知识要素特征对技术联盟内企业创新绩效的影响研究

吴松强 +周娟娟 赵顺龙

摘要：从知识特征视角出发，研究技术联盟内知识模糊性、知识复杂性对企业创新绩效的影响。同时研究企业所面临的外部环境动态变化对上述关系的调节效应。利用淮安、南京六合、南京软件谷、浦口科技园的调查数据对所提的假设进行验证。实证结果表明：技术联盟内，知识模糊性对企业创新绩效具有显著的负向影响；知识复杂性对企业创新绩效具有显著的正向影响；环境动态性对知识模糊性、知识复杂性与企業创新绩效的关系起到正向调节作用。

关键词：知识要素特征；企业创新绩效；环境动态性；调节效应；技术联盟

DOI：10.13956/j.ss.1001-8409.2017.05.07

中图分类号：F272；F273.1 文献标识码：A 文章编号：1001-8409（2017）05-0030-04

Research on the Influence of Knowledge

Characteristics on the Innovation Performance of

Enterprises in the Technology Alliance

——Based on the Moderating Role of Environmental Dynamics

WU Songqiang1，2 ， ZHOU Juanjuan2 ，ZHAO Shunlong2

（1.Management School， Nanjing University，Nanjing 211102；

2. Economical & Management Institute， Nanjing Technology University， Nanjing 211816）

Abstract： This paper studied the influence that knowledge ambiguity and knowledge complexity had on the enterprise innovation performance in technology alliance from the view of knowledge characteristics. At the same time， it studied the adjustment effect that the dynamic changes of the external environment had on the relationship. It used the survey data of Huaian， Liuhe in Nanjing， Nanjing software valley， Pukou science and technology Park verified the hypothesis. Empirical results showed that knowledge ambiguity was negatively related to the enterprise innovation performance and knowledge complexity was positively related to the enterprise innovation performance. In addition， the empirical results showed that environmental dynamics had positive adjustment influence on the relationship between the knowledge ambiguity and the enterprise innovation performance and it had positive adjustment influence on the relationship between the knowledge complexity and the enterprise innovation performance.

Key words：knowledge characteristics； innovation performance of enterprises； environmental dynamics； moderating effect； technology alliance

随着世界经济快速由工业经济向知识经济转化，消费者需求也逐渐趋向个性化、多元化，创新已成为企业、区域乃至国家获取竞争优势的基本途径。近年来，许多企业都选择与科研机构、高等院校及其他企业组建企业技术联盟，这也逐渐成为一种主流的创新模式。通过技术联盟，企业能够从外部获得丰富的资源和信息，而知识作为新的战略性资源，能够给企业的创新绩效带来巨大影响。为了可持续发展，企业应了解和把握知识要素特征，利用知识整合企业的技术基础，拥有新的技术和能力，不断适应环境变化和改善创新绩效。

技术联盟建立的直接目的在于建立一个“场”，进行企业和合作对象间相关技术知识的创造与转移，但要维持其稳定性，必须提高知识转换的效率，改善知识转换的效果[1]。企业只有能够识别和吸收外部有价值的知识并将其付诸实践，才能真正提高创新绩效。而要将知识付诸实践，必须要理解知识要素特征。模糊性是知识的一种重要属性，对于知识的接收者来说，知识的模糊性越低，越容易理解[2]。知识的复杂性是指知识有着多层次内部结构，组成知识的各内部要素具有异质性、多样性，且进化发展方式多样[3]。纵观以往相关研究，人们不难发现环境的动态变化是影响企业创新绩效的重要因素。例如范志刚等将环境的动态性作为调节变量，研究企业战略柔性与创新绩效的作用机制[4]。环境动态性很少直接作为调节变量进行研究，通常是作为环境不确定性中的一个维度进行研究。基于此，本文以环境动态性为调节变量，研究知识要素特征对技术联盟内企业创新绩效的影响机制，以期对提升企业创新绩效以及引导技术联盟内企业创新政策的制定等都具有重要的现实意义。

1 理论背景与研究假设

1.1 知识要素特征与技术联盟内企业创新绩效之间的关系

从知识特征的角度看，知识是一种包括文字化的资讯、结构化的经验以及专家见解的综合体。由于研究视角不同，对其要素特征的划分维度也不同，本文主要借鉴Bustamante的研究 [5]，同时结合具体研究的技术联盟下的企业，选取知识模糊性、知识复杂性两个维度来衡量知識要素特征。

关于技术联盟内知识模糊性与企业创新绩效的关系，国外有学者认为只有知识交换的双方都有较高的沟通能力交换才有效，对于知识的接收者来说，知识模糊性越低越容易理解，反之理解就比较困难[2]。知识的模糊性越强，越难以规范化和进行传递，阻碍企业创新活动。技术联盟内企业在创新过程中，知识的模糊性使得知识传播效率降低，不利于联盟内企业对知识的理解与利用，从而对企业创新绩效产生不利影响。因此，模糊性知识对于企业来说是不可延续的，知识较高的模糊性会不利于运用知识开展企业的创新活动。据此，本研究做出下列假设：

H1：知识模糊性特征与技术联盟内企业创新绩效负相关。

知识的复杂性包括结构复杂性、运动复杂性、组分复杂性，组成知识的各内部要素具有异质性、多样性，具有多样的进化发展方式[3]。关于技术联盟内知识复杂性与企业创新绩效的关系，王长峰指出知识的复杂性对企业创新绩效起正向作用，企业通过对复杂性知识的吸收与利用，能够提高自身能力，从而有利于企业创新绩效的提高[6]。技术联盟中的企业在创新过程中，对复杂的知识不断探索、利用，有利于其形成自身竞争优势，提高企业创新绩效。据此，本研究做出下列假设：

H2：知识复杂性特征与技术联盟内企业创新绩效正相关。

1.2 环境动态性的调节作用

环境动态性是指环境要素的变化幅度、变化速度、变化频率以及其不可预见的程度[7]。在知识经济时代，环境的动态性特征更加明显，如消费需求的变化、技术更新换代的速度以及企业之间的激烈竞争，都要求企业不断提高自身的调整能力和应变能力，及时整合资源。

企业赖以生存和发展的外部环境具有很大的不确定性，这种不确定性会影响知识要素特征和创新绩效的关系。动态环境下市场需求和技术发展的不断变化使得企业面临巨大的创新压力，企业需要运用新的知识与技能来解决这一问题，然而技术联盟内企业知识模糊性却使得知识的传播、理解变得困难，企业之间沟通难度加大，无法得到创新所需的知识与技术等资源，创新绩效无法提升。因此，环境的动态性会使得企业知识模糊性对创新绩效的不利影响进一步强化。而知识的复杂性可以使得企业不断对现有知识进行理解、吸收、运用，从中发现新的创新点，推动创新活动的展开，从而提高自身创新绩效，形成竞争优势，因此环境动态性会进一步强化知识复杂性对创新绩效的正向作用。据此，提出如下假设：

H3：环境动态性正向调节技术联盟中知识模糊性与企业创新绩效之间的关系。

H4：环境动态性正向调节技术联盟中知识复杂性与企业创新绩效之间的关系。

综上所述，本文的研究模型与相应的假设可用图1来描述。

图1 研究模型与相应假设

2 研究设计

2.1 变量测量

为保证所用测量量表的内容效度，依照 LIKERT5点量表对测评题项进行量化，在已成熟的量表基础上结合调查对象作了调整。针对每个题项与实际情况的匹配程度进行打分，答题者对题项表述的符合程度从“1表示完全不符合”到“5表示完全符合”中选择。

2.1.1 自变量：知识要素特征

知识模糊性的测量主要借鉴王长峰和王瑛的测度量表[6，8]。对知识复杂性的测度主要借鉴王长峰的研究成果，从知识的获取、知识的理解、知识的广度、知识的应用4个角度来衡量知识的复杂性[6]。

2.1.2 因变量：企业创新绩效

主要借鉴 Vonderembse、Ritter的测度量表，从产品创新和工艺创新两个维度进行测量，用企业新产品开发的成功率、新产品的市场反应、新产品的技术含量3个测量指标衡量产品创新绩效，用企业作业流程、弹性生产能力、产品的生产成本3个测量指标衡量工艺创新绩效[9，10]。

2.1.3 调节变量：环境动态性

借鉴Jaworsk和范志刚研究的量表进行适度的调整，从技术、顾客、市场考虑，对环境动态性进行具体衡量，主要包括4个题项[4，11]。

2.1.4 控制变量

回顾有关企业创新绩效的实证研究，选择了4个控制变量：企业成立时间、企业性质、主导行业和员工人数。

2.2 问卷设计与数据收集

2.2.1 问卷设计

根据已有的文献资料和理论数据，确定问卷的调查框架，完成问卷初步设计；选择技术联盟内20家企业进行实地访谈，并与专业老师、专家进行讨论，对问卷进行修改，保证问卷的可行性；将修改好的问卷再次发放给实地访谈的20家企业，根据企业反馈的信息对问卷进行完善，确定正式的调查问卷。

2.2.2 数据收集

本研究对江苏淮安、南京六合、中国软件谷（南京）、南京浦口科技园中多家技术联盟的企业进行随机抽样，共选取了300家进行调研。经过三个多月的时间向企业一线知识型员工、研发人员以及企业管理人员共发放问卷300 份，回收问卷179 份、回收率为59.67%，其中有效问卷157份、有效回收率为87.71%。通过样本的描述性统计看，企业成立时间大多数集中在1～5年和6～10年这两个年龄段、分别为45.22%和36.31%，而成立时间在20年以上的企业较少、为18.47%；企业性质多样，民营企业较多、占63.06%；企业拥有的员工数差异较大，50人以下占8.28%，51～100人占43.95%，101～200人占35.03%，200人以上占12.74%；企业分布在各个行业，主要集中在软件和信息技术服务业、加工制造业，前者占46.5%，后者占22.29%，从整体上来看，样本的分布涉及到各大规模的企业。

从调查看，企业技术联盟一般有五种基本类型：①前向联盟。企业与消费者联盟，如浦口科技园的跨国企业之间的联盟，如阿特拉斯·科普柯集团、博世汽车部件（南京）有限公司研发中心、萨蒂扬软件技术（南京）有限公司。②后向联盟。企业与供应商之间的联盟，如浦镇海泰制动设备、天印专用汽车、南车自动化之间的联盟。③同位联盟。一种是企业与配套生产商联盟，另一种是企业与竞争对手聯盟，如南京软件谷、浦口科技园的代表企业，海思瑞克汽车零部件、通铁路设备、海高德铁路设备之间的联盟。④企业与高校科研机构联盟。如南京软件谷的代表企业戴尔、润和软件、三胞集团、中兴通讯与南京高校的科研合作联盟。⑤企业与政府部门联盟。如江苏淮安的盐化工新材料产业的代表企业，江苏省井神盐业有限公司、福斯特化工有限公司、南风化工有限公司与淮安市政府建立的合作基地。

3 实证分析

3.1 信度与效度检验

一般来说，通过α值与KMO值分别判别量表的信度与效度，两者均大于0.7，认为研究变量的信度和效度都可以。表1结果显示知识模糊性、知识复杂性、环境动态性、创新绩效的α系数均大于0.7，各量表信度较好，效度一般（KMO>0.7）。

知识模糊性企业解决问题大多凭经验决定且实施过程很难标准化企业所需关键知识只有少数专业人员掌握而其他人感觉很高深企业所需关键知识很难被复制0.8970.721

知识复杂性企业所需关键知识的获取需长期积累的工作经验和技巧企业所需关键知识的理解与掌握需花费大量时间和精力企业所需关键知识涉及多个知识领域且范围很广企业所需关键知识的应用需要多个领域的专家及多个部门成员之间的共同合作0.8800.836

环境动态性所在行业领域技术变化速度很快企业所在的业务领域，客户对产品、服务偏好的变化很快新客户对产品、服务的相关需求与原有的客户明显不同市场上不断产生很多对企业的产品和服务有需求的新客户0.8210.746

创新绩效与同行业近似规模技术联盟外的企业相比：企业新产品开发的成功率较高企业新产品的市场反应较好企业新产品的技术含量较高企业作业流程较快企业具有较高的弹性生产能力企业产品的生产成本较低0.9350.824

3.2 假设检验

表2给出了对研究变量进行相关分析得到的相关系数矩阵。数据表明，知识模糊性与创新绩效间存在显著负相关关系，知识复杂性与企业创新绩效之间存在显著正相关关系。相关系数分别为知识模糊性-0.324（p<0.01），知识复杂性0.769（p<0.01）。

本文主要针对多个变量进行变量间调节效应的验证，采用层级线性回归方法对假设进行验证，如表4所示。在4个模型中，模型1与模型3在两个自变量的基础上加入了调节变量，研究其对因变量企业创新绩效的影响，即对X、W、Y模型的分析；模型2与模型4是在两个自变量的基础上加上自变量乘以调节变量，具体研究对企业创新绩效的影响，构建了相关回归模型（即对X、XW、Y模型的分析）。

如表4所示，模型2与模型1相比，显著性水平明显提升（0.498*与0.448相比）。此外，自变量知识模糊性的系数值在增加，R2显著性水平虽然没有提高，但其值也在增加（0.333>0.306），因此技术联盟中知识模糊性与企业创新绩效之间的关系受环境动态性的正向调节，即假设H3得到验证。模型4与模型3相比，显著性水平明显提升（0.302*与0.129相比），R2的值在同一显著性水平上有所增加（0.619>0.605），因此技术联盟中知识复杂性与企业创新绩效之间的关系受环境动态性的正向调节，即假设H4得到验证。

4 研究结论与讨论

4.1 研究结论

从知识管理视角出发，通过实证分析方法，研究了知识要素特征与技术联盟内企业创新绩效的关系，并深入探讨环境动态性对其调节作用。对所提出的假设进行了验证，获得了一些有价值的成果。

（1）明确了知识要素特征与技术联盟内企业创新绩效的关系。知识模糊性对技术联盟内企业创新绩效产生负向影响，知识复杂性对技术联盟内企业创新绩效产生正向影响。技术联盟内企业在创新过程中，知识的模糊性使得知识在联盟企业网络内部进行传播时的效率大大降低，给知识转移造成阻碍，同时也不利于联盟内企业对知识的理解与利用，从而对企业的创新绩效产生不利影响。

（2）明确了环境动态性的调节效应。环境动态性正向调节知识模糊性、知识复杂性与技术联盟内企业创新绩效的关系。企业需要运用新的知识与技能来解决创新压力，知识模糊性却使得知识的传播、沟通难度加大，无法获得新资源，创新绩效无法提升。知识复杂性使得企业不断对现有知识进行进一步理解、吸收、运用，发现新的创新点，从而提高自身创新绩效，形成竞争优势。

4.2 理论意义

理论研究主要体现在两个方面。①检验了知识要素特征与技术联盟内企业创新绩效之间的关系，发现在中国经济体制转型的背景下，知识要素特征对技术联盟内企业创新绩效的提升有至关重要的作用。将技术联盟内的企业作为研究对象，提供了知识要素特征影响技术联盟内企业创新绩效的经验数据，丰富了相关实证研究。②已有研究往往局限于单个企业的知识模糊性和复杂性各自对企业创新绩效的作用，而本文探讨了知识要素特征对技术联盟这一大环境下企业创新绩效的相互影响情况。

4.3 实践意义

（1）为提升企业创新绩效，技术联盟内企业应该充分发掘和利用知识要素特征的价值，加强与技术联盟内其他企业的交流、沟通与联系，加强彼此的信任与合作，结合具体的知识特征，确定合适的知识传递、共享方式，促进彼此之间更深层次的合作创新活动。

（2）若企业的知识比较模糊，则需要警惕其在知识的传递、共享中可能带来的不利影响，应采取书面等方式使之清晰；若企业的知识比较复杂，则企业需要多花时间、精力去探索、研究，从中整合出新的知识并加以利用，使之成为企业的创新点，提高创新绩效，形成自身的优势。

（3）企业发展必须充分考虑环境动态性的调节作用。企业需要不断调整对知识特征的把握来适应外部环境的变化，从而使知识要素特征与企业创新活动相匹配，获取并理解新的知识，提高企业的创新绩效。

4.4 研究局限与未来展望

本研究也存在一定的局限性，这为未来研究指出了方向。①研究的样本数据太少，且覆盖面较小，缺乏代表性，因此得出的结论有待在更大区域范围内进一步验证。②采用调查问卷方式收集数据，仅仅获得了横截面数据，只是对变量间的相关关系进行分析，并未探讨其因果关系。在后续研究中，可凭借案例研究，搜集纵向数据来探讨其因果关系。③在考虑知识要素特征与技术联盟内企业创新绩效时，只考虑了外部环境动态性的调节作用，而外部环境还具有复杂性、竞争性等特征，同时也忽略了企业内部环境对于知识要素特征与企业创新绩效的作用。在后续研究中，可以同时考虑企业内外部环境，深入分析其对知识要素特征与技术联盟内企业创新绩效关系的影响。

参考文献：

[1]趙顺龙，徐小三. 知识管理视角下的技术联盟——一个相对稳定、高效的技术知识转移和创造的“场”[J].科技进步与对策，2010， 27（12）：128-132.

[2]Szulanski G. Exploring Internal Stickiness： Impediments to the Transfer of Best Practice within the Firm [J].Strategic Management Journal，1996， 17（S2） ：27-43.

[3]丁炜.知识复杂性之考察[J].广西师范大学学报（哲学社会科学版），2006， 42（1）：90-94.

[4]范志刚，吴晓波.动态环境下企业战略柔性与创新绩效关系研究[J].科研管理，2014，35（1）：1-8.

[5]Bustamante M. A Linking Properties of Knowledge and Knowledge Network Topology with Performance[D].Nebraska： The Graduate College at the University of Nebraska，2007.

[6]王长峰.知识属性、网络特征与企业创新绩效[D].济南：山东大学，2009.

[7]Keats B W，Hitt M A. A Causal Model of Linkages Among Environmental Dimensions，Macro Organizational Characteristics，and Performance[J].Academy of Management Journal，1988，31（ 3） ：570-598.

[8]王瑛.企业知识转移、互动机制与联盟创新绩效的关系研究[J].学术论坛，2011（1）：138-143.

[9]Vonderembse M A，Tracey M. The Impact of Supplier Selection Criteria and Supplier Involvement on Manufacturing Performance [J].Journal of Supply Chain Management，1999， 35 （3）：33-39.

[10]Ritter T，Gemunden H G. The Impact of A Companys Business Strategy on Its Technological Competence， Network Competence and Innovation Success[J].Journal of Business Research，2004，57（5）：548-556.

[11]Jaworski B J，Kohli A K. Market Orientation： Antecedents and Consequences [J].Journal of Marketing，1993，57（3）：53-71.

（责任编辑：张 勇）