开放科学(资源服务)标识码(OSID)：
开放科学(资源服务)标识码(OSID)：
当前,世界百年未有之大变局加速演进,逆全球化思潮抬头,单边主义、保护主义明显上升,世界经济复苏乏力,局部冲突和动荡频发,全球性问题加剧,世界进入新的动荡变革期。同时,我国企业面临关键核心技术突破困境,存在原始性创新不足、技术供应链受制于人等难题[1]。面对复杂形势和严峻挑战,如何增强韧性成为企业转危为机、基业长青的关键[2-3]。以往研究表明,异质性资源是企业强化韧性的基础[4],技术[5]、资金[6]等资源约束掣肘企业从冲击中快速恢复并反弹超越。作为企业知识战略选择(杨博旭等, 2021),技术多元化能够为企业提供丰富的技术资源储备,降低外部风险[7],有助于企业通过扩大搜索范围,更新技术轨迹,促进技术交叉融合,提升环境感知与适应能力[8],进而强化企业韧性。需要指出的是,现有研究探讨了技术多元化对企业韧性的重要作用[9],但未揭示技术多元化对企业韧性的作用机制。
创新被视为企业应对风险的有力武器[10]。持续创新是指企业长时间实施创新项目并产出创新成果的能力[11-12],能够促使企业不断革新,以抵御外部风险、重组转型并实现跨越式发展[13],是强化企业韧性的重要途径。吴晓波和冯潇雅(2022)指出,持续创新能够提升企业资源配置与利用效率,强化冗余资源对企业韧性的积极影响。但鲜有研究探讨持续创新在技术多元化与企业韧性间的“桥梁”作用。基于“资源—能力—结果”理论逻辑,技术多元化可为企业创新提供丰富的技术资源,强化企业持续创新能力(何郁冰等, 2017),推动企业突破发展瓶颈并探寻新的增长路径[10],实现韧性增长。因此,持续创新可能在技术多元化与企业韧性间发挥中介传导作用。
此外,技术多元化赋能企业持续创新过程受内部技术探索与外部技术关系的共同作用(何郁冰和陈劲, 2012),促使企业嵌入内外部双重网络。其中,内部合作网络密度表征企业内部发明者间的关系密切程度,直接影响多元化技术知识转移和信息共享[14]。外部合作网络中心度反映企业与外部合作伙伴联系紧密程度,其带来的异质性资源能够有效缓解高密度内部合作网络中知识同质化困境,从而推动多元化技术融合[15-16]。现有研究基于单一网络视角探讨网络特征对技术多元化与企业创新关系的影响[15,17],但尚未聚焦持续创新情境,也忽视了内外部双重网络的影响。因此,有必要探讨内部合作网络密度在技术多元化与持续创新间的调节作用,以及外部合作网络中心度的三阶调节效应。
我国新能源汽车产业具有高技术密集度[7]、强抵御冲击能力[18]的特征。本文以2010—2021年沪深A股新能源汽车企业为研究对象,基于资源基础理论,以“资源—能力—结果”为理论逻辑,将技术多元化、持续创新和企业韧性纳入同一研究框架,从双重网络视角深入探究内部合作网络密度的调节作用,以及外部合作网络中心度的三阶调节作用,以期为企业实现持续创新及韧性增长提供参考。
1.1.1 技术多元化
技术多元化概念源于Nelson(1959)在多元化战略研究中提出的“知识多样化”思想。随后,Kodama(1986)正式提出技术多元化战略。现有研究普遍认为,技术多元化是指企业协同内外部资源,将技术活动和知识基础范围拓展至多个技术领域的行为策略(何郁冰和陈劲, 2012),表现为企业对已有技术领域的挖掘和新技术领域的探索。Chen &Chang[19]基于知识关联性,将技术多元化划分为相关技术多元化与非相关技术多元化。其中,相关技术多元化是指企业围绕核心技术相关领域积累多元化技术知识,体现为企业在某一大类技术领域的探索深度。非相关技术多元化是指企业围绕不相关技术领域积累多元化技术知识,体现为企业在多个大类技术领域的探索广度。
现有学者对技术多元化战略实施效果说法不一。部分学者认为,技术多元化能够降低企业技术研发风险,推动知识重组创造并增强战略柔性,从而促进企业创新水平及绩效提升[15,20]。部分学者认为,企业可能会因实施技术多元化战略陷入发展困境。企业围绕多个技术领域拓展技术基础,不仅会分散研发资源、降低资源配置效率,而且会增加研发和管理成本,从而对企业绩效产生负向[21]或倒U型[7]影响。
1.1.2 企业韧性
“韧性”最早出现在物理学研究中,后被应用于心理学、经济学等研究领域[4]。Meyer(1982)率先将韧性引入管理学领域,揭开了企业韧性研究序幕。韧性概念具有复杂性、多维度性和跨层次性,现有相关研究主要基于能力观、过程观、特质观和结果观对企业韧性加以界定(张吉昌等, 2021)。部分学者基于结果观,将企业韧性视为企业对长期持续发展目标的追求,从组织产出角度衡量企业韧性(张公一等, 2020)。参考Sahebiamnia等[22]、贾勇等[4]的研究观点,本文将企业韧性定义为企业在遭受逆境冲击后快速恢复甚至超越初始状态的结果。韧性较强的企业往往具有双重属性(灵活性和稳定性),具体表现在冲击前的预测防范、冲击中的抵御适应以及冲击后的恢复超越3个方面(张公一等, 2020)。
既有研究主要基于资源基础理论、动态能力理论、利益相关者理论,从资源、能力、关系等视角探讨企业韧性驱动因素。从资源方面看,技术知识[5]、资金[6]等资源是企业韧性的基础,库存冗余、供应链冗余、产能冗余等冗余资源对企业韧性具有显著影响(吴晓波和冯潇雅, 2022)。从能力方面看,现有研究强调技术能力[23]、IT能力[24]等对企业韧性的影响。从关系方面,现有学者指出,组织内和组织间构建的网络关系对企业韧性具有重要影响[25]。企业可以通过社会—环境实践[26]等方式加强与外部利益相关者的联系,以此强化企业韧性。已有研究虽关注到技术多元化对企业韧性的直接影响[9],但尚未揭示技术多元化对企业韧性的内在作用机制。
1.2.1 技术多元化与企业韧性
基于资源基础理论,异质性资源是企业构建竞争优势,实现长期稳定发展的基础(Barney, 1991)。作为企业战略选择(杨博旭等, 2021),技术多元化可为企业提供跨领域技术知识,在促进知识融合、提升战略柔性的同时,也会导致企业资源配置效率降低和研发成本增加[7,27],作用于企业冲击来临前的预测防范、冲击来临时的抵御适应以及冲击后的恢复超越过程,对企业韧性具有过犹不及的影响。
基于技术间的高关联性,相关技术多元化有助于企业实现知识迁移与融合(何郁冰和张思, 2021),及时响应外部环境变化并制定解决方案,实现应用场景多元化和现有业务转型升级[9],从而增强企业韧性。但过高程度的相关技术多元化不利于企业获得价值增长机会[27],进而弱化企业对外部冲击的感知与抵御能力,因而不利于强化企业韧性。
基于技术间的显著差异,非相关技术多元化能够帮助企业克服“本地搜索”局限,促使其主动嵌入外部知识网络,强化企业对外部冲击的预测防范能力[9],从而强化企业韧性。同时,非相关技术多元化能够将企业技术基础拓展至多个领域,帮助企业有效避免技术锁定,提升企业战略柔性,降低单一技术领域冲击带来的崩溃风险(曾德明等, 2019),进而强化企业对外部冲击的抵御能力,有利于企业实现韧性发展。但过高程度的非相关技术多元化会加大企业技术知识迁移与融合难度,增加研发和管理协调成本(杨博旭等, 2021),使企业陷入研发规模不足和技术发展无序的困境(曾德明等, 2019),弱化企业抵御外部冲击的能力,进而对企业韧性产生负面影响。
基于此,本文提出以下假设:
H1：技术多元化与企业韧性呈倒U型关系。
H1a：相关技术多元化与企业韧性呈倒U型关系;
H1b：非相关技术多元化与企业韧性呈倒U型关系。
1.2.2 持续创新的中介作用
持续创新兼具技术渐进与技术跃迁的双元特性,是指企业长时间实施创新项目并产出创新成果的能力[11-12],能够反映企业在研发领域的知识积累与技术进步(何郁冰等, 2017)。基于“资源—能力—结果”理论逻辑,资源是能力形成的基础,而能力决定最终结果(喻登科和陈淑婷, 2023)。持续创新源于多元化技术资源积累与拓展(何郁冰等, 2017),通过资源整合与重构作用于企业抵御冲击以及后续恢复超越过程,能够影响企业灵活性与稳定性[28],与企业韧性呈现倒U型关系。
一方面,相关技术多元化能够激发多领域技术间的协同互补效应(Wen et al., 2023),实现研发资源共享、降低技术融合风险,从而强化企业持续创新能力(何郁冰等, 2017)。进一步地,持续创新能够增强企业灵活性,有助于企业凭借良好的技术研发基础与创造性思维整合、重构相关资源,通过不断变革快速响应外部环境变化[10],在受到冲击后能够更快适应、恢复并反弹超越[23],从而实现韧性增长。但需要指出的是,当持续创新超过某一临界值时,研发投资成本会大幅提升,而创新成果的可行性具有不确定性风险[29],导致企业财务状况与运营管理的稳定性降低,进而弱化企业抵御外部冲击的能力,对企业韧性产生不利影响。
另一方面,非相关技术多元化能够夯实企业技术基础,在推动企业实现核心技术领域突破与变革的同时,有助于企业抢抓新兴技术机遇,通过跨领域技术融合提升创造新技术、新产品的潜力(何郁冰等, 2021),从而为持续创新提供动力来源。进一步地,持续创新虽能提升企业风险感知能力和灵活性,并通过及时创新解决方案强化企业对环境的适应能力[4],但在超过某一临界值后,易于造成企业创新风险加剧和现金流短缺(周路路等, 2017;Hallak et al., 2018),进而导致企业稳定性降低,因而与企业韧性呈现倒U型关系。
基于此,本文提出以下假设:
H2：持续创新在技术多元化与企业韧性间发挥中介作用。
H2a：持续创新在相关技术多元化与企业韧性间发挥中介作用;
H2b：持续创新在非相关技术多元化与企业韧性间发挥中介作用。
1.2.3 内部合作网络密度的调节作用
内部合作网络是指企业内部发明者在创新活动中构建的网络(汤超颖等, 2018),作用于组织内部知识流动与信息共享过程。较高的内部合作网络密度能够反映内部发明者间联系程度[14],在推动知识融合的同时,使企业知识基础互补性随时间推移而减弱(刘景东等, 2021),进而导致企业知识同质化[14,30],表现为企业多元化技术知识利用效率与组合潜力降低,难以维系创新的持续性。
一方面,高密度内部合作网络中的同质化知识会导致部分具有潜在价值的技术知识被忽略,进而降低相关与非相关多元化技术知识利用效率[30],弱化技术多元化对企业持续创新的积极影响。另一方面,高密度内部合作网络中的同质化知识会加大企业吸收、利用多元化技术知识难度[14],导致企业内部发明者需要耗费较多精力与时间对多元化技术知识进行整合。由于内部技术知识转移效率与组合创造潜力降低[17],加大企业创新间断风险(Carnabuci &Operti, 2013),从而弱化技术多元化对持续创新的促进作用。
基于此,本文提出以下假设:
H3：内部合作网络密度负向调节技术多元化与持续创新的关系。
H3a：内部合作网络密度负向调节相关技术多元化与持续创新的关系;
H3b：内部合作网络密度负向调节非相关技术多元化与持续创新的关系。
1.2.4 外部合作网络中心度的三阶调节作用
外部合作网络是指企业基于协同创新理念与供应商、客户、科研院所等外部主体构建的合作网络(冯科和曾德明, 2023)。高水平外部合作网络中心度能够反映企业与外部合作伙伴间的广泛联系,有助于企业通过集聚互补性技术资源增加自身异质性知识,以缓解高密度内部合作网络中的认知锁定和知识路径依赖困境(陈培祯和曾德明, 2019),进而削弱内部合作网络密度对技术多元化与持续创新关系的负向影响。
一方面,高外部合作网络中心度带来的异质性知识能够促进企业内部发明者认知水平提升,缓解高密度内部合作网络中的认知惯性和常规约束[16],提升相关与非相关多元化技术知识利用效率,进而弱化内部合作网络密度对技术多元化与持续创新关系的负向影响。另一方面,高外部合作网络中心度的企业拥有丰富的异质性知识获取渠道[30],能够快速与特定技术领域的合作伙伴构建技术联盟[10],通过知识互动突破技术壁垒,缓解高密度内部合作网络中同质化知识带来的知识吸收与整合困境,进而弱化内部合作网络密度对技术多元化与持续创新关系的负向影响。
基于此,本文提出以下假设:
H4：外部合作网络中心度负向调节内部合作网络密度对技术多元化与持续创新关系的影响。
H4a：外部合作网络中心度负向调节内部合作网络密度对相关技术多元化与持续创新关系的影响;
H4b：外部合作网络中心度负向调节内部合作网络密度对非相关技术多元化与持续创新关系的影响。
综上,本文构建概念模型如图1所示。
图1 概念模型
Fig.1 Conceptual model
新能源汽车产业具有技术密集度高、技术演进高度不确定性等特征,注重技术资源分散化配置[7]。同时,中国汽车工业协会统计数据显示,2021年我国新能源汽车市场实现爆发式增长,产销同比分别增长159.5%、157.6%,连续7年位居全球第一。由此可见,在面对疫情频发、供给中断、局部地缘政治冲突等多重不利因素冲击下,我国新能源汽车产业表现出较强的稳定性和恢复能力[18],彰显出强劲的韧性。鉴于数据可得性,本文选取沪深A股新能源汽车企业为研究对象。2010年,新能源汽车产业被列为中国七大战略性新兴产业之一,与新能源汽车发展相关产业政策相继出台(熊勇清和秦书锋, 2023)。因此,本文研究样本时间跨度为2010—2021年。
首先,本文以同花顺问财网新能源汽车概念板块上市企业作为初筛样本。其次,参考刘兰剑等(2021)的研究成果,本文基于企业百度百科词条剔除主营业务为房地产、纺织业等与新能源汽车不相关的样本企业。再次,本文以企业申请的发明专利衡量技术多元化与持续创新指标,参考陈培祯等(2018)的研究成果,剔除所有年份专利申请数为0和小于10的样本企业。最后,本文剔除ST、*ST类上市企业及数据缺失样本,获得285家新能源汽车企业,共1 439个观测值,形成非平衡面板数据。同时,为排除极端值的影响,本文对连续变量进行前后1%的缩尾处理。
本文研究数据来源如下:①技术多元化、持续创新、内部合作网络密度和外部合作网络中心度测度所需专利数据来源于Incopat数据库;②企业韧性测度所需财务数据来源于国泰安(CSMAR)数据库;③控制变量相关数据来源于国泰安(CSMAR)数据库。
2.2.1 因变量
企业韧性(ER)。Ortiz-de-Mandojana等[31]指出,韧性体现为企业在逆境中恢复并持续生存,关系到企业成长,采用长期绩效结果进行评估。其中,销售收入与企业生存密切相关,能够决定企业是否拥有充足资源以应对不确定性风险(冯挺和祝志勇, 2023)。同时,累计增长能够表征增长的延续性[31],体现企业韧性的长期性。因此,参考吴晓波和冯潇雅(2022)、Ortiz-de-Mandojana &Bansal[31]的研究成果,并考虑到技术多元化对企业韧性影响的时滞性,本文以t+2年起3年内累计销售收入增长额表征企业韧性,具体计算公式如下:
ERt+2～t+4=SGt+3+SGt+4
(1)
其中,SGt+3为企业第t+3年较第t+2年销售收入的增长额,SGt+4为企业第t+4年较第t+3年销售收入的增长额。
2.2.2 自变量
技术多元化。专利申请数据能够表征企业技术创新进展,反映企业技术领域分布情况(邹思明等, 2017)。同时,考虑到专利申请具有片段式特征,企业创新项目期限往往长于一年(何郁冰等, 2017)。因此,借鉴何郁冰等(2017)的研究成果,本文将企业t-1年和t年专利申请数据进行合并,以此测度第t年技术多元化。此外,现有研究主要采用赫芬达尔指数和熵指数法对技术多元化进行测量[17,19]。其中,熵指数法能够降低企业专利申请规模对测量结果的影响(何郁冰等,2017),且具有可分解特性,可区分相关技术多元化与非相关技术多元化[19],是测度组内方差的有效方法(林明和董必荣, 2014)。考虑到专利主分类号能够代表某项技术的主要用途(林娟娟和陈向东, 2014),参考何郁冰等(2017)、Chen &Chang[19]的研究成果,本文依据IPC主分类号对技术领域进行划分,采用熵指数法衡量企业技术多元化水平。其中,采用企业第t-1年和第t年申请的发明专利所属专利小类(专利主分类号的前4位)衡量企业第t年总体技术多元化(TD),采用专利大类(专利主分类号的前3位)衡量企业第t年非相关技术多元化(UTD),相关技术多元化(RTD)为企业总体技术多元化与非相关技术多元化的差值。总体技术多元化计算公式为:
(2)
其中,Nt为企业第t-1和t年发明专利申请总数(下同),Nit为企业第t-1和t年在第i个专利小类发明专利申请数量,n为企业在第t-1和t年申请的发明专利所属小类总数。
非相关技术多元化计算公式如下:
(3)
其中,Mit为企业第t-1和t年在第i个专利大类发明专利申请数量,n为企业第t-1和t年申请的发明专利所属大类总数。
相关技术多元化计算公式如下:
RTDt=TDt-UTDt
(4)
2.2.3 中介变量
持续创新(CI)是指企业长时间实施创新项目并产出创新成果的能力[11-12]。由于无法全面获取上市企业新产品销售收入数据,而专利数据具有审核严格、数据完整、易于获取的优势(陈洪玮和王欢欢, 2020),借鉴何郁冰等(2017)的做法,本文以企业发明专利申请数量前后期对比表征持续创新。同时,考虑到企业当前技术知识特征能够影响其后续创新能力培育(Zhou &Li, 2012),本文对持续创新变量作滞后一期处理。考虑到数据右偏特性,本文采用企业t年、t+1年发明专利申请量之和与t-1年、t年发明专利申请量之和的比值乘以t年、t+1年发明专利申请量之和再加1的自然对数衡量企业第t+1年持续创新,计算公式如下:
(5)
其中,CIt+1为企业第t+1年持续创新,INt-1、INt、INt+1分别为企业第t-1、t和t+1年发明专利申请量。
2.2.4 调节变量
(1)内部合作网络密度(IND)。考虑到专利申请数据具有片段式特征,基于企业t-1到t年独立发明专利中的发明人信息[17],本文利用Python的networkx库构建网络并计算内部合作网络密度指标,计算公式如下:
(6)
其中,l为内部合作网络中发明人间的实际合作数量,n为内部合作网络中的发明人总数。
(2)外部合作网络中心度(ENC)。基于企业t-1到t年发明专利中的申请人信息[15],本文利用Python的networkx库构建外部合作网络。同时,为了消除网络规模效应的影响,使中心度更具可比性,本文采用相对度中心度指标衡量外部合作网络中心度,计算公式如下:
(7)
其中,di为网络节点i的度数,N为外部合作网络规模。
2.2.5 控制变量
借鉴相关研究成果[31-33],持续创新和企业韧性受多重因素影响,本文主要控制以下变量:①企业年龄(AGE),以观测年份与企业成立年份的差值测量;②企业规模(SIZE),以企业期末总资产的自然对数测量;③企业性质(EO),若企业为国有企业则取1,否则为0;④现金流比率(CFR),以企业经营现金流与总资产之比衡量;⑤财务杠杆(FL),以期末总负债与总资产的比值衡量;⑥无形资产比例(IAR),以无形资产与总资产之比衡量;⑦董事会独立性(IDR),以企业独立董事的占比衡量。此外,为控制与个体和时间相关因素的影响,本文增加个体、年份虚拟变量。
变量描述性统计与相关性分析结果如表1所示。其中,总体技术多元化与相关技术多元化、非相关技术多元化的相关系数大于0.7,原因如下:在测量方式上,三者具有线性关系,存在多重共线性问题,但本文并未将其同时纳入同一模型。此外,其它变量间相关系数均小于0.7。将总体技术多元化、相关技术多元化、非相关技术多元化分别与其它变量回归并进行VIF检验,结果发现,VIF值介于1.01～2.02之间,均小于10。由此表明,变量间不存在严重多重共线性问题,可以作进一步回归分析。
表1 相关系数与描述性统计结果
Table 1 Descriptive statistics and correlation coefficients
变量12345678910111213141.ER1.0002.TD0.265∗∗∗1.0003.RTD0.283∗∗∗0.701∗∗∗1.0004.UTD0.205∗∗∗0.942∗∗∗0.423∗∗∗1.0005.CI0.253∗∗∗0.604∗∗∗0.501∗∗∗0.533∗∗∗1.0006.IND-0.164∗∗∗-0.450∗∗∗-0.344∗∗∗-0.411∗∗∗-0.307∗∗∗1.0007.ENC0.142∗∗∗0.330∗∗∗0.257∗∗∗0.296∗∗∗0.326∗∗∗-0.166∗∗∗1.0008.AGE-0.0060.021-0.0150.0340.0110.0030.092∗∗∗1.0009.SIZE0.485∗∗∗0.520∗∗∗0.458∗∗∗0.446∗∗∗0.453∗∗∗-0.316∗∗∗0.325∗∗∗0.185∗∗∗1.00010.EO0.200∗∗∗0.248∗∗∗0.198∗∗∗0.222∗∗∗0.162∗∗∗-0.116∗∗∗0.247∗∗∗0.115∗∗∗0.382∗∗∗1.00011.CFR0.059∗∗0.059∗∗0.047∗0.051∗0.067∗∗-0.047∗-0.060∗∗0.0100.057∗∗-0.0001.00012.FL0.221∗∗∗0.287∗∗∗0.208∗∗∗0.266∗∗∗0.204∗∗∗-0.160∗∗∗0.204∗∗∗0.150∗∗∗0.519∗∗∗0.324∗∗∗-0.098∗∗∗1.00013.IAR0.0230.089∗∗∗0.066∗∗0.082∗∗∗0.064∗∗-0.003-0.015-0.0310.051∗-0.0180.056∗∗0.063∗∗1.00014.IDR0.087∗∗∗-0.008-0.001-0.0110.0260.020-0.018-0.0220.021-0.066∗∗0.0090.0010.045∗1.000Mean22.6991.3670.2651.1012.9060.2910.00115.32521.8420.2060.0410.3810.0430.370S.D.66.3210.9190.3370.7241.5930.2680.0024.8661.2000.4040.0580.1780.0270.051
注:***表示p<0.01, **表示p<0.05, *表示p<0.1,下同
本文利用Stata 15.0软件,采用个体、时间双向固定效应模型进行假设检验。同时,为消除变量间量纲差异,对连续变量进行标准化处理。
3.2.1 直接效应检验
借鉴Haans等[34]的研究成果,本文对技术多元化与企业韧性的倒U型关系进行检验,结果如表2所示。
表2 直接效应与中介效应检验结果
Table 2 Regression results of direct effects and mediating effects
变量结果变量:ER模型1模型2模型3模型4模型5模型6模型7中介变量:CI模型8模型9模型10TD0.164∗∗∗0.128∗∗0.216∗∗∗(3.338)(2.478)(6.081)TD2-0.356∗∗∗-0.300∗∗∗(-4.879)(-3.948)RTD0.092∗∗0.081∗∗0.108∗∗∗(2.321)(2.014)(3.540)RTD2-0.228∗∗∗-0.203∗∗∗(-4.036)(-3.547)UTD0.085∗∗0.0580.150∗∗∗(1.970)(1.299)(5.193)UTD2-0.157∗∗∗-0.124∗∗(-2.678)(-2.087)CI0.146∗∗∗0.107∗∗0.118∗∗0.138∗∗∗(2.937)(2.051)(2.361)(2.693)CI2-0.235∗∗∗-0.175∗∗∗-0.196∗∗∗-0.222∗∗∗(-3.744)(-2.676)(-3.099)(-3.452)控制变量控制控制控制控制控制控制控制控制控制控制常数项0.1400.1510.1490.1290.1220.1270.125-0.083-0.064-0.084(1.389)(1.491)(1.462)(1.267)(1.213)(1.262)(1.230)(-0.562)(-0.425)(-0.566)企业固定效应YesYesYesYesYesYesYesYesYesYes年份固定效应YesYesYesYesYesYesYesYesYesYes样本量1 4391 4391 4391 4391 4391 4391 4391 4391 4391 439R20.0510.0460.0350.0410.0580.0550.0460.0890.0700.081F3.804∗∗∗3.413∗∗∗2.571∗∗∗3.054∗∗∗3.863∗∗∗3.673∗∗∗3.053∗∗∗7.407∗∗∗5.674∗∗∗6.698∗∗∗
注:括号中为t值,下同
首先,在控制相关变量的影响后,由表2模型1可知,总体技术多元化二次项与企业韧性的回归系数为-0.356,在1%水平上显著。其次,由表3结果可知,当总体技术多元化取最小值和最大值时,曲线斜率分别为0.164、-0.548,均在1%水平上显著。最后,曲线转折点处总体技术多元化的取值为0.230,在取值范围[0.000,1.000]内。因此,总体技术多元化与企业韧性呈倒U型关系,假设H1得到验证。与上述步骤类似,由表2模型2～3以及表3结果可知,曲线转折点处相关技术多元化、非相关技术多元化的取值分别为0.202、0.273,均在取值范围[0.000,1.000]内。因此,相关技术多元化、非相关技术多元化均与企业韧性呈倒U型关系,假设H1a、H1b得到验证。总体技术多元化、相关技术多元化、非相关技术多元化与企业韧性的倒U型关系如图2(a)所示。
表3 倒U型关系检验结果
Table 3 Inverted U-shaped test results
变量属性Lower boundUpper bound变量属性Lower boundUpper boundTDInterval0.0001.000UTDInterval0.0001.000Slope0.164-0.548Slope0.085-0.228t-value3.338-5.170t-value1.970-2.820P>|t|0.0000.000P>| t |0.0250.002RTDInterval0.0001.000CIInterval0.0001.000Slope0.092-0.364Slope0.146-0.323t-value2.321-4.459t-value2.937-3.929P>|t|0.0100.000P>| t |0.0020.000
图2 企业韧性与技术多元化、持续创新的倒U型关系
Fig.2 Inverted U-shaped relationship among enterprise resilience, technological diversification and continuous innovation
3.2.2 中介效应检验
由于变量间存在非线性关系,Baron &Kenny(1986)提出的三步检验法无法揭示倒U型关系间的中介路径。因此,参考Edwards &Lambert[35]的调节路径分析方法,本文对持续创新在技术多元化与企业韧性间的中介效应进行检验。首先,由表2模型8可知,总体技术多元化与持续创新的回归系数为0.216,在1%水平上显著,表明总体技术多元化对持续创新具有显著正向影响。其次,由表2模型4可知,持续创新平方项与企业韧性的回归系数为-0.235,在1%水平上显著。由表3可知,当持续创新取最小值和最大值时,曲线斜率分别为0.146、-0.323,均在1%水平上显著。曲线转折点处持续创新的取值为0.311,在数据取值范围[0.000, 1.000]之内。因此,持续创新与企业韧性呈倒U型关系,如图2(b)所示。最后,在模型1的基础上,加入持续创新与持续创新的平方项进行回归分析。表2模型5表明,持续创新的平方项系数为-0.175,在1%水平上显著。同时,对比模型1与模型5可知,模型5拟合度上升,且总体技术多元化平方项的回归系数为-0.300,仍在1%水平上显著。由此表明,持续创新在总体技术多元化与企业韧性间发挥部分中介作用,假设H2得到验证。表2模型9、模型10分别为相关技术多元化、非相关技术多元化与持续创新关系回归结果,模型6、模型7为在模型2、模型3的基础上加入持续创新和持续创新平方项的回归结果。与上述步骤类似,由模型2～4、模型6～7、模型9～10可知,持续创新在相关技术多元化、非相关技术多元化与企业韧性间均发挥中介作用,假设H2a、H2b得到验证。
3.2.3 调节效应检验
(1)内部合作网络密度的调节效应检验。由表4模型11～13可知,总体技术多元化、相关技术多元化、非相关技术多元化与内部合作网络密度的乘积项系数分别为-0.202、-0.239、-0.181,均在1%水平上显著。由此表明,内部合作网络密度负向调节总体技术多元化、非相关技术多元化、相关技术多元化对持续创新的正向影响,假设H3、H3a和H3b得到验证。
表4 调节效应检验结果
Table 4 Regression results of moderating effects
变量中介变量:CI模型11模型12模型13模型14模型15模型16TD0.245∗∗∗0.252∗∗∗(6.931)(6.719)RTD0.114∗∗∗0.111∗∗∗(3.782)(3.637)UTD0.178∗∗∗0.180∗∗∗(6.230)(6.022)IND0.0230.051∗∗0.0300.0210.047∗0.022(0.764)(2.010)(1.024)(0.661)(1.857)(0.725)ENC0.071∗0.081∗∗0.081∗∗(1.929)(2.213)(2.216)TD×IND-0.202∗∗∗-0.164∗∗∗(-4.427)(-3.127)TD×ENC0.185(1.235)RTD×IND-0.239∗∗∗-0.219∗∗∗(-3.654)(-3.297)RTD×ENC0.140(0.903)UTD×IND-0.181∗∗∗-0.147∗∗∗(-4.233)(-3.032)UTD×ENC0.109(0.864)IND×ENC0.038-0.031-0.022(0.298)(-0.258)(-0.184)TD×IND×ENC0.280∗(1.787)RTD×IND×ENC0.229(1.442)UTD×IND×ENC0.244∗(1.810)控制变量控制控制控制控制控制控制常数项0.022-0.0480.023-0.279-0.245-0.218(0.144)(-0.319)(0.147)(-1.158)(-1.079)(-0.979)企业固定效应YesYesYesYesYesYes年份固定效应YesYesYesYesYesYes样本量1 4391 4391 4391 4391 4391 439R20.1340.1020.1220.1380.1070.127F10.328∗∗∗7.575∗∗∗9.316∗∗∗8.625∗∗∗6.481∗∗∗7.881∗∗∗
为了直观展示内部合作网络密度的调节作用,本文绘制调节效应图(见图3)。由图3可知,相较于高内部合作网络密度,低内部合作网络密度情景下,总体技术多元化、非相关技术多元化、相关技术多元化对持续创新的正向影响更加显著。
图3 内部合作网络密度的调节效应
Fig.3 Moderating effects of internal collaboration network density
(2)外部合作网络中心度的三阶调节效应检验。由表4模型14可知,总体技术多元化和内部合作网络密度、外部合作网络中心度的乘积项回归系数为0.280且在10%水平上显著。由此表明,外部合作网络中心度调节内部合作网络密度对总体技术多元化与持续创新关系的影响,即外部合作网络中心度能够缓解内部合作网络密度对总体技术多元化与持续创新关系的负向调节作用,假设H4得到验证。由表4模型15可知,相关技术多元化和内部合作网络密度、外部合作网络中心度的乘积项回归系数为0.229,但不显著。由此表明,外部合作网络中心度无法调节内部合作网络密度对相关技术多元化与持续创新关系的负向影响,假设H4a未得到验证。原因如下:相关技术多元化战略中,企业多元化技术与核心技术领域相关程度较高,导致外部合作网络中心度在相关技术多元化与持续创新间的三阶调节作用不显著。由表4模型16可知,非相关技术多元化和内部合作网络密度、外部合作网络中心度的乘积项回归系数为0.244且在10%水平上显著。由此表明,外部合作网络中心度在非相关技术多元化与持续创新间的三阶调节效应存在,H4b得到验证。
为了直观展示外部合作网络中心度的三阶调节效应结果,本文绘制调节效应图(见图4)。在低内部合作网络密度与高外部合作网络中心度情景下,总体技术多元化、非相关技术多元化对持续创新影响的拟合曲线斜率最高。由此表明,上述情况下,总体技术多元化、非相关技术多元化对持续创新的促进作用最显著。
图4 外部合作网络中心度的三阶调节效应
Fig.4 Three-way moderating effects of external collaboration network centrality
首先,考虑到一个专利可能对应多个IPC分类号,借鉴徐欣和刘梦冉(2020)的研究成果,本文基于发明专利全部IPC分类号前3位和前4位对技术领域进行划分,以此衡量技术多元化,替代前文基于专利主分类号前3位和前4位对技术领域进行划分以衡量技术多元化的方法。其次,2010年7月,我国确定了新能源汽车示范推广城市,标志着新能源汽车进入全面扶持阶段(熊勇清等, 2018)。为排除外部政策干扰,本文将样本时间跨度缩短为2011—2021年。同时,本文采用特征向量中心度替代度中心度以衡量外部合作网络中心度。最后,公司治理与企业决策紧密相关,是企业创新与技术变革的决定因素(秦娴等, 2020),关系到企业生存与发展(陈德球和胡晴, 2022)。因此,在模型中,本文增加更多控制变量,包括第一大股东持股比例和董事会规模。上述稳健性检验结果与前文假设检验结果一致,由此表明本文结论具有稳健性。
本文以2010—2021年沪深A股新能源汽车企业为研究对象,基于资源基础理论,以“资源—能力—结果”理论逻辑实证分析技术多元化对企业韧性的影响,以及持续创新的中介作用,并从双重网络视角出发,进一步揭示内部合作网络密度的调节作用以及外部合作网络中心度的三阶调节作用,得到以下主要结论:
(1)技术多元化与企业韧性呈倒U型关系。事实上,企业实施技术多元化战略能够拓展自身技术基础,缓解单一技术领域冲击带来的影响。但需要指出的是,技术多元化过度会导致资源配置成本大幅提升,使企业陷入财务危机,从而对企业韧性产生负面影响。只有适度技术多元化才能维持企业技术扩张与资源配置成本的相对平衡,有助于企业实现创造价值,进而强化自身韧性。
(2)持续创新在技术多元化与企业韧性间发挥中介作用。技术多元化战略可为企业提供丰富的技术知识资源,有助于企业通过相关与非相关技术知识融合提升持续创新能力,根据外部环境变化不断革新,影响企业在应对外部冲击时的灵活性和稳定性,进而影响企业韧性。
(3)内部合作网络密度负向调节技术多元化与持续创新的关系。在内部合作网络密度较高企业中,发明者之间会形成相似性认知,导致企业对多元化技术知识进行吸收、重组的能力下降,不利于多元化技术知识转化,从而弱化技术多元化赋能持续创新的潜力。
(4)外部合作网络中心度进一步弱化内部合作网络密度在总体技术多元化、非相关技术多元化与持续创新间的负向调节作用。高外部合作网络中心度企业易于获取互补性技术资源,并通过协同创新促进隐性知识转移,缓解多元化技术知识重组、整合困境,从而弱化内部合作网络密度对技术多元化与企业持续创新关系的负向影响。
(1)基于资源基础理论,结合VUCA时代特征,实证检验了技术多元化与企业韧性的关系,并根据知识关联程度将技术多元化分为相关技术多元化与非相关技术多元化,揭示了技术多元化对企业韧性的影响。现有研究虽然探讨了受疫情冲击前企业实施技术多元化战略对受冲击后企业短期韧性表现(稳定性和灵活性)的影响,但未关注技术多元化对企业长期韧性表现的影响。本文基于广义的动荡环境,探讨了技术多元化与企业韧性的关系,拓展了资源基础理论应用范围以及技术多元化、企业韧性理论空间。
(2)基于“资源—能力—结果”理论逻辑,从创新视角挖掘技术多元化与企业韧性的因果关系链条,揭示了持续创新在技术多元化与企业韧性间的中介作用。已有研究认为,持续创新是企业实现韧性增长的基础(Hamel &Valikangas,2003),但尚未验证持续创新对企业韧性的直接影响,也未对技术多元化与企业韧性间的关系机制进行深入探讨。本文揭示了技术多元化对企业韧性的作用机理,为企业强化自身韧性提供了新路径。
(3)从双重网络视角,揭示了内部合作网络密度在技术多元化对持续创新影响过程中的调节作用,以及外部合作网络中心度的三阶调节作用。现有研究既未关注内部合作网络密度在“技术多元化—持续创新”间的调节作用,也忽视了外部合作网络中心度对上述关系的调节作用。本文揭示了双重网络在技术多元化向持续创新转化过程中的情境作用,拓展了技术多元化与持续创新关系研究。
(1)修炼内功,在风险评估的基础上,适度拓展相关与非相关技术领域。企业应通过内部学习和外部技术搜寻积累多元化技术知识,形成技术联动与协同效应,降低因单一技术领域导致的锁定风险。同时,企业应评估技术扩张的可行性,适时实施相关多元化战略和非相关技术多元化战略,维持技术探索与协调管理的相对平衡,从而在变局中行稳致远。
(2)主动求变,积极培育持续创新能力,助推企业实现韧性发展。一方面,企业可以通过技术知识融合对现有技术进行重塑,进一步提升持续创新能力。例如,数字经济时代,企业可以借助自身综合能力将数字技术嵌入核心技术和产品研发过程中,不断创造竞争优势,实现弯道超车。另一方面,企业需要借助多元化技术间的知识高度关联性加速知识重组过程,增强自身危机响应能力,进而在不确定性环境中逆势增长。此外,持续创新存在“过犹不及”的困境,企业需要重视创新质量评估,适度开展持续创新,避免因过度创新而陷入生存危机。
(3)内外协同,鼓励发明者“走出去”,对内维持宽松的合作关系,对外构建广泛的协作研发网络。一方面,企业可以通过优化组织结构和制定激励措施等方式维持内部发明者之间“若即若离”的状态,避免出现因发明者紧密合作导致的认知锁定和知识同质化现象。另一方面,企业需要主动加强与外部企业、高校、科研院所合作,构建广泛的外部合作网络,通过优化产学研协同创新机制,拓展与上下游企业的合作空间,借助外部合作伙伴的力量突破资源壁垒,以“借力打力”的方式加速内部发明人对多元化技术知识的吸收与转化,从而实现持续创新。
本文存在以下不足:①需要进一步拓展研究对象范围,以提升结论的普适性;②需要丰富企业韧性测量维度(如财务指标、股价等),以提升结论的全面性和系统性;③需要丰富内外部合作网络特征变量(如内部合作网络的小世界性、外部合作网络的结构洞等),进一步探讨内外部合作网络的边界效应。
[1] 龚红, 李昌昊. 突破“卡脖子”技术:知识开发模式对企业关键核心技术及其衍生技术的影响[J].科技进步与对策,2024,41(1):56-65.
[2] 单宇, 许晖, 周连喜,等. 数智赋能:危机情境下组织韧性如何形成——基于林清轩转危为机的探索性案例研究[J].管理世界, 2021, 37(3): 84-104,7.
[3] 李平, 竺家哲. 组织韧性:最新文献评述[J].外国经济与管理, 2021, 43(3): 25-41.
[4] 贾勇, 傅倩汪琳, 李冬姝. 技术创新与企业韧性:基于新冠疫情情景[J].管理科学, 2023, 36(2): 17-34.
[5] MAFABI S, MUNENE J, NTAYI J. Knowledge management and organizational resilience: organizational innovation as a mediator in uganda parastatals[J].Journal of Strategy and Management, 2012, 5(1): 57-80.
[6] TOGNAZZO A,GUBITTA P,FAVARON S D. Does slack always affect resilience?a study of quasi-medium-sized Italian firms[J].Entrepreneurship &Regional Development,2016,28(9/10):768-790.
[7] 徐娟. 技术多元化、核心技术能力与企业绩效——来自新能源汽车行业上市公司的面板数据[J].经济管理, 2016, 38(12): 74-88.
[8] 王耀德, 林良. 协同创新网络成员多样性如何影响企业探索式创新——技术多元化的中介效应[J].科技进步与对策, 2021, 38(22): 76-82.
[9] 王海花, 李雅洁, 李烨,等. 数字化变革背景下技术多元化对企业韧性的影响[J].系统管理学报,2024,33(2):391-403.
[10] DO H, BUDHWAR P, SHIPTON H, et al. Building organizational resilience, innovation through resource-based management initiatives, organizational learning and environmental dynamism[J].Journal of Business Research, 2022, 141(4): 808-821.
[11] 段海艳. 企业持续创新影响因素研究[J].科技进步与对策, 2017, 34(15): 87-93.
[12] 李德辉, 潘丽君. 海归劣势、持续创新能力与新创科技企业生存:基于企业事件史的分析[J].科研管理, 2022, 43(5): 76-85.
[13] 张秀娥, 滕欣宇. 组织韧性内涵、维度及测量[J].科技进步与对策, 2021, 38(10): 9-17.
[14] 张娜, 刘凤朝. 双层次合作网络构建对企业探索性创新绩效的影响[J].管理工程学报, 2021, 35(1): 1-11.
[15] 杜玉申, 刘梓毓. 技术多元化、协作研发网络中心度与企业创新绩效[J].科技进步与对策, 2021, 38(15): 74-81.
[16] ZHANG N N, YOU D Y, TANG L, et al. Knowledge path dependence, external connection, and radical inventions: evidence from Chinese academy of sciences[J].Research Policy, 2023,52(4):104738.
[17] 李小丽, 陈蕾. 技术多元化、发明者网络嵌入与军民融合企业技术创新效率[J].科技进步与对策, 2022, 39(23): 140-150.
[18] 郭叶波, 夏成, 张舰. 后疫情时代提升长三角地区汽车产业链发展韧性研究[J].中国物价, 2023,36(6): 46-49.
[19] CHEN Y S, CHANG K C. Using the entropy-based patent measure to explore the influences of related and unrelated technological diversification upon technological competences and firm performance [J].Scientometrics, 2012, 90(3): 825-841.
[20] CHIU Y C, LAI H C, LEE T Y, et al. Technological diversification, complementary assets, and performance[J].Technological Forecasting and Social Change, 2008, 75(6): 875-892.
[21] CHEN Y M, YANG D H, LIN F J. Does technological diversification matter to firm performance? the moderating role of organization slack[J].Journal of Business Research, 2013, 66(10): 1970-1975.
[22] SAHEBJAMNIA N, TORABI S A, MANSOURI S A. Building organizational resilience in the face of multiple disruptions[J].International Journal of Production Economics, 2018, 197(3): 63-83.
[23] BUSTINZA O F, VENDRELL-HERRERO F, PEREZ-AROSTEGUI M N, et al. Technological capabilities, resilience capabilities and organizational effectiveness[J].International Journal of Human Resource Management, 2019, 30(8): 1370-1392.
[24] 谢露群, 钱静舒, 王倩. IT能力对组织韧性的影响研究[J].管理学报, 2023, 20(9): 1295-1302.
[25] 孙国强, 杨晶, 闫绪娴. 网络嵌入、知识搜索与组织韧性——数字化转型的调节作用[J]. 科学决策, 2021,28(11):18-31.
[26] DESJARDINE M,BANSAL P,YANG Y.Bouncing back: building resilience through social and environmental practices in the context of the 2008 global financial crisis[J].Journal of Management, 2019,45(4):1434-1460.
[27] JUNGHO K, CHANG Y L, YUNOK C. Technological diversification, core-technology competence, and firm growth[J].Research Policy, 2016, 45(1):113-124.
[28] SABAHI S, PARAST M M. Firm innovation and supply chain resilience: a dynamic capability perspective[J].International Journal of Logistics-Research and Applications, 2019, 23(3): 254-269.
[29] HALLAK R, ASSAKER G, O'CONNOR P, et al. Firm performance in the upscale restaurant sector: the effects of resilience, creative self-efficacy, innovation and industry experience[J].Journal of Retailing and Consumer Services, 2018,40(1): 229-240.
[30] 蒋舒阳, 庄亚明, 刘夏群. 企业如何进行内外部科研合作网络构建:以我为主抑或博才众长[J].科技进步与对策, 2022, 39(19): 69-77.
[31] ORTIZ-DE-MANDOJANA N, BANSAL P. The long-term benefits of organizational resilience through sustainable business practices[J]. Strategic Management Journal,2016,37(8):1615 -1631.
[32] SAJKO M, BOONE C, BUYL T. CEO greed, corporate social responsibility, and organizational resilience to systemic shocks[J].Journal of Management, 2021, 47(4): 957-992.
[33] 白旻, 王仁祥. 企业社会责任如何影响企业持续创新[J].中国科技论坛, 2020,36(1): 107-115.
[34] HAANS R F J, PIETERS C, HE Z L. Thinking about U theorizing and testing U- and inverted U-shaped relationships in strategy research[J].Strategic Management Journal, 2016, 37(7): 1177-1195.
[35] EDWARDS J R, LAMBERT L S. Methods for integrating moderation and mediation: a general analytical framework using moderated path analysis[J].Psychological Methods, 2007, 12(1): 1-22.