How Can the Latecomer Enterprises Achieve Disruptive Innovation under the Uncertain Condition of the Innovation Ecosystem?The Mediating Effect of Dynamic Ability Based on SOR Model

Hou Ke1,Li Xinhao1, Ruan Tianshun2

(1.School of Economics and Management, Xi'an Shiyou University, Xi'an 710065, China;2.School of Economics and Management, Xi'an Northwest University, Xi'an 710069, China)

Abstract：The innovation ecosystem is regarded as fertile ground for cultivating disruptive innovation, and its increasingly uncertain characteristics have opened a window of opportunity for disruptive innovation. In the new round of technological revolution and digital economic transformation, disruptive innovation has become an important way for a country to break through technological blockades and achieve technological self-improvement. Disruptive innovation pursues a pathway in the new technology and market track, and its model of "overtaking on the curve" provides a viable path for the technological development of developing countries. The existing research has proven that companies will adopt the two strategic stances of "adapting" and "remodeling" in the uncertain external situation. For latecomer enterprises at the edge of the value network of the innovation ecosystem, the constraints of resource endowment and the relationship allocation force them to seek new development logic and accurately grasp new development opportunities for competition. Therefore, under the uncertain condition of the innovation ecosystem, it becomes the research focus on the uncertain condition to figure out how the latecomers can establish a unique competitive advantage through disruptive innovation, boost the vitality of the innovation ecosystem and form a leap-forward development trend.

To deal with the uncertain condition of the innovation ecosystem, ambidextrous dynamic capability is the key for latecomers to realizing disruptive innovation. Dynamic capability is the ability of an enterprise to quickly respond to external changes and make dynamic adjustments. Latecomers with dynamic capabilities are able to break through the shackles of original development, quickly identify opportunities in uncertain conditions and update resources promptly. Uncertain conditions are different, innovation ecosystems have significant complexity and collective characteristics due to the multi-layered structure and the dynamic development trend of multi-agent relationships. The existing research confirms that in a complex and changeable external environment, the innovation effect of latecomers depends not only on the company's immediate opportunity perception and adaptability (cognitive dynamic ability), but also on the previous experience, special inertia and organizational structure (non-cognitive dynamic abilities). Therefore, this paper focuses on the mediating effects of ambidextrous dynamic capabilities between ecosystem uncertainty and disruptive innovation.

Disruptive innovation of latecomers depends not only on the dynamic capabilities of the organization itself, but also on compatibility with external ecological features. Disruptive innovation is a dynamic process of multi-factor matching and multi-stage implementation. In the face of uncertain factors such as technology trajectory, market competition and policy environment in the ecosystem, dynamic capabilities can help latecomers accurately identify development opportunities in the innovation ecosystem, open up new competitive tracks, and adjust the organizational structure according to their own advantages. Therefore, the construction of dynamic capabilities is closely related to the characteristics of the external environment, and compatibility with the ecosystem will also become an important factor for enterprises to build dynamic capabilities and stimulate disruptive innovation. The current research mainly focuses on the impact of ecosystem competition factors on dynamic capacity, and the of research of ecosystems openness is insufficient. A more open innovation ecosystem can be more compatible with companies, for it can effectively enhance their willingness and perception of disruptive innovation. In addition, the entry barriers will be fewer in a more innovation ecosystem, and the interaction between companies is more frequent, which can help them establish stable cooperative relations. Therefore, this paper focuses on the moderating effect of ecosystem openness on the relationship between uncertainty and the dynamic capacities of latecomers.

Thus,this paper mainly explores the realization of disruptive innovation of latecomers in the ecosystem uncertainty situation. The SOR model is used to construct a process mechanism of "situational stimulus— capacity building—disruptive behavior" with the focus on the dynamic capabilities building process between the external stimulus of uncertain condition and the disruptive innovation of latecomers. It puts external factors and internal factors within the same theoretical framework to deeply analyze the key factors and formation logic of disruptive innovation.

Key Words：Innovation Ecosystem; Uncertainty Situation; Dynamic Capability; Disruptive Innovation; SOR Model

收稿日期：2022-07-25

修回日期：2022-12-30

基金项目：国家自然科学基金面上项目(72172125);陕西省社科界重大理论与现实问题重点研究项目(SX-330)

作者简介：侯珂(1977-),男,山东济南人,博士,西安石油大学经济管理学院副教授、硕士生导师,研究方向为颠覆性创新及管理、大数据分析与挖掘;李鑫浩(1998-),男,河南洛阳人,西安石油大学经济管理学院硕士研究生,研究方向为颠覆性创新及管理、大数据与信息管理;阮添舜(1993-),男,陕西渭南人,西北大学经济管理学院博士研究生,研究方向为数字技术创新与管理。本文通讯作者：阮添舜。

DOI：10.6049/kjjbydc.Q202207388

开放科学(资源服务)标识码(OSID)：

中图分类号：F273.1

文献标识码：A

文章编号：1001-7348(2024)08-0044-11

0 引言

面临新一轮科技革命、数字化转型等新形势,颠覆性创新成为我国突破技术封锁、实现高水平科技自强自立的重要途径。颠覆性创新追求在传统技术轨道上另辟蹊径,其“弯道超车”模式为发展中国家和后发企业发展提供了一条可行路径(陆亚东等,2013)。“十四五”规划中进一步明确颠覆性创新引领行业变革的科技驱动发展方针,同时,美国硅谷、日本筑波科学城等成功案例表明,创新生态系统是孕育颠覆性创新的沃土,我国也着手构建创新生态系统以促进企业颠覆性创新。“黑天鹅”和“灰犀牛”事件频发虽然加剧了创新生态系统的易变性、不确定性、复杂性和模糊性(简称VUCA特征),但同时也打开了新的机会窗口(彭新敏等,2021)。对于处于创新生态系统价值网络边缘位置的后发企业而言,来自资源禀赋不足和关系配置的掣肘促使其突破传统“按图索骥”的发展逻辑。因此,在面临创新生态系统不确定性条件下,后发企业如何通过颠覆性创新建立独特的竞争优势,激发创新活力,从而实现跃迁式发展,成为当前不确定性研究的重点。

面对创新生态系统不确定性,动态能力是后发企业实现颠覆性创新的关键。动态能力是指企业快速响应外部变化并进行动态调整的能力,后发企业能够借助动态能力突破原有组织刚性和路径依赖,迅速识别不确定性条件中的机会并及时更新资源。面对复杂环境,后发企业筛选资源互补对象、建立异质性合作、获取合法性的难度更大,而沿用传统的动态能力分析思路难以应对创新生态系统不确定性。基于已有研究发现,面对复杂多变的外部环境,后发企业的创新效果不仅取决于企业的即刻机会感知和应变能力(认知性动态能力),还取决于由先前经验所构建的特殊惯性和组织结构(非认知性动态能力)[1]。因此,本文重点研究认知性和非认知性动态能力在创新生态系统不确定性与颠覆性创新之间的中介效应。

后发企业颠覆性创新不仅依赖于组织自身的动态能力,还依赖于与外部生态的相容性。颠覆性创新是多要素匹配、多阶段实施的动态过程[2]。面对创新生态系统中技术轨迹、市场竞争与政策环境等不确定性因素,动态能力有助于后发企业准确识别创新生态系统中的发展机会,并且结合自身优势调整组织结构。因此,动态能力构建与外部环境特征有着紧密联系,与创新生态系统的相容性也成为企业构建动态能力以及开展颠覆性创新的重要影响因素。当前研究主要关注创新生态系统竞争性因素对动态能力的影响,缺乏对创新生态系统开放度的研究。开放度高的创新生态系统与企业的相容性也较高,能够有效提升企业颠覆性创新意愿和感知能力[3],并且在开放度高的创新生态系统内企业互动更加频繁,有助于企业建立稳定的合作关系。因此,本文重点研究开放度在创新生态系统不确定性与认知性、非认知性动态能力之间的调节作用。

基于以上分析,本文主要探究创新生态系统不确定性条件下后发企业的颠覆性创新实现路径。通过利用SOR模型(刺激—机体—反应)构建“条件刺激—能力构建—颠覆行为”过程机制,聚焦外部不确定性刺激下后发企业实施颠覆性创新过程中的动态能力构建,以及创新生态系统开放度对创新生态系统不确定性与不同动态能力关系的影响。本研究将外部因素与内部因素置于同一理论框架下,通过分析颠覆性创新关键影响因素与形成逻辑,不仅有助于丰富创新生态系统不确定性研究,而且可为我国后发企业颠覆性创新提供理论依据与方法。

1 文献回顾与理论框架

1.1 SOR理论框架

SOR理论强调机体在受到刺激后并不是即刻作出反应,而是存在响应刺激并改变机体状态的中介过程。面对刺激,机体将作出内在和外在反应。其中,内在反应表现为内在结构和认知改变,而基于内在反应作出的机体行为则为外在反应[4]。目前,SOR框架多应用于探究组织行为等微观层面,并逐步应用于创新行为研究[5]。面对创新生态系统独特的不确定性刺激,颠覆性创新也是组织反应的结果之一,并且后发企业颠覆性创新不是机械、直接式的,而是组织主动改变认知态度和内在结构,通过构建动态能力适应不确定性的行为反应,与SOR研究框架有着较高契合度。因此,本文基于SOR框架构建“条件刺激—能力构建—颠覆行为”的过程机制,分析不确定性条件下后发企业颠覆性创新形成路径。

1.2 后发企业与颠覆性创新

后发企业是指处于发展劣势下,仍然试图展开竞争的企业[6]。后发企业以追赶超越为战略目标,在经营初期其可利用的资源较少,但是具有较强的模仿和学习能力,能够以低成本、高效率优势与行业中的领先企业展开竞争[7]。颠覆性创新概念源自Christensen提出的“颠覆性技术创新”,随着颠覆性创新理论的不断发展,其理论内涵、特征和类型逐步完善。

当前关于后发企业与颠覆性创新的研究主要聚焦于结果,重点探究后发企业实现颠覆性创新的效果及潜力。然而颠覆性创新并非一蹴而就,不仅需要考虑来自外部影响的创新机会和经营压力等因素,也需要考虑后发企业颠覆性创新产生过程,因此更应该从过程论角度分析其实现过程(余维臻等,2022)。在动态性和不确定性较高的环境中,更容易产生颠覆性创新。颠覆性创新是指企业积极寻找新的机会窗口,通过技术进步、工艺提升等多种方式寻求突破,逐步吸引并获得潜在或非主流消费者认可的复杂过程。颠覆性创新的性价比较高,产品结构相对简单,很难占据主流市场,但是可以打破已有的技术轨道。因此,对于后发企业来说,颠覆性创新能够快速挖掘新兴市场价值,是一条快速实现价值突破、建立竞争优势的路径。

1.3 创新生态系统的不确定性

颠覆性创新易受到外部因素影响,而创新生态系统拥有多元化主体和丰富的创新资源,不仅是当前企业经营发展的重要环境,更被认为是培育颠覆性创新的沃土(余维臻等,2022)。因此,学者们也逐渐关注到创新生态系统中的企业颠覆性创新。当前研究将创新生态系统视作以企业为核心的多元组织形态[3],是由相互连接的组织而形成的网络,该网络主要包括核心企业、企业所处的市场与环境,以及与企业相关的用户、供应商、政府等要素(王海军等,2021)。对于处于价值网络边缘的后发企业来说,难以在传统的技术轨道和市场上与核心企业竞争,而不确定性条件中蕴含的新机会提供了其实现“弯道超车”的可能性。

技术的易变性、社会价值的多元性导致企业原有商业模式和组织形态受到前所未有的冲击与挑战,企业外部创新环境变得愈加模糊和复杂。同时,创新生态系统不确定性也提供了新的机会窗口[8],而创新生态系统的影响因素也较为多样,因此将其不确定性归类为市场、政策、技术三个层面[9]。在市场方面,不确定性体现为用户的产品偏好更加复杂,企业掌握和筛选客户需求信息的难度也增大。同时,市场动荡会给后发企业创新带来更多的不确定性和高风险[10]。在政策方面,不确定性体现为宏观政策变化。产业政策、社会价值观会对企业行为起约束作用,并直接影响企业创新合法性。政策不确定性会影响管理层战略预期,进而影响企业颠覆性创新方式选择(阳镇等,2022)。在技术方面,不确定性体现为技术变化和不可预知性,具体表现为整个生态系统中技术开发周期变短和快速迭代[11]。在充满技术不确定性的外部环境中,企业不仅需要提升组织适应性、灵活度和技术创新能力,而且要选择合适的技术领域。同时,技术动荡性促使企业将稀缺资源用于技术创新,以适应外部快速迭代的技术环境[12]。

1.4 认知性与非认知性动态能力

动态能力理论认为,随着外部环境变化,动态能力的发生情境和模式也随之改变。当企业处于不稳定的产业结构中时,企业需要通过获取新知识和新业务来提高组织能力,以应对更多的不确定性因素[13]。因此,基于创新生态系统不确定性构建独特的动态能力有助于后发企业建立新的竞争优势,抵御创新风险[14],这是其开展颠覆性创新的重要基础。从微观视角,后发企业实现颠覆性创新不仅需要认知性元素支撑,如领导力、管理者、组织战略等,还需要非认知性元素支撑,如组织结构、组织特性等[1]。因此,根据微观基础元素和能力形成过程差异,本文将动态能力划分为认知性动态能力和非认知性动态能力两个维度。

通过对不确定性条件下管理层行为逻辑的分析发现,颠覆性创新需经历机会感知、战略制定、内外部资源匹配、创新行动开展等环节,因此本文基于认知过程视角,从“环境扫描—资源协奏—即兴能力”三个维度构建认知性动态能力。环境扫描是企业获取外部环境信息、识别机会的过程,企业通过环境扫描获取事件发展趋势,从而帮助管理者制定企业发展规划。另外,组织可以建立多维度的环境信息搜索渠道,通过对市场、技术和政策等正式环境以及关系、知识、活动等非正式环境的扫描,帮助企业获取多元化技术和信息,从而促进创新机会识别与战略制定。资源协奏是企业执行战略的重要环节,即促使企业根据外部环境变化及时调整静态知识资源,为企业颠覆性创新目标实现提供支撑。同时,Sirmon等[15]强调在执行企业战略时,高管需要获取中层等跨职级资源,这也是企业颠覆性创新成功的关键。即兴能力是组织或管理者通过利用内外部资源融合实现创新的能力[16],其反映了组织即刻反应和有意识地创作等行为状态。面对突发事件,即兴能力强的组织能够抵御压力并运用有限信息快速作出反应。另外,即兴能力能够帮助企业在不确定性环境中迅速作出变革型决策,实现战略与环境的动态匹配[17]。

在创新生态系统不确定性条件下,颠覆性创新依赖于组织内部结构以及与生态系统各主体的合作机制,因此本文基于内外部视角,从“组织模块化—生态系统嵌入”两个维度构建非认知性动态能力。模块化是通过规则设计将组织重塑的过程,组织模块化认为复杂的系统管理问题往往具有“近可分解性”[18],现有研究正从组织模块化向生态系统演进。组织模块化有助于拓展组织网络体系,促进价值链合作、资源共享以及协同发展,实现模块内部独立性和模块间协调性,促进模块化整合和资源快速流动,从而提高企业创新能力[19]。生态系统嵌入是指嵌入创新生态系统的生态主体共同遵循合作机制,保持高水平承诺和高频的资源交互,促使生态系统主体间形成资源互通、协同共进的网络关系(魏江等,2021)。创新生态系统包含不同创新主体,通过联接不同主体,形成协同发展局面[20]。生态系统嵌入是企业嵌入价值创造网络、获取外部资源的关键途径,后发企业能够借助生态系统强化自身专有能力,同时,主体间的良性互动和跨边界合作有助于企业实现颠覆性创新。

2 研究假设

2.1 直接效应

组织面对不确定性外部环境时,需要及时把握未来方向,调整战略,抓住发展机会并应对潜在风险。对于后发企业来说,创新生态系统不确定性是引发颠覆性创新的关键前因,主要体现在3个方面：首先,在市场方面,在充满不稳定、不确定、复杂的创新生态系统中,企业需要通过信息获取准确把握市场需求与技术偏好,不确定性环境能够刺激企业探索新技术和新发展方向,在外部压力下后发企业进行颠覆性创新的意愿更强。其次,在政策方面,创新合法性是企业创新活动被认可与认定的方式,组织创新合法性有助于提升资源获取能力,对企业发展和规划至关重要,较高的政策不确定性会刺激企业及时洞察政策动向,推进企业建立颠覆性创新合法性。最后,在技术方面,外部环境中会涌现许多发展机会,不断激励企业通过颠覆性技术创新快速获取或抢占内外部市场资源。同时,激发企业利用关键性资源协同和调控企业管理行为,不断提升创新能力和竞争力。因此,本文提出以下研究假设：

H1：创新生态系统不确定性正向促进颠覆性创新。

2.2 动态能力的中介效应

(1)创新生态系统不确定性影响企业认知性动态能力。处于不确定、复杂的创新生态系统有助于激发企业对管理和战略的重视,促使企业快速进行颠覆性创新以应对外部环境的不确定性,同时,高效运用内外部资源有助于提升企业认知性动态能力,进而增强创新能力和获得竞争优势。认知性动态能力是一种自上而下的变革能力,通过组织战略、高管认知等层面获取知识资源和技术提升,其主要由环境扫描、资源协奏、即兴能力构成。企业通过环境扫描能够获取外部环境中有用的战略信息,通过吸收资源和信息,协助管理者制定方案及计划,同时,为颠覆性创新奠定坚实基础。资源协奏贯通不同部门[21],有助于增强团队凝聚力,促进中高层管理者沟通,激励全员积极共享知识、技术,探究解决问题的新方案,进而提升员工对企业颠覆性创新战略的接受度。组织通过即兴能力,利用内外部资源实现创新能力提升,即组织即兴能力能够帮助企业快速识别市场机遇,动态调整原有计划和战略以适应新变化,形成颠覆性产品或解决方案。因此,本文提出以下研究假设：

H2a：创新生态系统不确定性正向影响认知性动态能力;

H2b：认知性动态能力正向影响颠覆性创新;

H2c：认知性动态能力在创新生态系统不确定性与颠覆性创新之间起中介作用。

(2)创新生态系统不确定性影响企业非认知性动态能力。创新生态系统不确定性变化将带来组织架构和组织特性变化,在合理的组织架构下企业能够快速响应颠覆性创新战略,并且能充分获取互补性资源[18],更好地适应创新环境变化。非认知性动态能力是组织特性层面的能力,通过组织的结构化优势实现创新能力提升和竞争优势获取,其主要由组织模块化、生态系统嵌入构成。组织模块化通过调整系统间和系统内部关系,实现组织重塑,有助于提升组织价值网络流通性,通过模块内和模块间的协调发展,加速信息和知识资源的流通与整合,从而显著提升企业颠覆式创新战略执行能力(魏江等,2021)。生态系统嵌入有助于建立生态主体合作机制,达成资源互通、确立承诺关系,有助于形成多主体间的协同发展合作网络[20]。另外,生态系统有助于促进利益相关主体结成技术网络,快速获取内外部知识资源,为多元主体深度合作搭建良性互动平台,为颠覆性创新提供社会关系支撑。因此,本文提出以下研究假设：

H3a：创新生态系统不确定性正向影响非认知性动态能力;

H3b：非认知性动态能力正向影响颠覆性创新;

H3c：非认知性动态能力在创新生态系统不确定性与颠覆性创新之间起中介作用。

2.3 创新生态系统开放度的调节作用

企业竞争日趋激烈,后发企业需高度重视前沿战略和资源获取,时刻洞悉竞争对手策略变化、用户深层次需求和市场结构变化。认知性动态能力是管理层和战略层主动应对外部环境动荡性的能力,能够帮助企业及时掌握技术前沿,深耕用户需求市场。创新生态系统开放度决定了企业互动程度和互动关系,资源高效流通有利于企业捕捉创新机会,促进企业形成独特的动态能力。开放度高的创新生态系统能够为产学研合作提供坚实的支撑,搭建优化的联盟网络[1]。同时,较低的准入门槛将导致创新生态系统中的竞争更加激烈,而认知性动态能力能够打破已有发展僵局,帮助后发企业建立独特的“软实力”竞争优势,从而为企业开展颠覆性创新提供保障。另外,开放度高的创新生态系统能够助力企业结构优化,为企业转化和利用内外创新资源等非认知性能力提供良好的支撑基础。非认知性动态能力是组织特性层面的能力反映,能够为企业快速发展构建组织结构优势,为后发企业实现追赶超越提供组织支撑[1]。同时,创新生态系统开放度提高有助于增强后发企业获取外部市场资源的意愿和重构组织架构的动机,并与组织内部资源有机结合,为颠覆性创新提供信息与资源支撑。此外,开放度高的创新生态系统能够为后发企业提供稳固的社会关系,有助于企业链接更多外部合作者,优化合作网络,获取异质性资源和互补性资产。因此,本文提出如下研究假设：

H4a：创新生态系统开放度越高,创新生态系统不确定性对认知性动态能力的正向作用越大;

H4b：创新生态系统开放度越高,创新生态系统不确定性对非认知性动态能力的正向作用越大。

综上所述,本研究构建理论模型如图1所示。

3 研究设计

3.1 变量测量

为了保证量表信效度,借鉴国内外研究使用的成熟量表,并结合研究主题和中文语境对部分题项作适当调整。调查问卷主要包括企业基本情况和测量量表两部分。企业基本情况包括企业性质、所属行业、企业年限以及资产规模等信息,本研究将上述因素作为控制变量。

本文所有量表均遵循Likert五级量表评分法,1～5分别表示从“非常不同意”到“非常同意”。测量情况如下：①创新生态系统不确定性,主要来自市场、制度和技术3个方面,分别借鉴Jansen等[22]、阳镇等(2022)和Martínez-Pérez等[23]的研究进行测量;②认知性动态能力,主要反映企业面对不确定性的机会感知、资源协调和战略部署能力,因此从环境扫描[24]、资源协奏[15]和即兴能力[25]3个维度进行测量;③非认知性动态能力,主要反映企业面对不确定性的内部结构和外部生态合作机制,主要从组织模块化[26]和生态系统嵌入[27]两个维度进行测量;④创新生态系统开放度借鉴戴勇等[1]的研究进行测量;⑤颠覆性创新借鉴余维臻等(2022)的研究进行测量。

3.2 预调研检验

虽然采用已有成熟量表,但是为了保证适用于创新生态系统后发企业颠覆性创新研究,需要通过预调研环节作进一步检验。在预调研阶段共发放60份问卷,回收60份问卷。

预调研的问卷信度研究结果表明,创新生态系统不确定性、认知性动态能力、非认知性动态能力、创新生态系统开放度和颠覆性创新的Cronbach's ɑ系数分别为0.853,0.873,0.830,0.787,0.863,均在0.7以上。然而,认知性动态能力中的环境扫描维度变量Envs3和即兴能力维度变量Imp5,以及创新生态系统开放度变量Open4的CITC值分别为0.416,0.453与0.404,均在0.5以下,未达到可接受标准,因此删除以上3个题项。更新后的认知性动态能力和创新生态系统开放度的Cronbach′s ɑ系数分别为0.881与0.792,表明调整后的量表仍然保持较高信度。通过因子分析,对预调研阶段的调查问卷进行效度检验。结果显示,创新生态系统不确定性、认知性动态能力、非认知性动态能力、创新生态系统开放度和颠覆性创新的KMO值分别为0.833,0.910,0.875,0.812以及0.843,均在0.7以上,并且Bartlett球形检验结果均在0.05以下(均为0.000),证明预调研量表具有较高效度。

3.3 数据收集与样本分布

本文以创新生态系统中的后发企业为研究对象,采用问卷调研法探究创新生态系统不确定性、认知性与非认知性动态能力对颠覆性创新的影响。成立年限较短是后发企业的显著特征,当前研究普遍将企业成立年限在10年以下作为筛选后发企业的标准,因此本文也借鉴该研究标准[8],重点对该类后发企业开展调研。由于本研究需要被调查者对企业颠覆性创新具有一定了解,所以选择企业中高层管理人员作为调研对象。同时,被调查企业需明确位于创新生态系统中,因此选择高新园区、创新创业孵化基地的企业。研究通过个人关系、MBA班和网络方式,共发放问卷500份,回收问卷425份,剔除无效问卷后共获得376份问卷,有效回收率为75.2%,符合实证分析要求。问卷调查企业基本特征如下：①从企业性质来看,国有、民营、合资和外资企业的占比分别为36.65%,43.12%,5.96%和14.27%;②从所属行业来看,信息技术行业、航空航天及交通运输业、医疗行业、设备制造业、化工材料行业、石油煤炭及其它燃料行业的占比分别为35.92%,24.56%,13.15%,10.63%,8.63%和7.11%;③从企业年限看,2年及以下、3～5年、6～8年、9～10年的占比分别为17.38%,24.57%,32.62%和25.43%;④从企业规模来看,300万元及以下、301～800万元、801～1 300万元和1 301万元及以上的占比分别为23.37%,36.29%,24.1%,16.24%。

3.4 同源偏差检验

由于研究问卷均为同一人填写,为了避免同源方法偏差问题对研究变量关系的干扰[27],采用harman单因子检验法,对问卷结果重新评估。对全部变量题项进行主成分分析。分析结果显示：旋转后的第一个公因子解释的方差比例为25.9%,远小于50%,表明本研究不存在明显的同源偏差问题,能够用于探究各变量相关关系。

4 实证分析

4.1 信效度检验

(1)信度分析。本研究信度分析采用SPSS 22.0软件,通过测度所有变量的Cronbach's ɑ系数和CR值验证变量题项的一致性。由表1可得,创新生态系统不确定性的Cronbach's ɑ系数为0.897;认知性与非认知性动态能力的Cronbach's ɑ系数分别为0.910和0.868;颠覆性创新和创新生态系统开放度的Cronbach's ɑ系数分别为0.921与0.897,以上变量的Cronbach's ɑ系数和CR值均大于0.8,表明量表信度理想。

(2)效度分析。本研究通过标准化因子载荷、AVE及其平方根,以及变量之间的Person相关系数进行聚合效度检验和区分效度检验。采用Amos21.0软件进行验证性因子分析,结果发现,各题项的标准化因子载荷值均在0.5以上,且变量的AVE值均在0.5以上,证明量表聚合效度较高。同时,结合相关性分析结果发现,各AVE的平方根均大于各变量之间的Person相关系数,证明量表的区分效度较高。

4.2 相关性分析

本文通过SPSS 22.0软件对各变量均值、标准差及Person相关系数进行分析,如表2所示。结果表明,创新生态系统不确定性与认知性动态能力(r=0.456,p<0.01)、非认知性动态能力(r=0.440,p<0.01)、颠覆性创新(r=0.453,p<0.01)显著正相关;认知性动态能力与颠覆性创新(r=0.528,p<0.01)显著正相关,非认知性动态能力与颠覆性创新(r=0.581,p<0.01)显著正相关。其中,企业性质、所属行业、成立年限、企业规模与创新生态系统不确定性、动态能力、颠覆性创新的相关性不显著,说控制变量对其余变量的影响较小。

4.3 假设检验

本研究采用层次回归法对假设进行检验。在回归方程中共设计10个模型,其中,模型1～4的因变量为认知性与非认知性动态能力,模型5～10的因变量为颠覆性创新,具体回归结果如表3和表4所示。

(1)主效应检验。本研究将颠覆性创新作为结果变量,加入企业性质、所属行业、企业年限、企业规模等控制变量后,再将生态系统不确定性纳入回归模型。从模型可以看出,控制变量的影响不显著,而生态系统不确定性对颠覆性创新具有显著正向影响(β=0.367,p<0.001),假设H1成立。

(2)中介效应检验。本研究借鉴Baron &Kenny[28]的方法,采用层次回归法对认知性与非认知性动态能力的中介效应进行检验。首先,将颠覆性创新作为因变量,加入控制变量,然后加入生态系统不确定性,最后将中介变量认知性与非认知性动态能力纳入回归方程。从表3和表4可以看出,认知性与非认知性动态能力对颠覆性创新具有显著正向影响(β=0.563,p<0.001;β=0.431,p<0.001),假设H2b和H3b成立;生态系统不确定性对认知性与非认知性动态能力具有显著正向影响(β=0.345,p<0.001;β=0.256,p<0.001),假设H2a和H3a成立;加入认知性与非认知性动态能力后,生态系统不确定性对颠覆性创新仍然具有显著正向影响(β=0.255,p<0.001;β=0.218,p< 0.001),但系数有所下降。由此可见,认知性与非认知性动态能力在生态系统不确定性与颠覆性创新之间起部分中介作用,即假设H2c和H3c成立。

(3)调节效应检验。首先,分别将认知性动态能力与非认知性动态能力作为结果变量加入回归模型,逐步加入控制变量、创新生态系统不确定性、调节变量生态系统开放度,最后将创新生态系统不确定性与生态系统开放度的交互项纳入回归方程。由表3可以看出,创新生态系统不确定性与创新生态系统开放度的交互项对认知性动态能力具有显著正向影响(β=0.112,p< 0.05),即假设H4a 成立;创新生态系统不确定性与创新生态系统开放度的交互项对非认知性动态能力的影响不显著(β=0.05),即假设 H4b 不成立。进一步,绘制不同生态系统开放度对创新生态系统不确定性与认知性动态能力关系的调节效应,如图2所示。

可以看出,相较于低水平开放度,高水平开放度下的创新生态系统不确定性与认知性动态能力的正向关系更显著。

4.4 稳健性检验

本文采用Bootstrap方法对主效应与中介效应进行稳健性检验,结果如表4、表5所示。结果显示,生态系统不确定性的直接效应点估计值为0.639 7,95% 的置信区间为[0.558 1,0.721 3],间接效应点估计值为0.235 4,95%的置信区间为[0.084 6,0.386 2],上述路径的置信区间均不包含0,表明其具有较高的显著性,说明生态系统不确定性对颠覆性创新具有显著正向影响,认知性动态能力在生态系统不确定性与颠覆性创新之间发挥部分中介作用,假设H2c得到进一步验证。另外,将中介变量替换为非认知性动态能力后,间接效应点估计值为0.203 7,95%的置信区间为[0.078 5,0.328 9],置信区间不包含0,达到显著性水平,说明非认知性动态能力在生态系统不确定性与颠覆性创新之间也起部分中介作用,假设H3c得到进一步验证。

5 结论与启示

5.1 研究结论

本文以后发企业为研究对象,基于“条件刺激—能力构建—颠覆行为”的SOR研究框架,运用动态能力理论探讨创新生态系统不确定性对后发企业颠覆性创新的影响,分析后发企业颠覆性创新实现过程,并且检验不同动态能力的中介作用以及生态系统开放度的调节作用。研究表明：创新生态系统不确定性不仅对颠覆性创新具有显著正向影响,而且对认知性与非认知性动态能力具有显著正向影响;认知性和非认知性动态能力在创新生态系统不确定性与颠覆性创新之间起部分中介作用,即创新生态系统不确定性不仅对颠覆性创新具有直接影响,而且还通过认知性与非认知性动态能力对颠覆性创新产生间接影响;创新生态系统开放度在创新生态系统不确定性与认知性动态能力之间具有调节作用,即生态系统开放度越高,创新生态系统不确定性对认知性动态能力的正向影响越显著。

5.2 理论贡献

(1)本研究基于环境不确定性理论,探究了创新生态系统不确定性对后发企业颠覆性创新的影响,丰富了不确定性理论研究。研究结果发现,创新生态系统不确定性对后发企业颠覆性创新具有显著正向影响。创新生态系统不确定性作为外部因素,对颠覆性创新具有显著促进作用。原因在于,处于高不确定性的创新生态系统中,市场、制度和技术等层面的剧烈变化将促进更多创新机会涌现,后发企业的颠覆性创新意愿会更加强烈,通过探索新技术和新思路增强资源获取能力,进而提高社会地位认可度;另外,后发企业通过颠覆性创新获取内外部资源,强化技术创新,不断提升创新能力和竞争力,进而降低外部不确定性。

(2)从动态能力理论出发,探究认知性、非认知性动态能力在创新生态系统不确定性与颠覆性创新之间的部分中介作用,强调认知性和非认知性动态能力对颠覆性创新的重要影响,丰富了动态能力理论研究类型和应用场景,并且为创新生态系统不确定性和颠覆性创新研究提供了新思路。面对外部不确定性,后发企业可以通过提高环境扫描、资源协奏和即兴能力增强认知性动态能力,从而敏锐洞察新发展机会,快速制定竞争战略,及时提出创造性解决方案。同时,企业可以通过提高组织模块化程度和生态系统嵌入程度,增强组织非认知性动态能力,从而优化组织结构,获取更多外部资源。

(3)以创新生态系统开放度作为调节变量,探索创新生态系统不确定性与开放度交互对不同动态能力的影响。研究表明,创新生态系统开放度在创新生态系统不确定性与认知性动态能力之间起正向调节作用。原因在于,战略制定有助于企业获取异质性知识资源并建立紧密合作,进而助力企业提高认知性动态能力。同时,厘清了创新生态系统开放度与不确定性关系,揭示了生态系统开放度在后发企业颠覆性创新过程中的作用边界。

5.3 管理启示

(1)创新生态系统不确定性正向影响颠覆性创新。首先,面对市场不确定性和需求刺激,后发企业较难将技术创新与市场需求快速结合,上述外部性压力会刺激后发企业挖掘新思路和萌生颠覆性创新意愿。后发企业应该积极获取与吸收外部信息以满足市场需求及技术偏好,通过颠覆性创新实现价值创造。其次,政策环境是企业开展创新活动与获得认可的前提,政策不确定性为后发企业提供了新的合法性获取路径,进而影响后发企业计划与战略制定基础,后发企业可以通过颠覆性创新获得更高的社会地位与认可度。最后,外部环境中的技术不确定性会不断刺激后发企业技术进步,因此后发企业应该通过颠覆性创新提升适应性和创新度,并且利用外部资源不断提高企业管理效率、强化技术效应,不断提升创新能力和竞争力。

(2)基于创新生态系统不确定性条件,后发企业要同时构建认知性与非认知性动态能力。许多后发企业较依赖认知性动态能力,但是非认知性动态能力在颠覆性创新过程中也起关键作用。认知性动态能力有助于组织通过战略层面、高管认知层面获取知识资源与提升技术。企业可以运用环境扫描获取外部资源与信息,通过资源协奏联通各层级、打破部门边界,利用即兴能力实现创新能力提升,进而完成颠覆性创新。而非认知性动态能力是组织结构化优势的体现,后发企业通过调整系统间和系统内部关系,实现组织重塑,并积极融入创新生态系统建设,加强与外部主体合作,通过与多元主体的深度合作和互补,为颠覆性创新奠定坚实基础。与认知性动态能力相比,非认知性动态能力建立需要经历更长时间,因此后发企业应该提前布局非认知性动态能力建设战略。

(3)开放的创新生态系统能够促使企业内部或企业间形成良性互动,高效的外部资源流动和良好的合作环境有利于后发企业建立认知性动态能力,从而快速实现颠覆性创新。较高的生态系统开放度有助于促进开放网络建立,实现产学研合作与成果转化,如合作框架、联盟组合等,通过搭建更优化的联盟网络,形成互通的创新价值链,为企业战略决策和计划调整作准备。对于后发企业而言,应该及时洞悉利益相关主体需求和政策环境变化,不断提升企业在认知性动态能力构建方面的优势。对于国家来说,应该提高创新生态系统开放度,通过降低准入门槛,加大开放广度和开放深度等多种措施,吸引更多有颠覆性潜力的企业进入创新生态系统,激发生态系统创新活力,从而实现跃迁式发展。

5.4 研究不足与展望

本研究还存在如下不足：其一,仅使用横截面数据进行分析,未充分考虑时间维度下生态系统不确定性对颠覆性创新的影响,未来可以运用时间序列进行数据调研,获取更客观、可靠的研究结果。其二,将市场、制度和技术层面的创新生态系统不确定因素进行合并研究,未来可对不确定性条件进一步细分,探究不同动态能力分别对3个层面的差异化影响。其三,本文主要讨论后发企业颠覆性创新实现过程,在分析过程中考虑到样本数据的可得性,没有进一步对后发企业类型进行讨论,未来可结合具体行业,研究其对后发企业动态能力构建以及颠覆性创新效果的异质性影响。

参考文献：

[1] 焦豪,杨季枫,应瑛.动态能力研究述评及开展中国情境化研究的建议[J].管理世界,2021,37(5)：191-210.

[2] SI S, CHEN H, LIU W, et al. Disruptive innovation, business model and sharing economy： the bike-sharing cases in China[J]. Management Decision, 2021, 59(11)： 2674-2692.

[3] 戴勇,刘颖洁.基于组态分析的数字平台生态系统内部治理因素及效果研究[J].科研管理,2022,43(2)：46-54.

[4] LIN S W,LO L Y S ． Evoking online consumer impulse buying through virtual layout schemes[J].Behaviour &Information Technology,2016,35(1)：38-56.

[5] 梁阜,李树文,孙锐.SOR视角下组织学习对组织创新绩效的影响[J].管理科学,2017,30(3)：63-74.

[6] HOBDAY M.East Asian latecomer firms： learning the technology of electronics[J].World Development,1995,23(7)：1171-1193.

[7] 徐建新,张海迪,许强.机会窗口、复合式战略与后发企业追赶——基于大华股份的纵向案例研究[J].科技进步与对策,2020,37(23)：81-90.

[8] ADNERR.Match your innovation strategy to your innovation ecosystem[J]. Harvard Business Review,2006,84(4)： 98-107.

[9] 周江华,李纪珍,刘子谞.双重机会窗口下管理认知模式与创新追赶路径选择——以中国风电产业的后发企业为例[J].中国工业经济,2022,39(3)：171-188.

[10] LEE K, MALERBA F. Catch-up cycles and changes in industrial leadership： windows of opportunity and responses of firms and countries in the evolution of sectoral systems[J].Research Policy,2017,46(2)：338-351.

[11] HIRSH J B,MAR R A,PETERSON J B. Psychological entropy： a framework for understanding uncertainty-related anxiety[J].Psychological Review,2012,119(2)：304-320.

[12] WU LIANG, LIU HENG, ZHANG JIANGQI. Bricolage effects on new-product development speed and creativity： the moderating role of technological turbulence[J]. Journal of Business Research, 2016, 70：127-135.

[13] EISENHARDT K J A MARTIN.Dynamic capabilities： what are they [J].Strategic Management Journal,2000,21(10-11)：1105-1121.

[14] MICHAEL A HITT, et al. Navigating in the new competitive landscape： building strategic flexibility and competitive advantage in the 21st Century[J]. Academy of Management Executive, 1998,12(4)：22-42.

[15] SIRMON D G,HITT M A,IRELAND R D,et al.Resource orchestration to create competitive advantage： breadth, depth, and life cycle effects[J].Journal of Management,2011,37(5)：1390-1412.

[16] 韵江,王文敬.组织记忆、即兴能力与战略变革[J].南开管理评论,2015,18(4)：36-46,105.

[17] 郭秋云,李南,菅利荣.组织忘却情景、即兴能力与突破性创新[J].中国科技论坛,2017,34(4)：55-61.

[18] SIMON H.The architecture of complexity： hierarchic systems[J].Proceedings of the American Philosophical Society,1962,106(4)：183-216.

[19] LAMPN J F,CABANELAS P,GONZLEZ-BENITO J. The impact of modular platforms on automobile manufacturing networks[J].Production Planning&Control,2017,28(4)：335-348.

[20] JMM A, AG B . Social partners in the digital ecosystem： will business organizations, trade unions and government organizations survive the digital revolution-science direct[J]. Technological Forecasting and Social Change,2016,162.

[21] HUI P A, NS A, HL A , et al. Multiple network embedding, green knowledge integration and green supply chain performance——investigation based on agglomeration scenario-science direct[J]. Journal of Cleaner Production, 2020, 259：120821.

[22] JANSEN J J P,VAN D B F A J,VOLBERDA H W.Exploratory innovation,exploitative innovation,and performance：effects of organizational antecedents and environmental moderators[J].ERIM Report Series Research in Management,2006,52(11)：1661-1674.

[23] MARTINEZ-PEREZ, ANGELA, GARCIA-VILLAVERDE,PEDRO M,et al.The mediating effect of ambidextrous knowledge strategy between social capital and innovation of cultural tourism clusters firms[J].International Journal of Contemporary Hospitality Management,2016,28(7)：1484-1507.

[24] MILLER D, FRIESEN P H.Innovation in conservative and entrepreneurial firms：two models of strategic momentum[J].Strategic Management Journal, 1982, 3 (1) ：1-25.

[25] VERA D,CROSSON M.Improvisation and innovative performance in teams[J].Organization Science,2005,16(3)：203-224.

[26] 王鹏程,刘善仕,刘念.组织模块化能否提高制造企业服务创新绩效——基于组织信息处理理论的视角[J].管理评论,2021,33(11)：157-169.

[27] ALMASHHADANI A F S,QURESHI M I,HISHAN S S,et al. Towards the development of digital manufacturing ecosystems for sustainable performance： learning from the past two decades of research[J/OL]. Energies,2021,14.https：//doi. org/10.3390/en14102945.

[28] BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research： conceptual, strategic, and statistical considerations[J].Chapman and Hall, 1986,51(6)：1173-1182.

(责任编辑：胡俊健)