校企合作创新网络学习机制影响因素实证研究

王文亮，郭 丁，肖美丹，吴 静

（河南农业大学信息与管理科学学院，河南 郑州 450002）

一、引言

校企合作创新网络是指由基本创新主体、辅助主体及外部环境构成的开放式系统，即以大学和企业为基本创新主体，以政府、金融机构、中介机构等为辅助主体，各主体以共同利益为基础，以资源共享或优势互补为前提，在技术创新的全过程或某些环节共同投入、共同参与、共享成果、共担风险，通过与外部环境的交互作用，实现技术研发、成果转化、咨询服务等创新活动的组织形态[1]。而校企合作创新网络的学习机制是指校企合作创新网络各个层次中的各个要素成员之间知识流动的渠道和作用方式[2]，即网络内各节点要素（即网络成员，包括高校、企业、政府、金融机构、中介机构等组织）通过复杂的联结、相互作用与相互影响等动态互动过程，产生新的知识，并在网络内获取、共享、应用知识，使得各个网络成员的创新能力得以提升，组织的行为和绩效不断改善的过程[3]。

在校企合作创新网络中，各个网络成员在不断地进行着相互学习，但企业是最主要的学习主体，而高校是主要的学习源，高校把知识传递给企业，企业的学习效果如何，既取决于学习源（高校）和学习主体（企业）双方各自的因素，又取决于企业所学习的知识本身的特性，还取决于企业学习过程中的情境等因素。但是，无论是高校还是企业，在校企合作创新网络中，他们都是网络中的一个成员，都属于个体，因此，文章把学习源-高校和学习主体-企业两方面的因素，归纳为网络成员的个体性因素。企业在向网络中其他成员（主要是高校）学习的过程中，难免会与其他成员产生交互关系，这些关系既包括能够促进组织学习的友好互动关系（文章称之为相容因素），也包括网络成员之间因各种距离而产生的阻碍组织学习的因素（文章称之为相斥因素），文章将这类因素总结为网络成员的容斥性因素。此外，企业学习的知识特性、网络特征也会影响企业学习的效果，所有这些因素都是影响校企合作创新网络学习机制的因素，它们共同构成了本研究概念模型中的自变量，因变量是组织间学习效果。在校企合作创新网络中，企业是主要的学习主体，所以本研究从企业的视角考察网络学习的效果，以实地访谈和大量的文献调研为基础，对校企合作创新网络的学习效果进行评价。

二、研究假设

1.网络成员的个体性因素

在校企合作创新网络中，网络成员的个体性因素主要是分析网络中的核心成员——高校和企业双方在知识共享和学习上的动机和能力对组织学习效果的影响因素。

（1）学习源——高校的个体性因素

在校企合作创新网络中，高校作为企业学习知识的来源，必然会影响组织间的学习效果。学者们对知识提供方进行分析的构面主要有知识转移意愿、知识转移动机、知识保护程度、知识转移能力、沟通能力、编码能力、知识转移经验等。本研究选取知识转移动机和知识转移能力这两个构面，来分析网络知识的提供方——高校对校企合作创新网络中组织间学习效果的影响。

（2）学习主体——企业的个体性因素

在校企合作创新网络中，企业作为学习的主体，也即知识受体，对组织间学习效果的影响至关重要。学者们对知识受体情境的相关因素进行了研究，主要有受体动机、吸收和学习能力、意图、合作经验、保持能力。依据以往学者的研究成果，文章从中选取学习动机、学习能力两个要素，来分析学习主体-企业对校企合作创新网络中组织间学习效果的影响。

2.网络成员的容斥性因素

在校企合作创新网络中，高校和企业之间的学习属于组织间的学习，而组织间学习是突破单个组织边界的知识转移活动，所以，学习效果不仅取决于知识发送方和知识接收方两个单独组织的个体性因素，而且也受到组织间相容相斥因素的影响。网络成员的相容性因素指高校和企业两个网络成员之间的信任、沟通等关系相容因素及知识文化距离、地理距离等距离相斥因素。

（1）相容因素——校企之间关系

高校和企业两个组织间的关系因素包括信任关系和沟通关系。信任可以减轻校企合作双方对知识的保护意识，同时相互信任的氛围有利于校企之间信息的自由交流，为校企双方提供有利的学习环境。沟通是校企之间建立友好关系的黏合剂。在校企合作创新网络中，网络成员之间公开、真实的信息交换至关重要。因此当高校和企业为一个共同的目标进行合作时，通过频繁的互动与信息交换，校企双方能够识别并发现更多的机会，这些机会反过来又增强了信任感。

（2）相斥因素——校企之间距离

高校和企业两个组织间的距离因素包括知识距离、组织距离和地理距离。知识距离是指知识发送方的知识与体系在多大程度上与接受者相似，也即知识发送方与知识接受方在固有知识基础上的“落差”或彼此知识基础的相似程度。组织距离是不同组织在商业惯例、制度传统以及文化等方面的差异[4]。高校与企业属于两类不同性质的组织，双方在组织文化、行为准则等方面都存在着差异，这些都构成了高校与企业间的组织距离。在校企合作中，组织距离主要通过文化距离来体现。知识源与知识接受者在文化上差异的大小称为文化距离，每一组织都具有符合自身特点的文化，组织间由于制度结构的差异，其组织文化往往也不相同[5]。在校企合作中，企业与高校之间的文化距离表现得非常突出，例如，企业不太讲究技术的先进性，实用、低价、可靠是追求目标，而大学往往追求技术领先，这种价值观的差距会影响到双方合作，从而影响知识转移[6]。此外，校企之间的地理位置相距越近，就越容易发展各种关系，通过这种关系可以促进校企之间互动，促进信息交流，从而有利于企业的学习，特别是隐性知识的学习。

3.网络知识的特性因素

在校企合作创新网络中，企业进行组织学习时，由于高校传递的知识本身构成成分非常复杂，所以企业的学习具有很大的模糊性。Simonin[7]将知识的特性表述成内隐性/默会性、复杂性、专属性/特殊性这三种特性。Cummings&Teng[8]将知识特性分为知识的可表达性和知识的嵌入性两方面。由以上研究可见，关于知识特性的分类方法有很多，具体到组织间学习的影响因素研究中，对知识特性的描述主要有“模糊性”、“可表达性”、“特殊性”、“嵌入性”、“默会性”、“可编码性”、“复杂性”、“独立性”等。问掌柜将知识的特性概括为知识模糊性，知识的模糊性体现在内隐性、复杂性、专属性上。

4.网络组织的结构性因素

校企合作创新网络组织的结构性因素指创新网络的组织结构特征影响组织学习效果的各种因素，主要体现为网络中心度和网络规模[9]。网络中心度不但描述了网络主体间的直接联结，也表明了间接联结，可以通过评估主体企业与其他网络成员（包括高校、政府、中介机构）的有效距离来计算；网络规模是绝对值，通常用已经和企业建立交流与合作关系的高校、政府、中介机构以及金融机构的数量来衡量。

5.本研究的假设

根据以往学者的研究，文章提出的假设汇总如表1。

表1 研究假设汇总表

三、研究设计

1.实证模型

基于以上的假设，文章构建了如图1所示的实证模型。

图1 本研究的实证模型

2.变量的测量

为了确保测量工具的信度和效度，本研究尽可能使用国内外现有文献已经使用过的量表，再根据文章的研究内容加以修正。文章沿用的量表及题项见表2。

3.数据来源

为了获得高质量的数据，文章对调查问卷的发放区域、发放渠道、发放对象等进行了合理的控制，以保证信息的有效性。在发放区域上，全部企业集中在河南省。在发放渠道上，采取实地发放、邮寄、电子邮件等多种方式。在发放对象上，主要针对参加过校企合作项目的企业技术研发部人员，从而保证问卷填写者对企业参与合作创新的情况有全面了解。在问卷发放时，选取河南省150家创新型企业，共发放问卷150份，回收有效问卷76份，有效回收率50.67%。

表2 变量量表来源

4.统计数据的分析方法

文章对回收的问卷数据进行统计分析，统计数据的分析方法主要包括描述性统计分析、信度和效度检验以及多元线性回归分析。描述性统计分析主要是对样本企业的基本资料进行统计分析，说明变量的百分比及次数分配表等，从而描述样本的类别、特性以及比例分配等状况。信度是衡量问卷的一致性和稳定性，本研究用Cronbach'sα系数来分析，对每个变量所对应的题项通过计算Cronbach'sα系数来评价问卷的信度。效度是指测量的正确性和有效性，即测量工具能正确测量出所要衡量的问题的程度，包括内容效度和结构效度。通过信度和效度检验，进一步对模型进行回归分析。由于文章的研究变量较多，因此，分别采用按变量分类回归和逐步回归方法，对自变量和因变量之间的关系进行分析，以验证文章提出的研究假设。

5.统计数据的分析工具

文章在查阅国内外文献的基础上，提出了自变量与因变量间的研究假设，并建立了文章的研究概念模型。通过问卷和文献数据的收集，对数据进行分析从而进行模型检验。文章采用统计学软件SPSS19.0软件对变量进行因素分析，以便变量进行后续的分析，然后再对模型进行相关假设检验。

四、实证结果分析

1.描述性统计分析

本研究将回收的有效问卷中关于样本的一般信息进行了描述性统计分析，包括企业的产权性质、规模，校企合作的时间、合作方式等特征加以分析，样本的基本情况如表3所示。从该表可以看出，文章调查的企业在产权性质、规模等方面涵盖了各种类型。从合作时间上来看，校企合作项目时间在2-3年的居多，所占比例42.11%，1年之内的最少，仅占13.16%。从合作方式上来看，文章根据李克明(2006)的研究，按照校企合作的紧密程度，将合作方式划分为技术转让、合作开发、共建实体三种形式，从技术转让到合作开发再到共建实体，校企之间的合作关系越来越紧密。在调查的样本中，合作开发的合作方式所占比例为92.11%，这说明我国目前的校企合作关系大部分还是处于适中的程度，高校和企业之间的关系不是太紧密，也不是太松散。

2.信度与效度检验

表3 样本描述性统计

信度检验是对量表题项所测得结果的可靠性或稳定性进行检验，是对测量结果而非量表进行的检验，体现为题项内部一致性。量表的信度越大，其测量的误差就越小。常用的检验信度的方法是L.J.Cronbach所创的α系数。α系数介于0与1之间，α系数越大，说明量表越具有高的一致性，测量结果就越可靠。一般来说，对于由多层面构成的量表，分量表的α系数至少要在0.50以上，而整份量表的α系数至少要在0.70以上，才属于可接受的信度，适合做因素分析[21]。

效度检验是对测量结果的有效性检验，即对量表能够测出其所要测量特质的程度进行的检验。量表效度主要包括内容效度和结构效度。因为问卷内容大部分都是沿用前人的量表，并且已经多次修改，保证了本研究的内容效度，因此本文主要检验量表的结构效度。检验结构效度最常用的方法是因素分析法。因为因素分析法可以判断同一变量的不同测度题项之间是否存在较强的相关性，并且可以简化数据的基本结构。文章采用KMO统计量和Bartlett球体检验的大小检验各题项相关性的大小。一般而言，KMO统计量至少在0.60以上，Bartlett球体检验达到0.05显著水平，才可以进行因素分析[21]。

（1） 信度检验

对文章的各个量表，运用因素分析中的主成分分析法，配合最大方差法进行直交转轴，因素抽取时，采用抽取特征值大于1的因素和限定抽取共同因素两种方法，将两种方法抽取的结果与原先编制的量表比较，选取最接近量表的抽取方法抽取的结果。因素分析过程中，删除了一些题项，并且保证了所有的因素负荷量在0.3以上，累积解释量均大于到50%，说明所提取的共同因素可以有效地反映题项变量。因素分析的结果，提取了文章的11个自变量(X1，X2，…，X11)和1个因变量(Y)。确定了各量表的题项数之后，进一步对各量表进行信度检验。信度检验结果见下表4。从该表可以看出，各个量表的内部一致性α系数值均大于0.7，表明分层面量表内部一致性甚佳。

（2） 效度检验

对量表的效度检验，文章主要检验其结构效度，采用KMO统计量和Bartlett球体检验方法。本研究中各量表的KMO统计量及Bartlett球体检验结果见表5。从表中可以看出，所有的量表KMO统计量均大于0.7，Bartlett球体检验结果的显著性概率值均为0.000<0.05，说明总体的相关矩阵间有共同因素存在，可以进行因素分析。

表4 量表信度检验

3.按变量分类回归分析

在待检验的模型中包括网络成员的认知性因素、网络成员的相容性因素、网络知识的特性因素和网络组织的结构性因素四大类变量，先分别对各类变量进行回归分析，然后通过逐步回归对所有变量进行分析，以检验各变量在所属类别中以及在全部变量中的相对重要性。

（1）网络成员的个体性因素与组织间学习效果的回归分析

网络成员的个体性因素包括高校的知识转移动机和能力、企业的学习动机和学习能力共4个因素，4个因素与组织间学习效果的回归结果见表6。从表中可以看出，变量X2（高校的知识转移能力）和X4（企业的学习能力）是显著的预测变量，而X1（高校的知识转移动机） 和X3（企业的学习动机） 对组织间学习效果的影响并不显著。其中，对因变量Y影响最大的是变量X4（标准化回归系数为 0.467，P=0.000<0.001），其次是变量X2（标准化回归系数为0.275，P=0.022<0.05），在0.05的水平上显著。模型中VIF<10，容限度大于0.1。数据分析结果显示，企业的学习能力对组织间学习效果的影响高于高校的知识转移能力，而知识转移能力的作用远远高于知识转移动机的作用，企业的学习动机对组织间学习效果的影响很微弱。因此，不考虑其他变量组时，本次研究收集的数据支持假设H1b、H2b，不支持H1a、H2a。即高校的知识转移能力和企业的学习能力与组织间学习效果正相关这两个假设得到验证。而高校的知识转移动机和企业的学习动机与组织间学习效果正相关这一假设没有得到证实。

表5 量表效度检验

表6 网络成员的个体性因素与组织间学习效果的回归分析

（2）网络成员的容斥性因素与组织间学习效果的回归分析

网络成员的容斥性因素包括高校与企业的信任和距离两大构面，共四个因素。四个因素与组织间学习效果的回归结果见表7。从表中可以看出，变量X5、X6、X7是显著的预测变量，而X8对组织间学习效果的影响并不显著。其中，对因变量Y影响最大的是变量X7（标准化回归系数为-0.409，P=0.000<0.001），其次是变量X6（标准化回归系数为0.386，P=0.000<0.001）、 X5（标准化回归系数为 0.306，P=0.000<0.001）。模型中VIF<10，容限度大于0.1。数据分析结果显示，校企之间的知识文化距离、沟通关系、信任关系对组织间学习效果的影响都非常显著，而校企之间的地理距离对组织间学习效果的影响不是很大。因此，不考虑其他变量组时，本次研究收集的数据支持假设H3a、H3b、H4a，不支持H4b。即校企之间的信任、沟通与组织间学习效果正相关、校企之间的知识文化距离与组织间学习效果负相关这3个假设得到验证。而校企之间的地理距离与组织间学习效果负相关这一假设没有得到证实。

（3） 网络知识的特性因素

网络知识的特性因素经过因素分析只得到一个构面，其与组织间学习效果的回归结果见表8。从表中可以看出，变量X9对组织间学习效果的影响达到显著水平，标准化回归系数为-0.737，P=0.000<0.001)。总体来说，该模型解释了因变量较多的总变差(调整的R2=0.497)。因此，不考虑其他变量组时，本次研究收集的数据支持假设H5。即网络知识的模糊性与组织间学习效果负相关这个假设得到验证。

（4） 网络组织的结构性因素

表7 网络成员的容斥性因素与组织间习效果的回归分析

网络组织的结构因素包括网络中心度和网络规模两个构面。2个因素与组织间学习效果的回归结果见表9。从表中可以看出，变量X11是显著的预测变量，而X10对组织间学习效果的影响并不显著。变量X11对Y的标准化回归系数为0.535，P=0.041<0.05，说明网络规模对组织间学习效果的影响较大。模型中VIF<10，容限度大于0.1。数据分析结果显示，网络规模对组织间学习效果的影响达到显著水平，而网络中心度对组织间学习效果的影响不是很大。因此，不考虑其他变量组时，本次研究收集的数据支持假设H6b，不支持H6a。即网络规模与组织间学习效果正相关这一假设得到验证，而网络中心度与组织间学习效果正相关这一假设没有得到验证。

4.逐步回归分析

在上文，对变量分类进行回归分析，研究的是每个变量组（自变量）单独对组织间学习效果（因变量）产生的影响，而当它们共同对因变量产生影响时，其重要程度会发生改变，在不同的变量组之间，一些变量还可能产生交互作用。因此，本节运用逐步回归分析方法来检验在所有变量共同作用时哪些变量对校企合作创新网络内组织间学习效果较大。根据逐步回归方法的原则和实际研究中的常规秩序，一般是将组织变量先进入回归方程，在本次研究中，直接影响因变量的组织变量是网络组织的结构性因素，其次进入回归方程的是构成组织的成员因素包括网络成员的相容性因素和网络成员的认知性因素，最后是网络知识的属性因素。逐步回归结果见表10。

表8 网络知识特性因素与组织间学习效果的回归分析

表9 网络结构与组织间学习效果的回归结果

从表中可以看出，在模型l中，首先将网络组织的结构性因素进入回归方程，这与上面的模型4（表9）一样，实证数据表明，网络规模与其组织间学习效果呈正相关关系，而网络中心度与组织学习效果之间的关系则没有充分的数据予以支持。在模型2中，引入了第二组变量，即网络成员的相容性因素，受第二组变量的影响，第一组变量——网络组织的结构性因素的回归系数明显变小，X11的标准化系数由0.235变为0.131，P=0.041<0.05，直至到模型 4，P=0.055<0.1，即 X11在0.05水平上不显著，而在0.1水平上显著，这充分说明，在其他变量的影响或共同作用下，X11的显著性慢慢减弱，需要考虑各种变量间复杂的关系。而逐步进入回归方程的X5、X6、X7，则并没有受到其他变量的影响，始终在0.05水平上显著。

表10 逐步回归分析结果

模型4是将所有的自变量全部投入到回归模型中得出的回归结果，反映了11个自变量对因变量的共同作用。从该模型可以看出，校企之间的知识文化距离与组织间学习效果在0.001水平上显著正相关，校企之间的信任、沟通与组织间学习效果在0.05水平上显著正相关，网络规模与组织间学习效果在0.1水平上显著负相关。该模型的决定系数R2为0.638，且F检验显著，这说明本研究的11个自变量能够解释因变量组织间学习效果63.8%的变异量，该回归模型具有较高的拟合度，能够较为客观地描述校企合作创新网络内各要素对组织间学习效果的影响。

在4个回归模型中，VIF<10，容限度大于0.1，说明变量之间不存在显著的多重共线性关系。但由于变量之间存在明显的交互作用，使得逐步回归的结果远远没有分类变量回归的结果显著，这也是为什么在分类回归后，又进一步进行层次回归的主要原因。

5.调查问卷统计结果

（1） 按变量分类回归结果

根据以上对各类变量分组进行回归的结果，本次研究收集的数据对有关假设的检验情况汇总于表10。从表中可以看出，在11个分假设中，7个获得现有数据支持，而另外4个假设却没有获得现有数据的支持。

（2） 逐步回归结果

通过对4组变量的逐步回归，本研究收集的数据对有关假设的检验情况汇总于表11。从表中数值可以看出，在11个分假设中，仅4个假设通过现有数据得到验证，低于上面分类回归所通过的7个假设。其中假设H1b、H2b、H5由显著支持变为不支持，H6b由0.05的显著水平通过验证降到0.1的显著水平通过验证。

为了更清晰地呈现校企合作创新网络中组织间学习的影响因素及作用，将上述检验结果用图2来表示。

从图2可以看出，校企之间的信任、沟通、知识文化距离以及网络规模四个因素，无论是在分类回归模型，还是在逐步回归模型，都始终显著通过验证，而高校的知识转移能力、企业的学习能力以及知识的模糊性三个因素，在分类回归模型中显著通过验证，而在逐步回归模型中变为不显著。高校的知识转移动机、企业的学习动机、校企之间的地理距离、网络中心度四个因素无论是在分类回归模型还是在逐步回归模型中都不显著，说明这四个因素没有通过实证数据的验证，他们与组织间学习效果没有显著正相关关系。

6.实证结果讨论

通过按变量分类回归和逐步回归分析可以发现，两种方法的回归结果存在一定的差异，这也是符合常理的。因为影响校企合作创新网络学习机制的因素有很多，在这些因素（独立变量）之间还可能存在本研究尚未考虑的其他关系，这样，在应用普通多元回归分析方法检验这些独立变量与因变量的因果关系时，独立变量之间可能存在高度相关性而影响假设的检验，也就是独立变量或因变量之间的关系隐藏或压制了它们与因变量之间的真正关系，如果独立变量之间不相关，独立变量与因变量的真正关系（或回归系数）可能会更大或者符号完全相反[22]。对变量分类进行回归分析，研究的是每个变量组（自变量）单独对组织间学习效果（因变量）产生的影响，而逐步回归分析研究的是所有的自变量对因变量产生的共同影响，两种分析方法的结果有所不同，具体讨论如下：

（1） 网络成员的个体性因素与组织间学习效果回归结果讨论

尽管很多文献都认为网络成员的个体性因素与组织间学习效果显著正相关，但本研究的实证结果显示，在最终的逐步回归结果中，高校的知识转移动机和能力以及企业的学习动机和能力都没有达到显著水平，这说明网络成员的个体性因素与组织间学习效果没有显著的正相关关系。这个结果与Szulansiki(1996)[10]、Doris Schartinger(2003)[23]等人的研究结果略有差异。关于高校的知识转移动机和能力以及企业的学习动机，与本研究相同，他们研究的结果并没有证实知识提供方的动机和能力以及知识学习方的学习动机能够促进知识的转移。关于企业的学习能力，在分类回归时，对组织学习效果有显著影响，逐步回归时，又变得不显著，这个结论与大多数学者的研究不同。分析其原因，可能是因为样本量不够大，如果样本量再大一些，对企业学习能力的测量也许会更准确一些。

续表10 逐步回归分析结果

表11 分类变量回归结果

（2）网络成员的容斥性因素与组织间学习效果回归结果讨论

通过实证研究发现，无论是按变量分类回归还是逐步回归，校企之间的相容性因素（信任和沟通）对组织间学习效果的影响都达到了显著水平，相斥性因素中的知识文化距离与组织间学习效果也呈现显著负相关关系，但地理距离与组织间学习效果的负相关关系却始终没有达到显著水平。这个结论与大多数研究一致。这就说明，一方面，在校企合作创新网络中，高校和企业之间的相互信任和沟通非常重要，通过沟通，高校和企业可以更深入地了解对方，也更加有利于知识特别是隐性知识的学习，从而促进组织间学习效果。而另一方面，在通讯科技发达的现代社会，地理距离已经不能成为阻碍校企合作进行互动学习的因素，但高校和企业是两个性质不同的组织，他们各自所拥有的的知识背景存在很大差异，追求的利益和目标也都不同，因而双方在知识文化方面存在一定距离，这就导致企业难以理解高校所传递的知识，从而影响组织间学习效果。

（3）网络知识的属性因素与组织间学习效果回归结果讨论

实证研究结果显示，在逐步回归中，网络知识的特性因素与组织间学习效果的负相关关系并不显著。一般来说，知识越模糊，作为知识源的高校就越难表达这种知识，那么作为知识学习方的企业也就越难学到这种知识，组织间学习效果也就越差。但实证数据表明，网络知识与组织间学习效果没有明显的负相关关系，这个结果与Simonin[7](1999)的研究不一致，许多研究也都支持知识特性与学习效果之间负相关，而文章却未得到此结果，其中原因值得深思。

表12 逐步回归结果

（4） 网络组织的结构性因素与组织间学习效果回归结果讨论

图2 分类回归与逐步回归结果汇总

实证研究表明，网络中心度与组织间学习效果之间不存在显著的正向相关关系，而网络规模与组织间学习效果之间存在正向相关关系在按变量分类回归中在0.05水平上显著，在逐步回归结果中在0.1水平上显著。从整体上来说校企合作创新网络是企业获取知识组员的重要载体，构建合适的创新网络是企业高速发展和应对变化的必由之路。创新网络的规模越大，网络中参与进来的创新主体越多，整个网络的知识存量就越大，企业从网络中吸收新知识、学习分享的意愿越强，也就更加容易参与到网络创新活动中，组织学习的效果也就越好。

五、结论与展望

文章从网络整体的角度出发，将影响校企合作创新网络学习机制的因素总结为网络成员的个体性因素、网络成员的容斥性因素、网络知识的特性因素以及网络组织的结构性因素。并通过实证研究，对这四类影响因素进行分析。实证结果表明，四类影响因素对校企合作创新网络学习机制的影响程度从高到低，依次为相斥因素——知识文化距离、相容因素——信任、相容因素——沟通、网络结构——网络规模，其余的几个因素对校企合作创新网络学习机制的影响没有达到显著水平，说明他们的影响作用不大。这一结论表明，校企合作创新网络中创新伙伴之间知识文化距离越小，互动关系越好，网络规模越大，越能够给企业带来大量的、异质性强的有用知识资源，越有利于隐形知识的转移，组织学习效果也就越好。

文章虽然进行了大量的研究，证明和发现了一些因素会影响校企合作创新网络的学习机制，对校企合作创新网络的学习机制具有理论和实践意义，但是，由于校企合作创新网络中的成员有很多，要对整个网络的学习机制进行研究，需要对网络中各个成员一一调查，难度较大，因此，本文的研究存在很多不足之处，在今后的研究中，可以扩大样本数量，并针对网络中的各个成员，分别设计不同的调查问卷进行调查，以使实证研究的结果更加全面准确。

[1]王文亮，刘岩.校企合作创新网络运行机制调查分析—以河南省为例[J].技术经济，2011，30(8)：32-38，112.

[2]魏江，魏勇.产业集群学习机制多层解析 [J].中国软科学，2004(1)：121-125，136.

[3]邱昭良.网络组织学习机制研究 [D].南开大学，2006.

[4]ChiniTC.Effectiveknowledgetransferinmultinationalcorporations[M].Basingstoke，Hampshire：PalgraveMacmillan，2004.

[5]奚雷，彭灿.战略联盟中组织间知识转移的影响因素与对策建议 [J].科技管理研究，2006，26(3)：166-169.

[6]王毅.以核心能力为主导逻辑的战略管理 [J].科研管理，2001，22(3)：12-19.

[7]Simonin，Bernard L.Ambiguityand theprocessofknowledge transfer in strategic alliances[J].Strategic Management Journal，1999，20(7)：595-612.

[8]Cummings JL，Teng B S.Transferring R&D knowledge：the key factorsaffectingknowledge transfer success[J].JournalofEngineeringand Techn-ologyManagement，2003，20(1-2)：39-68.

[9]陈鸿鹰.企业创新网络与技术创新绩效关系研究 [D].浙江：浙江大学，2009.

[10]SzulanskiG.Exploring internalstickiness：impediments to the transferof best practices within the firm[J].Strategic Management Journal，1996，17：27-43.

[11]Martin X，Satomon R.Knowledge transfer capacityand itsimplications for the theory of the multinational corporation[J].Journal of International BusinessStudies，2003，(34)：356-373.

[12]Dixon M.Projectmanagementbodyofknowledge[M].London：Association forProjectManagement，2000.

[13]Tsai W.Knowledge transfer in interorganizational networks：Effects of network position and absorptive capacity on business unit innovation and performance[J].AcademyofManagement Journal，2005，44(5).

[14]Senge P.Creating learning communities[J].Executive Excelle-nce，1997，14(3)：125-137.

[15]Mowery，David C，Oxley，Joanne E，Silverman，Brian S.Strate-gic alliances and interfirm knowledge transfer[J].Strategic Management Journal，1996，17(specialissue)：77-91.

[16]Smith CB.Casting thenet：Surveyingan Internetpopulation[J].Journalof ComputerMediated Communication，1997，3(1)：23-31.

[17]HamelGary.Competition forCompetenceand Inter-Partner Learningwithin International Strategic Alliances[J].Strategic Management Journal，1991，12：83-119.

[18]邹波，于渤，卜琳华等.面向企业技术创新的校企知识转移作用机理—基于370家企业的实证研究 [J].科学学研究，2012，30(7)：1048-1055.

[19]汤建影，黄瑞华.研发联盟企业间知识共享影响因素的实证研究 [J].预测，2005(5).

[20]王飞.产学合作创新知识转移过程及影响因素研究 [D].内蒙古工业大学，2009.

[21]吴明隆.问卷统计分析实务—SPSS操作与应用 [M].重庆:重庆大学出版社，2010.

[22]Cohen J&Cohen P.Applied MultipleRegression/Correlation Analysis for the Behavioral Sciences[J].Hillsdale，New Jersey:Lawrence Erlbaum Associates，Inc.，1983.

[23]DorisSchartinger，Christian Rammera，Manfred M.Fischer&Josef Frohlich.Knowledge interactionsbetween universities and industry in Austria:sectoralpatternsand determinants[J].Research Policy，2002，31：303-328.