知识转化与企业创新绩效关系的实证研究

宋美玲， 程钧谟， 蒋 兵

(山东理工大学 商学院， 山东 淄博 255012)

创新绩效是企业创新行为成果的最终反映，在当今竞争日益白热化的市场环境下，创新绩效对企业的发展来说至关重要.基于知识的观点，知识转化是企业创新的逻辑起点，不仅关系到产品和技术创新的成败，而且直接影响到企业创新绩效的获取.因此，为了提高企业创新绩效、提升企业竞争力，研究知识转化与创新绩效间的作用关系已成为重要问题.

纵观现有的相关研究，笔者发现大部分文献都集中在知识转移与知识共享对创新绩效的影响方面，对知识转化与创新绩效关系的研究较少.张同建等通过研究揭示了知识转化与企业核心能力的作用，最终得出知识组合化对东西部企业核心能力促进作用最强、外显化和内隐化次之、社会化功能最弱，从而为企业加强知识转化、提高核心能力的差距提供了现实性的理论策略[1].基于目前理论界对知识转化与创新绩效作用研究较为匮乏的现状，本文将构建知识转化与企业创新绩效之间的关系模型，深入挖掘知识转化对创新绩效的作用机理，以期为企业提高创新力和竞争力提供积极的理论依据和实践指导.

1 理论背景

1.1 知识转化

知识具有多种形式，在发展过程中其往往会在不同的形式间进行转变.Polanyi将知识划分为显性知识和隐性知识.显性知识易于编码和传播，而隐性知识则是高度内化于个人头脑和组织之中的知识，往往难以表达、不易传播和获取.Anita R Kothari认为隐性知识是人头脑中常常是人们自己也不知道的知识[2].企业的核心技术大多数都以意会知识的形式存在于企业的部分人员(如技术专家、研发人员等)的头脑中，需个人花费精力去进行编码与结构化，才能被他人学习和掌握.这些知识可以用于解决企业的技术难题并可能产生新技术，是提升创新绩效的关键所在.因此，有效的知识转化可以提高企业的创新力与创新绩效.Nonaka将知识转化理解为由显性知识与隐性知识间互动主导的社会化、显性化、组合化和内在化的动态过程[3]，即SECI模型，该模型得到学术界与实业界普遍认同，本文也基于此模型进行知识转化量表的设计.

1.2 企业创新绩效

1991年，熊彼得率先提出“创新”这一概念.自此，与创新相关的研究广泛展开，创新绩效也成为很多学者研究的焦点.创新绩效是指企业对已有生产要素的改进、组合以及新概念的生成到投入市场整个过程所取得的包括发明、技术以及创新等方面绩效.对于创新绩效的衡量目前理论界尚未形成统一的观点.国外一些学者认为创新绩效的衡量方法通常包括 R&D投入、创新支出总额、专利引用、专利和新产品数量等；国内一些学者则指出可以用专利数、创新产品数量和创新产品销售比例等指标来衡量.笔者在参考国内外已有的研究成果并结合本文特定背景的基础上设计创新绩效量表.

2 研究设计

2.1 假设提出

在所有的知识活动中，知识转化活动是最具实践意义的，Nonaka提出的SECI模型将知识转化活动解构为社会化、显性化、组合化和内在化，这四个阶段的运动是循环往复的，在这个过程中企业知识存量得到增加，质量得到升，新知识产生，创新绩效也将得到提高.通过四种模式的转化，企业知识会形成一种循环递进的知识转化和知识创造的动态上升过程，最终实现企业提高创新绩效、提升竞争力的目的.因此，笔者提出以下假设：

H1社会化对企业创新绩效具有正向提升作用.

H2显性化对企业创新绩效具有正向提升作用.

H3组合化对企业创新绩效具有正向提升作用.

H4内在化对企业创新绩效具有正向提升作用.

2.2 量表设计

本研究的量表均是在参考国内外已有研究的基础上建立的，采用Likert-5点量表形式，“1”表示完全不符合，“5”表示完全符合，并运用SPSS20.0和AMOS21.0对收集到的数据进行统计分析.为了保证问卷的有效性，笔者首先在MBA学员中进行访谈和预调查，对预调查问卷的分析得到各量表的Cronbach's Alpha均在0.7以上，说明问卷具有较好的内部一致性，最终确定正式调查问卷的内容，具体如下：

对于知识转化的衡量，目前学术界大多根据Nonaka的SECI模型，从知识的社会化、外显化、组合化以及内在化四个维度进行量表的设计.参照Nonaka、林昭文[4]以及简传红和张同健[5]的研究，本研究对知识转化四个维度量表设计的内容见表1.

表1 知识转化量表

参考Hagedoornhe[6]、张方华[7]等学者的研究，创新绩效量表内容见表2.

2.3 模型构建

综合以上内容，设知识社会化为ξ1，知识外显化为ξ2，知识组合化为ξ3，知识内隐化为ξ4，企业创新绩效为η.根据研究假设与量表内容，笔者将知识转化与企业创新绩效的关系模型构建如图1所示.

图1 研究模型

变量名称编号量表内容创新绩效IPIP1通过有效地知识转化,本企业开发新产品的数量更多IP2通过有效地知识转化,本企业开发新产品的速度更快IP3通过有效地知识转化,本企业新产品的市场占有率更高IP4通过有效地知识转化,本企业开发新产品、新技术的销售额占总销售额的比重更大

3 模型验证

3.1 样本来源和数据收集

本文以知识密集型企业为调查对象，通过发放问卷和网络发布等方式搜集数据.调查地区包括山东、江苏、河北、上海等省市.共发放问卷300份，其中实地发放问卷150份，网上发放问卷150份；实际收回问卷176份，回收率为58.8%；有效问卷154份，有效率为51.3%；对实地发放问卷和网上问卷进行T检验得出二者无显著差异，可以合并分析.

3.2 信度和效度分析

首先要对量表进行信度和效度的分析，以保证其可靠性和有效性.信度通常用Cronbach's Alpha值和CITC值来检验，一般要求Cronbach's Alpha值达到0.7以上，CITC值则不小于0.3.从表3可知：各量表最小Cronbach's Alpha值为0.744；社会化量表的最小CITC值为0.636，外显化量表的最小CITC值为0.569，组合化量表的最小CITC值为0.508，内隐化量表的最小CITC值为0.501，创新绩效量表的最小为0.515，CITC值均在0.5以上.综上说明问卷具有较好的信度.

表3信度和效度分析结果

问卷的效度包括内容效度和结构效度.本文的量表题项都参考了国内外已有的相关研究，因而具有良好地内容效度；结构效度则通过因子分析取得.笔者对收集到的数据进行因子分析，共提取5个因子，各项因子载荷见表3；同时得到KMO值为0.794，Bartlett的球形度检验(p<0.01)，表明该问卷具有较好的区分效度.

3.3 模型检验

相关分析的主要目的是测量两变量是否相关、相关方向以及密切程度，本文以各构念题项的平均值反映该构念的整体水平，采用Pearson相关分析法来检验各变量的相关性，结果显示各变量均在0.01水平上显著相关，模型不需修订.各构念的均值、标准差和相关系数见表4.

本文采用SPSS20.0和AMOS21.0对原假设进行检验和路径分析.结构方程模型(Structural Equation Modeling)是通过计算变量的协方差矩阵来分析一个或多个变量间关系的一种数据分析工具，它综合了回归分析、路径分析和验证性因子分析等多种方法，被广泛应用于各个研究领域.本文所建立的模型包括4个外因变量(ξ1、ξ2、ξ3、ξ4)，14个外生变量指标；一个内生变量(η)，4个内生变量指标；10条因果路径.表5给出了各项拟合指数，结果显示各项拟合指数基本达到要求，RMSEA为0.0698虽然略大于0.05，但仍符合小于0.1的最低要求，因而模型拟合效果良好.最终分析结果见图2，各项假设均已通过验证，整理结果见表6.

表4 相关性分析

注：**在0.01水平(双侧)上显著相关；样本数N=154.

表5 拟合指数表

表6 模型检验

图2 结构方程分析结果

4 结论与建议

实证研究结果显示，知识转化对企业创新绩效具备一定的促进作用，从路径系数上看，知识转化四个维度中除了外显化系数较低以外，其他三个维度的系数相差不是很大.首先，SECI模型的四个环节本来就是一个相互作用、循环往复的动态过程，社会化的实现难度最大，却是对创先绩效促进作用最显著的环节，这就要求企业尽量创造有利于员工之间、部门之间广泛交流的环境，构建更广阔的经验交流平台，以便于知识化的实现；其次，组合化的促进作用仅次于社会化，企业应重视相关经验、技术资料的校对和整合，从而有利于激发组合创新；再次是知识内隐化对创新绩效的促进作用，企业的创新最根本的还是要依赖于员工，这就要求企业高度注重员工专业知识和先进技术的培训，为创新绩效的获取提供源动力；虽然知识外显化的促进作用较为薄弱，但这并不意味着企业可以忽略这一环节，员工将个人隐性知识通过文字、图片等格式化的有形资料，其他员工才能在参考学习的过程中激发自身的创新能力.

本文通过实证研究验证了有效地知识转化对提升企业创新绩效的正向作用，为企业提供了一定的实践指导.知识转化对创新绩效的影响是一个复杂的动态过程，其间可能受到其他因素的影响，未来的研究可以尝试在模型中加入中介变量进行验证.

[1] 张同建,赵健.我国东西部企业知识转化绩效比较研究[J].科学学与科学技术管理, 2011,29(4): 130-134.

[2] Anita R Kothari, Julia J Bickford, Nancy,etal. Uncovering tacit knowledge: A pilot study to broaden the concept of knowledge in knowledge translation [J]. BMC Health Services Research，2011(11)：198-200.

[3] Nonaka I. A dynamic theory of organizational knowledge creation[J]. Organization Science, 1991,5(1): 14-37.

[4] 林昭文,张同健．基于微观知识转化机理的核心能力形成研究[J]．科学学研究,2009,6(4):800-805

[5] 简传红,张同健．基于核转化元的知识转化测度模型生成分析[J]．研究与发展管理，2009,21(2):39-47

[6] Hagedoorn J, Cloodt M. Measuring innovative performance:is there an advantage in using multiple indicators [J]. Research Policy, 2003, 5(4): 445-452.

[7] 张方华.资源获取与技术创新绩效关系的实证研究[J].科学学研究, 2006, 24(4): 635-640.