组织游移对创新绩效的影响研究

张庆垒 刘春林 郑 莹

(1.南京财经大学营销与物流管理学院； 2.南京大学商学院；3.南京工业大学经济与管理学院)

1 研究背景

面对越来越动荡的外部环境，技术创新公司为获取竞争优势，需要同时进行利用式创新和探索式创新[1]，因为双元创新的互补优势可以为公司带来高绩效[2]。长期以来，学者对于利用式创新和探索式创新的组织双元研究给予了高度关注。然而，这样的组织双元创新往往需要设计和维持复杂、混合以及双元结构的组织，对于管理者来说也是充满挑战的[3]。更为重要的是，公司的技术创新战略经常会在利用式创新和探索式创新之间动态转变[4，5]。这种转变，可称之为组织在探索式创新和利用式创新之间的组织游移，简称为组织游移，且组织游移是公司获取组织双元优势的重要前提[2]。组织游移理论提出，在组织正式结构之间的游移，会短暂地产生具有二元性的非正式组织，这样的非正式组织同时具有探索式创新和利用式创新的特征[6]。近年来学者开始关注组织游移，但有关组织游移效果如何的研究，一方面大都是以案例为主的质性研究[2,6]；另一方面，如KANG等[7]的研究，是仅有的探讨组织游移对公司业绩影响的大样本实证研究。总结这些研究，发现既有研究注重通过案例构建理论和产生假设[8]，且最新的有关组织游移效果的实证研究，也仅关注组织游移是如何影响商业绩效的。由此可知，不论是发展理论，还是仅有的大样本实证研究，都忽视了组织游移如何作用于企业技术创新过程进而产生创新绩效，也无法进一步促进组织游移主题的理论完善性。据此，本研究提出问题1：组织游移是如何影响公司创新绩效的？具体地，本研究关注组织游移尺度和频率如何影响公司创新绩效。

此外，现有文献不仅鲜有探讨组织游移与创新绩效的关系，更缺乏对影响二者关系情境因素的研究。组织在探索式创新和利用式创新之间游移[9]，本质上是组织对新颖技术知识和已有技术知识之间不断转换的搜索和学习过程，而这一过程可能会受到组织技术知识多元化程度的影响[10，11]。综上，本研究提出问题2：技术知识多元化如何影响组织游移与创新绩效的关系？

2 研究理论与假设提出

2.1 组织游移的内涵及维度

组织游移最早由NICKERSON等[6]提出，他们从现象出发，指出管理者在选择组织结构时，经常表现得相当游移，有时甚至在不同结构方案中以惊人的速率游移，如组织结构中心化和非中心化的决策。BOUMGARDEN等[2]认为，组织可以通过同时维持高水平的探索能力和利用能力，从而获取高绩效的动态方式；强调通过短暂或者序贯的改变组织结构，或提升探索能力或提升利用能力，同时获取高水平的探索和利用双元能力[6,12，13]。KANG等[7]认为，在组织正式结构之间的游移会短暂地产生具有二元性的非正式组织，这样的非正式组织同时具有探索式创新和利用式创新的特征。

管理者寻求同时产生高水平的探索和利用，面临着本质上的悖论[2]。鉴于此，O’REILLY等[3]提出了组织双元，强调通过塑造复杂混合或者双元的组织结构，从而实现探索和利用活动的稳定平衡，这是一种静态范式。NICKERSON等[6]提出了组织游移，强调动态地通过短暂或序贯地改变组织结构，以提升探索或利用，获取高水平的探索和利用，这是一种动态平衡；不需要通过组织结构来实现探索和利用的稳定平衡。组织游移学者指出，管理者的主要任务是最大化绩效，而绩效受到探索和利用水平的影响，且并非受到二者之间平衡程度的影响，因此组织游移是一种动态范式。BOUMGARDEN等[2]指出，组织游移是组织双元产生的前提，游移比双元更有利于公司产生长期绩效，而组织双元对绩效的作用只是边际意义上的，并且需要组织较大范围的游移存在为前提。组织双元和组织游移都是公司获取竞争优势的前提。

有关组织游移的维度，目前学者提出组织在探索式创新和利用式创新之间游移，在游移尺度和游移频率上则存在差异[7]，且组织游移的频率会依据组织刚性的不同而不同[6]。这样的维度划分，从时间上刻画了组织游移的整体特征。

2.2 组织游移与创新绩效的关系

本研究提出，组织在探索式创新和利用式创新之间游移，对组织创新绩效会产生倒 U型的影响。具体地，组织游移尺度和创新绩效存在倒U型关系；组织游移频率和创新绩效存在倒U型关系。游移尺度越大，表明组织在探索式创新和利用式创新之间进行着越广泛的游移。组织游移理论指出，在组织正式结构之间的游移会短暂地产生具有二元性的非正式组织，这样的非正式组织兼具探索式创新和利用式创新的特征，才可能发挥探索式创新和利用式创新的互补优势。当组织游移尺度较小时，游移带来的好处会较小，因为低水平的探索式创新没有学习和搜索到足够多的新颖技术知识，利用式创新也就不可能充分实现这些新颖技术知识的深入转化和沉淀；同时，低水平的利用式创新无法建立起足够的创新路径，吸收能力也维持在较低水平[14]，无法有效地实现向探索式创新游移，也无法创造出更多的新颖技术。随着组织游移尺度的扩大，表明组织进行更为广泛的探索式创新和利用式创新游移。增加的探索式创新会搜索和学习到更多、更好的新颖技术知识，增加的利用式创新也会更有利于实现这些新颖技术知识的吸收和沉淀。然而，当组织游移超过一定程度时，进一步增加游移尺度反而是有害的，主要原因为：①过度地探索新颖技术知识，可能会因为过于异于组织现有的技术知识库而无法利用，也无法进行组合和重组，因此不能产生效果；②过于密集的利用式创新会使得组织技术路径变窄，吸收能力也会被锁定在较窄的技术路径上；③过于密集的探索式创新(或利用式创新)，组织都有可能会忽视或伤害到利用式创新(或探索式创新)的组织路径[15]，公司过多聚焦于双元创新的某一方面，都可能是以另一方面为代价的，因此，组织在探索式创新和利用式创新之间的游移成本也会增加[16]。基于此，提出如下假设：

假设1组织游移尺度和创新绩效存在倒U型关系，即尺度过小或过大的组织游移不利于公司创新绩效，而中等程度尺度的组织游移才有利于创新绩效。

组织游移频率也会对创新绩效产生倒U型影响，即过快或者过慢的组织游移频率都不利于创新绩效的获取，只有中等程度的组织游移频率才可能产生较高的创新绩效。当组织游移频率较低时，表明管理者在一定时期内变革组织创新方式的速率缓慢。组织从探索式创新游移到利用式创新，或者从利用式创新游移到探索式创新的速率较慢，因此，组织只可能单方面地获得探索式创新或者利用式创新的优势，而不能通过动态的调整组织结构，以达到同时维持高水平的探索式创新和利用式创新的目的[17]。由此，创新绩效的获取相比于同时维持高水平的探索式创新和利用式创新来获取高绩效的动态方式要低。随着组织游移频率的增加，表明管理者在一定时期内变革组织创新方式的速率加快，组织则有可能达到同时维持高水平的探索式创新和利用式创新，以获取高创新绩效。但是随着组织游移频率过高，组织变革的成本也是巨大的，游移的成本增加会导致得不偿失。故本研究认为存在一个中等频次的组织游移频率，使得组织可以通过恰当的组织游移次数获取较高的创新绩效。

除此以外，KANG等[7]指出，组织的管理者是有限理性的，有限理性的管理者经常错失最佳时机来进行组织游移，因为他们不能预估到什么时间进行游移是最好的，且无法准确把握最优的游移频率。虽然理论上存在一个最佳的组织游移频率，使得公司通过在探索式创新和利用式创新之间的转换，从而产生最佳的创新成果，但是管理者的有限理性往往使得组织游移频率偏离最佳频次，创新绩效也可能是次优的。由此，随着组织游移频率的增加，可能会出现一个最佳游移频率，使得创新绩效最高，其他组织游移频率下，创新绩效都不会高于最佳游移频率下的创新绩效。基于此，提出如下假设：

假设2组织游移频率和创新绩效存在倒U型关系，即低频率和高频率的组织游移不利于公司创新绩效，而中等程度频率的组织游移才有利于创新绩效。

2.3 技术知识多元化的调节作用

组织在探索式创新和利用式创新之间进行游移，本质上是组织对新颖技术知识和已有技术知识的不断转换搜索和学习过程，这一过程很可能会受到组织技术知识库的多元化程度的影响。组织拥有一个宽泛的技术知识库，能够为组织在探索式创新和利用式创新之间的游移提供有效的技术知识。当技术知识多元化程度较高时，组织可能会拥有较多的已有技术知识，并且也能够促使组织加深对新颖技术知识的吸收和学习[18]。当组织游移尺度较小时，技术知识多元化程度较高的公司，拥有比技术知识多元化程度较低的公司更低的搜索和学习新旧技术知识的成本，也会进一步降低较小程度的组织游移风险；同时，由于多元化的技术知识基础增加了组织对新颖技术知识的探索和理解，这些被探索的新颖技术知识也有可能被利用式创新进一步内化和沉淀。

随着组织游移尺度的扩大，组织会进行更为密集的探索式创新和利用式创新游移，组织游移的成本和风险也会进一步增加，因为公司从原本擅长的利用式创新游移到探索式创新，技术创新风险在增加，并且支持探索式创新的组织结构及资源配置也需要调整，成本会增加。当公司技术知识多元化程度较高时，公司更可能以多元化的技术知识为基础，增加对探索式创新的理解，从而降低创新风险，同时也更有利于组织合理调整组织结构和资源配置，降低成本，当组织从利用式创新向探索式创新游移时，才可能取得较好的创新效果。同样地，当组织从探索式创新向利用式创新游移时，也面临着成本和风险，以及新旧技术知识的搜索和学习转换等带来的问题，多元化程度较高的技术知识也可以进一步降低成本和风险，增加搜索和学习效果等，从而取得比技术知识多元化程度较低的公司更好的创新效果。

当组织游移尺度进一步扩大，超过一定程度时，不利于创新绩效的产生，但是当组织拥有多元化程度较高的技术知识时，尺度范围过大的组织游移对创新绩效的不利影响会得到缓解：①宽泛的技术知识，可以为组织过于密集的探索式创新提供更多理解新颖技术知识的机会，因此可能会产生更多的创新绩效[19]；②组织拥有多元化程度较高的技术知识，有利于在进行过于密集的利用式创新时去拓展技术路径，以增加吸收能力；③多元化的技术知识，将缓解组织游移导致的对另外一种创新方式的忽视，即便组织游移到探索式创新(或利用式创新)，也会因为组织具备多元化的技术知识库，使得快速游移到利用式创新(或探索式创)更加容易，同时降低组织在探索式创新和利用式创新之间的游移成本。基于此，提出如下假设：

假设3技术知识多元化对组织游移尺度与创新绩效的倒U型关系产生正向影响。

如果一段时间内组织游移的频率过低，虽然此时组织变革的成本和风险较低，但是组织可能会跟不上外部环境变革的速率，而只能单方面发挥探索式创新或利用式创新的优势，达不到同时获得高水平双元创新的优势。即便如此，在低频率的组织游移过程中，如果公司技术知识多元化程度较高，那么公司也可以通过多元化的技术知识来增强探索或利用的效果，从而增加创新绩效。

随着组织游移频率的增加，组织有可能同时动态获取高水平的探索式创新和利用式创新，此时也伴随着较高的成本和风险。高度多元化技术知识库的存在，使得组织对新旧技术知识的理解程度进一步加深，组织既可以探索新颖技术知识，并加以利用和转换，也可以深入利用已有技术知识，产生更高的创新绩效。此外，随着组织游移频率的增加，技术变革的成本和风险也在增加，多元化的技术知识对于游移成本和风险也起到了缓冲的作用，降低了成本和风险，有可能促使组织产生相比于技术知识多元化程度较低时更好的创新效果。基于此，提出如下假设：

假设4技术知识多元化对组织游移频率与创新绩效的倒U型关系产生正向影响。

综上，构建本研究的概念模型(见图1)。

图1 概念模型

3 研究设计

3.1 样本与数据

本研究初始样本选自2000～2010年中国沪深两市主板上市的所有上市公司，数据主要来自两个专业数据库：①从CPDP专利数据库获取与创新相关的专利数据[20]，CPDP较为全面地包含了上市公司专利信息，如专利所属类别、申请人等。该数据库近年来也得到了广泛的采用[21]。②从Wind金融数据终端获取这些上市公司的相关财务数据。研究的初始样本之所以选择上述上市公司，主要是受限于基于技术创新相关变量所需要的专利数据相关信息较难获取。因为要构建探索式创新和利用式创新的组织游移尺度和频率，首先需要构建探索式创新和利用式创新，而以二手数据研究的探索式创新和利用式创新大都采用基于专利信息的变量测量。获得较高认可程度的专业专利数据库才能保证研究质量。CPDP专利数据库，是由北京大学路江涌团队向国家知识产权局购买的专利，经过严格整理后形成的专利数据库，可信程度较高。但是该专利数据库只有2000～2010年中国沪深两市主板上市公司的专利数据，目前该数据库并没有公开的更新版本，因此综合考虑数据的权威性和可获得性，本研究还是采用CPDP专利数据库来构建技术创新相关变量。由于受变量性质和数据的限制，为了匹配相关技术创新变量的数据时期，本研究选择2000～2010年的沪深两市主板上市公司的财务数据，构建除创新相关变量之外的其他变量。构建完成基于专利和财务数据的相关变量后，通过Access将来自两个数据库的变量和数据进行合并，得到本研究所需要的初始样本和数据。由于专利数据构建变量的特殊性，并且剔除大量不完整样本和缺失值后，最终确定602家上市公司2008～2010年的变量和数据。

3.2 变量测量

(1)因变量：创新绩效有关创新绩效测量的代理变量很多，但多数学者都采用专利作为创新绩效的代理变量[22，23]。本研究也采用公司每年申请的专利数量作为公司该年创新绩效的代理变量。

(2)自变量：组织游移尺度和组织游移频率为测量组织游移尺度和组织游移频率，首先需要测量出探索式创新和利用式创新。由于CPDP专利数据库主要是中国主板上市公司2000～2010年的专利数据，其间包含了发明专利、实用新型专利及外观设计专利。这些专利都采用国际专利分类号(IPC)来进行分类。而外观设计专利在创新性上不如发明专利和实用新型专利，并且分类标准也不同于这两类。由此，本研究测量探索式创新和利用式创新主要是基于发明专利和实用新型专利。以往西方文献中测量探索式创新的方法主要是利用专利引文，但是中国专利数据IPC分类法和专利文本中没有专利引用。本研究构造探索式创新和利用式创新的方法主要参照GUAN等[23]以及张庆垒等[9,24]的方法，以IPC专利分类号前4位为基础，并且以5年窗口期滚动向前。由于2000年专利数据缺失较多，本研究以2000～2005年为第一个窗口期，构造2006年的探索式创新和利用式创新。如果2006年公司申请的专利数据，在IPC分类号中出现与之前2001～2005年相同的类别，本研究将这些重复出现的该年度专利数算当作利用式创新；如果2006年公司申请的专利数据中未出现与之前2001～2005年相同的IPC专利类别，则将这些未重复出现的专利数据算当作探索式创新。以此类推滚动向前，并且为了排除2006年国家修改会计准则的影响，本研究构造的探索式创新和利用式创新变量选择2007～2010年的双元创新数据。

根据KANG等[7]的方法，针对上述步骤编码的每家公司每年所申请的专利，计算出一个比例变量

fit=Rit/TPit-Tit/TPit，

(1)

式中，fit表示公司i在t年申请的探索式创新占比与利用式创新占比的差值；Rit表示公司i在t年申请的探索式创新专利数量，Tit表示公司i在t年申请的利用式创新专利数量；TPit表示公司i在t年申请的探索式创新专利和利用式创新专利数量之和。如果Rit>Tit，表明公司i在t年申请的探索式创新专利比利用式创新专利多，fit为正值；如果Rit

根据fit的测量，识别出公司i从t-1年到t年是否存在组织游移事件。如果fit·fit-1<0，即公司i对于探索式创新或利用式创新的关注程度从t-1年到t年之间发生了转变，即发生了组织游移事件。

本研究以VSit表示组织游移尺度，那么

VSit=g(fit，fit-1)·|fit-fit-1|，

(2)

式中，g(fit，fit-1)表示公司i从t-1年到t年游移事件的函数，如果存在游移事件，g(fit，fit-1)取值为1；如果不存在游移事件，取值为0。

本研究用VFit表示组织游移频率，即公司i在t年内发生的游移次数。发生一次组织游移至少需要两年的时间，限于本研究采集的数据时期较短，故逐年计算发生组织游移的次数。

由于组织游移事件的发生，必须是前后两年公司技术创新在探索式创新和利用式创新之间发生了转变，故最终构成的组织游移尺度和组织游移频率变量数据期是2008～2010年，其他变量数据也对应选择该时期的。

(3)调节变量：技术知识多元化本研究采用学者大都采用的方法[25]，基于中国专利数据采用的IPC国家专利分类号主分类号，采用Herfindahl-Hirschman式指数测量技术多元化

(3)

式中，TD表示技术知识多元化；n表示IPC专利主分类号；pi表示第i种专利类别专利数占公司当年申请专利总数的比例。

(4)控制变量本研究的控制变量包括公司层面和行业层面两类。公司层面的控制变量：①游移事件，本研究用g来表示，如果发生游移事件，则设定g值取1，否则为0；②公司规模，采用员工人数和总资产作为公司规模的代理变量，并且做对数处理；③公司年龄，成立年限长的公司更为稳定，新公司往往更倾向于探索式创新[26]，因此需要控制公司年龄；④冗余资源状况，控制了不同类型的冗余资源，包括非沉淀性冗余资源、沉淀性冗余资源及潜在冗余资源[27]；⑤公司属性，将公司属性分为国有和非国有，设置哑变量进行控制，国有公司为0，非国有公司为1；⑥研发强度，其测量采用公司当年研发支出除以总资产；⑦研发人员数量，采用对数处理。行业层面的控制变量包括：①行业类别，研究涉及到602家上市公司，其所在行业覆盖证监会的行业分类，并且因为制造业行业子类过多，本研究也将其进行细分。行业类别采用哑变量进行控制。②环境动态性和环境包容性，本研究采用DESS等[28]的测量方法。③行业集中度的测量方法同样采用Herfindahl-Hirschman 式指数，使用行业层面的公司销售数据来测量行业竞争程度。

3.3 模型选择与设定

本研究的初始样本，采用的是2000～2010年中国主板上市公司，在构建最终样本时，考虑到因变量是以公司每年申请的专利数量作为创新绩效，并且探索式创新和利用式创新，以及组织游移的尺度和频率这些变量的构建，是以企业每年申请的专利数量及其IPC分类号构建起来的。由此，在构建完这些关键变量后，已经对2008～2010年的初始样本企业进行了筛查，剔除了因变量在2008～2010年全部为0或者空值的公司，最终才获得602家上市公司2008～2010年的数据。

进一步地，因变量是非负离散整数，且均值小于标准差，应选择负二项回归进行分析。结合Hausman检验结果，采用负二项回归随机效应模型。本研究需要进一步确认是采用标准负二项回归，还是零膨胀泊松回归(或者零膨胀负二项回归)，因此需要检验Vuong统计量。在分别进行了零膨胀泊松回归分析和零膨胀负二项回归分析后，零膨胀泊松回归分析结果显示，Vuong统计量为-1.75，Pr>z=0.960，Vuong统计量为负数；而零膨胀负二项回归分析结果显示，Vuong统计量为-1.28，Pr>z=0.900，Vuong统计量同样为负数。根据Vuong统计量显示结果，应该选择标准的负二项回归分析方法。模型设定如下

PAit=β0+β1VSit-1+β2VSit-1VSit-1+β3VFit-1+

β4VFit-1VFit-1+β5VSit-1VSit-1TDit-1+

β6VFit-1VFit-1TDit-1+β7TDit-1+β8git-1+

β9lnEMit-1+β10lnASit-1+β11AGit-1+

β12UNit-1+β13ABit-1+β14ALit-1+β15ATi+

β16RDit-1+β17lnREit-1+β18DYit-1+

β19MUit-1+β20HHIit-1+β21INi+εit-1，

(4)

式中，PAit表示公司i在t年申请的专利数量，即因变量创新绩效，本研究将因变量滞后1年，以防止内生性的影响；β0为常数项；β1～β21表示各变量及交互项的回归系数；VSit-1表示公司i在t-1年的组织游移尺度；VFit-1表示公司i在t-1年的组织游移频率；TDit-1表示公司i在t-1年的技术知识多元化程度；git-1表示公司i在t-1年的组织游移事件，为哑变量；lnEMit-1表示公司i在t-1年的员工人数，取对数处理；lnASit-1表示公司i在t-1年的总资产，同样取对数处理；AGit-1表示公司i在t-1年的年龄；UNit-1表示公司i在t-1年的非沉淀性冗余资源；ABit-1表示公司i在t-1年的沉淀性冗余资源；ALit-1表示公司i在t-1年的潜在冗余资源；ATi表示公司i的属性；RDit-1表示公司i在t-1年的研发强度；lnREit-1表示公司i在t-1年的研发人员数，做对数处理；DYit-1表示公司i在t-1年所在行业的环境动态性；MUit-1表示公司i在t-1年所在行业的环境包容性；HHIit-1表示公司i在t-1年所在行业集中度；INi表示公司i所在行业；ε表示随机扰动项。

4 实证分析

表1 各主要变量的均值、标准差及极值

注：公司属性和行业类别为类别变量，未包含在此表中；员工人数、总资产和研发人员数量做对数处理。下同。

4.1 描述性分析

在样本中，制造业子行业机械设备仪表行业、其他制造业、金属非金属行业以及电子行业公司较多，占比分别为24.250%、10.470%、9.970%及7.140%。值得关注的是信息技术业样本企业也较多，为45家，占比为7.480%。

各主要变量的均值、标准差及极值见表1(1)本研究样本为602家上市公司，其间因变量中存在少部分空值。为了排除因变量为计数数据可能会受到含有0或者空值的影响，最终确定创新绩效的观测值为1 661个，有145个空值(样本采用3年的数据，所以各变量应该有3×602=1 806个观测值，但是实际情况会存在空值)。。由表1可知， 样本公司每年申请专利数量最大值为5 356。公司在探索式创新和利用式创新之间游移尺度的平均值为0.068，标准差为0.279，最大值为2，最小值为0。组织游移频率的均值为0.276，标准差为0.541，最大值为2，最小值为0。组织游移尺度和频率的最大值说明样本中在2008～2010年之间有公司存在两次游移事件，且在2008～2010年公司最多发生两次游移事件。对比KANG等[7]的研究，他们的样本年限跨度为1983～2007年，时间跨度较长，最多发生组织游移事件次数为14次。

各主要变量的相关系数见表2。由表2可知，组织游移尺度与创新绩效之间不显著相关，相关系数为-0.018(p>0.05)；组织游移频率与创新绩效之间显著相关，相关系数为0.050(p<0.05)；组织游移尺度与组织游移频率之间显著相关，系数为0.422(p<0.001)。控制变量中，员工人数、总资产、研发强度、研发人员数量都与创新绩效显著正相关，说明规模越大的企业越有可能产生更多的创新绩效，并且企业研发活动投入越多，企业也越可能有更好的创新绩效表现。

4.2 回归分析

负二项回归分析的结果见表3。在表3中，模型1放入控制变量，其中组织游移事件对创新绩效的回归系数为0.417，p<0.001，说明组织游移对创新绩效的影响是显著的，由此，才能进一步研究组织游移尺度和游移频率对创新绩效的影响；模型2放入主效应变量，组织游移尺度的平方项回归系数为-1.392，p<0.001，假设1得到支持；组织游移频率的平方项回归系数为-0.083，p<0.001，假设2得到支持。主效应的假设都得到支持，说明中等程度的组织游移尺度和频率才有利于公司创新绩效的获取。从模型3的回归结果来看，组织游移尺度平方与技术知识多元化交互项的回归系数为5.206，p<0.001，假设3得到支持；组织游移频率平方与技术知识多元化交互项的回归系数为1.295，p<0.001，假设4得到支持。假设3和假设4的数据结果显示，技术知识多元化对组织游移尺度与创新绩效的倒U型关系存在正向调节作用；同样的，技术知识多元化对组织游移频率与创新绩效的倒U型关系也存在正向调节作用。

表2 各主要变量的相关系数(N=602)

注：***、**、*分别表示p<0.001、p<0.01、p<0.05，下同。

表3 负二项回归分析结果

注：总样本是602家上市公司3年的数据，即1 806个观测值，但在模型运行时，会因为存在一些缺失值，不都做到自变量和因变量一一对应，故存在真正运行出来的观测值是1 017。下同。

4.3 稳健性检验

为了使研究结果更具稳定性，本研究进行了稳健性检验，之前调节变量技术知识多元化的测量主要是采用IPC专利主分类号，稳健性的检验采用IPC专利分类号子分类号，即以前4位为基础，测量技术知识多元化，这也是学者们较为常用的测量方法。同样做负二项回归，结果见表4。由表4的模型2可知，组织游移尺度的平方项回归系数为-1.472，p<0.001，假设1得到支持；组织游移频率的平方项回归系数为-0.086，p<0.001，假设2得到支持。由模型3可知，组织游移尺度平方与技术知识多元化交互项的回归系数为9.458，p<0.001，假设3得到支持；组织游移频率平方与技术知识多元化交互项的回归系数为0.273，p<0.001，假设4得到支持。综上可知，研究模型及结果具有一定稳定性。

表4 稳健性检验结果

5 研究结论及讨论

5.1 研究结论

本研究在中国情境下，首次引入组织游移概念，一方面继承了学者有关组织游移的内涵及维度；另一方面，又深入分析了组织游移对企业技术创新过程的影响，探讨了组织游移尺度及频率将如何影响企业技术创新过程，进而产生创新绩效。本研究发现，组织游移尺度和频率与公司创新绩效之间都呈现倒U型关系，即尺度过大或过小的组织游移都不利于公司创新绩效的产生，频率过高或过低的组织游移也不利于公司创新绩效的产生。

此外，本研究提出技术知识多元化是可能影响组织游移与创新绩效关系的情境因素，实证检验并发现，技术知识多元化对组织游移尺度与创新绩效的倒U型关系存在正向调节作用；同样的，技术知识多元化对组织游移频率与创新绩效的倒U型关系也存在正向调节作用。

5.2 管理启示

通过本研究主效应的探讨，可发现在探索式创新和利用式创新之间，组织游移的尺度和频率是公司获取创新绩效的重要前提。进一步实证研究结果表明，中等程度的组织游移尺度和频率才能让公司获取最佳的创新绩效，换言之，作为技术创新公司的管理者，必须意识到适当程度组织游移的重要性；其次，管理者也必须意识到维持一个宽泛的技术知识库的重要性。

5.3 研究不足与展望

首先，本研究受限于研究样本的数据期限，组织游移事件最多只有2次。期待未来有更多时段的专利数据，以检验中国公司在技术创新和知识搜索领域的组织游移现象。其次，本研究尚未进一步区分组织游移到探索式创新的效果，以及组织游移到利用式创新的效果哪个更好，这可能对进一步指导公司在探索式创新和利用式创新之间的权衡提供帮助。这是未来的一个研究方向，其中，悖论管理可能是一个有效的视角[29,30]，因为不管是双元创新还是组织游移都会存在悖论，基于悖论视角管理创新游移可能会给公司带来竞争优势。再次，本研究的情境因素仅仅考虑了技术知识多元化对组织游移与创新绩效关系的影响。从组织游移影响创新绩效的作用机理出发，可能还存在更为多样的情境因素有待研究(如技术知识的相似性、公司内资源配置)，以丰富有关组织游移主题的研究。