对创新绩效有显著正向影响,且互补性知识耦合相较替代性知识耦合有更大影响(β=0.272,p<0.01;β=0.212,p<0.05),假设H1进一步得到支持。然而,互补性/替代性知识耦合对创新绩效的直接路径系数不显著(p>0.05),说明知识创新能力在知识域耦合与创新绩效的关系中发挥完全中介作用,支持了假设H2a、H2b,因此,H2通过检验。
图2 潜变量路径分析因果模型
鉴于传统的逐步检验法对中介作用的的检定力较弱[35],本文采用偏差校正的非参数百分位Bootstrap置信区间估计法,进一步验证知识创新能力的中介效应。结果如表5所示,间接效应的偏差校正置信区间不包含0,说明知识创新能力存在中介效应,而直接效应的偏差校正置信区间包含0,说明该中介路径为完全中介。
表5 知识创新能力中介效应的Bootstrap检验结果
注:5000次重复抽样,置信区间为95%
效应偏差校正置信区间下限上限直接效应互补性知识耦合→创新绩效0.0000.000替代性知识耦合→创新绩效0.0000.000间接效应互补性知识耦合→知识创新能力→创新绩效0.0880.442替代性知识耦合→知识创新能力→创新绩效0.0420.391
虽然本文的多重共线性问题不严重,但安全起见,对知识域耦合、知识创新能力、战略柔性、环境不确定性等核心变量进行标准化处理,以尽量规避多重共线性问题。
3.6.1 战略柔性的调节效应
为检验战略柔性在知识创新能力与创新绩效之间的调节效应,生成“知识创新能力×战略柔性”交互作用项,把创新绩效作为因变量进行层次回归分析。如表4所示,首先把控制变量引入方程与创新绩效进行回归,得到模型1。在此基础上,加入知识创新能力作为自变量形成模型3,模型3对创新绩效的解释能力显著提升(△R2=0.465,p<0.001),模型4在模型3的基础上加入调节变量战略柔性,模型解释力显著提高(△R2=0.092,p<0.001),模型5则在模型4的基础上加入上述交互项,模型解释力明显提升(△R2=0.016,p<0.001),知识创新能力与战略柔性的交互项系数达到显著水平(β=0.136,p<0.01),因此,H4得验。
为进一步解释上述实证结果,本文绘制了不同水平战略柔性对知识创新能力与创新绩效关系的调节效应三维示意图(见图3)。
图3 战略柔性的调节效应
3.6.2 环境不确定性的调节效应
为检验环境不确定性在知识域耦合与知识创新能力之间的调节效应,生成“互补性知识耦合×环境不确定性”和“替代性知识耦合×环境不确定性”交互作用项。如表6所示,在模型6的基础上分别加入互补性知识耦合与替代性知识耦合作为自变量形成模型7和模型10,模型7和模型10对知识创新能力的解释能力显著提升(△R2=0.205,p<0.001;△R2=0.194,p<0.001)。模型8和模型11分别在模型7和模型10的基础上加入调节变量环境不确定性,加入后模型解释力明显增强(△R2=0.197,p<0.001;△R2=0.202,p<0.001)。模型9和模型12则分别在模型8和模型11的基础上,分别加入上述两个交互项,加入后两个交互项系数均达到显著水平(β=-0.159,p<0.001;β=-0.203,p<0.001),假设H3a、H3b得到验证,即H3得到支持。
表6 环境不确定性的调节效应检验
变量知识创新能力模型6模型7模型8模型9模型10模型11模型12控制变量公司性质0.219***0.178**0.135**0.138**0.165**0.128**0.131**公司年龄0.0370.0490.0560.0530.0610.0630.049公司规模-0.025-0.070-0.082-0.078-0.059-0.076-0.075所属行业-0.118-0.110*-0.047-0.058-0.117*-0.050-0.054预测变量互补性知识耦合0.457***0.259***0.247***替代性知识耦合0.445***0.245***0.237***环境不确定性0.498***0.468***0.504***0.462***交互项互补性知识耦合×环境不确定性-0.159***替代性知识耦合×环境不确定性-0.203***F5.797***22.123***43.057***40.455***20.920***42.086***42.024***R20.0750.2800.4770.5010.2690.4720.511△R20.0750.2050.1970.0240.1940.2020.039DW2.0652.0611.9631.9252.1292.0341.950最大VIF1.6411.6511.6521.6521.6471.6491.649
为进一步解释上述结果,本文绘制出不同程度环境不确定性对互补性/替代性知识耦合与知识创新能力关系的调节效应三维示意图(见图4)。
图4 环境不确定性的调节效应
本文以协同网络为背景,实证检验了知识域耦合、知识创新能力、环境不确定性以及战略柔性对企业创新绩效的影响机理,研究得出以下结论:
(1)知识域耦合对企业创新绩效有积极影响。研究结论强化了Yayavaram & Chen[4]的研究结果,说明在协同网络中,企业通过创新合作,可以重新审视各自的知识库和创新空间。不管是互补性知识耦合还是替代性知识耦合,知识元素经过复杂的互动耦合后,都能在原有知识基础上产生新的知识和技术组合,提高知识库存量和质量,从而加速企业创新产出。同时,该结论呼应了知识基础观,也为李永周等[10]“知识耦合是知识创新的自然基础”的观点提供了实证支持,深化了现有文献对知识与创新关系的理解。
(2)知识创新能力在知识域耦合与企业创新绩效的关系中起完全中介作用。本研究进一步证明了知识域耦合推进企业创新的观点,但仅立足于知识耦合并不能保证给企业带来创新,知识创新能力作为企业的一种内生力,是企业创新之路上的“发动机”,驱动企业有效吸收和利用知识组合,最终实现创新成果转化。该结论揭示了知识域耦合影响创新绩效的内在过程与作用机理,打开了知识域耦合与企业创新绩效间“暗箱”,是对知识基础观在协同创新与知识管理交叉研究中应用的拓展和延伸,同时,提供了“过程—能力—绩效”的研究范式。
(3)环境不确定性负向调节知识域耦合与知识创新能力之间的关系。环境不确定性强调管理者由于缺乏信息或能力,无法对组织所处的环境、未来技术和市场变化进行预测的状态。当环境不确定性较高时,企业的知识元素组合将变得非常复杂,难以找到新旧知识域的耦合切入点,在耦合决策、评估以及知识吸收、整合上耗费较多时间和成本,造成技术规模和范围不经济。而且,随着知识基础宽度的扩大,企业的关系维护和知识管理成本也会攀升,进而降低了创新效率。本文与Yayavaram & Chen[4]的观点一脉相承,他们指出知识域复杂性能够削弱新知识域和现有知识域耦合与创新结果的关系。该结论为动态环境下企业寻求知识协同促进创新发展提供了理论借鉴。
(4)战略柔性正向调节知识创新能力与企业创新绩效之间的关系。该研究结果进一步细化验证了Kamasak等[17]的观点,他们认为知识管理和战略柔性的双向互动与创新绩效的关联性比知识管理和创新绩效的单一直接关系更强。这说明战略柔性可以影响企业对动荡市场的观察力和适应性,一方面帮助企业开发现有资源的新用途,提高竞争环境下的资源使用率,推动企业大力开展技术创新活动;另一方面使得企业及时获取新资源并充分整合内外部资源,发现这些新旧资源的潜在价值,获取新的竞争优势。本文界定知识创新能力对创新产出影响的边界条件,进一步拓展了知识管理与协同创新研究。
(1)目前多数研究只关注企业自身知识基础的静态特征或搜索行为对企业创新的影响。本文突破原有认知体系,将知识域耦合视角引入知识与创新关系的理论框架,为知识与协同创新研究提供了新思路。
(2)知识域耦合是知识管理研究中的一个重要分支,其与创新之间的关系开始受到学者重视,但是,研究尚处于初级阶段,相关实证研究甚为稀少,很大部分原因在于难以量化操作知识域耦合概念。本文对知识域耦合维度进行划分,自行开发相关量表,为日后对该抽象概念进行量化分析、开展深入研究奠定了基础。
(3)目前知识域耦合对创新的影响机制仍然是一个“黑箱”。本文从知识域耦合视角出发,研究协同网络中知识域耦合对企业创新绩效的作用路径和机理,同时,进一步验证前人研究中一部分未被证实的观点,深化了对知识与创新管理的理解。
(4)学界关于知识对企业创新影响的研究,大多单一关注知识本身特性、企业内部因素或者外部网络特征在其中的作用,极少有学者同时考虑内外情境因素对知识创新的影响边界,且影响知识域耦合与企业创新关系的情境研究更是寥寥无几。此外,一直以来,环境不确定性和战略柔性对企业创新影响的研究分别自成一体,本研究引入环境不确定性和战略柔性,试图从企业内外双重情境角度,全面考察知识域耦合对企业创新影响的作用边界,丰富和发展了相关领域的研究成果,并为进一步研究提供了理论参考。
(1)企业应高效识别外部知识特征和关系属性,根据战略发展要求合理选择合作伙伴。在实践中密切关注自身知识库变化,正确评估市场需求的动态及发展趋势,积极建立并拓宽合作网络,匹配恰当的知识搜索策略,实现两类知识域耦合的协同效应。知识域耦合既可能是企业深思熟虑的选择,也可能是突如其来的研究活动的结果,如耦合既可能来自高层的指令,也可能来自独立工作的研究者行动。因此,企业需要为知识域耦合创造良好条件,在人员招募或晋升选拔时留意具有互补性专长的人才,尤其注意高管团队的知识结构,例如,建立高管团队成员定期交流机制和工作轮换机制等,为企业创新发展提供思想和知识保障。
(2)企业应当重视知识创新能力提升。企业间互通互补性知识或替代性知识后,知识域耦合只是知识创造的基础,还需要进一步将新的知识组合转换为企业可利用的形式,在转化为新产品的同时,积累沉淀为组织记忆。知识创新能力通过促进企业知识吸收、整合来更新知识库,是推动企业利用外部知识和将内部知识商业化的重要途径。企业只有重视知识创新能力提升,及时关注技术和市场最新趋势,培养动态和持续的组织学习能力,促进外部知识的内部消化和吸收,才能使得耦合效用最大化,通过不断提升知识创新能力驱动知识成果转化。
(3)管理者应辩证看待环境不确定性并积极应对它。若企业想要通过知识域耦合这一知识基础变革方式进行创新,那么就需要基于环境不确定性程度权衡利弊。在环境相对稳定的情境下,企业可以采取先计划再执行的战略模式,即便计划有时跟不上环境变化,也有充足的时间对计划进行调整。但是,一旦环境动荡到一定程度,就会稀释创新资源,企业无法掌控创新节奏,反而可能耽误合作研发进程,加大研发成本而阻碍创新。当前中国企业正处于加快技术追赶的关键时期,然而很多企业仍然在“闭门造车”,企业知识创新能力结构现状与环境需求不匹配。企业必须在发展过程中敏锐观察技术和市场的潮变,通过分析相关数据预测环境波动,保障自身知识结构与环境变化的适配性,以尽量降低环境对创新活动的负面影响。
(4)企业需要正确评估并优化自身战略柔性水平。当企业战略柔性处于中低水平时,企业倾向于依赖现有资源或解决问题模式应对环境变化,容易陷入“熟悉陷阱”中,忽视协同创新的重要性,不利于企业通过合作获取新资源,最终抑制了企业创新绩效提升。因而企业应加强战略柔性培育,抓住关键资源的潜在价值,注重对新资源的获取和消化。在强化资源柔性的同时,培养战略型领导,构建动态核心能力,优化组织结构,宣扬创新文化,以增强协调整合与资源配置能力,进而在知识创新成果转化中发挥推动作用。
由于研究条件和能力限制,本文也存在一定局限性,这些不足也为未来研究提供了契机。首先,本文采用方便抽样方式收集数据,使得样本代表性及结论普适性有所局限,未来可考虑扩大样本范围或采用面板数据进一步验证模型。其次,知识域耦合的不同维度对双元创新绩效的影响可能存在差异性,未来研究可以进一步探索两者的匹配性问题,也许可以得出更有意思的结论。
[1] FRENZ M, IETTO-GILLIES G. The impact on innovation performance of different sources of knowledge: evidence from the UK community innovation survey[J]. Research Policy, 2009,38(7):1125-1135.
[2] YAYAVARAM S, AHUJA G. Decomposability in knowledge structures and its impact on the usefulness of inventions and knowledge-base malleability[J]. Administrative Science Quarterly, 2008,53(2):333-362.
[3] KOGUT B, ZANDER U. Knowledge of the firm, combinative capabilities, and the replication of technology[J]. Organization Science, 1992,3(3):383-397.
[4] YAYAVARAM S, CHEN W. Changes in firm knowledge couplings and firm innovation performance: the moderating role of technological complexity[J]. Strategic Management Journal, 2015,36(3):377-396.
[5] TIPPMANN E, MANGEMATIN V, SCOTT P S. The two faces of knowledge search: new solutions and capability development[J]. Organization Studies, 2013,34(12):1869-1901.
[6] DIBIAGGIO L, NASIRIYAR M, NESTA L. Substitutability and complementarity of technological knowledge and the inventive performance of semiconductor companies[J]. Research Policy, 2014,43(9):1582-1593.
[7] 奉小斌, 陈丽琼. 外部知识搜索能提升中小微企业协同创新能力吗?——互补性与辅助性知识整合的中介作用[J]. 科学学与科学技术管理, 2015,36(8):105-117.
[8] FABRIZIO K R. Absorptive capacity and the search for innovation[J]. Research Policy, 2009,38(2):255-267.
[9] 孙耀吾, 毓秦, 贺石中. 高技术中小企业知识搜索对创新能力的影响[J]. 科学学研究, 2018,36(3):550-576.
[10] 李永周, 贺海涛, 刘旸. 基于知识势差与耦合的产学研协同创新模型构建研究[J]. 工业技术经济, 2014(1):88-94.
[11] 张煊, 王国顺, 毕小萍. 网络中心性和知识创新能力对创新绩效的影响[J]. 经济问题, 2013(8):92-96.
[12] 吴松强, 苏思骐, 沈忠芹, 等. 产业集群网络关系特征对产品创新绩效的影响——环境不确定性的调节效应[J]. 外国经济与管理, 2017,39(5):46-57.
[13] FLEMING L. Recombinant uncertainty in technological search[J]. Management Science, 2001,47(1):117-132.
[14] 简兆权, 王晨, 陈键宏. 战略导向、动态能力与技术创新:环境不确定性的调节作用[J]. 研究与发展管理, 2015,27(2):65-76.
[15] 赵息, 李文亮. 企业知识搜索战略、技术不确定性与突破性创新关系研究[J]. 科技进步与对策, 2016,33(9):122-128.
[16] MADHAVAN R. Strategic flexibility and performance in the global steel industry: the role of interfirm linkages[D]. Dissertation of University of Pittsburgh Ph. D. Thesis, 1996.
[17] KAMASAK R, YAVUZ M, KARAGULLE A O, et al. Importance of strategic flexibility on the knowledge and innovation relationship: an emerging market study[J]. Procedia-Social and Behavioral Sciences, 2016,229:126-132.
[18] ZHOU K Z, WU F. Technological capability, strategic flexibility, and product innovation[J]. Strategic Management Journal, 2010,31(5):547-561.
[19] SANCHEZ R. Strategic flexibility in product competition[J]. Strategic Management Journal, 1995,16(S1):135-159.
[20] 王丽平, 陈晴晴. 跨界合作行为、外部创新搜寻对创新绩效的影响——战略柔性的调节作用[J]. 科技进步与对策, 2016,33(19):21-26.
[21] 杨卓尔, 高山行, 曾楠. 战略柔性对探索性创新与应用性创新的影响——环境不确定性的调节作用[J]. 科研管理, 2016,37(1):1-10.
[22] 何悦桐. 战略柔性和选择能力对企业创新能力的影响研究[J]. 科技进步与对策, 2012,29(17):91-95.
[23] RYOO S Y, KIM K K. The impact of knowledge complementarities on supply chain performance through knowledge exchange[J]. Expert Systems with Applications, 2015,42(6):3029-3040.
[24] KIM K K, UMANATH N S, KIM J Y, et al. Knowledge complementarity and knowledge exchange in supply channel relationships[J]. International Journal of Information Management, 2012,32(1):35-49.
[25] TANRIVERDI H, VENKATRAMAN N. Knowledge relatedness and the performance of multibusiness firms[J]. Strategic Management Journal, 2005,26(2):97-119.
[26] SABHERWAL R, BECERRA-FERNANDEZ I. An empirical study of the effect of knowledge management processes at individual, group, and organizational levels[J]. Decision Sciences, 2003,34(2):225-260.
[27] LIU H, JIANG X, ZHANG J, et al. Strategic flexibility and international venturing by emerging market firms[J]. Journal of International Marketing, 2013,21(2):79-98.
[28] NADKARNI S, HERRMANN P. CEO personality, strategic flexibility, and firm performance: the case of the indian business process outsourcing industry[J]. Academy of Management Journal, 2010,53(5):1050-1073.
[29] HAN J K, KIM N, SRIVASTAVA R K. Market orientation and organizational performance: is innovation a missing link[J]. Journal of Marketing, 1998,62(4):30-45.
[30] CITRIN A V, LEE R P, MCCULLOUGH J. Information use and new product outcomes: the contingent role of strategy type[J]. Journal of Product Innovation Management, 2007,24(3):259-273.
[31] HAN Y, LI D. Effects of intellectual capital on innovative performance[J]. Management Decision, 2015,53(1):40-56.
[32] 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.
[33] 周浩,龙立荣. 共同方法偏差的统计检验与控制方法[J]. 心理科学进展, 2004,12(6):942-950.
[34] 程翠萍, 黄希庭. 大学生勇气与主观幸福感的关系:一个有调节的中介模型[J].心理发展与教育, 2016,32(4):478-485.
[35] HAYES A F. Beyond baron and kenny: statistical mediation analysis in the new millennium[J]. Communication Monographs, 2009,76(4):408-420.