Therefore, this paper makes a systematic review of the connotation characteristics, dimension division and interaction relationship of knowledge search, innovation process and network connection. On this basis, a conceptual model of the technological innovation process of "knowledge traceability—knowledge transformation—knowledge utilization" is constructed from the perspective of knowledge evolution. Then, it explores the differential effect of multidimensional knowledge search on each stage of technological innovation process and the moderating effect of network connection strength on the above relationship. A series of research hypotheses are proposed. The study conducts a questionnaire survey of 583 high-tech enterprises in central China, and the collected questionnaire data is statistically analyzed by the multiple regression analysis method.
According to the empirical results, it is concluded that (1) the width-search strategy has a significant positive effect on the innovation effect in the three stages of technological innovation: knowledge tracing, knowledge transformation and knowledge utilization. In addition, when the knowledge search width changes to a certain extent, the innovation effect in the knowledge tracing stage is affected by it to the greatest degree, and the innovation effect in the knowledge transformation stage is affected by it to the least degree. (2) There is an inverted U-shaped relationship between the deep search strategy and the innovation effect in the knowledge tracing and knowledge conversion stages of technological innovation. Knowledge search depth is helpful to deepen cognition and understanding of the limited knowledge bundle, but once the search depth reaches a specific threshold, it will have a negative impact on the technological innovation of the enterprise. (3) The connection strength negatively moderates the influence of knowledge search width on the innovation effect of knowledge traceability, knowledge transformation and knowledge utilization stages and positively moderates the relationship between knowledge search depth and the innovation effect of knowledge traceability and knowledge transformation stages. The combination of weak connection-width search and strong connection-depth search can promote the development of enterprise innovation activities.
In practice, enterprises should focus on the matching effect between knowledge search strategy, technological innovation process and network connection strength, and follow the contingency principle to carry out dynamic management; it is also essential to maintain the search depth at a reasonable level, adhere to the independent mastery of core technologies, and not over-rely on external knowledge sources to avoid going too far. In addition, There is a certain tension between different dimensions of knowledge search. Enterprises should focus on the differential efficiency and synergistic effect of each dimension of knowledge search, maintain the dynamic balance of supply and demand, and avoid the stereotypical mechanized thinking that affects the output of innovation achievements.
By focusing on the differentiated effectiveness of different dimensions of knowledge search in each stage of technological innovation and considering the compatibility of the strength of relationship connection with the width and depth of search by context, this study provides implications for enterprises to establish the matching combination of "connection relation-search strategy-innovation process" in innovation practice.
开放科学(资源服务)标识码(OSID)：
在各类创新要素互动、整合及协同过程中,技术创新日益呈现出复杂化、多变性和不确定性等特征,企业仅依靠内部有限资源与能力难以顺利实现创新目标,需要通过知识搜寻方式获取外部资源并与内部资源整合,以提升企业技术创新绩效。因此,积极开展外部知识搜寻活动,最大限度利用外部资源,弥补内部创新资源不足,成为众多企业保持竞争优势、不断提升技术创新能力的重要举措[1]。
在开放式创新时代,技术创新是不同来源外部知识经过转换后,与企业内部知识重新组合的过程[2],而知识搜寻则是企业获取外部知识的重要方式。关于知识搜寻,现有研究主要从搜寻宽度和搜寻深度两个层面进行度量。其中,搜寻宽度从横向角度衡量企业知识搜索渠道数量和范围,搜寻深度从纵向角度衡量企业从各渠道获取知识的程度(贯君,徐建中,林艳,2019)。
此外,企业在跨越组织边界开展知识搜寻活动时,往往会与供应商、顾客、竞合伙伴及科研机构等外部知识源建立网络关系,而关系联结强度直接影响组织知识转移方式和效率[3]。因此,作为联接不同组织的关系纽带,联结强度是探究知识搜寻与企业创新关系时不容忽视的关键因素。将联结强度作为情境变量,引入知识搜寻,研究其对企业技术创新流程的影响有助于推动网络嵌入理论与搜寻理论融合。
尽管知识搜寻对企业创新活动的重要意义已引起学术界广泛关注,但现有研究仍存在一定不足:首先,从创新维度看,目前的主流研究大多从纵向角度出发,依据不同标准,分别将创新分为渐进式创新与突破式创新[4]、探索式创新与利用式创新[5]、封闭式创新与开放式创新[6]等,却忽略了创新活动不断演变的连续性与动态性特征,缺乏对创新流程的横向剖析,因此难以具象指导企业合理规避搜寻策略与创新流程不匹配的创新风险。由于创新流程的不同阶段具有异质性,其所需资源、能力也存在诸多差异,因此有必要对其发展阶段进行针对性探讨。其次,从知识搜寻过程看,现有文献主要聚焦于其对企业创新绩效[7]、整体创新能力[8]等的影响,侧重于以结果为导向的静态概括性研究,忽视了搜寻的实质是多个主体参与的多层次、多维度博弈,不同知识搜寻维度在知识形成及各演化阶段产生的价值效应也不同。考虑到企业资源有限性,有必要根据知识搜寻的不同维度展开深入研究,探究其在技术创新流程中的差异化效用,通过不同搜寻策略间的平衡与交互实现最佳创新效果。最后,从网络关系看,企业的开放性与包容性有助于促进组织交流及互动,形成以知识共享为基础、技术创新为目标、现代通信为支撑的创新网络。建立关系是个复杂的交互过程,关系联结并非总能促进企业知识搜寻与创新活动,需要与特定的搜寻策略相匹配,才能充分发挥效用。因此,有必要将联结强度与知识搜寻纳入统一研究框架,以全面系统地考察不同网络关系情境下知识搜寻不同维度在创新流程中的差异化影响。
基于技术创新的连续性与动态性等特征,在创新活动的不同阶段对企业资源配置、知识结构与创造能力等有着不同诉求,因此要求企业在技术创新过程中必须结合搜寻主体选择、搜寻程度控制,遵循权变原则并决策。网络关系联结强度会对搜寻策略与创新活动关系产生直接影响,但目前无论是理论界还是产业界,针对网络关系中不同知识搜寻维度在企业技术创新不同阶段的作用效应仍缺乏客观考量,致使技术创新过程中企业决策失误现象频发,进而陷入技术创新绩效难以提升的窘境。因此,不同联结强度下知识搜寻如何影响企业技术创新流程是知识管理理论研究与企业技术创新实践中亟待解决的一个关键科学问题。
鉴于此,本文将参考已有研究成果,在构建技术创新流程概念模型的基础上,从知识演化视角分别剖析企业知识搜寻宽度、深度对技术创新流程的影响,并检验关系联结强度在其中的调节作用。进一步地,本文将结合对企业技术创新活动的深层次剖析,从多维度揭示不同联结强度下知识搜寻与技术创新流程关系。这不仅有助于拓展搜寻理论的研究视角,也为关系联结强度、知识搜寻与创新流程之间可能存在的匹配效应提供了理论推演和实证依据,从而能更好地指导企业在开放式创新背景下开展管理实践。
现有关于技术创新流程阶段划分的研究成果颇丰,主要聚焦于从多角度对技术创新流程进行界定,并在此基础上将技术创新视为重组企业现有资源以创造新价值的过程。如司春林等[9]从技术创新视角,分析创新流程与不同技术周期特征,并将技术创新流程概括为技术选择、从主流设计到产品平台和基于产品平台的产品创新3个阶段,认为创新流程会随着技术生命周期更替而循环;王勉等[10]利用VRIO模型,在分析创新战略与模式的基础上,将企业技术创新流程分为创意生成、筛选、转化和商业化4个阶段。
另外,企业是知识产权的重要承载体和创造体,而技术创新是寻找知识或真理,通过开发与整合知识,创造出新产品并加以应用的过程[11]。在此过程中,企业首先要广泛搜寻各类知识以激发创意,通过整合利用外部获取和内部积累的知识资源,将创意转化为具象的产品或服务,继而通过商业化过程获得创新收益。
基于此,本文认为,技术创新可以映射为不同层次的知识转化过程,包括知识溯源、知识转换和知识利用等递归过程,由此构建企业技术创新流程模型,如图1所示。
图1 知识演化视角下企业技术创新流程模型
Fig.1 Model of enterprise technology innovation process from the perspective of knowledge evolution
图1从知识演化视角阐释企业技术创新流程。首先,知识溯源阶段是企业技术创新活动的起点,在明确界定创新问题并规划创新目标后,应多渠道搜寻并识别与创新相关的知识信息,通过头脑“风暴”等多种方法集思广益,激发创意产生并权衡其效益与风险,筛选出符合企业发展战略目标且与企业资源匹配的创意;其次,知识转换阶段作为吸收整合各种知识资源的关键环节,企业应全面统筹各种外部协作和内部研发活动,遴选出多种可行备案,并在实施过程中不断完善,将创意通过良好的创新文化及项目管理递归为最终的技术创新成果;最后,知识利用是技术创新的价值实现阶段,呈现形式主要包括推出新产品或服务和完善现有产品或服务,并创造新知识、形成知识产权等。通过对技术创新成果的商业化应用,企业最终可获得显在或潜在的创新收益。
知识搜寻宽度表征组织探索知识信息领域及渠道的广泛性和多样性,刻画了企业外部知识搜寻所覆盖的横向范围(贯君,徐建中,林艳,2019)。外部搜寻宽度越大,企业能够接触到的异质性知识就越多[12]。企业知识边界与基础决定了其技术创新范围和能力,而与外部知识源的交互则能够跨越组织边界,在更宽广的空间搜寻并获取技术创新所需资源,进而开展高效的协同创新。
具体而言,企业外部知识搜寻渠道主要包含以下几种:①与供应链垂直联结以获取产品或服务需求、原材料供应等方面信息[13],如小米公司通过“小米发烧友”鼓励用户参与产品创新,在产品迭代过程中确保紧随顾客需求偏好的动态发展;②与竞合伙伴水平联结以获取市场竞争、发展趋势等方面信息[14],如福田汽车与潍柴动力、德国BOSCH等企业缔结国际化战略联盟,通过“集成知识、联合创新”的发展模式整合资源,提升创新效率;③与科研机构进行知识生产联结以获取产品设计、工程技术和制造工艺等方面信息[15],如阿里通过创新研究计划与全球多所高校相结合,让前沿技术在真实场景中快速迭代,共同攻坚核心技术。
知识搜寻宽度对企业技术创新流程的影响主要体现在以下层面:
(1)在知识溯源阶段,企业能够通过外部知识搜寻丰富内部知识储备,为组织知识库注入异质性资源,进而尝试更多创新路径[16]。显然,当外部环境发生变化时,企业拥有的异质性知识越多,各种知识元素的重组机率就越大,生成新颖性创意的能力就越强。
(2)在知识转换阶段,企业在利用内部知识开展创新方案设计时,极易受到传统创新思想的影响而产生路径依赖效应。通过外部搜寻获取的多元化知识有利于突破思维瓶颈,提升战略柔性,避免企业掉入创新路径依赖陷阱(陈培祯,曾德明,李健,2018)。同时,通过对不同渠道获取的知识进行相互补充、印证与整合,有助于企业设计出更具创新性与可行性的创新方案。
(3)在知识利用阶段,加大搜寻宽度有助于源源不断地为企业带来新知识、新信息,扩展组织视野,使其能更加精准地预测市场供求及发展趋势,顺势而为,占据市场领先地位[17],并通过整合多技术领域知识产生创新协同效应、获得最佳效益。
基于此,本文认为,知识交互宽度对企业的技术创新流程具有积极影响,并提出如下假设:
H1a:知识搜寻宽度对知识溯源阶段的创新效果具有正向影响;
H1b:知识搜寻宽度对知识转换阶段的创新效果具有正向影响;
H1c:知识搜寻宽度对知识利用阶段的创新效果具有正向影响。
知识搜寻深度表征组织搜寻和获取外部知识的聚焦程度与专业程度,刻画了企业搜寻特定领域知识的持续性(贯君,徐建中,林艳,2019)。深度搜寻表示企业对同一知识源反复搜索、挖掘与调用,进而深化其对有限知识束的认知与理解,有助于提升创新能力。虽然现有研究广泛认可知识搜寻深度对企业创新活动的正面效用,但搜寻深度并非多多益善。受企业注意力等限制,过度搜寻会消耗企业稀缺资源,降低企业在更广范围内搜寻到有用信息的可能性,使企业面临竞争加剧和市场变化的潜在风险,出现边际效益递减现象。如曾经的行业巨头诺基亚公司因固守原有的塞班系统而在智能产品层出不穷的市场中逐渐失去竞争力,面临收购危机。
知识搜寻深度对企业技术创新流程的影响主要体现在以下方面:
(1)在知识溯源阶段,一方面,深度搜寻有助于企业在某技术领域积淀海量技术创新知识,并逐步归纳外部知识吸收利用规律和范式,降低试错成本[18],从而提高企业技术创新机会识别能力与效率,更加精准地把控创新方向,促使创意转化为具象的创新成果;另一方面,企业在特定领域加大搜寻深度会使其过多关注该领域技术知识而忽视整个领域的创新发展,进而削弱其应对外界复杂多变环境的技术创新能力。
(2)在知识转换阶段,一方面,针对技术创新过程中遇到的问题,深度搜寻者往往能够透过创新问题表象辨识出内在规律,继而从先验视角探寻解决技术创新问题的有效方案;另一方面,对特定领域知识的深度理解会形成创新认知惰性,且过度依恋自身擅长领域,陷入“技术锁定怪圈”(曾德明,陈培祯,2017),阻碍企业创新知识组合以及创新技术探索,进而降低企业创新灵活性。
(3)在知识利用阶段,一方面,深度搜寻有利于企业与外部知识源建立合作默契与共同认知,在协调互助的过程中逐渐形成依赖、信任、承诺等社会资本[19],进而提升企业软实力,为技术创新活动开展提供隐形保障;另一方面,从搜寻成本视角看,过度的知识搜寻会产生额外的信息获取与关系维护成本,消耗企业有限资源和精力,加大外部知识吸收整合难度[20],降低边际效应,使得企业无法及时高效地利用已有信息,增加技术创新不确定性。
基于此,本文认为,知识搜寻深度对企业的技术创新流程具有双重影响,因此提出以下假设:
H2a:知识搜寻深度与知识溯源阶段的创新效果呈倒U型关系;
H2b:知识搜寻深度与知识转换阶段的创新效果呈倒U型关系;
H2c:知识搜寻深度与知识利用阶段的创新效果呈倒U型关系。
通过与供应商、顾客、竞合伙伴及科研机构等知识源建立网络关系,企业能够跨越组织边界开展外部知识搜寻活动。根据网络组织关系的信任度、质量及稳定性等特征,关系联结可以划分为强联结和弱联结两种[21]。不同联结强度在知识转移方面具有不同特点:强联结更有助于复杂、深度及高质量的知识信息转移,弱联结更有助于隐性、非冗余及多样化知识信息转移,由此导致在不同创新阶段需要与不同知识搜寻策略相契合方能发挥最大效用。
当侧重搜寻宽度时,弱联结更能够促进创新活动开展。一方面,宽度搜寻策略需要与多领域组织建立多样化的信息获取渠道,而新关系网络建立和维持需消耗大量精力与成本,弱联结则能够最大限度地帮助企业降低关系网络建立与维护成本,缓解多组织协同中的关系锁定与关系冲突(周飞,孙锐,2015)。另一方面,宽度搜寻策略强调获取信息资源的新颖性与多元化,而较强的关系联结往往建立在反复搜寻、试错的基础上,这会令组织人员产生较强的路径依赖心理,扼杀组织成员积极性与创造力(孙永磊,宋晶,谢永平,2014),不利于新颖性与多元化知识产生及转移。因此,弱联结与宽度搜寻策略的匹配更有助于创新活动开展。
当侧重搜寻深度时,强联结更能够促进创新活动开展。一方面,深度搜寻策略强调对外部知识的反复挖掘、提取与调用,而强联结关系网络作为知识搜寻与转移的载体,其自身就蕴含知识流动记忆,能够强化已有资源的共享与整合[22]。此外,强联结组织之间的高度依赖、信任与稳定关系,能够有效降低既有网络间的知识搜寻与关系协调成本,使其在知识筛选与关系维持上无需耗费过多时间、精力。另一方面,深度搜寻策略强调获取信息资源的复杂性与专业性,而强联结网络组织间拥有较高程度的认知与行为默契,更能够形成规范共识[23],以推动关键信息资源沿着网络渠道高效、有序转移。同时,强联结关系网络往往以契约为基础[24],有助于促进网络组织间的稳定交流与信息共享,并有效降低投机风险与机会主义,提升高质量信息转移效率[25]。因此,强联结与深度搜寻策略契合更有助于创新活动开展。
然而,强联结与深度搜寻的契合并非总能促进创新。强联结关系在促进网络成员间信息转移的同时,也易使组织产生路径依赖心理。由前述可知,过度的深度搜寻会降低企业创新灵活性,削弱企业应对外界复杂多变环境的技术创新能力。此时,其与强联结关系的组合会进一步抑制组织成员创造力,形成创新认知惰性,进而阻滞突破性与颠覆性创新成果产生。综合来看,联结强度会强化搜寻深度对技术创新流程的倒U型作用。
基于此,本文认为,联结强度负向调节知识搜寻宽度对技术创新活动的影响,正向调节知识搜寻深度对技术创新活动的影响,因此提出如下假设:
H3a:联结强度负向调节知识搜寻宽度对知识溯源阶段创新效果的影响;
H3b:联结强度负向调节知识搜寻宽度对知识转换阶段创新效果的影响;
H3c:联结强度负向调节知识搜寻宽度对知识利用阶段创新效果的影响;
H4a:联结强度正向调节知识搜寻深度对知识溯源阶段创新效果的影响;
H4b:联结强度正向调节知识搜寻深度对知识转换阶段创新效果的影响;
H4c:联结强度正向调节知识搜寻深度对知识利用阶段创新效果的影响。
基于前述系列假设,构建本文理论研究模型,如图2所示。
图2 本文理论研究模型
Fig.2 Theoretical research model
本文采用问卷调查方式收集数据。在正式调研前,首先通过文献回顾、专家咨询和企业访谈等方式,选取成熟量表中信度和效度较高的题项对问卷进行初步设计,并在初步开发量表后选取部分企业进行预调研。在此基础上,基于预测试数据分析结果及反馈意见,对问卷层次、题项内容及表达措辞等进行完善,最终得到正式测量题项。量表采用Likert 5点评分法(1为“完全不符合”,5为“完全符合”)。
本次问卷调查主要面向华中地区的部分高新技术企业,其主要分布在电子信息、生物制药、软件开发、机械仪器等市场化程度较高、技术更迭速度较快的行业。问卷发放对象为熟悉企业研发管理及技术创新活动的相关人员,以提高问卷调查内容的准确性。问卷数据获得主要采取网络调研和实地调查相结合的方式。同一家企业配对样本数超出标准时进行聚合分析,以确保一家企业只收取一份问卷。调研时间集中在2020年9月至2021年1月,历时5个月。调研对583家企业发送问卷,共回收461份问卷,剔除填答不完整或存在明显规律等无效问卷后,剩余352份有效问卷,问卷有效率达76.36%。
表1 样本企业特征描述(N=352)
Tab.1 Characteristic description of sample enterprises (N=352)
企业特征 样本量百分比(%)所属行业电子信息7320.74生物制药4613.07软件开发7521.31航空航天9627.27机械仪器5816.48其它41.14经营时间5年以下3810.805～10年5615.9110～15年18652.8415～20年 5315.0520年以上195.40员工人数200人以下257.10200～500人7220.45500～1 000人17549.721 000～1 500人7521.311 500人以上51.42
首先,本文被解释变量为企业技术创新流程,主要包括知识溯源、知识转换和知识利用3个阶段的创新效果。衡量指标参考Penide等[26]的研究成果:在知识溯源阶段,主要衡量企业利用内外部知识产生独特创意的能力,共5个题项;在知识转换阶段,侧重衡量企业将创意转换为创新成果的过程中被采纳创意比例以及方案实施成功率,共4个题项;在知识利用阶段,主要衡量企业通过创新成果商业化获得的收益,共5个题项。
其次,本文解释变量为知识搜寻宽度和知识搜寻深度。参考Danneels等[27]的量表,知识搜寻宽度侧重衡量企业从市场竞争者、科研机构、行业协会及专业会议等外部信息渠道获取知识的多样性,共5个题项;参考Li[28]等的量表,知识搜寻深度主要衡量企业搜寻知识资源的持续性和努力程度,共6个题项。
再次,本文调节变量为关系联结强度。参考杨慧军等[3]的研究成果,从组织关系的质量、信任度、持久性及稳定性等层面衡量联结强度,共6个题项。
最后,控制变量的选取主要考虑市场环境和企业自身两个层面。市场环境层面的控制变量包含竞争状况和环境动荡性。其中,竞争状况测度参考陈劲等(2019)的研究成果(1为“完全垄断”,5为“完全竞争”状况),分值越高说明行业竞争越激烈;环境动荡性采用张明珍等(2019)的研究成果,主要从技术动荡性和市场动荡性两方面测量。企业层面的控制变量主要有企业年龄、企业规模及研发强度,其中,企业年龄用企业创立至问卷回收时的年限表示,企业规模用员工人数衡量,研发强度用企业研发投入占营业收入的比例衡量。
本文采用Amos 25.0和SPSS26.0统计分析软件对问卷调研数据进行实证分析,并得出相应结论。
对问卷数据进行信度与效度检验可以确保研究结论的可靠性和有效性,检验结果见表2。
表2 信度与效度检验结果(N=352)
Tab.2 Reliability and validity test results (N=352)
变量测量题项因子载荷α值CRAVE知识搜寻宽度经常参加贸易展览0.759 0.807 0.825 0.543专业人员经常参加专业会议0.693 经常参加行业协会活动0.802 与高等院校、科研机构等保持密切联系0.811经常浏览专业网站、期刊、书籍以紧随最新发展趋势0.688 知识搜寻深度尽可能投入较多时间以识别所有可用信息0.744 0.814 0.853 0.538 投入大量人力和精力搜集潜在信息0.715 经常采用不同方式寻找信息源0.698 努力搜寻探究每一个可能性0.813 持续搜寻直至找到所有知识信息才满意0.782持续搜寻直至找到所有解决方案才满意0.691 联结强度合作双方能够互相遵守承诺0.670 0.797 0.8080.514 合作双方能够依据各自贡献合理分配合作收益0.751 双方合作能够稳定持续很长时间0.738 长期合作有利于各方良好发展0.764合作过程中出现的分歧和问题由双方共同解决0.662合作过程中双方能够平等协商并友好交流0.705 知识溯源阶段能够从多领域知识中识别并产生创意0.679 0.832 0.860 0.553 能够从海量知识资源中识别并产生创意0.714 能够从企业外部获取有价值的创意0.811 能够在内部集思广益产生有价值的创意0.796 能够整合内外部知识信息产生有价值的创意0.708 知识转换阶段能够设计多种可行备选创新方案0.770 0.784 0.823 0.542 能够综合评估并选择最优方案0.759 能够在方案实施中修改完善创新方案0.683 实施的技术创新方案的成功率较高0.729 知识利用阶段新产品市场占有率较高0.720 0.819 0.864 0.561 顾客满意度及忠诚度较高0.765 新产品品牌价值较高0.697 新产品销售额较高0.805 营业收入较高0.753
对于信度检验,本文采用内部一致性Cronbach's α系数和组合信度CR作为评价指标。结果显示,所有变量的α值均在参考值0.7以上,组合信度的CR值均大于0.8,说明本文设定的变量测量具有较高内部一致性。
效度检验主要包括内容效度、结构效度和区分效度检验。其中,针对内容效度,本文初始量表设计在参考国内外相关研究的基础上,对已有成熟量表作了部分修订,同时,结合对企业相关技术创新人员的深度访谈、意见反馈和结果预测试,完善了对应题项,以确保问卷内容效度;针对结构效度的检验中,如表2所示,KMO值为0.853,采用因子分析法判断,本文提取的公因子数量、结构与量表设计时的维度一致,且提取公因子的累计方差贡献率高于70%,表明量表结构效度通过检验;在针对区分效度的检验中,由表2可知,各变量均方差提取量AVE的算术平方根均大于变量所在行列的相关系数,表明变量间具有良好的区分效度。
此外,本文采用Harman单因子检验方法对问卷调查数据进行共同方法变异检验。全部技术创新变量的未旋转主成分因子分析结果显示,本文提取的6个特征值大于1的因子累计方差贡献率为68.581%,其中,解释方差最大的第一个因子解释了20.429%,说明不存在单个因子解释大部分方差变异量的情况。由此表明,本文较好地控制了研究数据的共同方法变异问题。
表3为影响技术创新主要变量的描述性统计和对应分析结果,包括均值、标准差和相关系数。
表3 技术创新变量描述性统计与分析结果(N=352)
Tab.3 Descriptive statistics and analysis results of technological innovation variables (N=352)
变量均值标准差123456搜寻宽度3.4320.9821搜寻深度3.3071.5720.118**1联结强度3.4101.1860.221*0.159*1知识溯源3.3840.5570.529**0.435*0.298**1知识转换3.3390.7240.390**0.501**0.310**0.287*1知识利用3.3361.4950.416**0.378*0.380*0.354**0.348*1
注：**表示p<0.01,*表示p<0.05,双尾检验
由表3可知,知识搜寻宽度、知识搜寻深度和联结强度的均值分别为3.432、3.307以及3.410,均处于较高水平,说明样本企业在创新活动中积极开展知识搜寻活动以促进技术创新。
另外,在知识溯源、知识转换和知识利用阶段,各企业创新效果均值均分布在3.3～3.4之间,说明样本企业在技术创新流程中均取得良好创新效果,且创新能力较强。总体而言,描述性统计分析结果与现实观察结果相吻合。
在进行假设检验前,首先检验技术创新变量是否符合正态性假设和随机误差项与方差的要求。共线性检验结果表明,各变量方差的膨胀因子VIF值均小于5,由此可以认为变量间不存在显著的多重共线性。
本文主要采用层次回归分析法进行假设验证,在对影响技术创新的相关变量进行标准化处理后构建各相关平方项和交互项。
3.3.1 主效应检验
层次回归分析结果见表4。
表4 回归分析结果(N=352)
Tab.4 Regression analysis results (N=352)
变量知识溯源阶段模型1模型2模型3模型4知识转换阶段模型5模型6模型7模型8知识利用阶段模型9模型10模型11模型12搜寻宽度0.352**0.113***0.154**0.197***0.126**0.173**0.324**0.128***0.194***搜寻深度0.108***0.082**0.072***0.256* 0.238* 0.063**0.103 0.095* 0.057 搜寻深度2-0.071***-0.054***-0.009*-0.039**-0.047***-0.010***-0.0120.013-0.009联结强度0.118**0.059**0.145**0.112**0.194*0.153**联结强度×搜寻宽度-0.174**-0.133* -0.175**联结强度×搜寻深度0.127* 0.179**0.081联结强度×搜寻深度2-0.022**-0.031*-0.026企业规模0.059*0.045 0.044 0.032 0.114 0.084* 0.079 0.057 0.102* 0.093 0.132 0.111 研发强度0.181*0.041* 0.039 0.086 0.136* 0.056 0.0490.047 0.117 0.053 0.049* 0.036 企业年龄0.1060.073-0.0260.0240.1190.0280.0160.0150.1080.034*0.1090.029竞争强度-0.0840.0990.0720.061-0.1050.0360.0810.0190.154-0.0470.0850.054环境动荡性-0.017-0.125-0.015-0.014-0.029*0.116-0.025-0.0210.041-0.150*-0.0420.027R20.209 0.623 0.639 0.648 0.149 0.562 0.610 0.626 0.142 0.574 0.586 0.594 ΔR20.2090.414 0.016 0.009 0.1490.413 0.048 0.016 0.1420.432 0.012 0.008 F2.891 3.772 4.090 6.990 3.467 6.135 8.192 12.142 3.213 4.641 8.377 11.554 TOL0.802 0.570 0.406 0.276 0.792 0.525 0.348 0.249 0.950 0.545 0.445 0.336VIF1.247 1.753 2.465 3.6171.263 1.9062.8754.0111.0531.8362.2452.974
注： ***表示 p<0.001,**表示 p<0.01,*表示 p<0.05,双尾检验
模型1、模型5、模型9为只包含控制变量的基准模型,模型2、6、10分别在模型1、5、9的基础上增加自变量知识搜寻宽度、深度和深度平方项。与基准模型相比,模型2、模型6和模型10的R2均显著增加,说明本文选取的自变量提高了方程的解释力,对各自的被解释变量产生影响。
由模型2可知,知识搜寻宽度系数为正,且在1%的置信水平上显著(β=0.352、p<0.01),说明知识搜寻宽度对知识溯源阶段的创新效果产生显著正向影响,假设H1a得到验证。
另外,知识搜寻深度对知识溯源阶段创新效果的影响系数为正,知识搜寻深度平方项的系数为负,二者均在0.1%的置信水平上显著(β=0.108、p<0.001;β=-0.071、p<0.001),说明知识搜寻深度与知识溯源阶段的创新效果呈现倒U型关系,假设H2a得到验证。
同理,在模型6中,知识搜寻宽度与知识转换阶段创新效果的回归系数为β=0.197、p<0.001,说明知识搜寻宽度对知识转换阶段的创新效果具有显著正向作用,假设H1b得到验证。
此外,知识搜寻深度及其平方项与知识转换阶段创新效果的回归系数分别为β=0.256、p<0.05;β=-0.039、p<0.01,说明知识搜寻深度与知识转换阶段的创新效果呈倒U型关系,二者间存在阈值效应,假设H2b得到验证。
在模型10中,知识搜寻宽度与知识利用阶段创新效果的回归系数为正,且在1%的置信水平上显著(β=0.324、p<0. 01),说明知识搜寻宽度对知识利用阶段的创新效果具有显著正向作用,假设H1c得到验证。
知识搜寻深度平方项与知识利用阶段创新效果的相关性未能通过显著性检验(β=0.103、p>0.05;β=-0.012、p>0.05),说明知识搜寻深度对知识利用阶段的创新效果并不具备曲线效应,假设H2c未通过检验。
3.3.2 调节效应检验
为检验关系联结强度在知识搜寻宽度、知识搜寻深度与技术创新流程关系中的调节效应,模型3、7、11分别在模型2、6、10的基础上增加了调节变量联结强度,模型4、8、12分别在模型3、7、11的基础上增加了联结强度与知识搜寻宽度、知识搜寻深度、知识搜寻深度平方项的交互项。其中,模型3、7和11分别验证联结强度与知识溯源(β=0.118、p<0.01)、知识转换(β=0.145、p<0.01)和知识利用(β=0.194、p<0.05)阶段的创新效果具有显著正相关性。
模型4检验联结强度对知识搜寻宽度、知识搜寻深度与知识溯源阶段创新效果的调节作用。结果显示,知识搜寻宽度与联结强度交互项(β=-0.174、p<0.01)对知识溯源阶段的创新效果具有显著负向影响,说明联结强度对知识搜寻宽度与知识溯源阶段创新效果的关系具有负向调节作用,假设H3a得到验证;另外,知识搜寻深度及其平方项与联结强度交互项(β=0.127、p<0.05;β=-0.022、p<0.01)对知识溯源阶段的创新效果作用显著,假设H4a得到验证。
模型8验证联结强度对知识搜寻宽度、知识搜寻深度与知识转换阶段创新效果关系的调节作用。结果显示,知识搜寻宽度与联结强度交互项和知识转换阶段的创新效果存在显著关系(β=-0.133、p<0.05),假设H3b通过检验;知识搜寻深度及其平方项与联结强度交互项对知识转换阶段创新效果的回归系数分别为β=0.179、p<0.01;β=-0.031、p<0.05,说明联结强度在知识搜寻深度与知识转换阶段创新效果的关系中具有正向调节作用,H4b通过检验。
模型12检验联结强度对知识搜寻宽度、知识搜寻深度与知识利用阶段创新效果关系的调节作用。结果表明,知识搜寻宽度与联结强度的交互项对知识利用阶段的创新效果具有显著负向作用(β=-0.175、p<0.01),知识搜寻深度及其平方项与联结强度的交互项对知识利用阶段创新效果的影响并不显著,假设H3c得到验证,而H4c未得到验证。
基于知识演化视角,本文将技术创新活动映射为知识溯源、知识转换和知识利用的递归过程,实证研究了外部知识搜寻宽度、知识搜寻深度对技术创新各阶段创新效果的影响以及关系联结强度对上述影响的调节作用,得出如下结论:
(1)宽度搜寻策略对技术创新中知识溯源、知识转换和知识利用3个阶段的创新效果均具有显著正向作用。该结论与知识基础观[29-30]的论点相呼应,表明企业需要通过搜寻外部知识以获取异质性资源,拓宽技术创新知识基础,并在思想碰撞过程中激发创新灵感,进而实现技术变革。同时,拥有多元化知识的企业能够更好地进行信息识别和吸收利用,继而降低技术创新风险及成本。
(2)深度搜寻策略与技术创新中知识溯源、知识转换阶段的创新效果呈倒U型关系。知识搜寻深度有助于深化企业对有限知识束的认知与理解,但搜寻深度一旦达到特定阈值将会对企业技术创新带来负面影响。该结论进一步验证了已有研究成果(芮正云,罗瑾琏,甘静娴,2017)中的某些观点:一是在经营领域进行深度搜寻有助于提升企业对该领域知识的掌握能力,过滤知识信噪,便于企业发现潜在的技术创新机会;二是过度的知识搜寻会耗散企业资源与关注力,使其产生路径依赖,进而降低企业技术创新灵活性。此外,值得注意的是,样本中大多数企业知识搜寻深度与知识利用阶段创新效果的关系并不显著,可能的原因是企业在知识利用阶段多侧重于对创新成果的营销以提升创新收益,这要求企业对产品特性、竞争状况及市场供求等信息有较为准确和全面的了解。因此,在此阶段应侧重知识搜寻宽度而非深度。
(3)联结强度负向调节知识搜寻宽度对知识溯源、知识转换和知识利用阶段创新效果的影响,正向调节知识搜寻深度对知识溯源、知识转换阶段创新效果的影响。该结论符合现有研究[31]观点,表明弱联结—宽度搜寻、强联结—深度搜寻的组合更能够促进企业创新活动开展。作为组织间的联结元素,网络关系联结强度以其在知识转移中的不同特征对知识搜寻与创新活动关系产生不同影响,是探究二者关系时不可忽视的关键因素。
本文立足于知识搜寻多维性和技术创新动态性等特征构建技术创新流程概念模型,具象刻画了知识搜寻宽度、知识搜寻深度对技术创新不同阶段的差异化影响以及关系联结强度的调节作用,充分验证了网络关系联结强度在企业知识搜寻策略中的重要地位,揭示了不同网络关系情境下知识搜寻对技术创新流程的动态影响机理,从权变理论角度为企业技术创新活动提供了动态指导。
本文的研究贡献主要体现在以下方面:首先,基于知识演化视角揭示创新的本质特征,从横向角度建立企业技术创新流程模型,并赋予技术创新流程以新的阐释,丰富了技术创新理论体系研究;其次,不同于现有以结果为导向的静态概括性研究,本文立足于技术创新动态发展过程,聚焦于不同知识搜寻维度在技术创新各阶段的差异化效能,将知识搜寻维度与技术创新阶段进行效用匹配,全面深入探讨了多维知识搜寻对技术创新流程的具象作用,有助于将知识搜寻与技术创新流程的相关理论系统化;最后,引入关系联结强度作为调节变量,将联结强度与外部知识搜寻纳入同一研究框架,分情境考虑关系联结强弱与搜寻宽度、深度的契合性,以综合系统地考察不同网络关系情境下外部知识搜寻在创新流程中的差异化效能,有助于推动网络嵌入理论与搜寻理论的融合研究,也有利于指导企业在创新实践中建立“联结关系—搜寻策略—创新流程”的匹配组合。
本文研究结论对企业知识管理与创新实践活动具有一定启示。第一,应重视联结强度、搜寻策略与创新流程之间的匹配效应,动态识别外部知识选择机会。网络关系联结强度、外部知识搜寻策略与技术创新所处阶段存在适配性,在制定企业创新战略时,管理者和研发人员需意识到不同网络关系情境下外部知识搜寻对技术创新活动影响的复杂性,全面考量技术创新活动的动态发展,因地制宜地实施差异化搜寻策略,并及时调整与合作伙伴之间的关系联结强度,不断优化企业技术创新效果。第二,优化知识搜寻结构,统筹协调创新资源。知识搜寻深度与创新活动之间的倒U型关系提醒管理者在实践中要将搜寻深度维持在合理水平,强化对已有知识资源的挖掘与利用,不能过度依赖外部知识来源,避免过犹不及。此外,由于企业注意力等资源约束和限制,知识搜寻宽度与深度往往具有竞争关系,换言之,企业在搜寻宽度上配置过多注意力,可能导致其对某一领域的精通程度不足,反之亦然。在此情况下,企业应当重视知识搜寻不同维度的差异化效能及协同效应,统筹协调创新资源,精准开展以需求为导向的搜寻活动,达到事半功倍的创新效果。
尽管本文得出的结论具有一定理论贡献和实践价值,但仍存在一些不足之处,有待于在后续研究中加以完善。
首先,本文通过问卷调研获取的数据大多为截面数据,难以直观反映知识搜寻与技术创新流程关系随时间推移的动态变化。所以,未来需要在进一步扩大样本容量的基础上,采用动态案例跟踪及包含时间跨度的面板数据进行深入分析,以增强研究结果的全面性及可靠性。
其次,本文以知识基础特征为依据,将知识搜寻划分为搜寻宽度与搜寻深度。未来研究需要从空间距离、时间边界及互动方式等多个层面对知识搜寻展开深入剖析,并综合考虑知识搜寻多维度组态效应对技术创新流程的影响。
[1] 郑浩.情景双元视角下知识搜寻协同对创新绩效的影响——一个有中介的调节模型[J].科技进步与对策,2018,35(17):67-74.
[2] 陈静,曾德明,欧阳晓平.知识重组能力与高新技术企业绩效——冗余资源与创新开放度的调节效应分析[J].管理工程学报,2021,35(3):23-33.
[3] 杨慧军,杨建君.外部搜寻、联结强度、吸收能力与创新绩效的关系[J].管理科学,2016,29(3):24-37.
[4] 叶江峰,陈珊,郝斌.互动式/非互动式知识搜寻对企业双元创新的差异化影响:知识距离的调节效应[J].管理评论,2021,33(5):305-318.
[5] 姚艳虹,谌逸娴,陈欢欢.元素——架构双元知识搜寻对企业创新绩效的影响:创新战略的调节作用[J].科技进步与对策,2022,39(4):112-120.
[6] CHAOCHOTECHUANG P, DANESHGAR F, MARIANO S. External knowledge search paths in open innovation processes of small and medium enterprises[J]. European Journal of Innovation Management,2020,23(3):524-550.
[7] LUO L, LIU F, ZHANG S. Knowledge search rhythm, knowledge reuse trajectories and firm innovation performance[J]. Studies in Science of Science,2020,38(9):1719-1728.
[8] SUN Y, QIN Y, HE S. Effect of knowledge search on innovation capability of SMEs: an empirical study based on electronic equipment manufacturing industry[J]. Studies in Science of Science,2018,36(3):550-557,576.
[9] 司春林,孙鲁峰,赵明剑.创新流程与创新模式[J].研究与发展管理,2003,15(3):22-26.
[10] 王勉.基于创新流程的创新战略与创新模式分析[J].科技管理研究,2014,34 (6):11-14.
[11] SCHOEN J. The innovation cycle: a new model and case study for the invention to innovation process[J]. Engineering Management Journal,2005(3):3-10.
[12] 王金凤,王孟琪,冯立杰.外部知识异质性、知识多元化与突破式创新绩效——基于企业生命周期视角[J].软科学,2020,34(12):14-19.
[13] REN S, EISINGERICH A B, TSAI H T. Search scope and innovation performance of emerging-market firms[J]. Journal of Business Research,2015,68(1):102-108.
[14] 杨震宁,赵红.中国企业的开放式创新:制度环境、“竞合”关系与创新绩效[J].管理世界, 2020,36(2):139-160,224.
[15] 何郁冰,梁斐.产学研合作中企业知识搜索的影响因素及其作用机制研究[J].科学学与科学技术管理,2017,38(3):12-22.
[16] 吴言波,邵云飞,殷俊杰.战略联盟知识异质性对焦点企业突破性创新的影响研究[J].管理学报,2019,16(4):541-549.
[17] 杨建君,邓程,赵宇馨,等.效果逻辑、知识搜寻与新产品开发优势[J].科学学研究,2022,40(4):674-683.
[18] 白景坤,查逸凡,梁秋燕.跨界搜寻对新创企业创新成长影响研究——资源拼凑和学习导向的视角[J].中国软科学,2021(3):166-174.
[19] YU S H, CHEN H C. External knowledge, intraorganisational networks and exploratory innovation: an empirical examination[J]. Innovation-Organization &Management, 2020,22 (3):250-269.
[20] HENTTONEN K, RITALA P. Search far and deep: focus of open search strategy as driver of firm's innovation performance[J]. International Journal of Innovation Management,2013,17 (3):1340007.1-1340007.20.
[21] LAVIE D. Alliance portfolios and firm performance: A study of value creation and appropriation in the US software industry[J]. Strategic Management Journal,2007,28(12): 1187-1212.
[22] PENG D X, SCHROEDER R G, SHAH R. Linking routines to operations capabilities: a new perspective[J]. Journal of Operations Management,2008,26(6):730-748.
[23] LOWIK S, VAN ROSSUM D, KRAAIJENBRINK J, et al. Strong ties as sources of new knowledge: how small firms innovate through bridging capabilities[J]. Journal of Small Business Management,2012,50(2):239-256.
[24] BERGENHOLTZ C. Knowledge brokering: spanning technological and network boundaries[J]. European Journal of Innovation Management,2011,14(1):74-92.
[25] 刘学元,丁雯婧,赵先德.企业创新网络中关系强度、吸收能力与创新绩效的关系研究[J].南开管理评论,2016,19(1):30-42.
[26] PENIDE T, GOURC D, PINGAUD H, et al. Innovative process engineering: a generic model of the innovation process[J]. International Journal of Computer Integrated Manufacturing,2013, 26(3):183-200.
[27] DANNEELS E. Organizational antecedents of second-order competences[J]. Strategic Management Journal, 2008,29(5):519-543.
[28] LI Q, MAGGITTI P G, SMITH K G, et al. Top management attention to innovation: the role of search selection and intensity in new product introductions[J]. Academy of Management Journal,2013,56(3):893-516.
[29] FACHRUNNISA O, ARDIAN A, TJAHJONO H K. Cognitive collective engagement: relating knowledge-Based practices and innovation performance[J]. Journal of the Knowledge Economy,2020,11(2):743-765.
[30] RUI Z Y, LYYTINEN K. How do ventures become more innovative? the effect of external search and ambidextrous knowledge integration[J]. European Journal of Innovation Management,2019,22(5):845-865.
[31] 叶江峰,陈珊,郝斌.知识搜寻如何影响企业创新绩效——研究述评与展望[J].外国经济与管理,2020,42(3):17-34.