随着经济全球化进程不断加快,市场环境愈发动荡,不确定性因素愈发复杂,仅凭单一竞争策略已无法满足企业生存需要。尤其是在技术更新快、环境日趋复杂的现实背景下,企业更难仅凭自身资源获得持续竞争优势[1],导致企业面临“核心刚性”问题。通过建立战略联盟关系,企业无需进军新市场就可获得新知识资源[2],实现成本优势或差异化优势[3]。因此,战略联盟逐渐成为多数企业规避市场不确定性的有效路径。
虽然战略联盟能够为企业提供应对市场不确定性的路径,但在实际运作过程中仍存在诸多问题导致联盟解体,究其根本原因在于企业在选择联盟伙伴时未能作出正确决策[4]。战略联盟伙伴选择作为联盟形成的源头,既是管理联盟企业关系的关键,又是提升联盟绩效的核心。国内外学者对战略联盟伙伴选择与创新绩效关系的研究已取得诸多成果。如Wassmer[5]从信息资源角度剖析企业寻求联盟合作的原动力,认为联盟合作能够帮助企业获取发展所需资源,进而提升企业创新绩效;Hagedoorn[6]从联盟伙伴多样性与相关性出发,发现联盟伙伴选择会对企业创新绩效产生积极影响;王玉东等[7]从联盟伙伴匹配性出发,认为伙伴匹配性能够影响联盟创新绩效。已有文献多从资源视角出发,剖析联盟伙伴对企业创新绩效的影响,较少考虑到战略整体性对企业联盟行为的影响。基于战略整体性选择联盟伙伴有利于联盟成员开拓新市场并获取最大利益[8],同时,避免联盟成员目标不一致问题。Golonka[9]基于联盟网络认为,战略导向可作为从战略整体性出发划分联盟伙伴的主要依据,并从关系导向和市场导向两个角度对战略联盟伙伴选择进行了维度划分。其中,关系导向下的联盟伙伴选择是指通过熟人介绍加入关系网络,而市场导向下的联盟伙伴选择是指看重企业资源的互补性以及从联盟中获得对自身发展有利的知识资源。因此,有必要从战略导向视角对战略联盟伙伴选择进行深入研究,探讨其对联盟创新绩效的影响。
与战略联盟伙伴建立良好、稳定的关系,有助于企业间实现知识资源的高效交换,让联盟企业更好地应对和解决创新进程中的问题[10]。但企业只有通过有目的的搜索才能优化完善自身知识库,也就是说能否通过战略联盟伙伴获取自身所需的知识资源在很大程度上依赖于企业知识搜索行为。资源基础观认为,知识搜索行动会受到企业自身知识类型的影响[11];社会网络理论认为,企业在网络中所处的位置会影响企业知识搜索强度[12];演化理论则认为,企业选择何种搜索策略会受到外部环境的影响[13]。虽然不同理论基于不同角度获得了关于知识搜索的研究结论,但较少有文献从战略导向角度探讨企业知识搜索行为。Kumar & Subramanian[14]指出,战略导向既决定了企业开展行动的方向,也决定了资源配置方向和优先级别。因此,战略联盟伙伴选择的二元导向性能否通过影响知识搜索进而提升联盟创新绩效值得深入探讨。进一步讲,知识搜索宽度与知识搜索深度在关系导向、市场导向的联盟伙伴选择影响联盟创新绩效的过程中是否发挥中介作用?对于该问题的解答有助于明晰战略联盟伙伴选择双重导向性影响联盟创新绩效的作用路径,这将是一个重要的研究突破口。
综上所述,本研究基于资源依赖理论,以长三角地区战略联盟企业为研究对象,从战略导向视角探究以下问题:①战略联盟伙伴选择的二元导向性与联盟创新绩效关系;②知识搜索在战略联盟伙伴选择与联盟创新绩效间的中介作用。本研究一方面有助于揭示战略联盟伙伴选择二元导向性对联盟创新绩效的内在影响机制;另一方面为我国企业基于战略整体性选择合适的联盟伙伴提供理论依据与实践指导。
(1)关系导向下的联盟伙伴选择与联盟创新绩效。由于市场环境的不确定性,企业可依赖关系选择战略联盟伙伴,与其熟悉、信任以及保持长期合作往来的企业建立伙伴关系。基于关系导向选择的联盟伙伴通常具有相似的市场与文化特征,通过频繁的沟通和交流,有利于联盟企业对已有知识和技术领域进行深度挖掘与开发[15],促进取长补短以及建立合作关系。此外,联盟企业也可充分利用联盟网络中的冗余资源不断完善自身知识资源池[16],促进企业创新。总的来说,通过关系导向选择战略联盟伙伴,有助于联盟企业获取大量知识资源,了解市场动态,弥补自身知识与技术资源不足,这对于提升联盟企业创新绩效具有重要作用。综上所述,本研究提出如下假设:
H1a:关系导向下的联盟伙伴选择对联盟创新绩效有促进作用。
(2)市场导向下的联盟伙伴选择与联盟创新绩效。尽管关系导向下的联盟伙伴选择有助于企业获取相应知识和技术支持,满足企业创新需求,但过度的关系导向会导致联盟内部产生知识刚性[17],阻碍联盟成员对异质性知识的获取和应用。因此,企业还需借助市场导向选择战略联盟伙伴、拓展企业视野。市场导向的联盟选择侧重于联盟企业的知识基础,通过形成较为松散的联盟关系,帮助企业从联盟伙伴处获取高质量的异质性知识资源,并将其与自身资源整合,实现知识资源再利用,不断激发企业形成创新思路,推动企业开展创新实践[18]。综上所述,本研究提出如下假设:
H1b:市场导向下的联盟伙伴选择对联盟创新绩效有促进作用。
面对日趋多变的市场需求,企业只有不断获取新知识,才能捕捉到更多机会[19]。知识搜索作为一种知识获取行为,能够帮助企业突破自身发展瓶颈,快速跨越组织边界并获取新知识。就其划分维度而言,从知识数量和质量两个角度进行划分得到学者们的广泛认同。本研究同样采用该划分方式探讨知识搜索的二元化作用。其中,知识搜索宽度是指企业在除自身以外的市场环境下获取知识信息所需涉足的范围边界;知识搜索深度是指企业获取知识信息的详尽情况、知识在相关领域的重要程度及影响力[20]。
(1)关系导向下的联盟伙伴选择与知识搜索。在关系导向联盟中,联盟企业往往具有较为密切的关系。强关系意味着彼此之间存在着高度信任和情感承诺,而信任和承诺是企业知识共享的重要前提[21]。一方面,联盟成员间的信任和承诺有利于提升双方知识共享意愿[22],拓展知识领域,弥补现有知识漏洞;另一方面,企业间信任和承诺有助于降低分享与认知风险,有效杜绝机会主义行为[23],促使联盟成员间形成稳定的合作共享态势。只有在关系稳定的基础上,企业才能反复搜索既有知识并从中获得新发展机遇[24]。综上所述,本研究提出如下假设:
H2:关系导向下的联盟伙伴选择对知识搜索宽度有促进作用;
H3:关系导向下的联盟伙伴选择对知识搜索深度有促进作用。
(2)市场导向下的联盟伙伴选择与知识搜索。Narver等[25]认为,市场导向是一种可以激发企业高效为顾客创造价值的行动理念,其核心是以顾客需求为导向。因此,在基于市场导向形成的联盟关系中,联盟成员往往拥有共同目标,这样可以免受行为方面的限制[26]。如为适应市场发展,联盟成员需不断拓展自身服务范围,为此企业可通过沟通交流以准确把握当前市场发展方向,实现有目的的知识资源交换,进而拓展知识领域[27]。同时,市场发展方向的准确判断有助于企业加深领域知识理解,帮助其明晰市场需求,通过反复搜索过程突破自身价值羁绊,从而最大程度挖掘出现有知识的内在价值[28]。综上所述,本研究提出如下假设:
H4:市场导向下的联盟伙伴选择对知识搜索宽度有促进作用;
H5:市场导向下的联盟伙伴选择对知识搜索深度有促进作用。
知识搜索宽度强调丰富企业知识库中的知识资源,特别是新知识积累。搜索宽度越大,越能为企业提供更多接触异质性知识的机会。新旧知识的多样化组合为企业实现“变异性选择”制造了条件[29]。联盟企业通过拓展知识搜索宽度,可以丰富自身知识来源,获取更多非冗余资源,帮助企业调整思维方式和创新定位[30],进而实现企业创新。此外,拓展知识搜索宽度还有助于联盟企业创造性应用研发活动相关知识,推动企业不断根据市场发展需求研发出新产品和新技术,使其具有持续竞争优势[29]。综上所述,本研究提出如下假设:
H6a:知识搜索宽度对联盟创新绩效有促进作用。
知识搜索深度强调对现有知识资源进行深度挖掘与反复利用。一方面,加大知识搜索深度有利于联盟企业精炼现有知识,提高专业化程度,同时,也利于降低搜索成本和研发风险[31],进而在一定程度上提高联盟创新绩效;另一方面,加大知识搜索深度有助于联盟企业识别知识潜在价值,提升企业专业优势并优化创新流程,突破专业领域限制,诞生新产品、提供新服务,从而提升联盟创新绩效[32]。综上所述,本研究提出如下假设:
H6b:知识搜索深度对联盟创新绩效有促进作用。
资源依赖理论认为,任何企业都不具备自身运营发展所需的全部知识资源,通过外部知识搜索方式有助于企业获得提升绩效的关键性知识资源[33],而在知识搜索中需要与其它企业形成联盟。本研究认为知识搜索的二元化作用衔接了伙伴选择预期导向与联盟的结果目标,说明联盟企业对合作伙伴的选择将直接影响其获取的知识类型和领域,进而影响联盟企业创新绩效水平。通过知识搜索,战略联盟伙伴选择与联盟创新绩效关系可能发生变化:首先,在战略联盟形成过程中,通过扩大知识搜索宽度可以拓展企业知识获取范围,使联盟企业不受行业约束,更加高效地探索、识别和获取新知识,进而识别潜在的技术和产品需求,实现联盟创新绩效提升[34];其次,拓展知识搜索深度有助于提升专业知识获取程度,促使联盟企业聚焦相似行业,逐步获取、挖掘和重组专业知识,进而完善企业现有技术和产品等,实现联盟创新绩效提升[35]。此外,知识搜索也类似于助力跨行业组织实现战略联盟的动力机制,有助于战略联盟伙伴实现高效的知识互动,从而提升联盟整体创新绩效。综上所述,本研究提出如下假设:
H7a:知识搜索宽度在战略联盟伙伴选择与联盟创新绩效关系中发挥中介效应;
H7b:知识搜索深度在战略联盟伙伴选择与联盟创新绩效关系中发挥中介效应。
根据上述讨论,构建如图1所示的概念模型。
图1 概念模型
基于研究问题,选取长三角地区战略联盟为研究对象。变量测量工具是在参考国内外相关文献基础上,结合本文需要及中国情境予以修改完成的。首先,阅读国内外权威期刊文献,分析该情境下的变量测量量表,并加以转译和校正,设计出半开放式问卷;其次,在2019年3月对长三角地区结成战略联盟的10家企业进行预调研,根据调研结果及反馈意见对各变量题项进行修正和删减,形成最终测量工具;最后,在当地相关部门支持下,课题组于2019年5月通过实地调研以及E-mail形式发放问卷。为消除被调查者疑虑和抗拒心理,所有问卷均采用匿名方式。共发放672份问卷,剔除无效问卷后得有效问卷425份,有效问卷回收率为63.244%,样本基本结构特征如表1所示。
表1 样本结构特征
样本特征条目样本数比重(%) 累计比重(%)企业规模 10人以下409.4129.41210~50人8520.00029.41250~100人9622.58852.000100人以上20448.000100.000企业成立年限3年以下429.8829.8823~5年7718.11828.0006~10年9923.29451.29410年以上20748.706100.000企业性质 国有及国有控股企业8319.52919.529集体(合作)企业388.94128.470私营企业25159.05987.529合资企业399.17796.706外资企业143.294100.000
本研究涉及的所有构念及量表均在现有研究基础上结合研究情境进行了部分修改,以便于受访者更好地理解,且所有量表均采用Likert-7点设计,其中,1代表“非常不符合”,7代表“非常符合”。①自变量方面,参考Golonka[9]的量表,分别采用3个题项测量关系导向的联盟伙伴选择与市场导向的联盟伙伴选择;②因变量方面,采用Prajogo & Sohal[36]以及孙彪[37]的量表,从新产品研发成本、开发效率、面市速度、产品质量与功能,以及总体创新性5个方面予以测量;③中介变量方面,以谭云清[38]的知识搜索量表为基础,分别采用3个题项测量知识搜索宽度和知识搜索深度;④控制变量方面,基于以往研究,为剔除相关变量影响,引入联盟类型、行业发展阶段、企业发展阶段等3个变量作为控制变量。就联盟类型而言,将股权联盟赋值为“1”,非股权联盟赋值为“2”。就行业发展阶段而言,将其划分为4个阶段,其中,1=“引入阶段”,2=“发展阶段”,3=“成熟阶段”和4=“衰退阶段”。就企业发展阶段而言,本研究将其划分为4个阶段,其中,1=“创业期”,2=“成长期”,3=“成熟期”和4=“衰退期”。
为确保研究有效性,进行假设检验前对涉及的构念进行信效度分析,检验结果如表2所示。各变量的Cronbach′s α值以及基于一阶验证性因子分析所得的组合信度(CR)均大于0.7,表明该量表的内部一致性信度较好。同时,各题项因子载荷大于0.7,各变量的AVE值大于0.5,表明量表具有良好收敛效度。此外,五因子模型的数据拟合度较好(χ2/df=1.846<2.000; RMSEA=0.045<0.050; SRMR=0.036<0.050; TLI=0.969>0.900; CFI=0.975>0.900),表明本文中的5个构念具有良好区分效度。
表2 量表信度与效度
变量维度题项效度因子载荷AVE信度Cronbach's αCR联盟伙伴选择关系导向我公司通过朋友和合作伙伴推荐寻找新联盟企业0.8520.6480.7860.847我公司通过当地政府和行业协会推荐寻找新联盟企业0.790我公司通过现有客户指示寻找新联盟企业0.771市场导向我公司通过媒体寻找新联盟企业0.7500.6560.7930.851我公司通过参与活动寻找新联盟企业0.866我公司通过公开贸易信息寻找新联盟企业0.809知识搜索 搜索宽度我公司广泛使用了多个搜索与交流渠道/媒介对联盟伙伴提供的知识进行搜索 0.8530.6860.8240.868我公司能从联盟伙伴提供的知识中搜索到多个领域的专业知识0.831我公司通过从联盟伙伴处获取新知识,使公司知识储量增加 0.800搜索深度在联盟中,我公司频繁使用特定搜索通道以获得特定领域知识0.7140.6800.8170.863在联盟中,我公司能够深度搜索并提取技术、研发、生产、营销等特定领域知识0.889在联盟中,我公司能够深度利用技术、研发、生产、营销等特定领域知识0.860联盟创新绩效通过与其它企业结成联盟,我公司总体的新产品开发成本降低0.7840.7260.9050.930通过与其它企业结成联盟,我公司提高了新产品开发效率0.881通过与其它企业结成联盟,我公司加快了新产品面市速度0.884通过与其它企业结成联盟,我公司改进了现有产品质量和功能0.836通过与其它企业结成联盟,我公司显著提高了现有产品关键性技术指标0.871
由于本研究5个构念均采用问卷题项式测量方法且每份问卷由同一人作答,可能存在共同方法偏差问题。对此,本文采取程序控制和统计控制。程序控制体现于数据收集阶段:首先,每份问卷均由受访者匿名作答,以消除心理因素干扰,提升数据质量;其次,进行问卷设计时考虑到专业术语的复杂性,尽量确保题项简单明了。统计控制中主要应用Harman单因子检验方法,第一主成分方差的累计百分比为40.459%(小于50%),无法解释绝大部分变量,表明共同方法偏差不会对研究结果产生显著影响。
表3显示了各变量均值、标准差和双变量间相关系数。显然,关系导向下的联盟伙伴选择、市场导向下的联盟伙伴选择与联盟创新绩效呈现出显著的正相关关系(r=0.393, p<0.001; r=0.497, p<0.001);关系导向下的联盟伙伴选择与知识搜索宽度、知识搜索深度存在显著的正相关关系(r=0.467; p<0.001; r=0.325; p<0.001);市场导向下的联盟伙伴选择与知识搜索宽度、知识搜索深度存在显著的正相关关系(r=0.449;p<0.001; r=0.356; p<0.001);知识搜索宽度、知识搜索深度与联盟创新绩效存在显著的正相关关系(r=0.453,p<0.001; r=0.398,p<0.001)。以上结果为后续假设检验提供了初步支持。
表3 样本描述性统计与相关性系数
变量12345678联盟类型1.000行业发展阶段-0.0561.000企业发展阶段-0.0550.683***1.000关系导向-0.319***-0.0330.0080.805市场导向-0.241***-0.092-0.0710.529***0.810搜索宽度-0.266***-0.091-0.0810.467***0.449***0.828搜索深度-0.250***0.0040.0150.325***0.356***0.513***0.825联盟创新绩效-0.216***-0.075-0.095*0.393***0.497***0.453***0.398***0.852均值0.5702.3202.3704.4234.3454.8324.7314.476标准差0.4960.6940.6541.2341.3041.1661.2411.329
注:***在0.001水平(双侧)下显著相关,*在0.050水平(双侧)下显著相关,对角线黑体字为各变量的AVE值的平方根。1为联盟类型,2为行业发展阶段,3为企业发展阶段,4为关系导向,5为市场导向,6为搜索宽度,7为搜索深度,8为联盟创新绩效
3.3.1 战略联盟伙伴选择对联盟创新绩效影响的检验
就战略联盟伙伴选择对联盟创新绩效的影响进行回归分析,结果如表4所示。模型1-1显示,关系导向下的联盟伙伴选择对联盟创新绩效具有显著正向影响(β=0.360, p<0.001),假设H1a得以验证;模型1-2显示,市场导向下的联盟伙伴选择对联盟创新绩效具有显著正向影响(β=0.467, p<0.001),假设H1b得以验证;模型1-3显示,在模型1-0的基础上同时增加关系导向的伙伴选择与市场导向的伙伴选择后,模型解释力得以提升(ΔR2=0.272),关系导向下的联盟伙伴选择与市场导向下的联盟伙伴选择对联盟创新绩效均具有显著正向影响(β=0.167, p<0.010; β=0.388, p<0.001),进一步验证假设H1a和H1b。
3.3.2 知识搜索对联盟创新绩效影响的检验
就联盟企业知识搜索对联盟创新绩效的影响进行回归分析,结果如表4所示。模型1-4显示,知识搜索宽度对联盟创新绩效具有显著正向影响(β=0.419, p<0.001),假设H6a得以验证;模型1-5显示,知识搜索深度对联盟创新绩效具有显著正向影响(β=0.367, p<0.001),假设H6b得以验证;模型1-6显示,在模型1-0的基础上同时增加知识搜索宽度与知识搜索深度后,模型解释力得以提升(ΔR2=0.245),知识搜索宽度与知识搜索深度对联盟创新绩效均具有显著正向影响(β=0.313, p<0.001;β=0.218, p<0.001),进一步验证假设H6a和H6b。
表4 战略联盟伙伴选择、知识搜索对联盟创新绩效的回归分析结果
变量因变量:联盟创新绩效模型1-0模型1-1模型1-2模型1-3模型1-4模型1-5模型1-6模型4-1模型4-2模型4-3模型4-4联盟类型-0.222***-0.106**-0.106*-0.073-0.108*-0.130**-0.082-0.061-0.059-0.059-0.063行业发展阶段-0.0270.0030.0150.0220.005-0.0190.0010.0160.0020.0260.013企业发展阶段-0.090-0.106-0.078-0.088-0.071-0.095-0.079-0.085-0.107-0.069-0.084关系导向0.360***0.167**0.222***0.280***市场导向0.467***0.388***0.358***0.390***搜索宽度0.419***0.313***0.327***0.273***搜索深度0.367***0.218***0.294***0.244***R20.0580.1740.2620.2810.2190.1850.2540.2560.2500.3190.312调整后R20.0520.1670.2550.2720.2120.1770.2450.2470.2410.3110.304F8.704***22.180***37.225***32.683***29.489***23.784***28.483***28.773***27.893***39.272***38.035***
注:*为p<0.050,**为p<0.010,***为p<0.010,下同
3.3.3 知识搜索的中介效应检验
就战略联盟伙伴选择对联盟企业知识搜索的影响进行回归分析,结果如表5所示。模型2-1显示,关系导向下的联盟伙伴选择对联盟企业知识搜索宽度具有显著正向影响(β=0.423, p<0.001),假设H2得以验证;模型2-2显示,市场导向下的联盟伙伴选择对联盟企业知识搜索宽度具有显著正向影响(β=0.467, p<0.001),假设H4得以验证;模型3-1显示,关系导向下的联盟伙伴选择对联盟企业知识搜索深度具有显著正向影响(β=0.273, p<0.001),假设H3得以验证;模型3-2显示,市场导向下的联盟伙伴选择对联盟企业知识搜索深度具有显著正向影响(β=0.317, p<0.001),假设H5得以验证。
表5 战略联盟伙伴选择对联盟企业知识搜索的回归分析结果
变量因变量:搜索宽度模型2-0模型2-1模型2-2因变量:搜索深度模型3-0模型3-1模型3-2联盟类型-0.273***-0.137**-0.174***-0.250***-0.162**-0.172***行业发展阶段-0.076-0.041-0.040-0.0190.003-0.009企业发展阶段-0.044-0.064-0.0340.0150.0020.022关系导向0.423***0.273***市场导向0.467***0.317***R20.0830.2430.2320.0630.1290.156调整后R20.0760.2350.2250.0560.1210.148F12.697***33.642***31.763***9.369***15.586***19.380***
模型4-1与模型4-3显示,知识搜索宽度在关系导向下的联盟伙伴选择(β=0.327, p<0.001)、市场导向下的联盟伙伴选择(β=0.273, p<0.001)与联盟创新绩效间起部分中介作用,假设H7a得以验证;模型4-2与模型4-4显示,知识搜索深度在关系导向下的联盟伙伴选择(β=0.294, p<0.001)、市场导向下的联盟伙伴选择(β=0.244, p<0.001)与联盟创新绩效间起部分中介作用, 假设H7b得以验证。
为了保证实证研究的严谨性,本文还利用Mplus 8.0中的Bootstrap方法就知识搜索宽度、知识搜索深度在关系导向下的联盟伙伴选择/市场导向下的联盟伙伴选择与联盟创新绩效间的中介效应作进一步验证。结果表明,知识搜索宽度与深度在关系导向的联盟伙伴选择影响联盟创新绩效中的间接作用效应系数分别为0.106和0.168,90%的偏差校正置信区间为[0.060, 0.297]和[0.012, 0.405],均不包含0,表明知识搜索宽度和搜索深度在关系导向的联盟伙伴选择影响联盟创新绩效中具有中介效应。同理,知识搜索宽度和搜索深度在市场导向的联盟伙伴选择影响联盟创新绩效中的间接作用效应系数分别为0.090和0.123,90%的偏差校正置信区间为[0.020, 0.167]和[0.018, 0.207],均不包含0,表明知识搜索宽度和搜索深度在市场导向的联盟伙伴选择影响联盟创新绩效的过程中具有中介效应,假设H7a和H7b得到进一步验证。
本研究以战略导向为研究视角,基于资源依赖理论,将知识搜索作为中介变量引入战略联盟伙伴选择与联盟创新绩效关系中,构建并验证了“战略联盟伙伴选择—知识搜索—联盟创新绩效”的概念模型。实证结果表明,关系导向的联盟伙伴选择和市场导向的联盟伙伴选择对联盟创新绩效有促进作用,即战略联盟伙伴选择的二元导向性能够推动联盟成员开展创新活动;知识搜索宽度和搜索深度在战略联盟伙伴选择与联盟创新绩效关系中发挥中介作用。本研究不仅从战略导向视角丰富了战略联盟伙伴选择与联盟创新绩效的内在作用机理,同时,进一步阐明了知识搜索在其间的作用路径,这对于开展战略联盟研究具有积极的推动作用。
(1)基于战略导向视角,论述并验证了战略联盟伙伴选择对联盟创新绩效的影响。以往的战略联盟伙伴选择研究大多从资金、技术和能力等方面对备选企业进行评估[39-40],而基于企业自身战略考虑的联盟伙伴选择研究直到最近几年才得到广泛关注[9]。本研究基于资源依赖理论,从战略导向视角将战略联盟伙伴选择划分为关系导向的联盟伙伴选择和市场导向的联盟伙伴选择。实证结果表明,关系导向的联盟伙伴选择和市场导向的联盟伙伴选择均会促进联盟创新绩效提升。该结论强调企业在选择战略联盟伙伴时,既需要重视社会关系,也要关注市场震荡给企业带来的发展机遇。这也印证了Golonka[9]和邓渝[41]的研究结论,进一步丰富了现有战略联盟伙伴选择研究。
(2)验证了知识搜索(搜索宽度和搜索深度)在战略联盟伙伴选择(关系导向的联盟伙伴选择和市场导向的联盟伙伴选择)与联盟创新绩效间的中介作用。已有研究主要讨论战略联盟伙伴选择对企业创新绩效的直接作用,少有研究其作用机理与过程,尤其是知识作为每个企业独特的创新源,其关键作用尚未受到足够重视和充分研究,因此需要进一步确定知识搜索在战略联盟伙伴选择与联盟创新间的中介作用机制。本文深化了现有研究对知识搜索作用的理解,如知识搜索有助于企业获得多层面的异质性知识资源[42]、深化企业对内部知识的认知[43]以及提升企业竞争优势[29,40]。
本研究不仅具有理论价值,而且可为我国企业如何选择战略联盟伙伴、提升联盟创新绩效等管理实践提供参考。
(1)战略联盟伙伴选择是提升联盟创新绩效的关键。企业要善于从战略导向出发选择合适的联盟伙伴。一方面,要与现有社会网络中的知识主体建立联盟关系。企业可以通过朋友、合作伙伴、当地政府和行业协会推荐以及现有客户指示等与关系亲密的企业结成联盟,从联盟中获取大量冗余资源,实现与合作方共赢;另一方面,要从市场发展趋势出发,与新企业建立联盟关系。企业可以通过参与联合项目、公开自己的贸易信息等方式驱动联盟关系建立,这样既能保证企业在现有领域继续深化,又能为企业持续发展提供新思路。
(2)企业应积极开展知识搜索行为。战略联盟可以为企业带来大量知识资源,但要利用上述资源需要企业通过知识搜索完成。一方面,企业要尽可能地增加知识交流渠道、媒介以拓展知识搜索宽度,由此为企业带来跨领域的专业知识,通过从外部获取新知识使企业知识存量增加,补齐制约企业发展的技术短板,为企业带来新想法和新创意;另一方面,企业通过密集使用特定搜索渠道与媒介,加大知识搜索深度,获得专业领域相关知识资源,在深化理解和认知自身资源的同时,优化企业创新路径,降低创新成本,极大程度上有助于提升企业创新绩效,进而影响联盟整体创新绩效。
本研究仍存在几点不足,后续分析可以在此基础上作进一步讨论。首先,本研究仅讨论了知识搜索在战略联盟伙伴选择与联盟创新绩效间的中介作用,后续研究可着重讨论战略联盟伙伴选择与知识搜索的匹配作用对联盟创新绩效的影响,分析不同匹配模式的独特影响;其次,本研究采取问卷调查方式在同一时间节点收集数据,未考虑事件发生的滞后性,后续研究可以使用纵向数据揭示战略联盟伙伴选择对联盟创新绩效的动态作用机理;最后,本研究仅从知识搜索视角剖析战略联盟伙伴选择影响联盟创新绩效的中介作用机制,尚未引入情境因素。后续研究可以探讨诸如联盟特征的调节作用,厘清战略联盟伙伴选择影响联盟创新绩效的边界条件。
[1] RITALA P, HURMELINNA-LAUKKANEN P. Incremental and radical innovation in coopetition-the role of absorptive capacity and appropriability[J]. Journal of Product Innovation Management, 2013, 30(1):154-169.
[2] 满青珊, 张金隆, 聂磊, 等. 冲突影响下的移动商务联盟自组织动力建模[J]. 管理科学, 2011, 24(3): 34-42.
[3] PARK B I. What matters to managerial knowledge acquisition in international joint ventures? high knowledge acquirers versus low knowledge acquirers[J]. Asia Pacific Journal of Management, 2010, 27(1):55-79.
[4] KIM Y, LEE K. Technological collaboration in the Korean electronic parts industry: patterns and key success factors[J]. R&D Management, 2010, 33(1):59-77.
[5] WASSMER U, DUSSAUGE P. Networks resource stock and flows: how do alliance portfolios affect the value of new alliance formations[J]. Strategic Management Journal, 2012, 33(7):871-883.
[6] HAGEDOORN J, LOKSHIN B, MALO STéPHANE. Alliance and the innovation performance of corporate and public research spin-off firms[J]. Research Memorandum, 2016, 50(4):1-19.
[7] 王玉东, 武川, 徐玉莲. 高新技术企业R&D联盟伙伴匹配性分形评价研究[J]. 科技进步与对策, 2017, 34(5):112-120.
[8] PHELPS C C. A longitudinal study of the influence of alliance network structure and composition on firm exploratory innovation[J]. Social Science Electronic Publishing, 2010, 53(4):890-913.
[9] GOLONKA M. Proactive cooperation with strangers: enhancing complexity of the ICT firms′ alliance portfolio and their innovativeness[J]. European Management Journal, 2015, 33(3): 168-178.
[10] 赵岑, 姜彦福. 中国企业战略联盟伙伴特征匹配标准实证研究[J]. 科学学研究, 2010, 28(4):558-565.
[11] NOOTEBOOM B, HAVERBEKE W V, DUYSTERS G, et al. Optimal cognitive distance and absorptive capacity[J]. Research Policy, 2007, 36(7):1016-1034.
[12] 胡宝亮. 网络位置、知识搜索与创新绩效的关系研究——基于全球制造网络与本地集群网络集成的观点[J]. 科研管理, 2013, 34(11):18-26.
[13] LIN C J, Li C R. The effect of boundary-spanning search on breakthrough innovations of new technology ventures[J]. Industry & Innovation, 2013, 20(2):93-113.
[14] KUMAR K, SUBRAMANIAN R. Navigating the external environment through a market orientation[J]. SAM Advanced Management Journal, 2000, 65(1):16-28.
[15] 刁丽琳, 朱桂龙. 产学研合作中的契约维度、信任与知识转移——基于多案例的研究[J]. 科学学研究, 2014, 32(6):890-901.
[16] 王娜, 衣长军. 中国在美上市公司冗余资源对创新强度的影响和国际多元化程度的调节作用[J]. 管理学报, 2016, 13(3):440-446.
[17] LIAO S H, FEI W C, LIU C T. Relationships between knowledge inertia, organizational learning and organization innovation[J]. Technovation, 2008, 28(4):183-195.
[18] LIEBESKIND J P. Knowledge, strategy, and the theory of the firm[J]. Strategic Management Journal, 1996, 17(S2):93-107.
[19] FLOR M L,COOPER S Y,OLTRA M J.External knowledge search, absorptive capacity and radical innovation in high-technology firms[J]. European Management Journal, 2018, 36(2):183-194.
[20] ROPER S, LOVE J H, BONNER K. Firms′ knowledge search and local knowledge externalities in innovation performance[J]. Research Policy, 2017, 46(1):43-56.
[21] ZOLLO M, REUER J J, SINGH H. Interorganizational routines and performance in strategic alliances [J]. Organization Science, 2002, 13(6):701-713.
[22] MESQUITAL L F. Starting over when the bickering never ends:rebuilding aggregate trust among clustered firms through trust facilitators[J]. Academy of Management Review, 2007, 32(1):72-91.
[23] 叶飞, 徐学军. 供应链伙伴关系间信任与关系承诺对信息共享与运营绩效的影响[J]. 系统工程理论与实践, 2009,29(8):36-49.
[24] 禹献云, 周青. 外部搜索策略、知识吸收能力与技术创新绩效[J]. 科研管理, 2018, 39(8):11-18.
[25] NARVER J C, SLATER S F. The effect of a market orientation on business probability[J]. Journal of Marketing, 1990, 54(4):20-35.
[26] KARAMANOS A G. Effects of a firm′s and their partners′ alliance ego-network structure on its innovation output in an era of ferment[J]. R&D Management, 2016,46(S1):261-276.
[27] CLARYSEE B, BRUNEEL J, WRIGHT M. Explaining growth paths of young technology-based firms: structuring resource portfolios in different competitive environments[J]. Strategic Entrepreneurship Journal, 2011, 5(2):137-157.
[28] AHUJA G, KATILA R. Where do resources come from? the role of idiosyncratic situations[J]. Strategic Management Journal, 2004, 25:887-907.
[29] KATILA R, AHUJA G. Something old, something new: a longitudinal study of search behavior and product introductions[J]. Academy of Management Journal, 2002, 45:1183-1194.
[30] SOFKA W, GRIMPE C. Specialized search and innovation performance evidence across Europe[J]. R&D Management, 2010, 40(3): 310-323.
[31] 陈伟, 周文, 郎益夫. 集聚结构、中介性与集群创新网络抗风险能力研究——以东北新能源汽车产业集群为例[J]. 管理评论, 2015, 27(10):204-217.
[32] 吕冲冲, 杨建君, 张峰. 共享时代下的企业知识创造——关系强度与合作模式的作用研究[J]. 科学学与科学技术管理, 2017, 38(8): 17-28.
[33] 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.
[34] BINGHAM C B, EISENHARDT K M. Rational heuristics: the 'simple rules' that strategists learn from process experience[J]. Strategic Management Journal, 2011, 32(13):1437-1464.
[35] 葛沪飞, 仝允恒, 高旭东. 开放式创新下组织吸收能力概念拓展[J]. 科学学与科学技术管理, 2013, 31(2):46-52.
[36] PRAJOGO D I, SOHAL A S. The multidimensionality of TQM practices in determining quality and innovation performance-an empirical examination[J]. Technovation, 2004, 24(6): 443-453.
[37] 孙彪. 基于资源依赖观的合作双元能力对联盟创新绩效的影响研究[J]. 管理评论, 2017, 29(11):98-105.
[38] 谭云清. 网络嵌入特征、搜索策略对企业开放式创新的影响研究[J]. 管理学报, 2015, 12(12):1780-1787.
[39] BROUTHERS K D, BROUTHERS L E, WILKINSON T J. Strategic alliances: choose your partners[J]. Long Range Planning, 1995, 28(3):2-25.
[40] 吴松强, 曹刘, 王路. 联盟伙伴选择、伙伴关系与联盟绩效——基于科技型小微企业的实证检验[J]. 外国经济与管理, 2017(2):17-35.
[41] 邓渝. 市场还是关系依赖?联盟伙伴选择导向对企业技术创新的作用机制研究[J]. 外国经济与管理, 2016, 38(5): 18-31,43.
[42] CHIANG Y H, HUANG P. Exploring open search strategies and perceived innovation performance from the perspective of inter-organizational knowledge flows[J]. R&D Management, 2010, 40(3):292-299.
[43] 缪根红, 陈万明, 唐朝永. 外部创新搜索、知识整合与创新绩效关系研究[J]. 科技进步与对策, 2014,31(1):130-135.