网络结构与物流企业学习能力——基于环境动态性的调节效应研究

■刘荷

在信息技术高速发展、社会分工程度越来越高的现代经济社会中，企业的发展不再仅凭借内部资源就能够实现。主动加入关系网络，通过企业或产业间的合作融合获取各类资源，提升发展能力，已成为多数企业的战略选择。企业在网络中所处的位置、网络的规模等结构特征，制约与影响着企业对资源的获取和利用，影响着企业的行为，并产生绩效和竞争优势的差异［1］。Mc Evily S等人认为能力的构建不仅源自企业处理内部资源的过程，也有赖于与其他组织的合作［2］。Zahra S等人的研究认为来自组织外部的知识能够显著提升组织的吸收能力［3］。Giulinai E和Bell M对组织动态能力和企业间关系进行了研究，研究表明与外界建立知识联系的企业也拥有更强的动态能力［4］。社会经济理论、资源观等理论也从网络的关系、结构、认知等特性出发探讨了网络对企业获取资源、提升组织能力和绩效的作用。

虽然相关文献初步证实了网络特性与组织能力的关联，但还有不少问题有待进一步研究，如现有文献多以网络中的关系为研究对象，考察组织间的关系质量、关系构建时长等因素，而组织所处的网络整体结构特征对组织能力的作用较少为人关注，涉及的文献多以单案例分析为主，针对较大规模企业样本的实证研究还较少。此外，随着企业所处的经营环境、市场环境变动性和多样性逐步增强，环境对于企业能力构建的作用也应予以考量。目前，我国物流企业面临着物联网、自动化仓库、物理信息处理系统等物流设施设备的变革和更新，物流需求个性化和多样化，如跨境电商、冷链物流、多式联运等，物流企业数量不断增加、跨国物流公司加快本地市场扩张等不确定因素［5］。因此，环境动态性发挥的调节作用不容忽视。本文拟以企业所处的网络结构与学习能力为研究对象，以福建省、浙江省、江苏省的物流企业为实证分析对象，并考察环境动态性的调节作用，研究能够拓展、深化组织能力理论和网络嵌入理论，为物流企业在复杂动态的环境中利用网络优势提升学习能力提供理论依据。

一、理论基础与研究假设

（一）理论基础

网络一般是由诸多节点及节点间交互形成的联系构成，对企业来说，网络包含企业与其他组织间形成的横向或纵向的关系［6］。归纳国内外学者对网络结构的研究，从中观层面来看，网络结构主要是指网络的整体特性如规模、稳定性、多样性等；从网络中的个体层面来看，结构主要是指个体在网络中所处的位置。物流企业的外部网络连接对象既包括价值链上的供应商、客户、竞争对手，也包括政府部门、行业协会等社会组织。对提供不同类型物流服务的企业来说，网络的整体特性和企业自身所处的位置都具有一定的差别。因此，综合相关文献和物流企业特性，本文以网络规模、紧密度、多样性和网络位置衡量企业所处的网络结构。

在开放式创新的环境下，从外部习得新知识的同时也是能力增强的过程。组织知识学习过程的通用环节一般有获取、消化、整合、应用这四个环节，即对外部知识进行吸收内化的过程［7］。对学习能力的维度至今尚未形成一个较为统一的划分，有的学者按照二元式组织学习将学习能力分为探索式学习能力和利用式学习能力，但这种分类法容易与学习行为本身混淆。考虑到学习本质上是一个将外部知识内化并不断累积的过程，因此结合组织学习、学习能力的相关理论和文献，本文将企业学习能力定义为企业为提高竞争优势进行知识搜寻获取、消化、整合应用的能力，并按获取、消化和应用三个子过程划分学习能力的维度。

根据资源观理论和组织行为理论，环境的动态性是促使企业采取各种适应性行为以提高能力的重要因素之一。环境动态性一般是指外部环境的不确定、不可预测性或动荡性。对企业而言，在一定时期内，不确定性最大、对自身运营影响最显著的主要是技术、市场和行业环境［8］。技术环境的动态性则表现在企业所在行业的技术更新换代，行业主要体现在企业所在行业的竞争性，市场环境主要体现在消费者需求的变化。

（二）研究假设

1．网络结构与物流企业学习能力

第一，企业所在的网络规模代表了企业能够建立联系的潜在对象。从资源的交换观点来看，关系连接的多少代表节点可选择方案的多少，可选择的数量增加，可利用的资源也随之增加［9］。许晖等人基于3家外贸企业的案例研究表明，企业通过扩大网络规模，能够增强探索式学习的能力，市场承诺水平也更高［10］。张志勇和刘益的研究发现，企业所在的网络规模与网络整体知识水平正相关［11］。因此，网络规模越大，物流企业获取和搜寻知识的渠道越多，也有更多的机会接触更广泛的知识和信息。

第二，网络紧密度代表了节点之间建立联系的密切度。联系越紧密，节点越能够形成长期稳定的合作关系，有利于双方互相协调并共同解决合作过程中的问题［12］。学习能力的形成和发展是一个长期累积的过程，还会面临“技术盗用”“模仿和剽窃”等不正当学习方式的挑战。密切的网络联系一方面为企业构建了相对稳定的合作环境，促进双方互相学习、共同解决问题，另一方面通过密切合作形成较强的社会规范与信念，进而规避不正当学习风险。因此，网络密度越高，物流企业更倾向做出提升学习能力的决策和行为。

第三，网络多样性意味着网络节点的多样化、异质性。尽管上下游企业构成的价值链网络能够为企业提供资源分享和输出的渠道，但在市场竞争程度和技术更新速度不断加强、加快的背景下，如果网络中没有其他类型的组织，如政府部门、行业协会、科研机构等，则会出现网络关系僵化、封闭，企业无法对外界环境的变化做出及时反应，进而出现“功能锁定”现象［13］。Hendry C等人以光电子集群为研究对象，证实了网络中超本地的商业合作伙伴能够为企业带来多样化、更新的市场知识和更先进的技术，进而提升企业能力［14］。因此，网络多样性越强，物流企业就越容易接触到更多异质性资源，更有利于提升学习能力。

第四，每个企业都在网络中占据某个特定的位置，网络位置也代表企业在网络中的相对力量。网络位置越优越，代表企业在网络中越靠近核心，不仅能够在网络中更便利地吸收知识，还有更多机会接触到网络外更广泛的异质性信息［15］。居于网络中心的企业往往拥有更强的网络权力，为保持网络运行效率，通常会通过自身的主导地位制订特定的标准和规范，对网络中的资源进行控制［16］。因此，网络位置越好，物流企业有更多的机会和权力提升自身的学习能力。

根据上述分析，本文提出假设1：网络结构对物流企业学习能力有正向影响。

假设1a：网络规模对物流企业学习能力有正向影响；

假设1b：网络密度对物流企业学习能力有正向影响；

假设1c：网络多样性对物流企业学习能力有正向影响；

假设1d：网络位置对物流企业学习能力有正向影响。

2．环境动态性的调节作用

在环境动态性强的环境下，单个企业、网络中的边缘企业运营的难度进一步加大、面临的风险越大［17］。在这种环境下生存下来的企业更注重构建关系网络，加强合作深度和网络协调力度，通过“抱团取暖”实现能力提升以适应外部环境［18］。紧密网络关系所形成的密集知识交流渠道、较高的知识分享意愿和互相信任、协同合作的氛围，都降低了企业搜寻外部知识的成本和经营风险。Walter等人指出企业在面临动态的竞争环境时，企业间长期稳定的合作关系形成的社会资本能够通过风险共担帮助企业减少环境不确定性带来的风险［19］。程跃等分析了在不确定环境下集群创新网络的演化，研究表明在同行竞争激烈的情况下，企业更倾向于建立紧密的联系，如战略同盟等形式共同提高自身能力［20］。同时，环境动态性会增强网络位置优势，意味着中心型企业有更多的机会搜寻和吸收更多网络外的异质性知识，发挥外部通道作用，学习的动力更强，抵御风险的能力也将随之增强。根据上述分析，本文提出假设2：环境动态性正向调节网络密度对物流企业学习能力的影响；假设3：环境动态性正向调节网络位置对物流企业学习能力的影响。

此外，环境不确定性会造成运营成本上升，将使得企业难以维系数量较多的合作对象，网络规模越大、多样性越强反而会增加企业运营成本。尤其是当前我国物流企业在基础设施、经营管理、技术研发等方面的总体水平还较弱，处在由“小、散、杂”向专业化、规模化、精细化转型的阶段［21］。根据2014—2017年中国物流与采购联合会连续四年发布的《年度物流企业负担及营商环境调查报告》，物流企业的用地成本、劳动力成本、仓储成本等持续上涨，成本压力一直是近年来物流企业发展中面临的最大障碍。根据上述分析，本文提出假设4：环境动态性负向调节网络规模对物流企业学习能力的影响；假设5：环境动态性负向调节网络多样性对物流企业学习能力的影响。

因此，在上述分析的基础上，本文构建了网络结构对物流企业学习能力的影响机制理论模型，如图1所示。

图1 理论模型

二、研究设计

（一）数据收集与研究方法

本文综合考虑物流企业的发展特点和数据可得性，选取了福建省、浙江省和江苏省三地的物流企业作为问卷发放对象。三地在地理位置、人文社会氛围、经济发展环境等方面相似，通过选取不同领域的物流企业突出所处网络结构和环境的差异性，由此也可以更准确地分析企业学习能力的形成差异。正式发放问卷时间为2017年3月至10月，发放方式主要是电子邮件、现场发放，总共发放问卷226份，回收问卷138份，有效问卷123份，有效问卷回收率55%。样本信息如表1所示。采用的研究方法主要有多元回归分析、T检验和相关性分析。

表1 样本企业信息

（二）变量测度

在查阅与借鉴现有文献的成熟量表后，通过选取3家物流企业进行访谈，在3位专家的指导下形成初步量表。随机抽取8家集群企业进行预调查，根据结果进行修改。问卷的问题采用5级李克特量表，数值“1－5”分别表示从“完全不符合”到“完全符合”。

网络结构的问项根据 Gulati R［6］、赵忠华［22］的研究成果，包括“我们的合作对象数量很多”“我们与合作对象的联系非常密切”“我们的合作对象除了上下游企业外还包括很多其他组织（如政府部门、行业协会、科研机构等）”“相比其他企业，我们在网络中处在非常重要的位置”。学习能力的问项根据Yli－Renko等人［23］、Norman P M［24］的研究成果，包括“我们能够主动地搜索并准确识别对企业有用的知识”“我们会记录并保存相关信息和资料”“我们非常重视员工的培训”“我们经常在企业内部分享交流知识”等7个问项。环境动态性的问项根据Kohli A K 和Jaworski B［25］、王松和盛亚［18］的研究成果，包括“我们的客户经常提出新的要求”“我们非常需要开拓新市场”“与我们从事相似业务的公司很多”“当我们推出新的服务或业务时，竞争对手往往迅速跟进”“我们企业业务领域的相关技术更新换代速度很快”等5个问项。此外，在组织能力的研究中，企业规模、经验被认为是学习能力的重要变量，因此选取企业规模、成立时长作为控制变量。

（三）问卷有效性

运用 SPPSS19．0 软件，通过 Cronbach’s α系数、因子载荷系数和主成分方差贡献率验证各变量的信度和探索性因子分析，分析结果详见表2。

如表2所示，模型各变量的Cronbach’s α系数均大于等于0．7，信度检验符合要求。KMO测度和Bartlett球体检验结果显示各变量的KMO值同一变量的各问项均分布于同一因子且因子载荷均大于0．6，主成分方差贡献率均在70%以上。运用Lisrel 8．7软件计算χ2/df、GFI值、NFI值、CFI值和 IFI值，结果显示量表的 χ2/df 为 1．473、GFI 值 为 0．92、NFI 值 为0．93、CFI值为 0．95、IFI值为 0．95、AGFI 值为0．93、RMSEA 值为 0．044，各潜变量与各自观测变量之间的路径系数均大于0．6，进行验证性因子分析通过检验，结构效度符合要求。

表2 各变量的信度与效度检验指标

三、实证分析

在对数据进行多元线性回归分析前，需要检验变量数据之间是否存在多重共线性、序列相关及异方差三大问题。本文参考马庆国（2002）的做法，多重共线性检验表示解释变量之间存在共同的变化趋势，可用方差膨胀因子（VIF）来判断，当 VIF＞10，则表示解释变量之间可能存在多重共线性问题。序列相关指的是不同地点或时间的样本值之间存在显著的相关关系，一般可用DW值进行检验，当DW越接近2，序列相关问题越小；异方差问题指的是解释变量的方差随着其变化而产生显著的变化趋势，可以用残差项的散点图进行分析，若散点图呈现均匀、无序分布的状态，则可以判断模型不存在异方差问题。

通过SPSS19．0软件对各回归模型进行统计，结果显示，所有回归模型中变量的VIF介于3～5之间，可以认为解释变量之间不存在严重的多重共线性；回归模型的残差三点图均呈现无序状，可以认为不存在严重的异方差问题。此外，由于本文使用的是横截面数据，不存在序列相关的问题。首先构建仅包含控制变量的M1模型，然后加入解释变量形成模型M2，分析网络结构对物流企业学习能力的直接影响，模型M3、M4分别表示加入环境动态性、加入调节变量与解释变量的交互项的全模型。通过SPSS19．0软件对各回归模型进行计算，结果如表3所示。

表3 多元线性回归结果：标准化系数

（一）网络结构与物流企业学习能力的关系

由表3可知，模型M2达到了显著性水平，除网络多样性外，网络规模、网络密度和网络位置都对物流企业学习能力有着显著的正向影响，假设1a、1b和1d通过检验，但假设1c未通过检验。由各解释变量的回归系数可以看出，对物流企业学习能力影响相对较大的网络密度和网络位置。假设1c未通过检验的可能原因在于：目前我国物流企业与其他领域、其他性质的组织联系并不密切，如政府部门、行业协会、科研机构等对物流企业的引导、扶持和研发支持作用还不突出。

（二）环境动态性的调节作用

模型M3和M4在增加了环境动态性及其与各解释变量的交互性后，模型的整体解释变异量比模型M2有显著性改善，且系数在0．001的统计水平上显著，说明环境动态性存在对网络结构与物流企业学习能力的调节作用。具体来看：环境动态性对网络规模与物流企业学习能力的负向调节作用显著，交互项“网络规模×环境动态性”的回归系数为－0．068（P＜0．001），假设4通过检验。环境动态性对网络密度与物流企业学习能力的正向调节作用显著，交互性“网络密度×环境动态性”的回归系数为 0．076（P＜0．001），假设 2 通过检验。环境动态性对网络多样性与物流企业学习能力的负向调节作用不显著，假设5未通过检验。环境动态性对网络位置与物流企业学习能力的正向调节作用显著，交互性“网络密度×环境动态性”的回归系数为 0．062（P＜0．01），假设 3 通过检验。

四、研究结论与实践启示

本文基于组织学习、网络资源观等相关理论，提出网络结构影响物流企业学习能力、环境动态性发挥调节作用的理论模型和研究假设。通过对福建、江苏、浙江三地的123家物流企业进行问卷调查，构建层次回归模型，利用SPSS和LISREL操作软件对数据进行拟合和分析，得到如下结论：

第一，网络规模、密度与网络位置对物流企业学习能力都存在显著的正向影响，网络密度与位置的作用相对更强。表明居于网络核心的物流企业能够通过位置优势和网络权力，获取、整合所需的知识资源，进而提升学习能力。

第二，网络多样性对物流企业学习能力的影响不显著。目前对物流企业来说，由上下游合作企业构成的价值链网络对于提升学习能力更重要，其他组织与物流企业间还未形成密切合作，也无法进行知识资源共享与交换，因此网络多样性对企业学习能力的影响尚不明显。

第三，环境动态性正向调节网络密度与网络位置对物流企业学习能力的作用。对物流企业来说，环境动态性越强，紧密关系与核心位置形成的优势越突出，越有利于企业获取、控制和利用资源以提升学习能力。

第四，环境动态性负向调节网络规模对物流企业学习能力的作用。面临动荡性强的环境时，网络规模较小、联系对象较少的物流企业能够“轻装上阵”，维护好已有的网络关系，更充分地利用已有关系形成的网络资源，更有利于提升学习能力。

基于上述研究结论，本文认为对于我国物流企业来说，在提升学习能力的过程中，必须充分利用网络的结构优势，并将其与所在环境的动态性相匹配。在市场需求变化和技术更新速度加快、行业竞争程度不断加剧的情况下，物流企业应构建“小而精”而非“大而松”的网络结构，同时深化已有的合作关系，提升网络位置，才能在动荡的环境下不断提升学习能力，应对环境带来的风险。对于政府部门、行业协会、科研院所等行业相关机构或部门，应加强与物流企业的联系，在信息、技术、法律、人才培训、市场需求和政策导向等方面提供针对性的知识服务。由于样本数据来源地较单一，仅选取了福建、江苏和浙江三地为调研范围，难以排除地域特征对企业国际化绩效的影响且收集的数据仅针对受访企业近三年的情况，因此，后续研究拟针对更广泛的区域范围和典型案例的纵向发展历程进一步展开，以提高结论的适用性。