全球化竞争时代,市场竞争加剧、技术更新速度加快,单一企业获取资源的能力变得相对有限。如何应对外部变化、提升企业外部资源获取能力、降低创新风险和成本、提高企业组织创新绩效显得尤为重要。同时,随着知识密集型企业快速发展,知识成为全球经济竞争的重要资源。知识交流与交换不再受时空限制,人们越来越倾向于通过知识共享,实现知识管理和创新。可以说,企业创新的实质是知识创新。具体而言,企业与外部组织建立联盟关系,实现合作伙伴间知识共享,有效获取外部资源,降低各种风险和潜在不确定性,从而建立企业竞争优势。
知识共享反映了知识在个体、团队和组织间流转的过程,是知识相互交换并创造新知识的过程[1]。企业间知识共享是一种知识交换过程,企业通过获取和消化外部知识,积累经验,进而形成有价值的知识资产,以此建立竞争优势[2]。企业通过知识共享,促进企业间合作与交流、创造新知识,提高企业创新绩效。大量知识共享与企业创新绩效关系的研究指出,知识共享会促进企业创新绩效提升。
联盟组合构型是联盟组合的重要特征,具体表现为联盟组合中各企业以不同的空间排列方式联系而呈现出的特定结构。目前,学者们围绕联盟组合对企业创新绩效的影响进行了大量探讨。已有研究显示,联盟组合规模、多样性、关系等构型特征对企业绩效有着不同的影响。Shan等指出,新创企业与大企业建立联盟组合的数量与其创新产出线性正相关;Lavie等研究表明联盟组合国家化程度与焦点企业绩效呈S型关系;Swaminathan等则认为,联盟组合关系对企业创新绩效的影响比联盟组合规模和质量更显著。虽然学界对联盟组合单一构型特征与其创新绩效的关系进行广泛探讨,但全方位、多视角探讨联盟组合构型作用机理的研究仍然匮乏。
联盟组合构型自20世纪90年代提出以来,学者们从不同视角对其内涵进行了丰富与完善,逐步形成了较为成熟的概念体系。Doz&Hamel[3]最早提出联盟组合的概念,即焦点企业所进入的离散双边联盟的集合,并将其划分为3种不同类型——Alliance Network,Alliance Portfolio和Alliance Web;Baum[4]从组合关系角度对联盟组合进行定义,认为联盟组合是以某一焦点企业为核心而形成的自我中心联盟网络;董微微(2017)认为,联盟组合是焦点企业为了优化资源配置、打造核心竞争力,在一定区域或领域内实现可持续发展而形成的联盟网络,联盟组合的产生提高了焦点企业与伙伴的异质性资源利用效率,拓展了价值创造空间[5];江积海等(2013)进一步指出联盟组合具有3个特征,即由两个以上的联盟构成、强调成员联盟的数量和性质及目标多样化。
除概念体系的演进外,联盟组合构型特征逐渐成为学者们关注的焦点,代表性研究主要从多维概念特征和社会网络视角展开。关于联盟组合构型多维概念特征,有学者认为其包括数量、结构、关系和联盟伙伴等特征。其中,数量特征具体是指焦点企业所参与的联盟数量和联盟中的合作伙伴数量;结构特征包括联盟组合内部成员活动的广度、密度和冗余度;关系特征是指各联盟之间的关系强度;联盟伙伴特征是指与焦点企业联盟的合作伙伴情况。
针对联盟组合构型特征社会网络视角的研究,学者们多从关系嵌入性视角与结构嵌入性视角展开探讨。关系嵌入性视角主要关注企业联盟组合中联盟伙伴间的关系强度,通过联盟类型区分强关系与弱关系,将焦点企业与联盟伙伴间建立股权联盟、成立合资企业、合作研发等界定为强关系,将焦点企业与联盟伙伴间达成市场协议、专利许可界定为弱关系(Rowley等,2000)。Lavie(2009)指出,强关系可以提高联盟组合绩效,促进伙伴间沟通、增强信任和解决冲突;弱关系中,联盟组合内部资源冗余少、异质性程度高、互补性强,有利于联盟成员分享和学习新知识、新技术。从结构嵌入性视角看,焦点企业参与联盟的数量、网络位置、多样性、网络密度等是学者们研究联盟组合的着力点。Ahuja(2000)认为,焦点企业在联盟组合中的度数中心度可以反映其拥有的直接联系数量;Koka & Prescott(2008)区分了焦点企业在联盟组合中的显著型位置和创业型位置,其中显著型位置主要体现了焦点企业在其联盟组合中的地位,主要用联盟伙伴数量、参与联盟数量等测量;创业型位置则主要体现了焦点企业利用所处网络位置,从联盟组合中发现机会并获得利益的能力。多样性方面,学者们聚焦于资源异质性和成员多样性等与焦点企业绩效的关系。Dussauge等(2011)从资源专用性、稀缺性、因果模糊性等角度探讨联盟组合资源异质性;徐建中等(2012)发现,学者们重点探讨联盟组合伙伴类型、功能、技术以及所属国家和产业等多样性特征与企业绩效的关系。
当前企业创新绩效研究主要分为质性研究和量化评价研究两类。质性研究方面,学者对企业创新绩效的概念尚未形成统一看法,Hagedoorn[6]指出,新产品、新设备或新工艺投入生产的比率是狭义的企业创新绩效,研发投入、专利申请、新产品创造等之间的关系构成了广义的企业创新绩效。在此基础上,李敏等[7]指出,狭义的企业创新绩效可由企业将发明创造引入市场的程度反映,广义的企业创新绩效强调从概念产生到产品发明再到投入市场的过程,企业取得的发明、技术、创造等成果是其创新绩效的核心要素。
对于量化评价,企业创新绩效评估研究主要集中在指标体系和评估方法两个方面。就企业创新绩效评价体系而言,目前国外学者主要采用专利数、资产、销售、股权收益率、新产品、新服务、市场份额等结果类指标,以及生产流程的重大变革、整体盈利能力、劳动生产率等过程指标[8]。Prajogo & Ahmed(2006)将企业创新绩效分为产品创新应用成果、产品和服务创新种类、成本及变革的速度3个维度;Alegre & Chiva(2008)从新市场开拓程度、市场份额、产品替代性等方面测量企业创新绩效;Kim(2012)等将企业创新绩效划分为4个方面,分别为产品获利能力、产品对客户的需求响应、产品的品牌知名度提升、产品的市场竞争力。国内学者构建的指标体系大致包括新产品、新服务、新技术、专利数、市场份额等结果类指标和管理创新、信息获取、流程创新等过程指标。张玉臣等[9]还指出,用新产品销售收入测量企业创新绩效具有合理指性,因为新产品是产品研发及创新的综合成果,而销售收入表明产品具有市场价值;钱锡红等(2010)认为,仅利用专利测量企业创新绩效具有一定的片面性,并在此基础上引入产品、技术、流程、市场等要素,综合反映企业创新绩效。
就企业创新绩效评估方法而言,使用较多的有德尔菲法、密切值法、神经网络法、平衡计分法和因子分析法等经典定量方法。有学者认为,因子分析法能够更加客观、有效地反映指标间的内在结构关系[10]。因此,因子分析法在企业绩效评估实证研究中得到广泛应用。例如,余泳等(2015)以中国内地30个省市2008-2012年高技术企业为研究样本,运用因子分析法对中国区域高技术企业创新绩效进行实证分析[11];关皓元等[12]以广东省19个地市(除深圳、韶关外)为研究对象,运用因子分析法综合评价各地市创新环境对专业镇企业创新绩效影响效率。
当前,学者们对知识共享的概念界定不仅体现在对其内容实质的解释,更强调其对组织的重要作用。因此,知识共享的概念内涵往往呈现出内容解释和重要影响的结合。具体来看,知识共享发生于多个主体之间,是与知识流动、交换、转化等有关的行为总和,目的在于有效完成工作或创新性地解决问题[13],知识共享是知识管理的核心,是知识创新的前提。从知识关系视角定义,知识共享是一个社会过程,参与主体获得新知识和连接,并将其转换为新能力和机会,促进彼此创新及建立竞争优势[14]。联盟组合之间知识共享有利于组织成员获取知识资源、增强竞争优势,是企业管理活动的重要内容之一。联盟组合内的成员贡献自身特有的知识,通过共享数据库、技术设备等知识产品,转让与交易专利、版权等知识产权,挖掘与交易技术派遣、人员流动产生的隐性知识等方式,激发联盟伙伴相互学习,进而增加合作经验、提高知识创新能力[15]。
知识共享研究内容则主要集中在以下3个方面:知识要素、共享主体和共享手段[16]。就知识要素而言,知识可分为显性知识和隐性知识两大类,显性知识包括产品外观、文件、数据库、公式和计算机程序等客观的、有形知识;隐性知识则包含文字、语言和图像等形式不易表达的主观知识[17]。对于不同类型的知识,其共享方式也各不相同。魏道江等[18]指出,显性知识能够被清楚地记录和编码,更容易得在组织成员之间进行交流和传递,而隐性知识不容易被量化或表达,难以在组织成员之间实现共享。就知识共享主体而言,倪国栋等[19]认为知识共享主体包括知识拥有者和知识接收者。其中,知识拥有者是拥有并传递知识的一方,是共享行为的主导者,知识接收者是接收和应用知识的一方,其需求和行为会直接对知识共享活动带来影响。就知识共享工具而言,主要包括共享技术和共享平台。共享技术包括编码技术、知识库技术和网络通信技术,能提高知识共享效率及效果,有利于隐形知识共享。共享平台可以为知识共享提供相应的基础设施和技术服务,是知识共享效率提升的基础,主要分为网络共享平台和非网络共享平台[20]。
学者们主要从联盟组合构型的质量、规模、多样性等特征维度展开讨论,虽然能在一定程度上反映联盟组合构型特征与焦点企业绩效之间的影响关系,但是变量选择较为单一,研究结论的系统性稍显不足。因此,本研究从结构嵌入角度出发,选取联盟组合规模、多样性和网络密度3个特征要素,旨在系统、全面地揭示联盟组合多维构型特征对焦点企业创新绩效的影响。
当前,联盟组合规模往往通过联盟数量反映,其与企业绩效的关系也得到一定认知。例如,Hoffmann[21]认为,与单个战略联盟相比,联盟组合具备多联盟优势,联盟组合规模越大越好,与更多企业建立合作关系才有可能实现规模和范围经济;徐建中等[22]研究指出,新创企业与大企业建立联盟的数量与其创新产出呈线性相关关系。
结构嵌入视角下,多样性作为联盟组合的另一个构型特征,包括伙伴成员多样性、资源异质性、行业多元性、治理多样性以及成员国际化程度等,表现为联盟合作伙伴的不同类型,侧重于从企业层面考察联盟企业之间资源异质性和成员多样性[23]。已有研究表明,联盟组合多样性的不同维度对企业绩效影响的差异显著,组织多样性和职能多样性对企业净利润有着正向影响[24];Mouri等[25]指出,联盟组合功能多样性提升,能使焦点企业在IPO后拥有更好的金融市场表现;Cui等[26]的研究表明,当资源可以跨越不同联盟进行共享时,联盟组合成员多样性可以促进焦点企业创新。
结构嵌入视角下,联盟组合构型的网络密度表示联盟网络中企业间联系的紧密程度,网络密度对企业绩效的影响在不同行业、不同情境中得到了实证检验。Rowley等[27]针对全球钢铁行业和半导体行业联盟活动的研究表明,联盟组合的网络密度与绩效之间的关系取决于企业所处的行业环境,当行业环境要求企业大量投资于开发活动时,企业联盟组合网络密度对绩效具有较明显的提升作用;张红娟等[28]研究指出,网络密度越高,企业间联系越紧密,越有利于企业有效利用共享知识和信息,对企业创新绩效具有促进作用。由此,提出以下假设:
H1:联盟组合规模与企业创新绩效呈显著正向影响;
H2:联盟组合多样性与企业创新绩效呈显著正向影响;
H3:联盟组合网络密度与企业创新绩效呈显著正向影响。
知识共享是知识转移和对知识的阐释,知识接收方通过学习实现共享知识获取、消化,转化为有价值的知识资产(陈涛等,2015)。一方面,知识共享促进企业内部人员之间学习交流,增强知识创造能力并提高知识流动水平;另一方面,知识共享促进企业合作,加快知识流动,提高企业创新绩效。专业知识、职业技能和经验能力等关键知识存量、流量及共享水平,将加速新知识与技术有效结合,进而转化为企业创新绩效。因此,本研究将从知识存量、知识流量和知识共享水平3个维度探讨知识共享影响联盟组合构型与企业创新绩效关系的作用机理。
企业作为创新主体,既是知识共享的接收方,也是知识共享的发送方。企业为提高自身创新绩效,需要积极地向其它企业学习、吸收新知识,并与自身知识整合、内化。也就是说,企业一方面要增加自身知识存量,另一方面又要增加与其它企业共享的知识流量。具体来讲,知识存量是指某阶段内一个组织或经济系统对知识资源的占有总量,反映了组织系统生产知识的能力和潜力,体现了组织系统的竞争能力。知识共享能增加共享各方的知识存量,反过来各方知识存量增加又会促进知识共享[29]。荣健等(2015)研究发现,知识存量具有重要作用,企业知识存量大,能更好地挖掘内部知识和把握外部市场机会,从而促进企业绩效提升。知识流量是某一阶段内流入和流出系统的知识资源数量,是企业知识存量的持续来源[30];方晓波[31]发现,知识流量越大,知识专精度越高,越能提升企业创新绩效,而知识共享水平反映了企业之间生产、交换和吸收知识的能力;简兆权等[32]揭示了知识共享水平对技术企业创新绩效的影响,指出充分的知识共享有助于提高合作企业新产品或新工艺开发速度,进而提高产量。由此,提出以下假设:
H4:知识共享对联盟组合构型和企业创新绩效的关系具有正向调节作用。
H4a:知识存量对联盟组合构型和企业创新绩效的关系具有正向调节作用;
H4b:知识流量对联盟组合构型和企业创新绩效的关系具有正向调节作用;
H4c:知识共享水平对联盟组合构型和企业创新绩效的关系具有正向调节作用。
基于联盟组合构型对企业创新绩效的影响论证,引入知识共享作为调节变量,本文提出理论模型如图1 所示。
图1 概念模型
研究样本选自成都市电子通信技术产业、医药制造产业等高技术产业的中小企业,问卷调查始于2015年。选择上述产业的原因在于,电子通信技术、医药制造等产业技术生命周期较短、技术资源依赖性高、行业联盟频率较高,调查数据更具可靠性和代表性。本次调研共发放问卷700份,回收576份,筛除无效问卷73份,最终获得有效问卷503份,有效回收率为71.85%。
(1)联盟组合构型。联盟组合构型量表由3个方面组成,分别为联盟规模、网络密度和多样性。联盟规模集体通过“企业与上下游之间合作往来单位数量”,“企业与主要同行企业之间往来合作单位数量”,“企业与大学、科研机构和咨询机构往来合作单位数量”,以及“企业与中介机构往来单位数量”4个题项测量;网络密度通过“网络合作伙伴大都存在直接联系”、“网络成员合作关系紧密”、“网络合作伙伴互相认识”3个题项测量;联盟组合构型多样性表现为企业在技术合作、营销合作及资源合作中,体现出联盟关系多样化程度。此外,本文设置3个题项,考察被调查企业分别与技术合作企业、营销合作企业及资源合作企业建立联盟关系的努力程度[33]。然后,采用Blau 指数对联盟组合多样性进行测度,该指数的公式为D=1-∑P2i,D代表伙伴关系多样性的程度,p代表所属类别的比例,i代表所属类别的编号。指数D 取值在[0,1]之间,得分越高表明多样性水平越高。
(2)企业创新绩效。根据BELL(2005)、RITTER等(2004)的研究,本文采用“与同行相比,我们常常在行业内率先推出新产品/新服务”;“与同行相比,我们常常在行业内率先应用新技术”;“与同行相比,我们的产品改进与创新有非常好的市场反应”;“与同行相比,我们的产品包含一流的先进技术与工艺”;“与同行相比,我们新产品开发成功率非常高”等5个题项对企业创新绩效进行测量。
(3)知识共享。知识共享量表主要借鉴学者张宝生等(2016)在对虚拟科技创新团队知识流动效率中的研究,具体包括知识存量、知识流量以及知识共享水平3个维度,共9个题项。
(4)控制变量。本研究选取研发投入强度、企业年龄和企业规模作为控制变量。其中,研发投入强度指企业当年研发投入与销售收入的比值;企业年龄指企业成立至问卷回收时的年份;企业规模指员工总数的自然对数。
以上变量均采用Likert 5级打分法测量。
信度即可靠性,主要用于考察检验结果的一贯性和一致性。本文运用SPSS 24.0,采用 Cronbach′s α 系数检验问卷信度,结果显示(见表1),问卷中各量表的Cronbach′sα 系数值均大于0.7,总问卷 Cronbach′sα 系数值为0.885,说明问卷题项具有较高的一致性,可靠性较好。
表1 问卷信度检验结果
变量Cronbach的 Alpha项目个数总问卷0.90827联盟规模0.7874多样性0.8033网络密度0.8013知识存量0.7923知识流量0.7023知识共享水平0.9013创新绩效0.8195
表2为各变量均值、标准差及相关系数,结果显示,相关系数在0.6以下,进一步分析计算显示容差范围为0.596~0.913,远大于临界值0.1,说明变量之间不存在严重的多重共线性。
从表2可以看出,首先,联盟构型下的3个变量与企业绩效正相关,系数接近0.5且在0.01水平上显著;其次,知识共享下的3个变量与企业创新绩效正相关,系数在0.5左右且在0.01的水平上显著。
上述结果为后续相关变量之间的关系分析、调节效应检验提供了必要条件。
表2 均值、标准差与相关系数
变量平均值标准差1234567891011.140.349123.190.393-0.197∗∗134.670.6130.177∗∗-0.210∗∗143.672 80.856 84-0.115∗∗-0.069-0.147∗∗1 53.540.918-0.0290.046-0.122∗∗0.504∗∗163.220 30.834 03-0.036-0.002-0.031467∗∗0.525∗∗173.530 90.742 57-0.136∗∗0.039-0.125∗∗0.385∗∗0.233∗∗0.348∗∗183.838 20.855 880.060-0.020-0.0050.155∗∗0.152∗∗0.166∗∗0.211∗∗194.145 50.586 92-0.037-0.033-0.0390.325∗∗0.168∗∗0.221∗∗0.258∗∗0.365∗∗1103.606 50.646 04-0.142∗∗0.000-0.0080.477∗∗0.394∗∗0.436∗∗0.547∗∗0.357∗∗0.458∗∗1
注:**表示在0.01水平(双侧)上显著相关,*表示在0.05水平(双侧)上显著相关。 1代表“研发投入强度”,2代表“企业年龄”,3代表“企业规模”,4代表“联盟规模”,5代表“多样性”,6代表“网络密度”,7代表“知识存量”,8代表“知识流量”,9代表“知识共享水平”,10代表“企业创新绩效”
本文运用层级回归法,以企业创新绩效为因变量展开实证分析。按照变量对因变量发挥作用的逻辑顺序,依次将变量加入回归方程,以更好地考察变量间的相互关系,使结论更具科学性[34],结果如表3所示。
以研发投入强度、企业年龄和企业规模为控制变量、企业创新绩效为因变量,构建模型1;模型2在模型1的基础上引入联盟组合构型(自变量);模型3在模型1的基础上引入联盟组合构型(自变量)下的3个变量,即联盟组合规模、网络密度和多样性;模型4在模型2的基础上引入知识共享(调节变量);模型5在模型2的基础上引入联盟组合构型与知识存量、联盟组合构型与知识流量以及联盟组合构型与知识共享水平的交互项。
表3结果显示,模型3与模型1相比,R2由原来的0.271变为0.437,说明模型3比模型1更具解释力。其中,联盟组合规模、多样性以及网络密度的回归系数分别为0.200、0.245和0.159,且在5%水平上显著,说明联盟组合规模、联盟组合多样性、联盟组合网络密度与企业创新绩效显著正相关,H1、H2和H3成立。
模型4与模型2相比,R2增大至0.422,说明模型4更具解释力。由此可知,知识共享对联盟组合构型与企业创新绩效关系发挥显著正向调节作用(β=0.840,ρ<0.01),H4得到验证。模型5在模型2基础上增加交互项后,R2由原来的0.174变为0.429,说明模型5比模型2更具解释力。
为进一步检验知识共享的调节作用,对联盟组合
表3 回归分析结果
因变量企业创新绩效变量模型1模型2模型3模型4模型5研发投入强度-0.123∗∗-0.092∗-0.096∗∗-0.095∗∗-0.086∗∗企业年龄-0.028-0.005-0.0070.013-0.002企业规模-0.095∗∗-0.033-0.039-0.016-0.016联盟构型0.500∗∗∗-0.242-0.136∗∗联盟组合规模0.200∗∗多样性0.245∗∗网络密度0.159∗∗知识共享0.840∗∗∗联盟组合构型×知识存量0.437∗∗∗联盟组合构型×知识流量0.240∗∗∗联盟组合构型×知识共享水平0.303∗∗∗F4.62347.57130.24374.29356.330R20.0260.2710.2630.4220.437调整后R20.0210.2660.2540.4160.430
注:***表示在0.001水平(双侧)上显著相关,**表示在0.01水平(双侧)上显著相关;*表示在0.05水平(双侧)上显著相关
构型、知识共享水平、知识流量和知识存量的相关数据进行标准化处理,得到3个交互项——联盟组合构型×知识共享水平、联盟组合构型×知识存量、联盟组合构型×知识流量。结果表明,知识存量(β=0.437,ρ<0.01)、知识流量(β=0.240,ρ<0.01)及知识共享水平(β=0.303,ρ<0.01)对联盟构型与企业创新绩效关系存在显著正向调节作用,H4a、H4b和H4c得到验证。
(1)联盟组合规模与企业创新绩效显著正相关。联盟组合规模越大,联盟组合规模网络延伸度较广,企业能与更多企业或组织建立起联盟关系。在该关系网中,企业可以通过沟通、交流及合作,获得更多有价值信息和资源,并根据市场情况针对性地制定创新导向。同时,积极与大学、科研机构、咨询机构等展开合作,吸收创新理念、获得技术支持,在某种程度上建立“产学研”一体化创新体系,以确保企业创新发展的长期性与稳定性。
(2)联盟组合多样性与企业创新绩效显著正相关。联盟组合多样性越高,意味着处于联盟组合网络中的成员组合越多元化。企业不仅能与同质企业和组织合作,还能与其它领域的组织进行交流合作。一方面,提供了新的信息获取途径,企业通过对不同领域的信息和外部资源整合、利用,促进创新发展;另一方面,多样化的联盟组合构成更有利于企业与联盟组合网络中的其它成员建立联系,共同应对来自复杂社会网络的各种风险,进而提高自身综合能力,营造稳定的创新绩效发展环境。
(3)联盟组合网络密度与企业创新绩效显著正相关。联盟组合网络密度越高,意味着联盟网络中的企业和成员间直接联系度和熟悉度越高。直接联系度高表明成员之间存在共同的利益目标,彼此的合作动机更强,认知一致性更高,更有利于后续交流与合作。熟悉度高则有利于减少交流合作过程中的冲突与摩擦,促进企业创新绩效提升。此外,紧密的合作关系有利于成员再次合作,进而构建长期、稳定的联盟组合网络。
(4)知识存量对联盟组合构型与企业创新绩效关系具有显著正向调节作用。联盟知识存量越大,知识流动和知识共享越频繁,知识生产能力越强、潜力越大,竞争力和创新绩效也会随之提高。可以说,联盟知识存量是知识流动和知识共享的基础。
(5)知识流量对联盟组合构型与企业创新绩效关系具有显著正向调节作用。知识流量越大说明联盟构型中每个成员能接收和流出的知识信息量越大。该流动过程有助于营造良好的联盟企业间相互学习氛围,对企业创新绩效提高具有正向促进作用。
(6)知识共享水平对联盟组合构型与企业创新绩效关系具有正向调节作用。高水平的知识共享表明信息能在联盟组合网络中顺畅流动,每一位网络成员都愿意共享、能够接受有价值的信息,进而促进企业创新发展。此外,高水平的知识共享有利于信息交互,能更好地发挥信息聚集的正面效应,为企业创新绩效提高提供新思路、指明新方向。
联盟组合构型是企业在激烈竞争中抵御外部风险和促进内部自身发展的有效模式选择。在联盟组合网络形成过程中,企业应注重通过扩张联盟组合规模、选择多元化的合作伙伴、提高联盟组合网络密度,构建稳定的联盟组合网络。同时,企业也应重视联盟成员之间的信息共享,通过不断提高知识共享水平提高自身和网络整体创新绩效。由此,得到以下实践启示:
(1)企业应根据自身需要寻找联盟伙伴,加强与同行企业、高等学校和科研机构的交流, 根据共同的利益导向开展合作,充分利用联盟伙伴经验提高自身创新绩效。在联盟规模扩张过程中,应不断完善相应的利益分配机制,以保证网络的稳定性。
(2)企业还应加强与不同行业、不同领域企业或组织的交流与合作,注重提高合作伙伴的多样性,以获取多元化的外部信息和资源。但同时,企业也要遵循适度性原则,避免过度多元化带来的结构冲突。
(3)联盟组合网络形成后,企业应定期与联盟成员进行沟通合作,以加强彼此间的信任。企业可通过定期开展信任评估的方式,了解联盟成员间的信任水平,找到阻碍信任度提升的关键问题并加以解决。
(4)加强与联盟成员间的知识共享,打造信息、资源集聚平台,建立知识共享和创新交流机制。此外,在信息传播交流过程中,还需注意对信息的甄别和筛选,过滤掉可能妨碍企业创新绩效提高的无用信息。
本研究基于知识共享视角,通过构建概念模型,实证分析了联盟组合构型对企业创新绩效的影响,得到一些结论,但仍存在一些不足:首先,受研究条件限制,仅在成都地区高新技术产业获取相关企业数据,而样本数据偏少且受到地区和行业限制,可能导致研究结果普适性不足,未来可从不同地区、不同行业获取相关数据展开实证研究;其次,指标选取有待进一步优化。例如,联盟组合构型不仅可以用内部指标考虑其规模多样性和密度,还可以从外部异质化视角进行测度。
[1] 于晓敏.中国情境下知识共享与企业创新绩效建关系的元分析[J].技术经济,2017(3):46-53.
[2] 陈涛,朱智洺,王铁男.组织记忆、知识共享与企业绩效[J].研究与发展管理,2015(2):43-55.
[3] 周佳,陈劲,梅亮.联盟组合:源起、研究前沿和理论框架[J].外国经济与管理,2017(6):83-97,128.
[4] BAUM J A C, CALABRESE T, SILVERMAN B S. Don’t go it alone: alliance network composition and startups performance in Canadian biotechnology[J]. Strategic Management Journal,2000(2):267-294.
[5] 董微微.联盟组合的形成机理研究——基于复杂网络视角[J].工业技术经济,2017(5):126-130.
[6] HAGEDOORN JOHN,CLOODT MYRIAM. Measuring innovative performance: is there an advantage in using multiple indicators?[J].Research Policy,2003(8):1365-1379.
[7] 李敏,刘晨韵,程杨.网络位置与高新技术企业创新绩效——以江西省为例[J].华东经济管理,2017(8):25-33.
[8] 郑烨,杨若愚,姬晴晴.企业创新绩效国内外研究文献的十五年评述与展望[J].中国科技论坛,2017(3):73-80.
[9] 张玉臣,吕宪鹏.高新技术企业创新绩效影响因素研究[J].科研管理,2013(12):58-65.
[10] 赵喜洋,刘雅琴.湖北省高新技术企业科技企业创新绩效评价研究[J].科技进步与对策,2017(22):133-140.
[11] 余泳,陈龙,王筱.中国区域高技术产业企业创新绩效测度与评价——基于因子分析和空间计量模型的实证分析[J].西安财经学院学报,2015(2):39-46.
[12] 关皓元,梁勤儒,谷雨.区域创新环境对广东工业专业镇企业创新绩效影响实证研究[J].科技管理研究,2016(9):94-99.
[13] WANG S,NOE R A. Knowledge sharing: a review and directions for future research[J]. Human Resource Management Review,2010(2):115-131.
[14] SCHIUMA G,MOUSTAGHFIR K.Knowledge, learning, and innovation: research and perspectives[J]. Journal of Knowledge Management,2013(8):495-510.
[15] 周永红,吴银燕,宫春梅.基于企业联盟的知识共享模式分析[J].情报理论与实践,2014(12):46,57-60.
[16] 谢卫红,屈喜凤,李忠顺,等.知识共享国内研究综述[J].现代情报,2014(4):170-176.
[17] 周城雄.隐性知识与显性知识的概念辨析[J].情报理论与实践,2004(2):127-129.
[18] 魏道江,李慧民,康承业.基于解释结构模型的知识共享影响因素分析[J].情报科学,2015(7):92-97.
[19] 倪国栋,黄付帅,张天宇,等.组织内部知识共享影响因素之主体因素研究综述[J].图书馆理论与实践,2015(10):21-25.
[20] 倪国栋,冯彤瑶,陈子豪,等.组织内部知识共享影响因素之环境因素研究综述[J].图书馆理论与实践,2015(10):22-26.
[21] HOFFMANN W H. Strategies for managing a portfolio of alliances[J]. Strategic Management Journal,2007(8),827-856.
[22] 徐建中,武建龙.联盟组合研究评述[J].软科学,2013(7):118-122.
[23] 余菲菲.联盟组合多样性对技术创新路径的影响研究——基于科技型中小企业的跨案例分析[J].科学学与科学技术管理,2014(4):111-120.
[24] JIANG R J, TAO Q T, SANTORD M D. Alliance portfolio diversity and firm performance[J]. Strategic Management Journal,2010(10):136-144.
[25] MOURI NACEF, SARKAR M B, FRYE MELISSA. Alliance Portfolios and shareholder value in post-IPO firms: the moderating roles of portfolio structure and firm-level uncertainty[J]. Journal of Business Venturing,2012(3):355-371.
[26] CUI ANNA S, O CONNOR GINA. Alliance portfolio resource diversity and firm innovation[J]. Journal of Marketing,2012(4):23-43.
[27] ROWLEY T. Redundant governance structures: an analysis of structural and relational embeddedness in the steel and semiconductor industries[J]. Strategic Management Journal,2000(21):369-386.
[28] 张红娟,谭劲松.联盟网络与企业创新绩效:跨层次分析[J].管理世界,2014(3):163-169.
[29] 谢永平,毛雁征,张浩淼.组织间信任、网络结构和知识存量对网络企业创新绩效的影响分析——以知识共享为中介[J].科技进步与对策,2011(24):172-176.
[30] 李顺才,邹珊刚,常荔.知识存量与流量:内涵、特征及其相关性分析[J].自然辩证法研究,2001(4):42-45.
[31] 方晓波.知识流通与企业创新绩效关系研究——以在孵科技型小微企业为例[J].技术经济与管理研究,2015(2):25-28.
[32] 简兆权,刘荣,招丽珠.网络关系、信任与知识共享对技术企业创新绩效的影响研究[J].研究与发展管理,2010(2):64-71.
[33] 江玮,王奎.战略联盟组合与企业绩效的关系研究——基于创业机会理论的视角[J].厦门大学学报:哲学社会科学版,2014(6):64-73.
[34] 龙立荣.层级回归方法及其在社会科学中的应用[J].教育研究与实验,2004(1):51-56.