党的十九大明确提出,加快实施创新驱动发展战略,建立以企业为主体、市场为导向、产学研深度融合的技术创新体系,推进产业技术创新战略联盟建设,突破关键核心技术,确保在2020年建成创新型国家的战略目标。因此,产业技术创新战略联盟在实现建设创新型国家的奋斗目标中具有不可替代的作用,它从最初的风险分担、降低成本,逐渐转变为具有促进组织学习和技术创新,分散创新风险,优化资源配置,提升企业创新能力和核心竞争力等职能。实践证明,产业技术创新战略联盟在实现科技资源有效分配与协作、提升企业技术创新主体地位、突破产业共性关键技术等方面起到了非常重要的作用。近年来,国家对产业技术创新战略联盟的政策引导与资源投入力度不断加大,联盟现象层出不穷,但是联盟运行效率低、绩效参差不齐、稳定性弱等问题也日益凸显,部分联盟在短时间内迅速解体,甚至个别联盟成员反目成仇,从合作伙伴变成恶性竞争对手等。具体表现如下:一是联盟成员资源协同度不高,存在物质资源、人力资源和资源结构不匹配的情况,造成联盟难以发挥资源优势互补作用;二是联盟成员目标不一致、不协调,甚至存在冲突,导致成员合作无法持续下去;三是联盟成员间核心知识共享度不高,创新团队间技术交流少,使得联盟协同创新很难进行;四是很多联盟成员并没有将自己的优势资源和社会资本投入联盟合作中,导致成员之间难以发挥管理协同;五是联盟利益分配不均衡或利益冲突导致联盟稳定性较差。归结起来,导致产业技术创新战略联盟稳定性不高的主要原因是联盟成员间没有建立协同机制,无法发挥联盟协同效应,从而导致联盟稳定性较差、运行效率低下。因此,建立产业技术创新战略联盟协同机制、提高联盟稳定性和运行效率成为摆在业界与学术界面前亟待解决的问题。
当前联盟稳定性研究主要集中在内涵和影响因素等方面。关于联盟稳定性的内涵, Jackson等[1]从网络角度定义了联盟稳定性,认为其必须满足两个条件:一是联盟成员都能从合作研发中获得收益,二是联盟成员从联盟合作中获得的收益大于企业单独经营时获得的收益。Freitas等[2]提出,联盟稳定性是指成员在保持自身独立性的前提下,创新主体拥有共同战略目标,同时,风险共担、资源共享、创新收益合理分配,从而确保联盟创新活动持续稳定地开展。Jiang等[3]从风险管理角度,将联盟稳定性界定为成员之间在共担风险、共享收益的基础上,能够将合作长期、顺利地推进下去。Delsignore[4]提出影响联盟稳定性的因素有两个,一是联盟成员均衡状态的维持时间,二是当联盟均衡状态受到干扰时,均衡状态是否在管理协同机制下长久保持稳定。曾德明等[5]把联盟稳定性界定为联盟伙伴间彼此信任、资源互补、风险共担、利益共享的和谐关系随着联盟发展与环境变化而保持的一种动态平衡。基于以上分析可知,联盟稳定性是指成员间拥有共同战略目标,能够资源互补、风险共担、相互信任,并从合作中获得大于企业独自经营的收益,在受到干扰时,联盟能在协调管理机制下长久地保持稳定性。
联盟稳定性影响研究主要集中在伙伴匹配性、目标一致性、知识协作性、利益分配一致性等方面。针对伙伴匹配性与联盟稳定性的关系,Chen[5]、Ahlstrom[6]从伙伴匹配性角度研究联盟稳定性,结果发现,伙伴匹配度越高,越有助于联盟成员发挥协同作用;Drewniak通过分析273家联盟成员发现,成员合作的重要前提是资源匹配性,这也是联盟能够长期维持的重要保障。关于目标一致性与联盟稳定性[7],Connor等[8]通过研究发现,联盟稳定性较弱的原因在于成员目标不协同、不一致,导致联盟组建形同虚设,致使联盟创新绩效低下。关于知识协作性与联盟稳定性,Kumar等[9]提出,联盟成员知识协作性过低是导致联盟不稳定的重要因素;Miller[10]认为联盟成员知识协作有助于实现1+1>2的协同效应,且知识协作水平越高,联盟越稳定。关于利益分配一致性与联盟稳定性,现有研究认为,联盟成员利益分配不均衡、沟通交流不顺畅是影响联盟稳定性的关键因素。
综上所述,众多学者从不同视角对联盟稳定性内涵及影响因素进行了研究,并发现影响要素与管理协同紧密关联,如伙伴匹配性、目标一致性、知识协作性、利益分配一致性等。当联盟资源、目标、知识、利益、关系都实现协同发展,发挥出协同效应时,就能有效推动联盟稳定发展。基于此,本文以协同论为基础,对管理协同概念进行界定与分类,运用结构方程模型,对管理协同作用于联盟稳定性的机理进行深入、系统的研究,分析成员信任度的调节作用,从而提出改善产业技术创新战略联盟稳定性的对策建议。
关于管理协同概念的界定, Jaron等[11]从供应链角度对管理协同进行定义,提出管理协同是供应链中具有独特优势和能够实现价值增值的节点相互配合、共同努力,从而实现企业整体目标的过程。Wassmer等[12]从网络组织视角提出,管理协同是联盟网络组织成员相互协作、共享资源的所有活动集合,从而发挥联盟成员协同创新的作用。Hill等[13]认为,管理协同是指联盟通过合作达到资源协同和目标协同的程度。也有学者从企业文化角度提出管理协同除了依靠外部环境外,更重要的是企业内部要达到文化协同。
关于管理协同的分类,Pan等[14]从企业内部管理视角提出,管理协同分为企业制度、人才、信息、物质等资源的整合协同,这些要素归类为资源协同。Keshmiri等[15]通过研究发现,市场竞争程度、技术变革速度和市场需求变化是企业联合进行协同创新的主要推力,而管理协同效应的发挥在于联盟成员是否目标协同,因此目标协同在管理协同中发挥重要作用。Hardy等[16]从企业视角提出,管理协同除了资源协同外,还包括知识协同和创新协同。Lomi等[17]从社会资本角度研究了联盟协同创新机制,发现具有良好关系协同的联盟组织更容易实现技术创新,并使联盟稳定运行下去,因此关系协同在管理协同中也发挥重要作用。此外,Alphey等[18]提出创新协同是联盟发挥协同效应的重要保障。基于以上分析,本文把管理协同分为资源协同、目标协同、知识协同、关系协同和创新协同5个方面。
资源协同是指联盟成员在物质资源、人力资源和资源结构等方面的互补程度。Gulati等、Das等[19-20]研究发现,合作伙伴资源互补是建立联盟的前提,且成员资源互补度越高,联盟越稳定。一方面,联盟稳定性取决于成员投入资源时对自身负向作用与吸收资源时正向作用的比较。另一方面,人力资源协同是实现联盟创新的重大保障,也是联盟稳定运行的前提。此外,联盟成员能够进行长期合作的主要原因是成员间具有实力相当的物质资源和财产资源,这也是建立联盟管理协同的基础。基于此,本研究将物质资源协同、人力资源协同和资源结构互补总结为联盟资源协同,并提出以下假设:
H1:资源协同度对提高产业技术创新战略联盟稳定性有显著影响。
联盟成员合作都是以一定目标为基础,因此目标协同对联盟稳定性有着重要影响,如果成员对联盟合作不满意,很可能导致联盟合作终止。Vidal等[21]、Schnur等[22]提出目标协同是指联盟成员在目标一致情况下实现联盟目标的程度,目标完成程度与联盟稳定性息息相关。Inkpen等[23]通过对生物制药战略联盟的研究发现,目标是否在预算内完成影响联盟稳定性。Chaffeebates等[24]指出,目标如果在预算范围内完成,有利于提升联盟稳定性,且目标完成成本越低,联盟合作越长久。也有学者提出,无法在计划时间内完成目标是联盟产生冲突的重要原因,并影响联盟稳定性,因此目标完成度与联盟稳定性呈正相关关系。同时,联盟稳定性也会受到目标完成率的影响,完成率越高,联盟稳定性越高。一方面,战略目标不一致会导致联盟冲突,从而降低联盟稳定性;另一方面,成员目标一致性越高,越有助于合作双方达成共识,减少合作阻碍。基于此,将目标协同界定为在既定预算、既定时间内完成目标的程度和联盟成员目标一致性[36],并提出假设:
H2:目标协同度对提高产业技术创新战略联盟稳定性有显著影响。
关于知识协同与联盟稳定性,Anklam等[25]、Karlenzig等[26]认为,知识协同是为了创造新知识,联盟成员通过实践社区、学习社区、兴趣社区、目的社区等进行知识协同和交互,从而实现知识共享、知识转移以及组织学习,并运用所获知识进行知识创造的行为。联盟过程中不可避免会出现机会主义行为,联盟成员为了追求自身利益而不愿意共享自己的核心知识,从而降低联盟稳定性。一方面,联盟成员的知识消化吸收能力影响知识协同,从而影响联盟稳定性;另一方面,成员的知识转移效率对联盟稳定性产生影响,当知识转移效率较高时,联盟稳定性也较强。此外,有研究从联盟成员团队学习角度界定知识协同,提出经常组织团队成员进行共同学习的联盟稳定性更强。基于此,本研究将知识协同界定为知识共享程度、知识转移效率和团队成员学习频率,并提出以下假设:
H3:知识协同程度对提高产业技术创新战略联盟稳定性有显著影响。
关于关系协同与联盟稳定性,Lloyd等[27]采用联盟成员合作中的接触频率和持续时间衡量关系协同,分析了其与联盟稳定性的关系。结果发现,成员经常交流和接触有助于联盟稳定。关系协同是联盟成员双方投入资源的程度,联盟成员在合作过程中能否充分考虑对方的利益将影响联盟稳定性。成员对合作过程中专用性关系资产的承诺有助于降低联盟管理成本,从而提高联盟稳定性。基于此,本研究将关系协同归结为联盟成员接触时间、资源投入程度、合作互惠性、专用关系资产承诺等,并提出以下假设:
H4:关系协同对提高产业技术创新战略联盟稳定性有显著影响。
创新协同有助于成员企业进行良好的合作和学习,对联盟稳定性起着重要作用。Auh等[28]认为创新协同主要包括组织协调能力、沟通有效性、冲突管理能力以及利益分配方式等。联盟成员间顺畅的沟通有助于提高联盟稳定性。Schilke等[29]、Leischnig等[30]指出,伙伴恶性竞争、冲突等行为可能导致联盟失败和解体,而创新协同度高可以避免联盟冲突发生,维持联盟稳定运行。此外,有效的创新协同有利于解决联盟信息不对称和机会主义问题,促进联盟成员彼此了解,降低联盟成员机会主义行为概率,增强联盟稳定性。Luo等[31]认为,利益分配合理是联盟稳定运行的关键。基于以上分析,本文将创新协同归为有效沟通程度、冲突管理水平和利益分配公平程度,并提出以下假设:
H5:创新协同对提高产业技术创新战略联盟稳定性有显著影响。
联盟稳定运行的前提和保障条件是成员间高度信任,因此信任度与联盟稳定性紧密相关。信任和控制是降低联盟风险的方法,成员信任度是保障联盟稳定性的基础及表征联盟成功的标志。孔令池等[32]提出了联盟四阶段概念框架,并认为成员信任度在每个阶段都对联盟稳定性产生影响。王军等[33]基于社会交换理论提出,成员信任度与联盟稳定性存在正向影响关系,进而有效提升联盟绩效。合作伙伴的合作经验有助于增强成员信任感,提高联盟稳定性。成员投入联盟的资源越多,越依赖于联盟,即资源投入情况反映了成员对联盟的重视程度。同时,该投入有利于提高其他成员的联盟合作信任度,增强联盟稳定性。管理协同效应的发挥基于联盟成员间相互信任,一方面,成员信任是联盟关系协同的基础,成员信任度正向调节联盟关系协同与稳定性关系。另一方面,知识协同有赖于联盟成员间相互信任,只有成员高度信任时,才愿意为联盟贡献自己的知识,促进联盟知识协同,提高联盟稳定性。基于此,本研究将成员资源投入程度、合作中联盟成员欺骗行为次数、成员经验和信息共享程度归结为联盟成员信任度[34],并提出以下假设:
H6:成员信任度对产业技术创新战略联盟稳定性有显著影响;
H7:成员信任度在资源协同与联盟稳定性之间存在调节作用;
H8:成员信任度在关系协同与联盟稳定性之间存在调节作用;
H9:成员信任度在目标协同与联盟稳定性之间存在调节作用;
H10:成员信任度在知识协同与联盟稳定性之间存在调节作用;
H11:成员信任度在创新协同与联盟稳定性之间存在调节作用。
基于以上理论分析与研究假设,构建如图1所示的研究框架。
根据需要,选取我国部分地区的产业技术创新战略联盟作为研究对象,采用问卷调查方式进行数据收集。问卷调研地域包括云南、江苏、上海、广州、北京等,调研产业涉及电子、医药、化工、有色金属、特色农业等行业。问卷调查采用函寄、访谈、Email等方式。一是通过学院提供的校友录,向校友所在企业发放问卷;二是对高校EMBA和MBA学员发放问卷;三是对云南省产业技术创新战略联盟进行实地调研、访谈并进行问卷调查。为确保问卷信息的可靠性与准确性,问卷填写尽量邀请对该领域比较熟悉的高层管理者填写。调研起止时间为2016年12月-2017年7月。本次研究共发出问卷513份,收回436份,回收率为85%,经过整理,最终获得有效问卷365份,样本具体情况见表1。问卷结果分析借助SPSS20.0与AMOS23.0完成。
图1 研究假设模型
表1 调查问卷样本构成
项目 分类指标人数比例(%)项目分类指标人数比例(%)性别男21459.0联盟类型企业22561.6女15141.0高校4612.6年龄30岁以下6317.3科研院所8623.631-40岁12233.4其它82.241-50岁15743.051岁以上236.3职级普通职员10428.5受教育程度中专及以下10428.5基层管理者10729.3本科17247.1中层管理者12233.4硕士及以上8924.4高层管理者328.8
本文测量量表来源于国内外经典文献。①研读本领域权威经典文献,确定相关量表和题目,在保证原始文献的前提下,翻译成中文的变量测量量表;②为了使被调查者充分理解问卷意思,研究团队征求了相关领域的专家意见,对问卷题目进行了细致斟酌和修改,确保问卷测量题项在不改变原意的前提下通俗易懂;③为保证问卷有效性,选择10多家产业技术创新战略联盟对问卷进行预测试并征求他们的修改意见,对问卷进行最后修改,形成最终问卷。问卷测度借鉴级量表对设计变量进行赋值,1表示“完全不同意”,7表示“完全同意”。
2.2.1 因变量
本研究以联盟稳定性为因变量,在梳理相关文献的基础上,构建联盟稳定性的测量量表,如表2所示。
2.2.2 自变量
通过归纳总结联盟稳定性影响因素,本文主要从5个维度衡量联盟稳定性,具体测量量表如表3所示。
2.2.3 调节变量
调节变量为联盟成员信任度。本文借鉴Nguyen等(2014)和Heimeriks等(2015)的研究成果,对成员信任度进行测度,具体见表4。
2.2.4 控制变量
为建立稳定的假设关系,结合前人研究成果,从个体水平和组织水平两个维度设置控制变量,即被测试者和被测试联盟组织。其中,被测试者主要涉及职位等因素,联盟组织主要涉及单位性质和单位人数、政府干预度等因素。
首先,对模型进行信度和效度分析,具体见表5所示。本文采用CR系数评判问卷信度,分别对联盟管理协同、联盟稳定性量表进行内部一致性检验。从表中数据可知,各变量值都大于0.7,除联盟稳定性为0.778外,其它都在0.8以上。同时,各量表的CR值在0.831~0.900之间,高于0.7,表明量表具有较高信度。本文使用因子分析法和AVE检验量表结构效度与收敛效度。Hair等指出,各变量因子载荷大于0.5,表示该变量非常显著。由表中标准载荷值可知,各变量因子载荷值都满足0.5的要求,表明该量表具有很好的结构效度。另外,各变量的AVE值高于推荐值0.5的统计临界值,说明因子具有很好的收敛效度。
采用验证性因子分析法验证研究变量的收敛效度,分别对资源协同、目标协同、知识协同、关系协同、创新协同和稳定性进行验证性因子分析。表6中变量测量条目在相应因子上的标准化载荷均高于0.5,从模型拟合效果看,绝大部分拟合指标达到可接受标准,表明模型可以接受,具有良好收敛效度。
表2 因变量测量量表
因变量测量维度文献来源6a贵公司与联盟伙伴的合作很愉快Jun M等(2013)、Christoffersen (2014)、Christoffers-en (2014)、Lsidor R等(2013)6b贵公司通过联盟合作提高了企业竞争力稳定性6c贵公司通过联盟合作,希望继续合作下去6d贵公司通过联盟合作提高了公司市值6e贵公司通过联盟合作获得了有用的外部知识7f贵公司通过联盟合作,R&D创新能力得到大幅提升
表3 自变量测量量表
研究变量测量维度测量题项文献来源资源协同1a贵公司与合作伙伴物质资源的互补性很强Das等(2003)、Angeles和Nath(2015)1b贵公司与合作伙伴人力资源能够发挥良好的协同作用1c贵公司与合作伙伴的资源结构具有很强的互补性目标协同2a贵公司所在的联盟能在预算内完成既定目标Ogier T(2012)、Schmit等(2015)2b贵公司所在联盟的目标完成率非常高2c贵公司与合作伙伴的目标一致性很高联盟协同管理知识协同3a贵公司与合作伙伴能够充分进行知识共享Tang M等(2015)、Nalewaik A(2015)3b贵公司研发人员与合作伙伴研发人员经常进行技术交流3c贵公司所在联盟团队成员学习效率非常高关系协同4a贵公司高管与合作伙伴高管具有很好的私人关系Kate等(2012)、Mcnair(2010)、Suprapto等(2015)4b贵公司对所在联盟投入了大量有用资源或技术支持4c贵公司能够通过联盟合作提高公司社会资本4d合作伙伴对联盟作出了专用关系资产承诺创新协同5a贵公司与合作伙伴在研发方面进行深入合作Schreiner M (2009)、Leischnig等(2014)5b贵公司所在联盟建立了良好创新机制5c贵公司与合作伙伴共享创新成果
为进一步探索管理协同与联盟稳定性关系,利用SPSS20.0软件对各变量均值、标准差及相关性进行分析(如表7所示),得到:①联盟稳定性与资源协同(r=0.505,p<0.01)、目标协同(r=0.438,p<0.01)、知识协同(r=0.506,p<0.01)、成员信任度(r=0.243,p<0.01)等呈显著正相关性,与本研究假设H1、H2和H3相符;②稳定性与关系协同(r=-0.539,p<0.01)呈显著负相关性,稳定性与创新协同(r=0.545,p>0.1)相关性不显著,与本研究假设H4和H5预期不一致,为确保结果的科学性和准确性,需进一步对其进行分析、验证。
表4 调节变量测量量表
测量题项文献来源8a合作伙伴具有良好信誉Nguyen等(2014)、Heimeriks等(2015)8b联盟合作期合作伙伴无欺诈行为、账款交付及时、对财务透明度满意成员信任度8c贵公司合作伙伴经验丰富8d在联盟合作期合作伙伴共享了大量有用信息
本文采用AMOS软件,对理论模型进行验证。结果如图2所示,资源协同、目标协同、知识协同与稳定性呈显著正相关关系,与本文研究假设H1、H2、H3相符。然而关系协同与稳定性呈显著负相关关系,与研究假设H4相反。这主要是因为即使成员协同度高,也存在“搭便车”和机会主义行为,最终导致联盟不稳定,即成员关系协同度高并不能保证联盟绩效高。创新协同与联盟稳定性关系没有通过显著性检验,即假设H5没有得到验证,其主要原因在于创新协同的关键在于拥有良好的利益分配机制,否则,创新协同效果不明显,导致联盟稳定性较差。从共线性分析结果来看,所有变量的VIF值均小于10,说明变量之间不存在多重共线性。因此,假设H1-H5得到验证,见表8。
为验证研究假设H7、H8、H9,采用阶层式回归验证成员信任度在资源协同、目标协同、知识协同、关系协同、创新协同与稳定性间的调节作用,回归模型结果见表9。与模型1相比,模型2在控制变量的基础上增加了资源协同、目标协同、知识协同、关系协同、创新协同和成员信任度等解释变量,在不考虑交互作用的情况下,检验相关变量对产业技术创新战略联盟稳定性的影响。模型3在模型2的基础上增加了成员信任度与管理协同各因素的交互变量,用于检验交互作用对产业技术创新战略联盟的影响。
表5 信度与效度检验
变量测试题项标准载荷AVECRCronbach'α 资源协同1a贵公司与合作伙伴物质资源的互补性很强0.790.5060.8360.8361b贵公司与合作伙伴的人力资源能够发挥良好的协同作用0.731c贵公司与合作伙伴的资源结构具有很强的互补性0.70目标协同2a贵公司所在联盟能在预算内完成既定目标0.680.553 0.8310.8342b贵公司所在联盟的目标完成率非常高0.742c 贵公司与合作伙伴的目标一致性很高0.75知识协同3a贵公司与合作伙伴能够充分共享知识0.870.7080.8790.8743b贵公司研发人员与合作伙伴研发人员经常进行技术交流0.773c如果违反契约规定,贵公司无法承受违约损失0.88联盟管理协同关系协同4a贵公司高管与合作伙伴高管具有很好的私人关系0.790.5430.8560.8544b贵公司对所在联盟投入了大量有用的资源或技术支持0.744c贵公司通过联盟合作提高公司社会资本0.744d合作伙伴对联盟作出了专用关系资产承诺0.70创新协同5a贵公司与合作伙伴在研发方面进行深入合作0.780.5640.8380.8385b贵公司所在联盟建立了良好的创新机制0.695c贵公司与合作伙伴共享创新成果0.77稳定性6a贵公司与联盟伙伴合作愉快0.730.5970.8800.8966b贵公司通过联盟合作提高了企业竞争力0.696c贵公司希望联盟合作持续下去0.706d贵公司通过联盟合作提高了公司市值0.836e贵公司通过联盟合作获得了有用的外部知识0.726f贵公司通过联盟合作,使 R&D创新能力得到大幅提升0.87
表6 各变量验证性因子分析结果
变量χ2dfχ2/df GFICFITLIRMRAGFINFIRMSEA资源协同2.92621.4630.9960.9980.9950.0160.9780.9940.037目标协同13.02526.5130.9720.9710.9420.0450.9170.9630.077知识协同4.92622.4630.9810.9860.9830.0240.9630.9840.062关系协同5.38631.7620.9880.9870.9610.0220.9410.9830.089创新协同14.32827.1640.9820.9830.9670.0260.9450.9760.082稳定性13.82466.9120.9820.9790.9580.0440.9450.9680.077
表7 各变量间相关系数
变量均值标准差1234567资源协同4.8010.8681目标协同5.1110.9070.530∗∗1知识协同5.1170.9360.560∗∗0.714∗∗1关系协同5.4890.7950.469∗∗0.491∗∗0.511∗∗1创新协同5.1470.8400.543∗∗0.695∗∗0.683∗∗0.572∗∗1稳定性5.5240.9380.505∗∗0.438∗∗0.506∗∗-0.539∗∗0.5451成员信任度4.0670.9470.452∗∗0.448∗∗0.458∗∗0.348∗∗0.501∗∗0.243∗1
注:**,*分别表示在p<0.01,p<0.05的水平下显著(下同)
表8 假设检验结果
路径关系路径系数t值容差VIF检验结果H1:资源协同→联盟稳定性 +0.921∗∗11.4030.1596.27支持H2:目标协同→联盟稳定性 +0.703∗∗9.1660.2623.81支持H3:知识协同→联盟稳定性 +0.881∗∗10.3690.2164.62支持H4:关系协同→联盟稳定性 --0.893∗∗8.4000.2673.75不支持H5:创新协同→联盟稳定性 +0.7260.7740.1745.74不支持
由表5可以看出,与模型1相比,模型2的R2值有显著意义上的提高(△R2=0.340,△F=50.182**),这表明成员信任度对联盟稳定性具有重要解释作用,且模型2和模型3中成员信任度系数均为正值,表明成员信任度对稳定性具有正向影响,假设H6得到验证。与模型2相比,模型3的R2值也有显著意义上的提升(△R2=0.023,△F=6.459**),这表明成员信任度与资源协同、目标协同、知识协同、关系协同、创新协同的交互作用对联盟稳定性具有重要解释作用。知识协同、关系协同和创新协同交互项的标准化回归系数分别为0.101、-0.117、-0.262、0.105和0.132,p值在0.05水平上都达到显著,这意味着成员信任度在资源协同、关系协同、创新协同与联盟稳定性间起正向调节作用,假设H7、H10、H11得到验证,成员信任度在目标协同与知识协同间起负向调节作用,结果与研究假设H8和H9相反,即H8和H9没有得到验证。本研究认为,联盟成员信任度在目标协同、知识协同与稳定性之间起负向调节作用,这是因为仅仅依靠成员信任维持联盟稳定是不够的,联盟成员在合作过程中会出现目标一致度不高、知识协同度较低的情况,从而导致联盟成员信任度在目标协同、知识协同与稳定性之间起负向调节作用。
表9 联盟成员信任度的调节作用
变量模型1模型2模型3政府干预度0.530.1050.084联盟规模-0.091-0.114-0.203职位0.246∗∗0.1520.186控制变量联盟所属行业-0.1460.040∗0.036成员信任度0.253∗∗0.269∗∗资源协同0.921∗∗0.941∗∗目标协同0.703∗∗0.532∗∗解释变量知识协同0.881∗∗0.607∗∗关系协同-0.893∗∗-0.395∗∗创新协同0.7260.432成员信任度×资源协同0.101∗∗成员信任度×目标协同-0.117∗∗成员信任度×知识协同-0.262∗∗交互项成员信任度×关系协同0.105∗∗成员信任度×创新协同0.132∗∗R 0.0790.5890.608R2 0.0060.3470.369模型统计量调整后R2 0.0010.3350.352△R2 0.0060.3400.023F3.910∗50.182∗∗6.459∗∗F统计值3.910∗30.657∗∗20.947∗∗
为了精准分析成员信任度在资源协同、目标协同、联盟知识协同、关系协同、创新协同与稳定性间的调节作用,分别检验了不同成员信任度下资源协同、目标协同、知识协同、关系协同、创新协同对联盟稳定性的作用并绘制了调节作用图,如图2-图6所示。在产业技术创新战略联盟日常运作中,在成员信任度较高的情况下,资源协同对联盟稳定性影响显著,这意味着成员信任度高将极大提升联盟资源协同对联盟稳定性的正向影响。对于关系协同而言,成员信任度高将显著放大关系协同对稳定性的负向影响。对创新协同而言,成员信任度高将极大提升创新协同对联盟稳定性的正向影响。对于目标协同和知识协同而言,成员信任度高反而会降低联盟目标协同和知识协同对联盟稳定性的正向影响。
本研究基于产业技术创新战略联盟的复杂性和多样性,分析了影响联盟稳定性的因素,运用结构方程模型对研究假设进行了实证分析。研究结果发现,资源协同、目标协同与知识协同对稳定性都有显著正向影响,关系协同对联盟稳定性具有显著负向影响,创新协同对联盟稳定性的正向影响不显著,成员信任度在资源协同、关系协同、创新协同与联盟稳定性之间起正向调节作用,在目标协同、关系协同与联盟稳定性之间起负向调节作用。本研究具有以下3点贡献:
图2 成员信任度对资源 图3 成员信任度对目标
协同的调节作用 协同的调节作用
图4 成员信任度对知识 图5 成员信任度对关系
协同的调节作用 协同的调节作用
图6 成员信任度对创新协同的调节作用
(1)通过研究发现,①资源协同、目标协同与知识协同对联盟稳定性的正向影响较显著,资源协同是保证联盟稳定的首要前提,因此选择联盟成员必须满足一定条件,如物质资源互补性、人力资源互补性和资源结构互补性等;②联盟合作以一定目标为基础,只有达成共同目标,成员都获得满意利益或绩效,彼此间合作满意、存在继续合作意愿,才有利于联盟稳定;③联盟协同效应发挥以知识协同为基础,通过联盟成员共享各自的优势知识和信息,从而实现重大创新;④关系协同对联盟稳定性具有负向影响,这与王寅等[34]、Jarvenpaa等[35]得出的关系协同对联盟稳定性有显著正向影响的结论截然相反。主要原因是仅仅依靠成员关系并不能维持联盟稳定,即使联盟成员关系协同度高,成员之间也普遍存在“搭便车”行为和机会主义倾向,从而导致联盟稳定性不强;⑤创新协同对联盟稳定性的正向影响不显著,这与Keshmiri等[36]、Nowotarski等[37]得出的创新协同对联盟稳定性有显著正向影响的结果不同,主要原因是虽然产业技术创新战略联盟成立的目的是提升技术创新能力,成员协同创新有利于提升联盟创新能力,但联盟还需建立良好的利益分配机制,如果利益分配机制不合理,将导致成员创新协同与联盟稳定性的相关性较差;⑥成员信任度在资源协同、关系协同、创新协同与联盟稳定性间起正向调节作用,联盟成员信任度高有助于提升资源投入、关系协同、创新协同对联盟稳定性的作用,这与以前的研究存在很大区别——以往研究大多将成员信任度作为自变量进行分析。通过本研究发现,成员信任度不仅直接影响联盟稳定性,而且对其它自变量与联盟稳定性的关系存在调节作用;⑦成员信任度在目标协同、知识协同与联盟稳定性之间起负向调节作用,这与本研究假设相反。原因是联盟合作中成员存在道德风险、机会主义、背信弃义行为,也存在由于联盟绩效不佳而失去信心、对合作不满意或不愿意继续合作等行为,这些将影响目标协同、知识协同对稳定性的正向作用。
(2)丰富和充实了产业技术创新战略联盟稳定性研究。当前的联盟稳定性研究还处于静态、初步探索阶段,联盟稳定性影响因素研究还不够深入、全面,大多数研究只考虑独立的解释变量,缺乏整体客观的系统性研究。同时,当前的联盟稳定性研究将其视为点均衡,忽视了过程均衡,缺乏管理协同对联盟稳定性影响的研究。本研究基于协同论,构建了基于资源协同、目标协同、知识协同、关系协同、创新协同的联盟稳定性影响因素指标体系,较全面地反映了影响联盟稳定性的前置因素、后果变量和调节因素。根据各指标回归系数,可以得到不同指标对联盟稳定性的影响程度,从而更好地指导联盟稳定性建设。因此,本研究成果对提升联盟稳定性管理水平有一定借鉴作用。
(3)为我国创新驱动背景下建设产业技术创新战略联盟、提高联盟稳定性管理水平和联盟绩效提供理论指导与实践借鉴。通过研究,明晰了影响联盟稳定性的管理协同要素以及成员信任度在管理协同与联盟稳定性之间的调节作用,有助于联盟管理者在具体管理实践中充分利用本研究成果解决当前联盟运行中存在的问题并提高联盟运行效率。如云南省农业设施电子产业技术创新战略联盟在实践中注重成员信任关系的建立,构建了一套公平合理的利益分配机制和激励机制,通过建立共同愿景和目标,搭建顺畅的沟通交流平台,使联盟成员合作更加务实,所有联盟成员都能各取所需,实现联盟资源协同、关系协同和目标协同,从而使联盟发展蒸蒸日上,并获得了“云南省优秀产业技术创新战略联盟”荣誉称号。总体而言,本文研究补充和完善了联盟稳定性管理理论,为联盟稳定性影响研究提供了理论依据和参考,有助于联盟更好地避免或降低不稳定影响,保障联盟持续健康发展。同时,本文研究为当地政府部门支持产业技术创新战略联盟建设提供了理论指导和实践范例,从而为更好地贯彻实施创新驱动发展战略、实现创新型国家建设提供了坚实保障。
当然,本文研究也存在一定局限性。首先是量表设计。由于联盟稳定性的定性分析较少,因此可借鉴的成熟量表有限。同时,由于存在语言和文化差异,对有限的西方量表进行翻译时难免存在偏差,且中国管理情境与西方不同,量表适用性存在一定影响;其次是样本选取。受资源所限,本文的访谈、问卷对象以云南省为主。在能力范围内应尽可能多选取我国部分城市产业技术创新战略联盟作为研究对象,并增加样本比例。未来研究中,为保证样本分布的均匀性,可以选取不同地区产业技术创新战略联盟作为研究对象。
[1] JACKSON M O, WATTS A.The evolution of social and economic networks [J].Journal of Economic Theory, 1998, 106(2):265-295.
[2] FREITAS IMB, MARQUES RA, SILVA EMDPE.University-industry collaboration and innovation in emergent and mature industries in new industrialized countries[J].Research Policy, 2013,42(2):443-453.
[3] JIANG X, LI Y, GAO S.The stability of strategic alliances:characteristics, factors and stages [J].Journal of International Management, 2008,14(2):173-189.
[4] DELSIGNORE A, RUFER M, MOERGELI H, et al.California psychotherapy alliance Scale (CALPAS):psychometric properties of the German version for group and individual therapy patients[J].Comprehensive Psychiatry, 2013,55(3):736-742.
[5] CHEN SH, WANG PW, CHEN CM, et al.An analytic hierarchy process approach with linguistic variables for selection of an R&D strategic alliance partner [J].Computers & Industrial Engineering,2010,58(2):278-287.
[6] AHLSTROM D, LEVITAS E, HITT MA, et al.The three faces of China:strategic alliance partner selection in three ethnic Chinese economies[J].Journal of World Business,2014,49(4):572-585.
[7] DREWNIAK L, STASIUK R, UHRYNOWSKI W, et al.Shewanella sp.o23s as a driving agent of a system utilizing dissimilatory arsenate-reducing bacteria responsible for self-cleaning of water contaminated with arsenic[J].International Journal of Molecular Sciences,2015,16(7):14409-14427.
[8] CONNOR RC, KRÜTZEN M.Male dolphin alliances in shark bay:changing perspectives in a 30-year study[J].Animal Behaviour,2015,103(16):223-235.
[9] KUMAR R.Managing ambiguity in strategicalliances[J].California Management Review, 2014,56(4):82-102.
[10] MILLER DJ, FERN MJ, CARDINAL LB.The use of knowledge for technological innovation within diversified firms [J].Academy of Management Journal, 2007,50(2):307-325.
[11] JARON A, MIHAILOVIC A, AGHVAMI A.Seif-management for access points coverage optimization and mobility agnts configuration in future accsee networks[J].Wireless Personal Communications,2013,72(1):343-374.
[12] WASSMER U, DUSSAUGE P.Network resource stocks and flows:how do alliance portfolios affect the value of new alliance formations[J].Strategic Management Journal, 2012,33(7):871-883.
[13] HILL WR, ROBERTS BJ, FRANCOEUR SN, et al.Resource synergy in stream periphyton communities[J].Journal of Ecology,2015,99(2):454-463.
[14] PAN KL, BAI LH.Study on management synergy mechanism[J].Chinese Journal of Systems Science,2006,17(28):182-201.
[15] KESHMIRI S, PAYANDEH S, EDITORS.Toward opportunistic collaboration in target pursuit problems[J].International Conference on Autonomous and Intelligent Systems, 2011,19(2):31-40.
[16] HARDY L, JESPERS V, ABDELLATI S, et al.A fruitful alliance:the synergy between a top obium vaginae and gardnerella vaginalisin bacterial vaginosis-associated biofilm[J].Sexually Transmitted Infections, 2016,92(7):487-491.
[17] LOMI A, FONTI F.Networks in markets and the propensity of companies to collaborate:an empirical test of three mechanisms [J].Economics Letters,2012,114(2):216-220.
[18] ALPHEY N, BONSALL MB, ALPHEY L.Combining pest control and resistance management:synergy of engineered insects with Btcrops[J].Journal of Economic Entomology, 2009,102(2):717-719.
[19] GULATI R.Social structure and alliance formation patterns:a longitudinal analysis[J].Administrative Science Quarterly, 1995,40(4):619-652.
[20] DAS S, KLOTZ M, KLOCKE F.EDM simulation:finite element-based calculation of deformation, microstructure and residual stresses[J].Journal of Materials Processing Tech, 2003,142(2):434-451.
[21] VIDAL JM.Book review:objective coordination in multi-agent system engineering:design and implementation[J].Acm Computing Reviews, 2001,14(8):1103-1137.
[22] SCHNUR JB, MONTGOMERY GH.A systematic review of therapeutic alliance, group cohesion, empathy, and goal consensus/collaboration in psychotherapeutic interventions in cancer:uncommon factors[J].Clinical Psychology Review, 2010,30(2):238-247.
[23] INKPEN AC, BEAMISH PW.Knowledge, bargaining power, and the instability of international joint ventures[J].Academy of Management Review,1997,22(1):177-202.
[24] CHAFFEEBATES KM.A comparison of the role of task, goal & bond in the therapeutic alliance with clients diagnosed with ADHD[J].Dissertations & Theses- Gradworks,2011,35(17):12-35.
[25] ANKLAM E, GADANI F, HEINZE P, PIJNENBURG H, et al.Analytical methods for detection and determination of genetically modified organisms in agricultural crops and plant-derived food products[J].European Food Research & Technology, 2002,214(1):3-26.
[26] KARLENZIG W, PATRICK J.Tap into the power of knowledge collaboration[J].Customer Inter, 2002,8(5):1571-1583.
[27] LLOYD K, WRIGHT S, SUCHETPEARSON S, et al.Reframing development through collaboration:towards a relational ontology of connection in Bawaka, North East Arnhem Land[J].Third World Quarterly, 2012,33(6):1075-1094.
[28] AUH S.The effects of soft and hard service attributes on loyalty:the mediating role of trust[J].Journal of Services Marketing, 2005,19(2):80-92.
[29] SCHREINER M, KALE P, CORSTEN D.What really is alliance management capability and how does it impact alliance outcomes and success[J].Strategic Management Journal,2009,30(13):1395-1419.
[30] LEISCHNIG A, GEIGENMUELLER A, LOHMANN S.On the role of alliance management capability, organizational compatibility, and interaction quality in interorganizational technology transfer[J].Journal of Business Research, 2014,67(6):1049-1057.
[31] LUO Y, LIANG B.Distribution of interests of technological alliance based on shapely value method[J].Value Engineering, 2011,8(3):12-23.
[32] 孔令池,高波.产业周期视角下制造业集聚对企业家精神的影响研究[J].云南财经大学学报,2018,34(9):79-89.
[33] 王军,詹韵秋.技术进步带来了就业质量的提升吗?——基于中国2000~2016年省级动态面板数据分析[J].云南财经大学学报,2018,34(8):29-39.
[34] 王寅,蔡双立.关系冲突下企业的权变决策与行为逻辑——关系压力的调节作用[J].云南财经大学学报,2018,34(4):82-94.
[35] JARVENPAA SL, MAJCHRZAK A.Research commentary-vigilant interaction in knowledge collaboration:challenges of online user participation under ambivalence[J].Information Systems Research,2010,21(4):773-784.
[36] KESHMIRI S, PAYANDEH S.Multi-robot target pursuit:towards an opportunistic control architecture[C].International Multi-Conference on Systems, Signals and Devices, 2011:1-6.
[37] NOWOTARSKI P, PASAWSKI J, MATYJA J.Improving construction processes using lean management methodologies -cost case study [J].Procedia Engineering, 2016,161(2):1037-1042.