效果推理与新产品创造力研究——来自广东企业的经验证据

吴 隽，赵兴庐，吴 亮，张建琦

（1.广州番禺职业技术学院 创新创业学院，广东 广州 511483；2.广东金融学院 工商管理学院，广东 广州 510521；3.广东外语外贸大学 粤商研究中心，广东 广州 510006；4.中山大学 岭南学院，广东 广州 510275）

竞争环境日益动态化和复杂化，企业要想获得竞争优势，必须具备持续产品创新的能力。企业必须不断推出新品，才能满足快速变化市场需求的竞争本质。基于动态能力基础，Anderson 等将这种持续推出新产品的能力称之为“新产品创造力”，认为每一次新产品开发都是一场关键战役，其成败对于企业竞争优势的获取和保持意义重大［1］。新产品创造力决定了该产品是否能成功在海量商品中吸引消费者注意，刺激购买欲望，从而形成新产品的优势地位［2］。

如何提升企业的新产品创造力？前期研究论及到组织学习的重要性，认为组织学习与知识积累是新产品创造力的重要前因，强调制定长期计划的重要性，即通过合理计划学习行为，为新产品开发积累知识并提升新产品的创造力［3］。事实上，新产品创造力源于企业创造并实施新产品的能力，属于企业动态能力的一个体现［4］，而组织学习是企业动态能力提升的主要前因：一方面，组织为了应对环境的动态变化，必须在现有的惯例集中探索新的解决方案，通过组织学习，创造新的知识，把新知识在组织层面加以制度化，从而提升动态能力［5］。另一方面，组织的内在学习机制，例如重复实践、知识编码、试错学习等，可帮助企业不断将隐性知识显性化，从而对现有惯例集进行适应性调整，实现能力提升［6］。

然而，既有研究大多发生在相对静态和稳定的组织环境中，认为通过长期的学习和积累，企业才能具备强大的研发储备，以支持持续不断的产品更新［7］。在当前快速更迭和知识开放创新的外部环境中，企业需要采取新的创业思维和外部学习方法，即在短期的时间内形成新的商业模式和产品构思，并积极搜集和吸收外部可用知识，将其融入并转化为产品创新。如果不具备这些能力，而继续沿用原来的静态和长期化的思维，则企业难以在当下复杂多变的环境中生存和获得竞争优势［8］。

作为高不确定性环境下的决策思维，效果推理（EFFECTUATION）的重要性越来越受到关注［9］。与传统预先安排计划的理性模式不同，效果推理强调始于现有的资源/手段，在行动中去塑造并非提前设定目标。它帮助企业家选择损失可控的方案，与各种利益相关者合作，允许企业创造性地结合手头的资源并利用意外事件，在不确定性中发现或创造机会［10］。

与此同时，在开放环境中搜索、识别和理解新知识方面，效果推理决策逻辑为探索式学习打开了大门，探索式学习是企业快速响应不断变化的环境的重要工具［11］。具有丰富的探索式学习行为的企业更善于在不确定的情况下感知和抓住新机会［12］。尤其是面对高度不确定性环境时，探索式学习的作用更显得尤为重要［13］。由于探索式学习较少依赖于过往的经验数据与知识基础，因此在快速变化的环境中可依然发挥作用，通过寻找新的方法、知识，促使企业进入新的市场或开发新产品，或大胆地开发出令人意想不到的产品特征，从而提升新产品创造力［14］。

基于上述分析，本文旨在建立一个效果推理、探索式学习和新产品创造力的整合研究框架，见图1。以“思维创新-学习创新-能力革新”为影响逻辑，认为在快速变化的市场动态环境中，采用效果推理思维（包括资源决定/控制风险/强调合作/拥抱意外）的企业可能具备更强的新产品创造力，同时，积极的探索式学习也能提升企业的新产品创造力，并且这一学习机制可能在效果推理影响新产品创造力的过程中起关键的中介效应作用。接下来具体讨论这项研究的理论背景并提出研究假设，然后介绍数据来源及采用的研究方法，进而进行数据分析检验假设，最后讨论主要发现和提出管理建议。

图1 研究框架图

1 理论基础与研究假设

1.1 效果推理与新产品创造力

传统管理理论认为企业管理由目标设定、制定计划、组织、实施与控制等过程组成。管理者在行动之前就已清晰战略目标，并根据资源、环境等因素来决定通过何种方式实现预定目标。然而在现实中，创业者往往面临快速变化的市场需求，难以在初期预测到结果；在过程中也必须根据预想不到的问题和突然而来的机会进行调整目标［15］。

根据效果推理理论，创业者的创业决策机制不是目标导向的，而是先从自己手头掌握的资源（手段）出发。鉴于市场的快速变化及企业面临的资源限制，效果推理为企业在多变的市场中生存，在有限资源下寻求增长，提供了一套行之有效的、独特的决策思维方案。

Chandler 等［16］、Brettel 等［17］进一步细化了效果推理的四个构成要件：手段导向、风险可控、强调合作、拥抱意外事件，见表1。“手段导向”原则在未来难以预测的时候，帮助企业利用已掌握的知识与手段，去探索与生成更多的新知识，并在此过程中搜索发展的路径［18］。企业在复杂多变的环境下，常常会面临新的挑战，例如目标客户对新产品的认同度，或者采用意想不到的方法来使用新产品的方式。此时，采取效果推理的企业便能动态组织、调整企业可用手段集，迅速根据已有的知识手段生成新的知识［19］，迎合客户的偏好变化。鉴于转型经济中动荡的商业环境，预定的战略目标并不总是有效，因此关注手头的资源与手段，对于随时挖掘可行机会尤其重要。因此假设1：手段导向原则对新产品创造力存在正向影响。

表1 效果推理四准则及对持续创新的影响

遵循风险可控原则［20］，企业家会更能宽容失败，并在遭遇失败时可以更有效地学习。一方面，遵循控制损失原则可以使企业在失败中继续生存。对于转型经济背景下的企业，错误的预测或尝试是常态，控制每一次失败带来的损失有助于企业增加生存的可能性，直至捕获到成功的机会；另一方面，高度不确定性环境下，成功的方向是难以预测的，遭遇失败是正常的，控制损失原则帮助企业在面对失败时拥有正确的心态，从失败中学习，不断探索直至创新被接受［21］。因此假设2：风险可控原则对新产品创造力存在正向影响。

强调与利益相关者的合作允许企业在新产品开发出来之前便能获得独特的战略资源、有用的市场信息，从而建立新的竞争优势。在不确定性较高的创新过程中，客户偏好不断变化，企业很难提前详细规划创新的目标与路径。此时，合作伙伴的支持与承诺，能为不确定环境的创新尝试提供较强保障，助力企业抓住机遇，打造出有创造力的新产品。此外，与利益相关者的深度互动，有利于企业搜索到关于客户偏好变化的有价值信息，有利于启发新产品创造力的灵感。因此假设3：强调合作原则对新产品创造力存在正向影响。

拥抱意外原则意味着企业保留灵活性，对新出现的危机持乐观态度。Bhowmick［22］指出，由于高的不确定性，项目初期采集的信息在执行过程中往往需要修订甚至推翻，采用拥抱意外事件逻辑的企业在项目初期就无需采集足够多的信息，从而能够降低信息采集所花费的等待时间与成本。此外，拥抱意外原则还有助于企业创造性地结合手头的资源，及时利用意外的机会［19］。因此假设4：拥抱意外原则对新产品创造力存在正向影响。

1.2 探索式学习的中介作用

根据组织学习理论，学习活动有助于组织增加知识，更好地理解和解释环境［23］。探索式学习是企业获得新知识的过程，涉及搜索、识别和理解现有知识基础之外的新知识［12］。当面临高度不确定性时，效果推理促进企业的探索式学习，获得关于环境变化与机会的最新知识，并用于企业制定战略［10］。

随着环境变化速度的加快，探索式学习的重要性也在增加［14］。探索式学习具有搜索、发现、创新和承担风险等特征，本质上是对不同于企业现有知识基础的新颖知识的追求与获取。因此，探索式学习可以使企业迅速拥有涵盖更多领域的知识，快速应对变化，从而获得新的竞争优势［14］。鉴于在高度活力下需要战略多样性［24］，那些主要从事探索式学习的企业在不确定性下具有更大竞争优势。知识的积累是新产品创造力的一个重要前提，而知识源自于企业有效的学习活动。探索式学习能显著扩充知识广度，不断引入新的知识，并使企业在知识与技术搜索中显现出更强的包容性，从而帮助企业产生更多更新颖的创新想法［25］。特别地，探索式学习的作用对于转型经济背景下的企业更为重要，因为与成熟经济体相比，体制和市场环境表现出更高的不确定性［26］，探索式学习能帮助企业在变化的环境中迅速获取新知识，打造新能力，产生与时俱进的创新方案，从而建立和保持竞争优势。

效果推理为企业提供了开放的心态来应对快速的环境变化，以及大量的探索机会来获取新的知识，从而提升新产品创造力。具体而言，在转型经济背景下，效果推理的手段导向、控制损失、强调合作与拥抱意外等四大原则，促进了探索式学习。因此，探索式学习是企业获取新知识创造新产品的必需过程，可能是效果推理与新产品创造力之间关系的中介机制。

首先，对于手段为导向的企业，一边行动一边探索下一步的目标是其战略的一部分，因此探索式学习贯穿于行动的每一步。以手段为导向，可以在条件未完全齐备的情况下启动创新，降低创新的门槛，再通过探索式学习一步步逼近目标［27］。在环境发生迅速变化时，探索式学习可以帮助企业迅速地掌握充分的知识，再根据这些新知识和新信息调整下一步目标。在创新方向难以预测时，探索式学习能帮助企业搜索获得更多的知识，从而提升下一步行动选择的正确性与创新活动的成功概率。因此假设假设5：探索式学习在手段导向原则与新产品创造力的关系中发挥中介作用。

效果推理逻辑下的“控制损失”原则，让企业可以持续地开展探索式学习，以便他们选择损失在可承受范围内的机会。在多变的市场与技术环境中，迅速响应变化的要求意味着企业需要不断处理大量的信息。通过持续的探索式学习，企业搜索并识别到了大量的新信息、新机会，并不断将之内化为企业的知识。这些知识帮助企业更好地评估机会，并拒绝那些损失不可控的机会，从而帮助企业避免因一次失败而全盘皆输的厄运。因此假设6：探索式学习在风险可控原则与新产品创造力的关系中发挥中介作用。

强调合作的原则，帮助企业与利益相关者构筑战略联盟，获得他们的预先承诺，通过构建各种外部知识来源帮助新企业参与探索式学习［28］。预先承诺和战略联盟允许企业通过与外部利益相关者的互动来搜索，识别和理解战略合作伙伴的隐性和独特知识［23］。转型经济背景下市场变化迅速，企业从自己的经验中学习的知识很可能很快变得过时［29］，与利益相关者密切合作提供了具有异质性的外部知识来源，以便企业迅速填补其知识差距。例如，作为利益相关者的重要组成部分，客户是企业合作的关键对象。因此假设7：探索式学习在强调合作原则与新产品创造力的关系中发挥中介作用。

“能力陷阱”理论指出，很多企业过度嵌入在过去的成功经验中，不愿采用新的方法和思路，因此很难适应快速变化的环境［30］。面对转型经济下市场环境的迅速变化，拥抱意外原则可帮助进行持续的探索式学习，迅速获得建立各种新能力的知识，快速适应新的变化。拥抱意外事件的原则让企业拥有快速响应意外事件的组织柔性［31］，能从意外事件中迅速获得并内化新的知识，发现并捕获这些意外事件带来的机会，从而有利于打造新产品创造力。因此假设8：探索式学习在拥抱意外原则与新产品创造力的关系中发挥中介作用。

2 数据搜集与变量测量

2.1 研究样本与数据收集

2018 年4 月至7 月，本研究在广东省地区进行大规模问卷调研。该地区新创企业发展迅速，创业及创新积极性高。通过抽取来自广东省工商业联合会的资料，在广泛地发出了一千份调查问卷后，我们收到了290 份反馈。除了其中有79 份问卷提供的信息有错漏、或缺失了关键信息而被排除在有效问卷之外，最终我们获得的有效样本是211 个，有效问卷回收效率是21.10%。为了保证调研质量，本研究做了以下设计：首先，尽量采取面对面的问卷回馈方式。其次，对30 家企业进行预调研，并根据其结果对初始翻译文件进行本土化。再次，多次与企业联系调查访谈及问卷回收事宜。本研究的样本分布情况见表2。

表2 研究样本的主要特征描述

用T-test 来检验未返回偏差，结果表明企业年龄、发展阶段、员工人数、研发投入这些企业基本特征在早期和后期所收回的问卷中没有存在显著差异。使用Harman 单因素法检验共同方法偏差问题，检验结果表明未发现单个因子较多的解释了因子模型的方差变异，表现为第一个主成分仅解释了25.175%的方差变异，表明共同方法偏差的问题并不明显。进一步使用验证性因子分析（CFA）检验研究模型。如表3 所示，一因子模型包括所有的因变量、自变量、以及调节变量与六因子模型相比具有相对较差的模型拟合度，表明各个构念的测量居于较好的区分效度。与此同时，VIF（变异膨胀因子）检验结果表明本文中变异膨胀因子的最小值为0.431，最大值为0.922，说明本研究的多重共线性问题较不突出。因此，本研究的调查样本不存在明显的未返回偏差、共同方法偏差及多重共线性问题。

2.2 变量指标的度量

研究中所有的变量测量均采用Likert 五分量表，1 表示同意程度低，5 表示同意程度高。企业基本情况则通过填空题和选择题的方式来测量。新产品创造力借鉴Ganesan 等［32］的研究，用4 个题项来测度新产品创造力。效果推理参考Brettel 等［17］4 个维度的测量。探索式学习借鉴Atuahene-Gima［13］的研究，用5 个题项来测度探索式学习。变量题项详见表4。除上述变量以外，新产品创造力的提升还可能会受企业资源存量如企业年龄、员工人数、企业规模，创新能力的强弱如研发强度，财务资源的增量如企业盈利，以及企业所处发展阶段这些因素的影响。因此，本文也将上述变量作为控制变量引入模型分析之中。

2.3 样本的信度与效度

本研究分别采用两种方法来检验量表的信度和效度。首先，本研究运用SPSS21.0 软件计算各变量的克朗巴哈系数（α）。其次，本研究基于表4 验证性因子分析中各变量题项的因子载荷来计算各变量的组合信度（CR）。检验结果表明，新产品创造力（α=0.935，CR=0.936）、手段导向（α=0.770，CR=0.773）、风险可控（α=0.717，CR=0.728）、强调合作（α=0.757，CR=0.770）、拥抱意外（α=0.831，CR=0.834）、探索式学习（α=0.910，CR=0.911）均具有较好的信度

本研究还借助MPLUS7.0 软件来进行结构和区分效度检验，并选取多项指标（χ2/df、CFI、TLI、RMSEA、SRMR）来判别模型拟合度。检验结果如表3 所示，六因子模型模型与替代模型相比具有较好的模型拟合度。这表明，六因子模型中变量之间彼此独立，可被有效区分。此外，表5 中各变量平均方差萃取值（AVE）的平方根均大于与其他变量之间的相关系数，再次表明本研究中变量间可有效区分，确保了随后模型分析结果的可信度。

表3 CFA 验证区分性拟合指数

表4 测量条目和信效度检验

表5 各变量的均值、标准差、相关系数及相关统计

3 数据分析与结果

3.1 相关性分析

如表5 样本描述性统计所示，企业新产品创造力的平均得分为3.479，说明样本企业具备一定的新产品创造力，能够满足模型检验的要求。此外，表5 中风险可控与探索式学习（r=0.231；p<0.050）显著相关、强调合作与探索式学习（r=0.296；p<0.050）显著相关、拥抱意外与探索式学习（r=0.306；p<0.050）显著相关、探索式学习与新产品创造力（r=0.621；p<0.050）显著相关。且表5 中自变量间风险可控与强调合作（r=0.238；p<0.050），强调竞争与拥抱意外（r=0.361；p<0.050）中等相关，再次说明了多重共线性会较弱的影响本文的研究模型，上述分析结果为随后的假设检验提供了有力支撑。

3.2 模型验证分析

使用STATA14.0 软件采用逐层回归的方法来检验假设模型，依次将控制变量和自变量放入回归模型，回归结果见表6。逐层回归模型2 显示，手段导向没有显著正向影响新产品创造力（β=0.063；p>0.1）；风险可控也没有显著提升新产品创造力（β=-0.109；p>0.1），因而本文的假设1 和假设2都没有得到数据支持，即手段导向和风险可控均不可直接提升新产品创造力。强调合作对新产品创造力具有显著的正向促进作用（β=0.256；p>0.05）；拥抱意外对新产品创造力具有显著的提升作用（β=0.219；p>0.05），因而，假设3、假设4 都得到了数据支持，即强调合作和拥抱意外均可直接提升新产品创造力。

表6 回归模型结果

在模型5 中，手段导向没有显著正向影响探索式学习（β=0.038；p>0.1）；风险可控显著正向影响探索式学习（β=0.152；p<0.05）；强调竞争显著正向影响探索式学习（β=0.248；p<0.01）；拥抱意外显著正向影响探索式学习（β=0.265；p<0.001）。与此同时，在模型3 中，探索式学习加入方程以后，手段导向对新产品创造力的影响没有发生显著变化（β=0.039；p>0.1）；风险可控对新产品创造力的影响发生了显著的变化（β=-0.204；p<0.01）；强调合作不能对新产品创造力产生显著促进影响（β=0.101；p>0.1）；拥抱意外不能对新产品创造力产生显著促进影响（β=0.054；p>0.1）。综合上述情况，本研究的假设5 没有得到数据支持，即探索式学习没有能够在手段导向与新产品创造力之间起中介作用；而假设6、假设7、假设8 都得到了数据支持，即探索式学习能够分别在风险可控、强调合作、拥抱意外与新产品创造力之间起中介作用。

进一步采用Mplus 样本自助法（Bootstrap）对中介效应进行检验。将Bootstrap 值设定为3 000，最大似然估计结果（表7）表明，手段导向通过探索式学习而对新产品创造力产生影响的间接效应不显著（估计值=0.011，下限=-0.081；上限=0.108，95%的置信区间），因此假设5 没有得到数据的再次验证。风险可控通过探索式学习而对新产品创造力产生影响的间接效应显著（估计值=0.121，下限=0.023；上限=0.232，95%的置信区间），因此假设6 再次得到了数据支持。强调合作通过探索式学习而对新产品创造力产生影响的间接效应显著（估计值=0.100，下限=0.005；上限=0.198，95%的置信区间），因此假设7 再次得到了数据支持。拥抱意外通过探索式学习而对新产品创造力产生影响的间接效应显著（估计值=0.167，下限=0.066；上限=0.300，95%的置信区间），因此假设8 也再次得到了数据支持。

表7 中介效应检验表

4 结论及启示

本文基于211 家广东省地区2015 年的问卷调研数据，对动态竞争环境下创业决策思维、开放式探索学习和新产品创造力之间的逻辑关系概念模型进行了实证检验。实证结果显示：1）效果推理中的“手段导向”原则对新产品创造力的影响未得到数据支持，其通过探索式学习间接提升新产品创造力的假设也未获得支持。2）“风险可控”原则不能直接提升新产品创造力，但可以通过探索式学习间接提升新产品创造力；3）相比而言，效果推理中的“强调合作”、“拥抱意外”对新产品创造力的影响程度最大，既能直接提升新产品的创造力，也可以通过促进企业进行探索式学习从而间接提升新产品创造力。

整体而言，结果显示效果推理和探索式学习均可提升新产品创造力的有效思维和学习机制，但在具体的影响方式上却存在显著的差异：探索式学习是新产品创造力的直接有效前因，其对企业提升动态竞争环境下的持续产品创新具有重要影响；而效果推理的影响则具有直接和间接的双重效应，因此运用效果推理逻辑来开发新产品的企业，既要考虑效果推理的不同维度对企业新产品开发的差异化影响，也应考虑效果推理对新产品开发产生影响的中介机制，同时这也进一步验证了前人基于效果推理逻辑的新产品开发过程的过程性研究结论。

研究可以为企业新产品开发活动提供新的决策逻辑参考。传统研究对于如何积累企业动态能力，

着重建议企业要长期且持续学习，这个思路比较适用于变化速度较低、未来可预测性高的传统竞争环境。然而，在“计划赶不上变化”的年代，竞争环境变得动态且难以预测，长期学习计划已难以满足企业在竞争中生存的需求。效果推理理论提供了新的可借鉴的竞争法则，在效果推理决策逻辑指导下的探索式学习，可帮助企业“摸着石头过河”，通过及时掌握利益相关者的信息、灵活调整学习与创新方向，拥抱意外事件并将其转化为创新的机会，快速适应环境的变化，做出市场接受度高且具有创造力的产品。