高管团队异质性、行业背景与企业创新绩效的元分析

李 敏，夏思宇

一、引 言

随着知识经济在全球的迅速崛起，创新成为经济发展的重要驱动力和企业核心竞争力的重要源泉。创新就像是一个循环，由创新的过程开始，到生产出产品等，最终内化为企业的创新绩效(Bantel et al，1989)。在影响企业创新绩效的诸多因素中，高层管理团队作为企业战略的决定者以及资源的分配者，其人口统计学特征的异质性在企业创新绩效中起核心作用(Sperber et al，2018)，例如吴成颂等(2021)认为董事会网络能够在资源获取、技术创新等层面对企业产生显著影响。自Hambrick等(1984)提出高阶梯队理论之后，有关高层管理团队异质性和企业创新绩效关系的研究便累积了大量文献，但是研究结论并不一致。大多数学者认为具有异质性的高管团队往往拥有更加丰富的学识、资源，成员之间通过充分的信息交换和深入的讨论，可以更好识别出创新投资中的不确定因素，有利于提高企业的创新绩效(Camelo et al，2010；Fu et al，2021)。然而，也有学者认为具有异质性的团队由于观念的不一致很容易产生冲突，团队内部的协调更加困难，从而造成不必要的资源浪费，对创新绩效产生负面影响(Hambrick et al，1996；Ruiz-Jimenez et al，2016)。现有研究结论的不一致可能与创新绩效评价指标的选取有关，学者们对创新绩效的定义往往仅以投入或产出为依据，多以单一的指标衡量企业的创新绩效，比如专利申请数(Li et al，2013)或者创新投入(Olson et al，2006；Benoliel et al，2016)。然而单一的衡量指标往往会使研究结果出现分歧，例如当以专利申请数衡量企业创新绩效时，Li等(2013)发现高管团队年龄异质性和企业创新绩效有显著的正向关系；当以创新投入定义创新绩效时，Olson等(2006)发现高管团队异质性与其负相关。因此，有必要将企业创新绩效的不同维度同时纳入研究，明确高管团队异质性对创新绩效不同维度的影响，同时深入探讨高管团队异质性与创新过程绩效和产出绩效存在不同影响的原因，为现有研究的争议提供一定的参考。

近年来，中国经济处于高速发展转向高质量发展阶段，高新科技型企业作为知识和技术密集型的经济实体，受到国家的大力扶持，并逐步成长为推动国民经济增长、建设创新型国家的重要力量。高新技术行业具有市场环境以及技术环境复杂多变的特点，这要求企业具有高度灵活性，传统的绩效衡量方式无法准确反映企业未来发展前景，因此多以创新绩效作为衡量标准(Cumming et al，2015)。异质性的高管团队不仅有助于完成高新科技行业复杂而富有挑战性的任务，还使高管团队更加灵活，对新的商业理念更加敏感，能够增加企业的创新投入和产出绩效(Sarto et al，2019)。此外，充满活力的高新科技型企业可能吸引具有相近专业和教育程度的同龄高管，高管团队异质性的水平较低从而影响其发展。例如IT行业拥有硕士学位的高管比例过高，反而阻碍了企业研发投资的创新绩效(Wang et al，2019)。因此，研究并区分高新技术行业与其他行业对高管团队异质性和企业创新绩效关系的影响尤为重要，且从实践中看，高新科技行业整体上高管团队异质性的水平不高，深入探讨高新科技企业高管团队异质性对创新绩效的影响具有重要的理论意义和实践意义。

综上，本文从过程和产出两个维度定义企业创新绩效，通过搜集和整理大量样本，利用元分析的方法，基于32篇相关研究文献的35个独立样本，探讨高管团队异质性与企业创新过程绩效和产出绩效之间的关系，并结合理论与实践解释研究结论。此外，本文还深入探讨了行业背景在高管团队异质性和企业创新绩效关系中的调节作用，丰富和细化了高管团队异质性发挥效能的边界条件，可为管理实践提供一定的参考。

二、文献回顾与理论假设

(一)文献回顾

高管团队异质性是指高管人员在人口统计学特征、背景、认知、价值观念等方面的差异，可以划分为不同的维度进行研究。根据Pelled等(1999)按照工作相关性划分的方法，高管团队的教育背景、职业背景和任期是“高度工作相关”的人口统计学特征，而年龄、性别则是“低度工作相关”。尽管大部分学者认可高管团队异质性在企业创新决策和绩效中的核心作用(Sperber et al，2018)，但是关于高管团队异质性与企业创新绩效的关系却仍存在较大争议。一方面，大部分学者认为异质性能够拓宽高管团队的视野并提供新的视角，成员之间会交换更多的信息，参与更深入的讨论，可以做出更有效的决策，对组织创新实施进行监督(Blanco-Oliver et al，2018)，可以更好识别出创新投资中的不确定因素，以降低投资风险，对创新绩效的提高起到积极影响(Camelo et al，2010；Fu et al，2021)。另一方面，少数学者则认为异质性会削弱团队的凝聚力，增加冲突发生和减少信息共享，为达成共识和执行带来困难和更多的时间消耗(Kolev et al，2020)，阻碍了创新决策的有效性，不利于达成企业的创新绩效(Hambrick et al，1996；Ruiz-Jimenez et al，2016)。

此外，Benoliel等(2016)发现高管团队职业背景异质性与创新绩效的关系不显著。也有学者认为不同情境下的高管团队异质性会给企业创新绩效带来不同的影响。例如Hambric等(1984)认为身处动荡变迁的企业和稳定且有自身品牌价值的企业对高管职业背景要求是不同的，具有异质性的高管团队不一定会在所有情境下都可以发挥积极影响。企业高管学历的差异最终对创新绩效产生的影响也会因所处行业的不同而存在偏差，如Sarto等(2019)发现高科技公司高管团队的教育和专业背景异质性增加了企业的创新投入和产出，而Wang等(2019)发现在服务业中却没有这样的关联。

鉴于现有研究结论的不一致性，创新绩效测量指标不同和情境因素的影响，高管团队异质性对企业创新绩效的影响存在相当大的模糊性和不确定性，亟待进一步的深入研究。

(二)研究假设

1.年龄异质性和创新绩效

高管团队年龄异质性(Hage)是指高管团队在年龄分布上的差异，这种差异往往会带来思想观念上的冲突。然而，根据Bantel等(1989)的观点，这种冲突也可能会增进团队交流从而有利于创新。此外，年龄异质性也意味着能够从不同的角度处理问题，从而产生新颖的观点。高管团队中存在不同年龄段的高管人员，往往对整个组织是有利的，年长的高管拥有更多的社会阅历和人脉资本，而年轻的高管拥有更灵活的头脑和更新颖的想法，可以为企业的创新发展注入强大的动力。贺远琼等(2009)认为，年轻的高管人员更加大胆、有想法，年长者更加稳重，较高年龄异质性的团队能够实现互补，可以避免创新活动中因莽撞和经验不足带来的风险和不确定性。因此，本文提出假设：

H1：高管团队在年龄层面存在的异质性和企业创新绩效有着正向关系。

为弥补单一维度评价企业创新绩效的不足，本研究从两个角度综合定义企业创新绩效，将企业创新绩效分为创新的过程绩效和产出绩效两种，其中创新过程绩效(Ipp)一般定义为企业创新的意愿，在测定上使用研发投入来衡量，而创新产出绩效(Iop)则是创新的结果，主要用专利申请数来衡量。据此，提出以下假设：

H1a：年龄异质性对创新过程绩效存在积极影响。

H1b：年龄异质性对创新产出绩效存在积极影响。

2.教育水平异质性和创新绩效

高管团队教育水平异质性(Hedu)是指高管团队在学历水平上的差异。Simon等(1999)认为，不同教育水平的高管可以从不同角度看待问题，进而提出全面的解决方法并付诸行动。在进行创新的过程中，由于看待问题的角度更全面，收集到的信息更加多元化，可以更好识别出创新投资中的不确定因素，以降低投资风险，因而对创新绩效的提升起积极作用(Camelo et al，2010)。此外，高管团队的教育水平异质性，也意味着不同高管在以往的教育中获得的经验不同，高管团队有着更加开放的心态，更容易接受不同的观点和创新的想法，进而投资在那些可能提高企业创新绩效的新颖项目上。由此，提出以下假设：

H2：高管团队在教育水平上存在的异质性和企业创新绩效有着正向关系。

H2a：教育水平异质性对创新过程绩效存在积极影响。

H2b：教育水平异质性对创新产出绩效存在积极影响。

3.职业背景异质性和创新绩效

高管团队职业背景异质性(Hexp)是指高管在职业背景上的差异。高管人员曾经从事的工作会对其心理和认知产生直接影响，从而左右其对事物的认知和态度。例如，曾经从事研发的高管人员会努力发掘新颖的技术，并将其视为企业竞争力的源泉(Lee et al，2017)。而创新开发过程中存在的风险和不确定性则需要不同职业背景的高管人员从不同的角度考虑，通过充分的讨论以提出最优解决方案。此外，高管团队职业背景异质性也意味着拥有多样的人脉资源，不仅会注重创新技术等的投入，也可以凭借自身在研发领域积累的人脉资源帮助组织吸引更多的人才，缩短从技术开发到产品问世的时间，能够更好地帮助新产品打开销路。综上，具有较高职业背景异质性的高管团队，可以充分利用高管人员所具备的行业知识，进而给企业创新绩效带来优势(Woojin et al，2016)。因此，提出以下假设：

H3：高管团队在职业背景方面存在的异质性和企业创新绩效有着正向关系。

H3a：职业背景异质性对创新过程绩效存在积极影响。

H3b：职业背景异质性对创新产出绩效存在积极影响。

4.性别异质性和创新绩效

高管团队性别异质性(Hgen)是指高管团队中存在的性别差异。相较于男性高管所具有的丰富工作经验和阅历以及市场导向能力(Carter et al, 2010)，女性高管特殊之处在于可以增强团队管理能力和创新能力(Díaz-García et al，2013)。已有研究表明高管团队的性别异质性有助于改善社会关系，给团队营造轻松开放的工作环境，更方便内部的沟通和交流，有利于促进创新。然而，关于高管团队性别异质性的实证研究却与理论不一致。Ruiz-Jimenez等(2016)认为高管团队性别异质性能够正向影响企业创新绩效，但是其实证研究却显示它们之间均存在负向关系。本文认为，高管团队性别异质性带来的思想和认知上的分歧往往是难以协调的，这可能会加剧团队冲突(Hambrick et al，1996)，导致企业创新绩效变差。根据Olson等(2006)的观点，性别异质性作为一个“低度工作相关”的异质性维度，会导致团队内部创新战略方向的不一致。因此，提出以下假设：

H4：高管团队性别异质性和企业创新绩效之间存在负向关系。

H4a：性别异质性对创新过程绩效存在负向影响。

H4b：性别异质性对创新产出绩效存在负向影响。

5.专业背景异质性和创新绩效

高管团队专业背景异质性(Hmaj)是指高管人员所学专业的差异性。专业背景会给予个人不同的价值观念、态度、知识以及信息处理的能力，会对决策制定产生至关重要的影响。具有专业背景异质性的高管团队，对自身所学专业领域拥有更加敏锐的嗅觉，能够扩展企业的认知范围，从而使企业倾向于增加创新的投入，以期获得持续的竞争优势。此外，创新灵感往往来源于不同层面的刺激，通过思考外部的知识，并尝试将这些外部知识和本领域知识进行整合，从而开发出新的产品(Audia et al，2007)。因此，具备较高专业背景异质性的高管团队，更有可能提升企业的创新绩效。本文由此提出以下假设：

H5：高管团队专业背景异质性和企业创新绩效有着正向关系。

H5a：专业背景异质性对创新过程绩效存在积极影响。

H5b：专业背景异质性对创新产出绩效存在积极影响。

6.任期异质性和创新绩效

高管团队任期异质性(Hten)是高管人员在任职年限上的差异性。一个团队长期没有新成员加入，会导致管理模式僵化，管理理念也无法做到与时俱进。不同任期高管组成的团队，其社会经验和组织经验更加多样化，更有利于团队间的沟通交流，有效防止短视思维(赵丙艳 等，2017)。任期异质性越高的高管团队，越会根据外部环境的变化及时调整企业的创新发展战略，增加研究与开发的投入(杨国忠 等，2016)，进而有利于企业的创新绩效。因此，提出以下假设：

H6：高管团队任期异质性和企业创新绩效有着正向关系。

H6a：任期异质性对创新过程绩效存在积极影响。

H6b：任期异质性对创新产出绩效存在积极影响。

7.行业背景的调节作用

有关高管团队异质性与企业创新绩效的调节变量，现有研究多从团队内部出发，重点关注团队行为整合、权力分布以及领导风格等(赵丙艳 等，2017；Sperber et al，2018)，极少考虑宏观的行业因素。由于市场环境以及技术环境复杂多变，高新科技型公司需要高度灵活性，其创新能力尤为重要(Cumming et al，2015)。高新科技行业未来发展的前景一般取决于研发投入的比例(Mudambi et al，2014)。因此，相较于一些传统行业，高新科技行业更倾向于增加研发投入，以期在同行业中脱颖而出获得竞争优势。由于高管团队认知和思维的差异，一些同领域的高新科技企业，在面对相同的技术环境时仍然会对研发投入采取不同的态度，对科技问题的解决采取不同办法。在高新科技行业，技术环境瞬息万变，异质性较高的高管团队有助于解决高科技行业复杂而富有挑战性的任务，还使高管团队更加灵活，对新的商业理念更加敏感，能够增加企业的创新投入和产出(Sarto et al，2019)，积极促进企业的创新绩效。因此，提出以下假设：

H7：高新科技行业背景正向调节高管团队异质性与创新绩效之间的关系。

三、研究方法

元分析是对具有“相同目的”“相互独立”的多个研究结果，进行定量的综合分析，以期得到一个综合的结论。高管团队异质性具有多个维度，不同维度与创新绩效之间关系的研究繁杂，各项研究之间很难得出一致的答案。此外，现有关于高管团队异质性与创新绩效的研究样本往往来自不同行业，需要深入分析行业背景的影响。因此，本文通过使用元分析的研究方法对高管团队异质性和企业创新绩效之间已有的定量研究结果进行总结，并深入探究行业背景的调节作用。本文制定了详细的研究方案，包括文献检索、文献筛选、文献编码、分析统计等，以保证研究过程的科学性和研究结论的可靠性。

(一)文献检索

为了保证尽可能地覆盖有关高管团队异质性与企业创新绩效关系的实证研究，确保文献收集的系统性，本研究同时检索中文和英文文献以避免遗漏。中文文献检索以“创新绩效”“创新行为”“创新过程”以及“高层管理团队异质性”“高层管理团队差异”作为关键词，在CNKI数据库和万方数据库进行检索，获得159篇中文文献。英文文献检索以“Innovation Performance”“Creative Performance”“Innovation Outcome”“Creative Outcome”以及“Top Management Team Heterogeneity”“Top Management Team Diversity”作为关键词，在Web of Science、Wiley、Sage、Incite、Lexis、ProQuest、CUP、Emerald等英文数据库进行检索，获得80篇英文文献。

(二)文献筛选

根据元分析方法对于文献的要求，按照以下标准对初次检索到的文献进行筛选：必须是高层管理团队异质性和企业创新绩效之间关系的文献，剔除那些与主题不相关的研究；必须是实证研究且报告了样本量、相关系数或者其他可以转化为相关系数的效应值；研究样本之间要相互独立，若同一样本出现在多篇文献中，则只将一篇纳入研究；必须对创新绩效有明确且符合本文纳入标准的定义。经过文献筛选，最终纳入元分析的数据包括10篇中文文献和22篇英文文献。

(三)文献编码

为了保证文献编码过程的准确性，编码工作由两位研究者独立进行。首先，共同制定编码的内容，包括研究的描述项和效应值统计项，其中研究的描述项包括文献的编号以及文献的名称、作者、出版年月等，效应值统计项包括样本量及特征、相关系数以及其他可以转化为相关系数的效应值。其次，先由一位研究者进行编码，然后再由另一位研究者进行编码，最后将两位编码的结果进行对照，发现有两篇有较大的分歧，一致性达到93.75%。经过两位研究者共同商定，存在分歧的文章也达成一致。最终，从32篇文献的35个独立样本中得到85个效应值，总样本量为26095个。

(四)分析统计

本文采用CMA3.0软件进行元分析，并选用r作为效应值，这里的r值并不单单是取平均值，而是要综合每篇研究的样本数目，在计算时先将r值转化为Fisher-Z，然后再转换为相关系数。在元分析过程中可以选择固定效果模型和随机效果模型两种分析方式，其中固定效果模型通过考虑组内变异的方式进行权重计算，而随机效果模型则需考虑组间变异。这两种方式的主要差别在于，随机效果模型在权重给定上会进行修正，样本数小的权重将会比用固定效果模型时更大，可以平衡因样本数差异过大时引起的权重分配不均的情况。具体使用哪种模型，需要进行异质性检验，如果研究间的异质性较大则选用随机效果模型，异质性较小则选用固定效果模型。最后，进行效应值以及方差等的计算。

四、研究结果

(一)异质性检验与出版偏误

异质性是指研究的组间方差，组间方差占总方差的比例越大说明研究间的异质性越大。一般进行异质性检验时通常使用的方法是Q检验，异质性检验的假设为：所有研究效果量都一样，p>0.10，表示研究同质和接受该假设。总体同质性检验的结果如表1所示，可以看出总体研究的Q值为1619.470(p<0.10)，表示总体研究之间存在较大异质性；I-squared为94.813，说明94.813%的观察变异是研究的组间方差造成的；Tau-squared值为0.031，说明研究间的变异有3.1%可用于权重计算。表3报告了不同维度对应的同质性检验结果，除高管团队教育水平异质性与创新的产出绩效之间的效应值不存在异质性外，其余各维度的研究均存在异质性。

表1 效应值同质性检验结果

图1为漏斗图检验总体出版偏误的结果，可以看出，大部分样本点均匀分布在中线两侧且多集中于上端。此外，由表2和表3可知：整体失败安全系数为566；高管团队年龄异质性与创新产出绩效之间的失败安全系数为74；高管团队职业背景异质性与创新过程绩效之间的失败安全系数为244；高管团队性别异质性与创新过程绩效之间的失败安全系数为57；高管团队专业背景异质性与创新产出绩效之间的失败安全系数为65；高管团队任期异质性与创新过程绩效间的失败安全系数为99。根据Oswald等(2009)的观点，当失败安全系数大于5N+10时，表明不存在出版偏误。综上，纳入研究的样本文献基本不存在出版偏误，样本具有一定代表性。

图1 总体出版偏误检验结果

(二)总体效应值及主效应检验结果

总体效应值检验结果如表2所示，可以看出高管团队异质性与企业创新绩效之间呈现显著正向关系(r=0.060，p<0.05)。相关系数的效应值如果小于0.090为微弱关系，在0.10和0.23之间为弱关系，在0.24和0.36之间为中等强度关系，大于0.37则为强关系。因此，高管团队异质性与创新绩效之间呈微弱的正相关。

表2 总体效应值检验结果

由表3知，高管团队年龄异质性与创新的产出绩效之间有显著关系(r=0.120，p<0.05)，且这种关系强度较弱，假设H1得到部分支持。高管团队教育水平异质性与创新过程绩效以及产出绩效之间关系并不显著，假设H2未得到支持。高管团队职业背景异质性与创新过程绩效存在显著的正相关关系(r=0.189，p<0.05)，与以往的大多数研究结论一致，高管团队内部职业背景越丰富，对创新的过程绩效越有好的影响，假设H3得到部分支持。高管团队性别异质性与创新过程绩效之间有微弱的负向关系(r=-0.095，p<0.05)，说明高管团队内部性别的多样性并不能够促进创新过程绩效的提高，反而会造成抑制的作用；然而，高管团队性别异质性与创新产出绩效的关系不显著(r=-0.068，p=0.447>0.05)，假设H4得到部分支持。高管团队专业背景异质性与创新产出绩效有较弱强度的正向关系(r=0.142，p<0.05)，但与创新过程绩效的关系不显著，假设H5得到部分支持。高管团队任期异质性与创新过程绩效有显著的正向关系(r=0.209，p<0.05)，但与创新产出绩效的关系不显著，假设H6得到部分支持。

表3 高管团队异质性各维度与创新绩效不同维度关系的主效应分析结果

续表3

(三)调节效应检验结果

表4为各个路径调节作用的分析结果。由表4可知，在高新科技行业中，高管团队年龄异质性与创新过程绩效、高管团队教育水平异质性与创新产出绩效，以及高管团队性别异质性与创新过程绩效的效应值，均小于非高新科技企业的效应值，其余路径的高新科技型企业的效应值明显大于非高新科技企业的效应值。此外，高管团队教育水平异质性与创新过程绩效、高管团队专业背景异质性与创新产出绩效，以及高管团队任期异质性与创新过程绩效的同质性分析的结果均不显著。因此，高新科技行业背景在高管团队年龄异质性与创新产出绩效、高管团队职业背景异质性与过程绩效和产出绩效、高管团队性别异质性与创新产出绩效、高管团队专业背景异质性与创新过程绩效，以及高管团队任期异质性与创新产出绩效关系中的调节作用是非常显著的，而在高管团队教育水平异质性与企业创新绩效关系的调节作用则未被验证。因此，假设H7得到部分支持。

表4 调节效应随机模型分析结果

续表4

五、研究结论与讨论

本文运用元分析的方法，验证高管团队异质性的不同维度与企业创新绩效不同维度之间的关系，检验行业背景在高管团队异质性和创新绩效关系中的调节效应，深化了高管团队异质性与企业创新绩效关系的研究。

(一)研究结论

首先，本文证实高管团队年龄异质性和创新产出绩效之间有正向关系，高管团队职业背景异质性、任期异质性与创新过程绩效有正向关系，高管团队专业背景异质性和创新产出绩效呈较弱的正相关；高新科技型企业高管团队年龄异质性、职业背景异质性、性别异质性、专业背景异质性、任期异质性对企业创新绩效的影响更强。

其次，高管团队教育水平异质性和企业创新绩效之间无显著关系，可能是高管团队成员的权力差异造成的。基于人口学的高层管理团队研究的隐含假设是高层管理团队内部存在相等的权力分布(Sperber et al，2018)，然而实践中高管团队内部成员的权力却并不对等。因此，虽然高管团队中有较高的教育水平异质性，在理论上能够全面地看待问题以识别创新风险，但是在实际的决策过程中，因思维方式的差异、小团体的存在和决策权力的影响，可能会增加团队间的沟通难度和冲突，难以发挥积极作用。

最后，高管团队异质性与创新过程绩效和产出绩效存在不同的关系。可能的原因如下：一方面，作为企业创新绩效的两个维度，创新的过程绩效并不必然导致创新的产出绩效；同理，创新产出绩效的提高也并不意味着有创新活动。例如，由于研发投入可能受到财务舞弊、盈余操纵等影响而被扭曲(刘鑫 等，2020)，真正投入研发的资金“虚高”，导致企业创新的产出绩效并未受影响。企业对于专利申请的关注度和态度是不一样的(苏皑 等，2020)，一些企业用于研发投入的资源很多，但有些专利技术是企业核心竞争力，出于保护商业机密等需求，申请专利的积极性不高；而某些企业为了获取高昂的政府补贴，通过并购等方式增加专利申请(黎文靖 等，2016)，但并没有相应的研发投入。另一方面，高管团队异质性会对企业创新的过程绩效和产出绩效产生不同的影响。以高管团队任期异质性为例，新上任的高管更倾向于增加研发投资，调整创新战略，然而任期异质性较高的高管团队会经常面临高管人员的替换，导致研发投入很高，但产出绩效却并未受到较大影响。对于高管团队年龄异质性，年长的高管往往对风险持厌恶态度，在决策上会趋于保守(白继科，2021)，年轻的高管倾向采用并购或者直接购买的策略获取专利权，不通过实际的研发创新过程而促进企业创新的产出绩效。

(二)研究贡献与局限

本文具有以下理论贡献：第一，将企业创新绩效分为创新的过程绩效和创新的产出绩效两个维度，明确了高管团队异质性对企业创新绩效两个维度的影响，在一定程度上解决了以往只选其中一个维度进行分析带来的局限性，为现有的研究争议提供了新的理论解释视角。第二，对高管团队异质性对创新过程和产出绩效不同影响的原因进行了探讨，丰富并细化了高管团队异质性与不同创新绩效维度关系的研究，进一步扩展了研究的深度。第三，验证了不同行业背景(高新科技行业与非高新科技行业)的调节作用，弥补了现有调节变量研究的不足，发掘了高管团队异质性发挥效能的边界条件。

本文也存在不足之处：一方面，受限于元分析技术本身和样本量的限制，无法探究更多潜在的调节效应。元分析的调节变量要求在每个研究样本中单独编码，这对原始样本的研究设计以及报告的规范程度有很高的要求，未来可在完整和大样本量的前提下进一步探索潜在的调节变量。另一方面，本文采用的高管团队异质性的维度大多是在该领域研究相对较多的变量，而对于一些其他维度，例如是否拥有海外经历、晋升到高管的途径是内部提拔还是外部招聘等，可以作为未来研究的方向。

(三)管理启示

本文对于实践具有重要的管理启示：第一，企业在高层管理团队建设过程中，应强化对管理人员的背景考察，要注意吸引不同年龄段、专业背景以及职业背景的成员，提高团队异质性。例如目前越来越多的企业将自身的创新投入作为一项重要的战略目标，投资者看待企业未来成长性的一项重要指标也是其研发投入，实证分析表明高管团队的职业背景异质性对企业创新投入有积极作用，因此，吸引不同职业背景高管进入企业对组织未来创新发展有重要的意义。第二，性别异质性较高的高管团队在认知上存在巨大分歧，对创新绩效造成负向影响，但同时也可能在决策过程中提供更全面的认知视角。因此，高管团队要注意性别组成的合理性，加强团队间沟通渠道的建设以避免冲突，充分发挥男性高管的果敢与眼界和女性高管的谨慎与细致，并将两性优点有机结合。第三，高新科技型行业面临动态的市场环境以及极高的创新风险，更要注重提升高管团队的异质性，从而提高企业对技术环境的敏感性、信息处理的能力以及风险识别的能力，最大限度降低创新过程中的不确定性以提高企业的创新绩效。