开放科学(资源服务)标识码(OSID)：
Existing research suggests that the external environment does not directly dictate corporate strategic choices, top managers’ cognition and interpretations of environmental factors drive strategic choices. Typically, top managers simplify complex external environmental information into a two-dimensional cognitive framework of opportunities and threats, which in turn influences their strategic decisions regarding ambidextrous innovation. However, existing studies have reported inconsistent findings on how opportunity-threat cognition affects ambidextrous innovation configurations. This inconsistency arises because individual cognitive limitations constrain decision-makers to focus on only a subset of salient events within a limited time frame and the final strategic decisions depend on which specific pieces of information decision-makers attention on and how they cognitively process these selected pieces of information. The profit-loss framework, as a crucial psychological model in strategic decision-making, provides particularly salient information for decision-makers. Therefore, this study focuses on the combined effect of profit-loss attention and opportunity-threat cognitive classification of top managers on ambidextrous innovation and constructs four combination contexts of "high-high", "low-low", "high-low", and "low-high" based on the differences in the level of profit-loss attention and opportunity-threat cognitive classification of top managers.
Using the annual report data of A-share listed companies in Shanghai and Shenzhen from 2010 to 2023, this study employs the response surface analysis method to investigate the combination effect of profit-loss attention and opportunity-threat cognitive classification of top managers on dynamic configuration of ambidextrous innovation, and the moderating effect of organizational size. The results indicate that the more consistent the level of profit-loss attention and opportunity-threat cognitive classification is,the more the ambidextrous innovation is inclined to exploratory innovation. Specifically, when top managers focus on profit-loss and have a high degree of opportunity-threat cognition, ambidextrous innovation is more likely to lean toward exploratory innovation compared to scenarios where they have lower profit-loss attention and low opportunity-threat cognition(even with a high degree of threat cognition); when a high level of profit-loss attention and a low level of opportunity-threat cognition(high level of threat cognition) are compared to low profit-loss attention and a high level of opportunity-threat cognition, the ambidextrous innovation is more inclined to exploitative innovation. Organization size moderates the combination effects of top management′s profit-loss attention and opportunity-threat cognitive classification on the dynamic configuration of ambidextrous innovation. As the organization size increases, the consistency of top management′s profit-loss attention and opportunity-threat cognition increases in positive relationship with exploratory innovation.
Drawing on attention-based theory and threat-rigidity theory, this study investigates how the organizations adjust the emphasis of ambidextrous innovation in four combination contexts of profit-loss attention and opportunity-threat cognition classification of top managers from a combinational perspective. It provides a novel perspective on organizational ambidextrous innovation. Unlike prior studies that apply threat-rigidity theory to analyze the relationship between opportunity-threat cognition and ambidextrous innovation, this study differentiates the varying degrees of threat posed by losses and explores the dysfunctional aspects of threat-rigidity theory, which contributes to a deeper understanding of application of threat-rigidity theory in organizational ambidextrous innovation. Specifically, this study reconciles conflicting conclusions in existing research regarding the relationship between opportunity-threat cognition and ambidextrous innovation and offer explanations for these inconsistencies. Furthermore, the findings of this study have significant implications for strategic decision-making by top management in enterprises. Enterprises need to keep optimizing the dynamic management of ambidextrous innovation,with a balance of adaptability and innovativeness. They should systematically analyze environmental issues, analyze the support capacity of resources for innovation and enhance the effectiveness of strategic decision-making; while it is necessary to establish a comprehensive risk assessment mechanism to estimate their risk-bearing capacity.
开放科学(资源服务)标识码(OSID)：
面对复杂多变的商业竞争环境,企业需要利用现有知识、技术和其它资源不断修复和改进现有产品及服务,通过利用式创新实现短期绩效。同时,企业也需要探索新技术、新知识和其它资源产生新想法,通过探索式创新保持长期创新活力[1]。因此,保持探索式创新和利用式创新平衡是组织维持长期绩效的关键[2]。现有研究主要提出二元平衡法和点断平衡法两种方法,平衡探索式创新与利用式创新(Fang等,2010)。其中,二元平衡法强调同等重视探索性创新和利用性创新,同时追求效益最大化。如结构双元和情境双元聚焦于从组织结构、组织背景得出双元平衡的静态解[3]。点断平衡法则强调先侧重于两者中的一种创新活动,当取得一定收益后再偏重另一种创新。如序列双元聚焦于时间动态下的双元创新平衡[4]。然而,面对随时间推移所面临的整个边界条件范围,组织需要不断调整双元创新侧重点,从而满足特定行业随时间变化产生的需求[5]。因此,组织需要重新分配探索式创新和利用式创新比重(双元创新的动态配置),以有效满足不断变化的环境需求。
企业关键战略行动最终源于高管决策。根据意义建构理论,外部环境并非直接作用于企业战略行为,而是高管通过对环境因素的认知和理解,进而作出相应战略行为选择[6]。由于企业所处环境的复杂性以及环境的剧烈变化,高管需要面对大量复杂、模糊的信息。受认知结构限制,高管有可能无法完全处理并解释所有环境信息,这就不可避免地会涉及简化过程,如认知分类(Proudfoo等,2014)。认知分类视角为管理者认知提供了一种二维分析框架,认为管理者对环境信息的认知包含威胁和机会两类[7]。因此,面对随时间推移而不断变化的外部环境,高管对环境的机会认知或威胁认知驱动双元创新的动态配置。
现有对机会或威胁二维认知类别下双元创新配置效果的研究结论并不一致。部分研究认为威胁认知与利用式创新相关,机会认知与探索式创新相关(彭新敏等,2020);部分研究则认为威胁认知既有可能与探索式创新相关,也有可能与利用式创新相关[8]。究其原因,由机会或威胁引致的决策结果取决于高管对潜在机会或威胁问题的具体解释,而非简单的二维认知分类(Mttchell等,2011)。如机会既可解释为控制增加的机会,也可解释为收益增加的机会;威胁既可解释为控制减少的威胁,也可解释为遭受损失的威胁(Chattpadhyay等,2001)。然而,现有研究往往局限于简单的二维认知分类,并未深入分析机会或威胁的具体解释。注意力基础观表明注意力是连接企业外部环境和认知的“桥梁”,高管注意力配置过程体现为关注—解释—行为。高管首先有选择地关注和筛选相关信息,然后对筛选的信息进行机会和威胁认知分类,进而作出组织战略行为选择[9]。可见,高管注意力焦点影响其对潜在机会—威胁问题的解释。因此,本研究认为高管注意力焦点和机会—威胁认知共同影响其对潜在机会—威胁问题的具体解释,在组织战略行为选择中起组合作用,可用来解释为何以往研究关于机会—威胁认知对双元创新影响作用的观点不一致。
同时,现有研究主要基于威胁刚性理论分析机会—威胁认知对双元创新行为选择的影响。然而,威胁刚性理论存在功能失调的情况。当预期潜在损失未达到威胁参考点时,高管可能会倾向于寻求风险。而一旦潜在损失达到威胁参考点,高管可能会优先选择保守、规避风险的方案(Tversky &Kahneman,1992)。可见,损益是高管作出重要决策的参考点,威胁刚性理论发挥效用的关键在于损失所造成的威胁程度,即高管对威胁的认知程度[10]。然而,现有研究未对机会或威胁程度进行划分,导致威胁刚性理论发挥作用的机制并不清晰,进而导致机会—威胁认知类别下组织双元配置效果不同。因此,本研究聚焦于探究高管损益关注与机会—威胁认知分类的组合作用,根据损益关注和机会—威胁认知程度不同,将其划分为4种组合情境。基于注意力基础观和威胁刚性理论,探究高管损益关注与机会威胁认知类别组合在双元创新动态配置中所发挥的作用机制及边界条件,以期为组织战略决策提供参考。
注意力基础观提出3个用以解释决策者注意力与行为互动关系的基本原则:①注意力焦点原则,认为决策者会将注意力焦点放在他所关注的议题上;②注意力配置原则,突出组织资源和组织结构等因素对注意力焦点的影响;③注意力情境原则,聚焦于情境因素对注意力配置的影响[11]。根据注意力焦点原则,本研究将高管团队损益关注定义为“高管团队将注意力聚焦在与财务绩效损益相关的各种议题上的程度”。
研究表明,管理者一般会将环境问题归为威胁和机会两类。然而,随着外部环境复杂程度的提升,当外部环境发生不连续变化时,内部能力和部分外部环境之间仍存在剩余匹配(Gilbert,2006),管理者难以将环境问题归为完全的机会或完全的威胁。因此,本研究认为高管对环境的认知体现为机会—威胁认知的相对分布,机会—威胁认知分类是将环境问题归为机会类别或威胁类别的相对程度。其中,威胁有明显的负面含义,表现为失去收益的可能性较高和控制感较低,而机会则是一种积极现象,表现为收益潜力较强和控制感较高[12]。
注意力基础观进一步指出,个体对环境信息的处理涉及注意力选择机制、持续机制和执行机制。在决策者对环境信息处理过程中,注意力选择机制使决策者选择对特定信息进行关注,并通过持续机制保持对特定信息的持续聚焦,在对这些特定信息认知和理解的基础上再作出决策[13]。因此,企业最终战略决策选择取决于决策者关注哪些特定信息以及对这些特定信息的认知和理解。然而,个体认知能力局限使得决策者只能在有限时间内关注到那些显著事件信息[14]。损益框架作为影响企业战略决策选择的一个重要模型,指出与损益相关的事件对决策者而言是非常显著的信息。因此,基于注意力基础观,高管损益关注使得与损益相关的事件信息进入决策范围,而机会—威胁认知分类对这些事件信息进行加工和处理,两者组合驱动组织战略选择。综上,本研究认为在双元创新动态配置过程中,高管损益关注与机会—威胁认知分类共同发挥作用。根据高管损益关注和机会—威胁认知程度不同,将其划分为高和低两种情形,并将其进一步划分为4种组合构型,即高—高、低—低、高—低和低—高。其中,前两种构型因程度相同称为一致情境,后两种构型由于程度存在差异称为不一致情境,4种构型见图1。
图1 高管损益关注与机会—威胁认知组合
Fig.1 Combination of profit-loss attention and opportunity-threat cognitive classification of top managers
March(1991)在组织学习领域提出“探索”和“利用”两个概念。探索致力于探索新的资源和机会,表现为变化、发现、研究、创新等方式,利用致力于改进企业现有能力,表现为精炼、效率、实现、执行等活动(He &Wong,2004)。Birkinshaw(2004)将“探索”和“利用”两个概念引入创新中,提出“创新二元性”概念。探索式创新是指探索和开发新技术、知识和其它资源,聚焦于对新市场的拓展及对新技术的开发;利用式创新是指利用现有知识、技术和其它资源不断修复和改进现有产品或服务,聚焦于对现有市场的深度挖掘[15]。因此,探索式创新强调对新机会进行挖掘,其结果不确定且利润回报周期长,而利用式创新强调对现有能力、技术进行改进和扩展,其结果可预测且具有相对稳定的利润回报。学者基于探索式创新和开发式创新关系对双元创新达成共识,认为双元创新能够从根本上平衡组织的适应性和灵活性,从而实现组织长远发展(Clauss等,2021)。现有对双元创新概念的研究主要包含两个视角:能力视角和行为视角。能力视角下,双元创新是一种动态能力,有助于企业实现探索式创新与利用式创新的有效转换;行为视角下,双元创新是一种行为活动,企业通过探索式创新活动和利用式创新活动不仅能够改进现有产品和业务,促进组织稳定发展,也可以探索新机会,适应未来环境变化(董保宝等,2022)。本研究基于行为视角,将双元创新定义为“企业通过探索式创新活动与利用式创新活动适应动态环境,进而实现长远发展”。本研究将双元创新的动态配置定义为“组织为应对环境而采取的探索式创新—利用式创新的相对比重”。如前所述,注意力配置是连接企业外部环境和认知解释的“桥梁”。高管将注意力配置于环境信息,将环境信息分类为机会或威胁,进而选择相应战略决策。因此,高管损益关注与机会—威胁认知分类在双元创新的动态配置中发挥组合效应。
一致性情境下,在高—高组合中,高损益关注促使高管非常关注环境中有关组织损益的相关信息,会对与损益相关的环境信息进行扫描并将其归类为较高程度的机会。此时,高管会将环境问题解释为预期获得收益的机会。威胁刚性理论表明,面对机会的组织倾向于选择新颖且风险性创新行为,面对威胁的组织则倾向于选择熟悉的行为而非展开新的尝试[16]。因此,较高程度的机会会使组织忽视探索式创新的高风险性,倾向于采取新的尝试以抓住机会(White &Daci,2013)。同时,高管对损益的高度关注会强化收益框架下收益对行为决策的重要性程度,预期获得收益的机会解释会进一步弱化探索式创新收益回报周期长且不确定的问题。因此,组织倾向于增加探索式创新比重。在低—低组合中,虽然高管会将环境信息解释为预期可能遭受损失的威胁,但较低的损益关注会显著降低高管对损失所造成威胁的解释程度,此时威胁刚性理论存在功能性失调[17]。同时,较低程度的损益关注也意味着组织在损失框架下失去的损失较少,此时组织有可能会采取冒险行为[18],从而增加探索式创新比重。
不一致情境下,在低—高组合中,高管将环境信息解释为较高的收益机会,而低损益关注会显著降低其对机会的解释程度,使组织相应降低探索式创新比重。在高—低组合中,高损益关注促使高管非常关注环境中有关组织损益的信息,对与损益相关的环境信息进行扫描并将其归类为较高程度的威胁。此时,高管很有可能将环境问题解释为可能遭受损失的威胁。而高管对损益的关注也会强化损失框架下损失对决策的重要性程度,提升其对损失所造成威胁的解释程度。威胁刚性理论表明,威胁解释使组织厌恶风险,此时组织倾向于采取更为保守的方案[19]。因此,不一致情境下,组织倾向于增加利用式创新比重。据此,本研究提出如下假设:
H1:高管损益关注与机会—威胁认知越一致,组织越倾向于增加探索式创新比重,双元创新越侧重于探索式创新。
在高管损益关注和机会—威胁认知程度一致情形下,进一步比较高—高组合和低—低组合下双元创新的动态配置。在高—高组合中,高管非常关注环境中影响组织损失和收益的相关信息,并将环境信息具体解释为预期可能获得较高收益的机会。这种预期会激发组织进行探索式创新,高管对收益的高度关注会进一步强化这一趋势[20]。因此,在高—高组合中,组织倾向于追求外部环境中的高收益机会,从而增加探索式创新比重。在低—低组合中,虽然高管较低的损益关注可能会降低损失构成威胁的程度,但与高—高组合相比,威胁认知依然会限制探索式创新比重的提升。因此,相比于高—高组合,低—低组合下探索式创新比重提升会受到一定程度限制。据此,本研究提出如下假设:
H2:在高管损益关注与机会—威胁认知分类组合中,高—高组合比低—低组合情境下,双元创新更侧重于探索式创新。
在高管损益关注和机会—威胁认知程度不一致情境下,进一步比较高—低组合和低—高组合下双元创新的动态配置。在高—低组合中,高管将环境信息解释为高程度威胁,而高损益关注会强化损失造成威胁的程度。研究表明,在高强度威胁下,组织会抵制变革、创新和冒险[21]。因此,组织倾向于最大限度提升利用式创新比重。相比之下,在低—高组合中,高管将环境信息解释为高程度机会,而较低的损益关注会相对降低预期可能获得收益机会的解释程度,从而减少探索式创新比重。这种情境下,虽然组织会提升利用式创新比重,但相对于高—低组合下的高程度威胁认知,高管会在一定程度上限制利用式创新比重的提升[22]。因此,相比于高—低组合,低—高组合下利用式创新比重的提高会受到一定程度限制。据此,本研究提出如下假设:
H3:在高管损益关注与机会—威胁认知分类组合中,高—低组合比低—高组合情境下,双元创新更侧重于利用式创新。
根据注意力基础观中的注意力情境原则,高管注意力焦点及其战略决策选择受到组织环境的调节,组织内部环境影响高管对某一问题的总体解释和评价,最终影响其战略行为选择(崔煜雯等,2024)。研究表明,组织规模与组织资源正相关,组织资源在塑造管理认知方面发挥重要作用(Denison等,1996)。组织规模所反映的资源存量在一定程度上会影响高管对所触发环境问题的评价和解释,从而影响双元创新的动态配置[23]。基于此,本研究认为组织规模调节高管损益关注和机会—威胁认知一致性与双元创新的动态配置关系。组织资源存量能缓解环境变化带来的下行风险。当高管对损益关注较高时,较高的资源存量使损失造成的威胁程度较小[24]。因此,对于同样程度的损失威胁,组织规模大的高管倾向于认为环境事件不那么消极,但组织规模较小的高管则认为环境事件比较消极。因此,相对于大规模组织而言,较小组织在面对较高程度的损失威胁时更有可能出现威胁刚性的反应。大型组织拥有较多资源,当高管较为关注损益时,面对预期较高的收益机会,资源存量会强化高管的机会认知程度,从而增加探索式创新比重,使双元创新更侧重于探索式创新。小型组织由于无法长期承担探索式创新风险,高管对预期收益机会认知所产生的探索式创新意愿比大型组织低(Burgers等,2016)。据此,本研究提出如下假设:
H4:组织规模调节高管损益关注和机会—威胁认知一致性与双元创新动态配置的关系。组织规模越大,高管损益关注和机会—威胁认知一致性与探索式创新的正向关系越显著。
本研究以2010—2023年沪深A股上市公司作为研究样本。原始数据来源于国泰安数据库,结合CNRDS(中国研究数据服务平台)和东方财富网(http://www.eastmoney.com)进行补充。对原始数据进行初步筛选:首先,剔除*ST、ST、PT类上市公司样本;其次,剔除变量数据存在缺失的样本;最后,由于上市公司公开披露年报中“管理层讨论与分析”章节是展现高管团队对内外部环境、企业未来发展方式和创新模式思考的有效文本,因此选取此部分作为文本分析对象(赵宸宇,2021)。因不同年份上市公司披露格式不同,所以在2010—2014、2015、2016—2023年上市公司年报中分别提取“董事会报告”“管理层讨论与分析”“经营情况讨论与分析”文本内容,最终获得35 811份文本数据。为降低文本数据极端值的影响,本研究对连续变量作1%和99%分位数缩尾处理(Winsorize)。
根据语言决定行为的假设,人的语言并非偶然产生的,它是认知和行为的反映(Whorf,2012)。本研究所有变量测量均遵循Uotila等[25]的文本分析法。首先,确定能够代表本文中所涉变量的关键词词表。其次,对文本数据词频进行统计,词表中的关键词在文本中出现的频数越高,代表在这一方面投入的关注和资源越多,越能成为该变量的代理指标。最后,根据变量定义及研究需要,通过相关计算方式测度该变量。为确保采用文本分析方法获得的代理指标能够准确衡量本文研究变量,随机选取部分样本进行人工分析,将其与文本分析结果进行比较,发现对变量的判断结果大致相同,因此确定该文本分析法能够反映本文中研究变量。
(1)高管机会—威胁认知分类。罗勇根等[26]认为,高管的宏观认知反映管理层对环境信息的分析与判断,其从管理层讨论与分析部分提取宏观词汇,用词频法测量高管宏观认知。本研究沿用这一方法,使用文本分析法测量高管对环境的机会—威胁认知。根据上文对机会和威胁的定义,本研究采用积极或消极的关键词词频作为代理变量。借鉴姜富伟等[27]的研究,使用LM词典中代表积极词汇和消极词汇的关键词词表。从国泰安数据库获取这一变量相关数据,并与样本进行匹配,最终获得“管理层讨论与分析”文本中代表积极(消极)的关键词词频数。
借鉴Gilbert(2006)的研究,机会—威胁认知分类用机会—威胁认知分布表征,测量方式为积极词的词频总数除以积极词汇词频总数与消极词汇词频总数之和,若指标数值大于0.5,则认为高管对环境的认知为机会主导,若小于0.5则认为高管对环境的认知为威胁主导。
(2)高管损益关注。Sapir(1944)指出,个体使用词语的频率反映个体的关注点。借鉴Eggers等[28]的做法,本研究通过统计“管理层讨论与分析”报告中与损益关注相关词语的频率测量高管对损益的关注程度。鉴于“损益”词汇与管理层讨论分析文本中所报告的现有财务经营状况数据存在关联性,但其并不能代表高管对损益的关注程度,本研究对原始数据进行筛选,剔除“管理层讨论与分析”报告中的利润表项目分析(收入和成本)部分,以获取用于测量高管损益关注的文本数据。
参照March[29]的研究,损益关注关键词词表构建过程如下:首先,将筛选后的文本数据转化为TXT格式,对文本进行预处理,采用Python去掉停用词,获得用于提取关键词的文本。其次,基于Python的Jieba中文分词功能对选定好的文本进行分词处理,并进行词频统计,获得前3 000个关键词。最后,采用人工筛选方式对损益关注关键词进行提取。由两名博士组成关键词构建小组,在对关键词进行提取之前对变量定义进行解读并达成共识,采取背对背方式对关键词进行筛选、比对和讨论,获得初始关键词词表。同时,为科学测量高管损益关注这一变量,采用背对背方式对初始关键词词表进行扩展,经过多轮次讨论后最终获得高管损益关注关键词词表(见表1)。
表1 高管损益关注关键词词表
Table 1 Keywords list of profit-loss attention of top managers
变量关键词损益关注收入、成本、利润、负债、收益、业绩、盈利、减值、效益、权益、损失、损益、亏损、市场份额、增值、绩效、公司业绩、降本增效、保值、增量、节余、跌价、成本上升、成本增加、扭亏为盈、增效
使用文本分析工具对筛选后的文本数据词频进行统计,计算代表损益属性的关键词词频数。借鉴王旭超等(2023)的做法,用损益关注词频总数除以句子总数测量高管损益关注程度。数值越大,代表高管损益关注程度越高。
(3)双元创新的动态配置。借鉴Bob Walrave等(2017)的研究,使用文本分析法测量探索式创新-利用式创新的相对比重,并以此作为双元创新动态配置的代理变量。其中,探索式创新和利用式创新关键词词表来源于March(1991)提出的关于探索式创新和利用式创新的关键词词表。由3名博士分别对代表探索式创新和利用式创新的关键词进行中文翻译,然后手工翻阅文本数据,并根据关键词在“管理层讨论与分析”中的实际语义进行修改,最终获得代表探索式创新和利用式创新的关键词词表(见表2)。
表2 探索式创新和利用式创新关键词词表
Table 2 Keywords list of exploratory innovation and exploitative innovation
变量关键词探索式创新探索、摸索、创造、研究、探寻、突破、发明、寻找、研发、冒险、实验、开发、多元、灵活、革命、革新、创新、前沿、先进利用式创新利用、定义、选择、生产、效率、高效、效能、实施、执行、制造、实行、推行、精细、优化、改造、改进、改善、规模、质量
使用文本分析工具对样本公司年报中的管理层讨论与分析部分进行词频统计,分别计算代表探索式创新和利用式创新的关键词词频数。借鉴Bob Walrave等(2017)的做法,双元创新的动态配置用探索式创新—利用式创新的相对分布表征,测量方式为探索式创新词频总数除以探索式创新词频总数与利用式创新词频总数之和。若指标数值大于0.5,则认为双元创新侧重于探索式创新;若指标数值小于0.5,则认为双元创新侧重于利用式创新。
(4)组织规模:采用公司总资产的自然对数测量。
(5)控制变量。设置如下控制变量:资产收益率、冗余资源、公司成立年限、年报句子数量、年报文字数量。其中,公司成立年限用当年年份-公司成立年份+1的自然对数测量,资产收益率用净利润/总资产平均余额测量,冗余资源用现金流比率(经营活动产生的现金流量净额/总资产)测量。
本文采用Stata 16软件和Excel对数据进行分析,并采用多项式回归构建响应面模型。其中,Stata 16可对面板数据进行描述性统计分析、回归分析和假设检验;Excel可用来清洗和整理数据,创建响应面图形,并进行基本的统计分析。多项式回归利用自变量一阶项和高阶项对因变量构建回归方程,能够解释数据建模中无法用线性回归解释的曲率问题(Draper &Smith,1998)。同时,可根据多项式回归结果构建响应面模型,并根据自变量一致性组合或差异性组合预测因变量的响应,从而验证本文研究假设。为尽可能削弱多重共线性的影响,本研究在进行多项式回归之前对前置变量作中心化处理;利用中心化后的数据计算乘积项,构建下述多项式回归模型(Edwards &Parry,1993):
(1)
(2)
公式(1)(2)中,X1代表高管损益关注,X2代表高管机会—威胁认知分类,Y代表探索式创新-利用式创新分布,SIZE代表组织规模。本研究通过计算一致性线X1=X2和不一致性线X1=-X2的斜率及曲率分析响应面状态,进而分析高管损益关注和机会—威胁认知类别不同组合对探索式创新-利用式创新相对分布的差异化影响。此外,关于调节作用检验,本研究参考Edwards(1993)、陶厚永等(2020)的建议,在公式(1)的基础上,加入调节变量SIZE后形成公式(2),若加入
个调节项后DR2显著,则说明调节作用存在[30]。
本研究中各变量均值、标准差和相关系数如表3所示。高管损益关注和机会—威胁认知分类与双元创新动态配置(探索式创新—利用式创新相对分布)均显著正相关(r=0.072,p<0.01;r=0.029,p<0.01)。
表3 描述性统计分析结果
Table 3 Descriptive statistics
变量MeanSD1234567891.资产收益率0.040 0.2041 2.公司成立年限2.8030.392-0.049***13.冗余资源0.0450.347-0.019***-0.002 14.年报句子数量131.74192.091-0.0080.182***-0.00515.年报文字数量11 504.45810 321.548-0.022***0.277***0.0020.764***16.损益关注0.8690.492-0.043***0.295***-0.0030.660***0.690***17.机会—威胁认知分类0.5050.0370.097***-0.335***0.016***0.097***-0.040***-0.126***18.组织规模22.0941.516-0.0060.183***-0.011**0.357***0.300***0.260***-0.047***19.双元创新动态配置(探索式创新—利用式创新相对分布)0.4170.1540.015***0.090***-0.016***0.086***0.160***0.072***0.029***-0.011**1
注：N =35 811;*表示p< 0.1,**表示p< 0.05,***表示p< 0.01,下同
多项式回归结果见表4。为验证主效应假设H1、H2和H3,本文先对公式(1)进行多项式回归检验,得到表4模型2回归结果;同时,绘制高管损益关注和机会—威胁认知类别预测双元创新动态配置的响应面(见图2)。
表4 多项式回归系数分析结果
Table 4 Integrated polynomial regression coefficients analysis
变量Y模型1模型2模型3模型4常数项0.253 847***0.058 373-0.116 091 3-0.166 110 7*控制变量资产收益率-0.002 082 9-0.002 333 2-0.002 726 1-0.002 533 8公司成立年限0.015 558 3**0.009 931 40.007 5260.011 908 7*冗余资源-0.005 411 4***-0.005 459***-0.004 241 8**-0.003 914 2**年报句子数量0.000 050 3***0.000 047 4***0.000 052 1***0.000 047 8***年报文字数量-1.39E-07-1.84E-07-0.000 000 427***-0.000 000 38**自变项X1-0.033 929 8***-0.047 595 3***-0.048 934 3***-0.046 727 1***X20.158 719 8***0.995 930 3***0.706 279 5**0.919 812 3***X210.005 642 6**0.006 234 4***0.005 255 3**X1X20.107 626 2***0.111 882***0.033 174 6X22-0.817 457 8**-0.553 164 3-0.792 470 7**调节项SIZE0.012 332 9***0.012 05***X1SIZE-0.002 405 8X2SIZE0.038 017 3X21SIZE-8.32E-05X1X2SIZE0.093 289 7***X22SIZE-0.056 110 8R20.101 7***0.102 4***0.105 9***0.107 2***DR20.000 7***0.003 5***0.001 3***一致性线(X2=X1)斜率(b1+b2)0.948 335***曲率(b3+b4+b5)-0.704 189不一致性线(X2=-X1)斜率(b1-b2)-1.043 525 6**曲率(b3-b4+b5)-0.919 441 4*
注：①表中为非标准化回归系数;②b1、b2、b3、b4、b5分别表示公式(1)中
的回归系数
图2 高管损益关注和机会—威胁认知类别预测双元创新动态配置响应面
Fig.2 Response surface of the combination of profit-loss attention and opportunity-threat cognitive classification of top managers affecting ambidextrous innovation
假设H1预测,高管损益关注与机会—威胁认知越一致,组织越倾向于增加探索式创新比重,双元创新越侧重于探索式创新。结合表4模型1和模型2的回归结果可知,加入3个二次项后,模型对双元创新动态配置的解释力显著增强(DR2=0.000 7,p<0.01),说明引入多项式回归是有必要的;响应面沿不一致性线的曲率显著为负(b3-b4+b5=-0.919 441 4,p<0.1),说明响应面为脊状面,即随着高层管理者损益关注与机会-威胁认知越来越一致,探索式创新的比重越来越大(见图2)。因此,假设H1得到验证。
假设H2预测,在高管损益关注与机会—威胁认知组合中,高—高组合比低—低组合情境下,双元创新更侧重于探索式创新。结合表4模型2回归结果和图2响应面可知,响应面沿一致性线的斜率显著为正(b1+b2=0.948 335,p<0.01),且曲率不显著(b3+b4+b5=-0.704 189,p>0.1),说明探索式创新配置沿一致性线的线性关系增强,因此假设H2得到验证。
假设H3预测,在高管损益关注与机会—威胁认知组合中,高—低组合比低—高组合情境下,双元创新更侧重于利用式创新。结合表4模型2回归结果和图2响应面可知,响应面沿不一致性线的斜率显著为负(b1-b2=-1.043 525 6,p<0.05),说明探索式创新配置沿不一致性线减弱,即利用式创新比重增加,假设H3得到验证。
为验证假设H4,即组织规模在高管损益关注和机会—威胁认知一致性与双元创新动态配置关系中的调节作用,本文进行四步回归:第一步,将控制变量和一次项变量纳入方程与Y进行回归;第二步,在第一步的基础上加入3个二次项变量
与Y进行回归;第三步,在第二步的基础上,加入调节变量组织规模SIZE与Y进行回归;第四步,在第三步的基础上,加入5个调节项
与Y进行回归。表4中模型1～模型4即为完整的调节作用分析步骤,模型4在加入调节项后DR2显著(DR2=0.001 3,p<0.01),表明组织规模的调节作用存在。
以组织规模均值加减一个标准差代入公式(2),绘制响应面图(见图3、图4),直观展示组织规模的调节效应。从中可见,与组织规模较小时相比,组织规模较大时X1、X2的一致性与Y之间的正向关系增强。由此,假设H4得到验证。
图3 组织规模较小时响应面
Fig.3 Response surface analysis for small-scale organizations
图4 组织规模较大时响应面
Fig.4 Response surface analysis for large-scale organizations
本文基于注意力基础观和威胁刚性理论,探究高管损益关注和机会—威胁认知分类在双元创新动态配置中所发挥的组合效应,得出以下研究结论:
(1)高管损益关注与机会—威胁认知组合驱动组织双元创新的动态配置。为适应环境变化,企业会不断调整其双元创新侧重点。环境通过高管的认知作用于双元创新,高管损益关注与机会—威胁认知组合影响高管对环境因素的具体解释,进而驱动组织双元创新的动态配置。
(2)高管损益关注与机会—威胁认知越一致,双元创新越侧重于探索式创新,且相比于高-高组合,低-低组合情境下探索式创新将受到一定程度限制。高管损益关注程度会强化或弱化损失构成威胁的程度和收益构成机会的程度。高管在面对预期获得较高收益的机会时,其对财务绩效的高度关注使得机会可能获得的收益被放大,企业会倾向于增加探索式创新比重。反之,高管在面对预期会遭受损失的威胁时,对财务绩效的较低关注使其不太在乎风险和损失,进而会采取冒险行为。虽然高管对财务绩效的较低关注会降低损失构成威胁的程度,但威胁认知仍会在一定程度上限制探索式创新比重的提升。
(3)高管损益关注与机会—威胁认知程度越不一致,双元创新越侧重于利用式创新,且相比于高—低组合,低—高组合情境下利用式创新将受到一定程度限制。高管在面对预期可能会遭受的损失威胁时,其对财务绩效的高度关注使得损失构成更高程度的威胁,此时企业倾向于减少创新和冒险。相比之下,高管在面对预期会获得收益的机会时,其对财务绩效的较低关注使得机会对企业的重要性降低,此时企业探索新机会的积极性不高。虽然高管较低的财务绩效关注会降低机会可能获得的收益,但机会认知仍会在一定程度上限制利用式创新比重的提升。
(4)组织规模越大,高管损益关注和机会—威胁认知一致性与探索式创新的正向关系越显著。大型企业和小型企业组织资源存在差异,资源存量可缓解环境变化带来的下行风险,进而影响高管对环境问题的评价和解释。当大型企业面对预期获得较高收益的机会时,较大的资源存量会缓冲探索式创新风险,从而提升对机会的认知程度;而小型企业资源存量较少,一般无法长期承担探索式创新风险。因此,即使面对较高收益机会,小型企业所产生的探索式创新意愿仍小于大型企业。
(1)从高管损益关注与机会—威胁认知组合视角,采用响应面分析方法探究不同组合情境下组织双元创新的动态配置,弥补了现有研究的不足,为组织双元创新机制研究提供了新视角。以往关于组织双元创新机制的研究往往聚焦于简单的机会—威胁二维认知分类,缺乏对机会认知和威胁认知的具体解释,对于机会—威胁认知与组织双元创新关系的认知并不一致。本文基于关注—解释—行为逻辑,从高管损益关注与机会—威胁二维认知分类组合视角,探讨4种组合情境下高管对机会和威胁的具体解释及其对双元创新的作用机制,为现有结论提供了新解释。
(2)威胁刚性理论是否发挥效用取决于损失所构成威胁的程度。以往研究采用威胁刚性理论分析机会—威胁认知与双元创新关系并未区分机会或威胁的差异程度,对威胁刚性理论发挥作用的情境讨论不足,尤其是威胁刚性理论存在失调的情境。本文根据高管损益关注和机会—威胁认知程度差异,构建高—高、低—低、高—低、低—高4种组合情境,探讨4种组合情境下损失构成威胁的程度及其对组织双元创新的影响,深化了威胁刚性理论在组织双元创新中的应用。
(3)揭示组织规模在高管损益关注与机会—威胁认知分类组合对双元创新作用机制中的调节作用,丰富了组织双元创新研究。以往研究认为组织规模是组织双元创新的重要前因,并探讨组织规模差异对双元创新的直接影响效应和间接影响效应。本文探讨组织规模所代表的组织资源在高管损益关注与机会—威胁认知组合中的作用,补充了组织规模对管理者认知的影响,为组织规模对双元创新的间接影响提供了理论依据,丰富了组织内部因素和管理者认知交互对于塑造双元创新的认知。
(1)企业需要不断调整双元创新侧重点,优化双元创新动态管理,从而建立持续竞争优势。在创新实践中,企业需要兼顾适应性和创新性。一方面,企业需要利用现有知识和能力提升短期绩效。另一方面,企业也需要开发新产品,探索新机会。在双元创新管理方面,企业需要根据环境变化不断调整探索式创新和利用式创新比重,避免因过度的利用式创新而陷入“能力陷阱”或因过度的探索式创新而陷入“创新陷阱”。
(2)企业应系统分析环境问题,加强对高管注意力的重视,提升战略决策的有效性。在战略决策制定过程中,企业应加强对外部环境的分析。如广泛搜集环境信息,系统分析经营环境,避免对企业战略环境存在偏见。此外,高管注意力是一种稀缺性资源,企业应充分重视高管提出的有利于企业发展的战略决策,减少战略决策机会成本。
(3)企业应量力而行,在资源可控范围内开展创新活动。在创新实践中,企业需整合各类资源,分析现有资源对创新实践的支撑能力。尤其是在风险性较高的探索式创新活动中,企业应充分考虑资源与风险认知间的关系,避免产生“自不量力”的行为。此外,还应完善风险评估机制,全面分析资源限制与潜在风险之间的匹配度,预估对风险的承受能力和应对效率,作出有效决策,进而提升企业绩效。
本研究存在如下不足:首先,考察高管损益关注与机会—威胁认知分类在双元创新动态配置中的组合效应,但从机会和威胁的定义看,控制也是机会—威胁的具体表征,高管对预期收益和损失是否存在控制感也会影响对机会—威胁的具体解释,进而影响研究结论,未来可探索控制关注、损益关注与机会—威胁认知分类三者的组合效应。其次,本文在测量高管损益关注时,虽然严格依照关键词词表构建过程选取关键词,但背对背式的人工选取方式难免存在一定主观性,未来可挖掘其它更加客观的测量方式,考虑多重数据来源,从而增加研究结论信效度。
[1] ASIAEI K, BONTIS N, ASKARI M R,et al. Knowledge assets, innovation ambidexterity and firm performance in knowledge-intensive companies[J]. Journal of Knowledge Management, 2023, 27(8):2136-2161.
[2] FARZANEH M, WILDEN R, AFSHARI L, et al. Dynamic capabilities and innovation ambidexterity: the roles of intellectual capital and innovation orientation[J]. Journal of Business Research, 2022, 148:47-59.
[3] UBEDA-GARCIA, MERCEDES, CLAVER-CORTES, et al. Toward a dynamic construction of organizational ambidexterity: exploring the synergies between structural differentiation, organizational context, and interorganizational relations[J]. Journal of Business Research, 2020, 112(5):363-372.
[4] 滕颖,杜华勇,李其原.管理认知转变视角下战略创业双元活动的转换过程与机理[J].管理学报,2021,18(12):1798-1806.
[5] BOB WALRAVE A, GEORGES L R, KIM E, et al. Managerial attention to exploitation versus exploration: toward a dynamic perspective on ambidexterity[J]. Industrial and Corporate Change, 2017, 26(6): 1145-1160.
[6] 张璐,赵爽,长青,等.跨越组织层级的鸿沟:企业创新能力动态构建机制研究[J].管理评论,2019,31(12):287-300.
[7] 姜忠辉,罗均梅,孟朝月.基于双元性感知的组织惰性克服路径研究[J].浙江大学学报(人文社会科学版),2018,48(6):171-188.
[8] GILBERT C G. Unbundling the structure of inertia: resource versus routine rigidity[J]. Academy of Management Journal, 2005, 48(5):741-763.
[9] ASHILL N J, JOBBER D. Measuring state, effect, and response uncertainty: theoretical construct development and empirical validation[J]. Journal of Management, 2010, 36(5):1278-1308.
[10] STAW B M,SANDERALANDS L E,DUTTON J E.Threat-rigidity effect on organizational behavior: a multilvel analysis[J]. Administrative Science Quarterly,1981, 26(4):501-524.
[11] OCASIO W. Towards an attention based view of the firm[J]. Strategic Management Journal, 1997,18:187-206.
[12] JACKSON,SUSAN E,DUTTON,et al.Discerning threats and opportunities[J]. Administrative Science Quarterly, 1988, 33(3): 370-383.
[13] OCASIO W. Attention to attention[J]. Organization Science, 2011, 22(5):1286-1296.
[14] 魏丹霞,何光远,赵曙明.员工职业生涯自我管理的实现过程[J].管理案例研究与评论,2024,17(3):380-397.
[15] QING QIANG ZHANG, XIN BO SUN. How incentive synergy and organizational structures shape innovation ambidexterity[J]. Journal of Knowledge Management, 2023, 27(1):156-177.
[16] 连燕玲,刘俊良,陈琼. 破产威胁与战略变革——基于组织资源与市场丰腴性的调节效应研究[J].外国经济与管理,2016,38(10):21-35.
[17] SHIMIZU K. Prospect theory, behavioral theory, and the threat-rigidity thesis: combinative effects on organizational decisions to divest formerly acquired units[J]. Academy of Management Journal, 2007, 50(6):1495-1514.
[18] LOHRKE F T, BEDEIAN A G, PALMER T B.The role of top management teams in formulating and implementing turnaround strategies: a review and research agenda[J]. International Journal of Management Reviews, 2004, 5-6(2): 63-90.
[19] OSIYEVSKYY O, DEWALD J. Explorative versus exploitative business model change: the cognitive antecedents of firm-level responses to disruptive innovation[J]. Social Science Electronic Publishing, 2015, 9(1):58-78.
[20] MARC H, ANDER, MARY L, et al. Information gathering and changes in threat and opportunity perceptions[J].Journal of Management Studies, 2007, 44(3):367-387.
[21] IYER D N, MILLER K D. Performance feedback, slack, and the timing of acquisitions[J]. Academy of Management Journal, 2008, 51(4): 808-822.
[22] 吕桁宇,马春爱,汤桐,等. 董事会非正式层级、机会响应与企业创新效率[J].科技进步与对策,2024,41(5):51-59.
[23] PLAMBECK N.The development of new products: the role of firm context and managerial cognition[J]. Journal of Business Venturing, 2012, 27(6): 607-621.
[24] CYERT R M, MARCH J G. A behavioral theory of the firm[M]. Malden, MA: Blackwell,1963.
[25] UOTILA J, MAULA M, KEIL T, et al. Exploration, exploitation, and financial performance: analysis of S&P 500 corporations[J]. Strategic Management Journal, 2009, 30(2): 221-231.
[26] 罗勇根,饶品贵,陈灿.高管宏观认知与管理层预测——基于MD&A文本信息的经验证据[J].南开管理评论,2024,27(2):236-245.
[27] 姜富伟,孟令超,唐国豪.媒体文本情绪与股票回报预测[J]. 经济学(季刊),2021,21(4):1323-1344.
[28] EGGERS J P, KAPLAN S. Cognition and capabilities: a multi-level perspective[J]. Academy of Management Annals, 2013, 7(1):295-340.
[29] MARCH J G. Exploration and exploitation in organizational learning[J].Organization Science,1991, 2(1):71-87.
[30] 陶厚永,曹伟.多项式回归与响应面分析的原理及应用[J].统计与决策,2020,36(8):36-40.