技术选择、二元学习与创新绩效关系研究

苏道明+吴宗法

内容摘要：企业在技术选择过程中，如何做才能实现最大化的创新绩效？本文从二元学习角度出发，在理论分析二元学习在技术选择和创新绩效之间发挥中介作用的基础上，针对226家北京、浙江、河南、上海等地的大中小型企业的样本数据，构建了中介效应模型，运用结构方程模型实证研究了技术选择如何影响企业的创新绩效，以及二元学习（探索性学习和利用性学习）在技术选择和创新绩效之间如何发挥中介作用。研究结果表明技术选择对创新绩效有正向影响；探索性学习和利用性学习在技术选择和创新绩效之间均起到部分中介作用。研究结论为企业管理者在引进技术时，从二元学习角度提供了一个如何配置管理资源才能获得最大创新绩效的理论依据。

关键词：技术选择 二元学习 创新绩效

中图分类号：F270.7 文献标识码：A

引言

在当今市场竞争瞬息万变的动态竞争环境中，面对技术变革的速度日新月异，技术选择成为技术创新的重要环节，在企业技术更新换代过程中起着举足轻重的作用：技术选择过程完成了企业关于技术知识的积累和升级，同时让技术成为企业核心竞争力的重要组成部分。根据管理学二八原理，通过有效的技术选择从而帮助企业在最少的R&D投入下，获得最有利于企业发展的技术，从而提升企业的核心竞争力。技术选择后通过利用性学习维持现有的市场和客户，还需要通过探索性学习应对竞争环境的变化及快速响应新机会和新威胁，从而提高企业的创新绩效（安同良，2003）。然而，关于技术选择的研究目前主要集中在技术选择和产业结构、经济增长、制度与经济发展等宏观经济层面（安同良，2003；李静等，2014），在企业等微观层面的研究也只停留在企业规模、投入强度等方面（康志勇，2013），但在企业有限的研发投入的情况下，就面临一个技术选择的难题：先进的技术需要投入大的技术，投入小的可能不能达到预期效果。研究在技术选择的情况下，如何让技术更好地提升企业创新绩效具有重要意义。技术选择和创新绩效之间的关系和作用机理还是一个黑箱，本文试图从二元学习角度进行分析，为管理者在制定技术选择策略时如何配置资源提高创新绩效提供理论依据，因此，研究技术选择、二元学习和创新绩效三者之间的作用机理已成为亟待解决的企业实践命题。

理论依据及研究设计

（一）技术选择与创新绩效

最早研究经济发展中技术选择问题的是阿玛蒂亚·森在其博士论文基础上出版的《技术选择》，该论文成为研究技术选择的经典之作。史家乔治·巴萨拉对技术选择理论的发展也做了突出贡献，他（2000）提出“新产品、新技术之间要通过人们对技术的选择而得以生存。从国外研究发展路线来看，技术创新研究者自20世纪40年代起对技术选择问题进行了开创性的研究，但研究主要关注技术系统的内在要素分析上。如具有代表性的有鲍拉库1943年提出的“产出标准论”，提出以产出量的多寡作为评价技术优劣的标准；以“产出标准论”为基础，卡恩、丘拉里和卡雷逊提出“社会极限生产率理论”和“再投资理论”成为20世纪50年代关于技术选择领域研究具有深远影响的代表观点，这些理论从不同的角度探讨了技术选择应该关注的焦点。20世纪以来，技术选择出现了丰硕成果，具有代表性的有：Basu & Weil（1998）和Acemoglu & Zilibotti（1999）提出的适宜技术理论，虽然也认为一国的技术结构必须因地制宜，和本国的要素投入结构相匹配，但是他们同时也认为厂商所面临的要素投入结构要眼光长远，要关注其他竞争市场的要素禀赋结构。以斋藤优、Ruby Gonsen等为代表的研究技术选择的文献大都集中在技术核心能力的研究上，但是对技术的来源即技术选择没有给予足够的关注。根据康志勇（2013）的研究，创新绩效和R&D研发投入与技术选择正相关，先进的技术能够促进企业的技术创新从而改善创新绩效，因此提出以下假设：

H1：技术选择对创新绩效有直接正向作用。

（二）技术选择与二元学习

技术选择帮助企业从企业内外两个不同视角去思考，技术选择对于企业而言是非常重要的决策，选择合适的技术，通过学习消化吸收，能提升企业的创新绩效。做出正确的技术选择，能够激发企业创新，进而提高企业创新效率。做出了正确的技术选择，接下来就要对技术进行学习消化吸收，把选择的技术变成企业内部的知识。James G. March（1991）第一次提出了探索性学习和利用性学习的概念·探索性学习和利用性学习的区别在于：探索性学习倾向于开创全新的知识领域；而利用性学习旨在全面充分利用组织已有的知识（朱兵等，2010）。二元学习帮助企业吸收消化适合企业发展阶段的技术，同时也减轻了企业识别、吸收和利用外部技术的压力，从而产生更具新颖价值的创新。因此，可以提出以下假设：

H2：技术选择对二元学习有直接正向作用；H2a：技术选择对探索性学习具有直接正向作用；H2b：技术选择对利用性学习具有直接正向作用。

（三）二元学习与创新绩效

伴随探索性学习搜寻和发现新知识，企业的知识存量得到丰富和增加，企业知识存量越大，则促进利用性学习，从而有利于企业创新。Van（2003）的研究也证明企业的现有知识存量越多越丰富，探索性学习所获得的新知识更容易融合企业已有知识，从而促进利用性学习，也就更容易实现从新知识到企业自身知识的转化。利用性学习也促进探索性学习，当企业已有的知识无法满足企业生产和创新需求时，就产生了开发新技术或寻求新方法的动机；探索性学习和利用性学习的协同发展才能促进企业创新绩效的提升，只有创新才能让企业获得可持续发展的源动力，因此需要企业平衡战略目标和战术目标，换言之，企业不但要顾及眼前，关注企业是否拥有满足现有顾客需求的产品的技术和能力，还需要眼光长远，留意开发能够满足潜在顾客需求的创新产品的技术和能力（李辉等，2015）。这就要求把旨在提高运营效率的利用性学习和具有战略柔性的探索性学习和谐进行。Granstrand（1998）从多个角度阐述了技术知识在科技型企业发展过程中对创新绩效的关键作用。Knott（2002）研究丰田企业开展二元学习的经验，指出：利用性学习能够有效降低企业学习新技术带来的成本，同时，探索性学习能帮助企业不断地推出适销对路的新产品和各种利于企业发展的创新。因此，本文提出假设：

H3：二元学习对创新绩效有直接正向作用；H3a：探索性学习对创新绩效有直接正向作用；H3b：利用性学习对创新绩效有直接正向作用。

研究设计和实证分析

（一）问卷设计

本研究用于测量各个变量的题项都改编自成熟的量表，在变量的测量上，问卷采用了通行的Likert五级量表形式，1表示完全不同意，2表示不同意，3表示一般，4表示同意，5表示完全同意。

技术选择。参考了李秋斌（2008）、郭卫东（2013）等学者测量技术选择的量表，根据专家意见对指标进行了优化，通过10个题项对技术选择进行测量。包括：与国家和地方政策具有很高的一致性，技术先进程度高，企业应用能力强，制造工艺水平具有先进性，产品开发能力强，市场规模及占有率大、企业在本行业具有绝对优势地位，R&D活动人员和经费足够，投资回报率高和科技进步对企业经济增长的贡献率大。

二元学习。在探索性学习量表设计中，主要借鉴参考了MTH Meeus et al.（2002）、D Lavie et al.（2006）的探索性学习量表，经过甄选，最终确定了4个题项：企业对新知识有很高的敏感性而且可以有效对新知识进行搜集；企业对未知领域的知识和技术能做到有效的内部创造和外部获取；企业对未知领域的知识和技术进行有效的传播和共享；企业对获取的未知领域的知识和技术进行有效的应用。在利用性学习量表设计中，主要借鉴参考了R Katila et al.（2002）、R Garcia et al.（2003）的量表，经过适当修正，最终确定4个题项：企业可以有效地对新知识进行搜集，并在此基础上开发新知识；企业对已知领域的知识和技术进行有效的内部开发、创造和外部获取；企业对已知领域的知识和技术进行有效的传播和共享；企业对获取的己知领域的知识和技术进行有效的应用。

创新绩效。主要借鉴了国内外关于创新绩效的成熟量表，有JC Cooper（1994）、XM Song et al.（1996）、M Lynn（2000）、J Hagedoorn et al.（2003）、陈钰芬和陈劲（2008），在这些成熟量表的基础上，选择了6个题项来测试创新绩效。这6个题项分别为：年新产品数、新产品销售率、新产品开发速度、新产品开发成本、创新项目成功率、专利申请数。

为了规避Fowler（2013）提出的答卷者不能准确作答的四种情况，我们采取填写问卷人员必须是企业中高层管理人员从而避免不知道题项信息而带来的误差，在题项设计时主要针对企业近三年的情况规避时间长了记不清楚带来的误差，采用问卷声明的方式规避填写问卷人员害怕泄露而不愿真实作答带来的误差，在问卷预测试阶段广泛征询了学界和企业界对问卷的意见，从而规避因为表达不清造成误解和题项本身难以理解所带来的误差。

（二）研究样本及数据收集

研究数据主要通过问卷调查的方式收集，为了保证可行性，具体操作分为三个步骤：首先，通过整理文献，总结国内外已经使用过的成熟量表，确定了初步的原始问卷，把问卷发给研究创新的三个专家和三家企业的高管，让他们提出修改意见，然后根据反馈意见对题项进行修改和完善，确保被调查者能够准确理解各个题项。其次，在10家企业进行预试（这10家企业的数据在正式调研时都已排除），进一步完善问卷，保证问卷具有良好的信度和效度。根据预试结果进一步修正问卷，形成正式问卷。再次，实施正式调研，问卷发放和回收主要通过以下方式：一是利用笔者的学生资源，选择在企业工作五年以上，担任企业中层及以上管理人员的人填写；二是利用同济大学、郑州大学的校友会资源发放和回收问卷；三是通过和地方商会和行业协会合作等方式随机抽取欲调查的企业，然后以地方商会和行业协会的名义上门发放问卷。三种方式共发放问卷500份，回收有效问卷226份，有效回收率为45.2%。调研企业的基本信息如表1所示。

（三）信度和效度检验

技术选择的标准化Cronbachα系数是0.830。依据J Nunnally（1978）的判别准则，表明技术选择分量表具有良好的信度。二元学习在两个维度的的标准化Cronbachα系数分别是0.90和0.93，总的Cronbachα系数是0.914，都大于0.8，表明二元学习分量表具有较好的信度。创新绩效的标准化Cronbachα系数是0.916。依据J Nunnally的判别准则，表明技术选择分量表具有良好的信度。

根据惯例，量表的效度分析主要从内容效度和结构效度两方面进行测度。由于研究所用的量表都是基于国内外成熟的研究基础上，因此，量表具有较好的内容效度。结构效度是指量表测量结果同期望评估内容的同构程度。我们应用两种方法进行测度：主成分分析法和结构方程中的验证性因子分析法，分析过程如下：

运用主成分分析法对技术选择的各题项进行因子分析，同时使用方差最大法提取共同因子，KMO值为0.722大于0.70，根据HF Kaiser（1974）的观点，尚可进行因素分析，具有适中的分析适切性，Bartletts球体检验的P值显著，解释总变异为65.725%，因此可以得出技术选择分量表具有良好的效度，研究有意义。

根据对二元学习方式的效度数据分析，可以看出，KMO值为0.810大于0.80，根据HF Kaiser的观点，适合进行因素分析，具有良好的分析适切性，Bartletts球体检验的P值显著，运用最大方差法萃取了两个因子，分别对应探索性学习和利用性学习两个维度。解释总变异为70.132%，可见分量表的效度很好，有研究意义。

运用主成分分析法对技术选择的各题项进行因子分析，同时使用方差最大法提取共同因子，KMO值为0.916大于0.90，根据HF Kaiser（1974）的观点，极适合进行因素分析，具有极佳的分析适切性，Bartletts球体检验的P值显著，解释总变异为85.675%，因此可以得出技术选择分量表具有良好的效度，研究有意义。

利用验证性因子分析，拟合指数结果如下：χ2=192.4，df=94，χ2/df=2.05，RMSEA=0.065，NFI=0.91，NNFI=0.98，CFI=0.95，GFI=0.89，SRMR=0.068，由此，测量模型和数据的拟和度较好，本研究模型构造变量的效度较好，适合做结构模型分析，可以继续验证理论假设。

（四）实证分析

结构方程模型是一门基于统计分析技术的研究方法学，可用来处理复杂的多变量研究数据的探究与分析。本研究采用结构方程模型进行分析，运用AMOS 22软件从两个阶段对假设进行检验：第一阶段分析技术选择对创新绩效的影响，第二阶段分析二元学习的中介作用。从表2中可以看出，各拟合指数基本符合要求，整个模型拟合良好。

根据温忠麟等（2005）的研究结论，检验二元学习的中介效应，必须首先确定自变量技术转移与因变量创新绩效之间是否存在显著的回归关系，用SPSS 22做回归检验（见表3），可以确定自变量技术转移和因变量创新绩效之间有正向的回归关系，并且在0.001的水平上显著。

在自变量技术转移和因变量创新绩效存在显著的回归关系的基础上，根据Judd & Kenny（1981）的结论，需要验证路径系数c。通过分析路径系数a、b至少有一个不显著的情况下，还需要通过Sobel test来判断二元学习的中介效应。

首先分析中介变量“探索性学习”，根据T临界值表，当df=90，在置信水平0.001下，t值为3.183，而本研究中所建立的中介效应模型的df=94，从中介效应模型路径系数的t值可以得到，路径a所对应系数的t值为5.67，大于3.183，所以可以得出a、b两个路径在0.001水平上显著。同理，路径c的t值为4.82，在0.001水平上也显著，而路径b所对应的系数的t值为2.04，在0.5水平上不显著，因此，需要用Sobel test来分析探索性学习的中介效应。同理，可得“利用性学习”在本中介效应模型的分析也需用Sobel test来分析。通过计算，“探索性学习”的z=7.28，p<0.005（z0.005=2.57），表明在0.005的显著性水平上，探索性学习的中介效应显著。同理，可得“利用性学习”的中介效应在0.005的显著水平上也显著。所以可以得出结论：探索性学习和利用性学习起了部分中介作用，即技术选择正向影响创新绩效，有一部分是通过中介变量——探索性学习和利用性学习来实现的。

结论及展望

本文在文献回顾的基础上，构建了技术选择影响创新绩效的概念模型和理论假设，研究了二元学习（探索性学习和利用性学习）在技术选择和创新绩效中如何起中介作用，分析了技术选择、二元学习和创新绩效之间的关系。研究结论有：第一，技术选择正向影响创新绩效；第二，技术选择对探索性学习和利用性学习都有显著正向影响；第三，技术选择正向影响创新绩效的效果，有一部分是通过技术选择探索性学习和利用性学习来实现。

本研究结论给企业带来的启示在于：在迅速发展的技术环境下，企业应重视组织学习的重要作用，企业可以通过探索性学习和利用性学习从而使技术选择更为有效，在一定程度上提高技术选择的创业绩效，也更有利于技术选择的落地和实施，从而解决企业生命活力的问题。企业也可以通过技术选择和二元学习结合，提升企业的创新绩效，从而提升企业的核心竞争力，把企业之间的竞争从围绕技术为核心的竞争提升到获取知识和应用知识的能力上，如何获取知识和应用知识，就体现了二元学习的重要性，只有重视了二元学习，才能拓展和外界信息交流的深度和广度，才能使企业的创新绩效得到提升。

本研究的局限性在于：第一，由于地域和人员的限制，本研究的样本选择有一定的不足，如果能够在全国抽取大样本，可能会使结果更加精确。如果能够分行业选取样本，研究各个行业的情况，可能会让结论更有针对性。第二，本研究数据采用的是横截面数据，无法体现二元学习对技术选择和创新绩效的动态影响过程。因此，未来可以尝试进行动态分析。第三，文章虽然对二元学习对技术选择和创新绩效之间的中介作用做了分析，但是这个作用过程中可能还会受到其他一些因素的调节，如战略柔性、联盟管理能力等，未来可做这方面的深入研究。

参考文献：

1.安同良.中国企业的技术选择[J].经济研究，2003（7）

2.李静，谢润德.市场结构是否影响企业的技术选择行为？ [J].上海经济研究，2014（7）

3.康志勇.技术选择、投入强度与企业创新绩效研究[J].科研管理，2013，34（6）

4.朱兵，王文平，王为东，张廷龙.企业文化、组织学习对创新绩效的影响[J].软科学，2010，1

5.李辉，吴晓云.基于双元性学习能力的创新绩效转化机制研究——以中国跨国公司为例[J].软科学，2015，9

6.李秋斌.区域产业升级中的关键技术选择研究[M].北京大学出版社，2008

7.郭卫东.技术预见理论方法及关键技术创新模式选择研究[M].北京大学出版社，2013

8.陈钰芬，陈劲.开放度对企业技术创新绩效的影响[J].科学学研究，2008，26（2）

9.邱皓政，林碧芳.结构方程模型的原理与应用[M].中国轻工业出版社，2012

10.温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用[J].心理学报，2005（2）