组态视角下考虑伙伴重复性的联盟组合创新绩效提升路径研究

黄春萍，毛 璐，娄云莹，李争光

(河北工业大学 经济管理学院，天津 300401)

0 引言

在竞争激烈的商业环境中，企业通常会借助多元化联盟组合关系提高自身竞争地位[1]。联盟组合是指企业与不同合作伙伴同时建立多个战略联盟[2]。新冠肺炎疫情暴发以来，以中国生物为核心的新冠疫苗联合研发项目有序开展。企业、科研院所、生物医学专家通力合作，多国参与临床试验，体现了联盟组合构建的重要性和高效性。面对严酷的市场竞争，国内医药企业仅依靠单打独斗无法实现全面发展，转而涉足联盟组合领域。医药企业构建联盟组合面临诸多挑战，如联盟组合数量不断增加、过度依赖单个或少量合作伙伴、联盟组合管理能力薄弱等。

如何构建联盟组合并实现卓越的创新绩效成为一个关键战略问题[3]。关于联盟组合配置的研究主要集中在规模配置[4]、结构配置[5]、关系配置[6]、合作伙伴配置[7]4个方面。当前，关于联盟组合规模影响企业创新绩效的研究存在争议[8]。现有研究通常使用联盟累计数量测量联盟组合规模，仅考虑联盟数量这一单维变量，较少考虑企业与合作伙伴合作次数(伙伴重复性)对联盟组合的影响[9]。伙伴重复是一种包含重复联盟的合作形式，与焦点企业存在多个联盟合作关系即可被认定为伙伴重复(邓渝等，2018)，它是反映联盟数量和合作伙伴数量的二维复合变量。联盟数量作为一维变量所发挥的作用极其有限，只有与合作伙伴构建联盟组合才能深刻揭示联盟组合配置的复杂性[10]。Wassmer等[11]研究发现，管理者不应仅通过有限的几个合作伙伴获取异质性资源。即使联盟数量相等，合作伙伴数量和伙伴重复性不同，联盟组合规模也不同。当前，学术界将联盟数量和合作伙伴重复性一并纳入联盟组合规模进行研究。Lee等[12]指出，重复联盟影响焦点企业对外部知识资源的获取，会降低企业面对外部环境不确定性的能力，并阻碍企业创新发展[13]；Degener等[14]在研究伙伴重复性与联盟创新绩效关系时仅将活跃的联盟数量设为控制变量，未引入伙伴重复性与联盟数量指标探究联盟组合规模对联盟组合创新绩效的影响。此外，强联盟组合管理能力可以更好地应对不同联盟组合挑战。如果联盟组合管理能力会影响联盟组合创新绩效[15]，那么引入伙伴重复性的联盟创新绩效关系是否也会受到联盟组合管理能力的影响？如果影响效应存在，联盟组合管理能力又如何影响它们之间的关系？为解答上述问题，本文从组态视角出发，应用模糊集定性比较分析法阐述联盟数量、伙伴重复性和联盟组合管理能力对联盟创新绩效的作用机理，进而揭示实现高创新绩效的有效路径。

1 文献综述与模型构建

周佳等[16]指出，联盟组合的概念最早由Doz & Hamel提出，他将联盟组合定义为与焦点企业合作的所有双边联盟的集合。随着联盟组合研究的不断深入，学者从不同角度和领域对联盟组合内涵进行界定，并将其扩展为多边联盟，认为联盟组合是存在多个主体、联结程度更高的一种联盟形式[17]。Mouri等[18]基于重复联盟视角，认为联盟组合是指与焦点企业或同一企业建立多个联盟合作关系，强调联盟组合跨组织协同效应，便于焦点企业对联盟组合规模进行拓展。

不同于一般联盟组织形式，联盟组合表现为一种网络形式，强调联盟配置对联盟创新绩效的影响[3]。当前，关于联盟组合配置对联盟创新绩效的研究多从联盟组合内部和外部两个方面予以阐述。其中，内部因素主要集中于联盟管理[15]和网络结构[4]；外部因素主要集中于联盟伙伴选择[19]和多样性[20]所带来的影响。本文重点对联盟组合规模中的联盟数量、联盟伙伴重复性以及联盟组合管理能力进行探讨。

1.1 联盟组合规模与联盟数量

联盟组合规模是指以焦点企业为中心形成的网络规模，大多采用联盟组合伙伴数量或联盟合作整体数量测量[9]。Lavie[17]使用联盟整体数量对联盟组合规模进行测量发现，较大规模的联盟组合有利于企业获取异质性资源，进而推动联盟合作创新；文金艳等[21]基于资源基础理论，对汽车生产企业进行实证研究，认为联盟组合规模有利于提升企业技术标准能力，推动企业技术创新发展；曹霞等[22]从联盟组合稳定性角度出发，认为联盟数量增多有助于减少联盟内部机会主义行为，降低联盟企业合作产生的高风险，推动联盟稳定发展，促进联盟合作创新。然而，当联盟组合规模达到一定程度后，规模扩张将会加大企业协调成本和管理难度，减少企业创新资源，降低企业创新能力[23]。还有学者将联盟组合规模设为调节变量探究伙伴多样性与企业创新绩效之间的关系。毕静煜等[20]将伙伴多样性划分为地理位置多样性和关系强度多样性，探究联盟组合规模的调节作用，发现联盟数量增加有助于焦点企业获取更加广泛的异质性资源，并相应减少焦点企业与不同地理位置联盟伙伴组建联盟关系产生的成本费用，从而削弱地理多样性对联盟创新绩效的正向影响。其中，强关系联盟伙伴会提高共享稀缺资源的意愿以巩固自身地位，弱关系联盟伙伴也会提高资源共享意愿以开展联盟合作。因此，联盟规模扩大能够推动联盟伙伴之间的良性竞争，进而提高联盟创新绩效。虽然学者关于联盟组合规模对联盟创新绩效的影响并未得出一致结论，但均认为联盟组合规模对联盟创新绩效具有积极影响。

1.2 联盟组合规模与伙伴重复性

重复联盟是实现企业交互效应的重要联盟组合方式之一，联盟组合特征体现为同时存在的多重联盟关系及其产生的交互效应[10]。从重复联盟角度出发，学者常引用与同一伙伴建立的重复性联盟数量衡量联盟组合规模[18]。重复合作有利于增强联盟伙伴之间的信任，推动联盟伙伴进行知识共享，提高联盟协作效率进而实现联盟创新[24]。但也有学者持不同观点，认为重复联盟会影响焦点企业对外部资源的获取，降低企业面对外部环境不确定性的能力，从而阻碍联盟创新发展[12]。Zheng等[13]研究发现，重复联盟与企业突破性创新之间存在倒U型关系，认为与有过联盟合作的企业组建新联盟存在一定的信任基础，有利于企业产生资源共享行为，进而激发突破性创新。然而，与现有伙伴建立过多联盟合作关系有可能会固化联盟组织结构，使企业对联盟形成路径依赖，削弱企业获取异质性资源和掌握新技术的能力，从而阻碍企业突破性创新。在此基础上，邓渝和韩炜(2018)从跨联盟组织规范和联盟关系两个视角对两者倒U型关系进行分析。从跨联盟组织规范视角出发，作者认为焦点企业在与联盟伙伴企业的多次合作过程中会形成解决联盟特定问题的行为规范，有利于促进联盟企业跨组织协作，提高联盟创新能力和创新协作效率。但随着联盟合作水平的不断提升，焦点企业与联盟伙伴企业间的跨组织规范越来越结构化，固定思维模式会限制企业对创新知识和创新思维的引入，容易使企业陷入“熟悉陷阱”，从而影响企业创新；从联盟关系视角出发，作者认为联盟企业之间的重复合作有利于加深双方联盟关系，使联盟关系由稀疏的弱关系变成紧密性和联结程度更高的强关系，降低联盟合作交易成本，减少机会主义行为，进而提高联盟合作创新效率。但强联盟关系容易出现过度依赖，不利于建立和更新联盟组合配置，会削弱企业竞争优势，降低企业创新效率；张运生等(2019)将联盟组合类型设定为专利池联盟组合，探究重复联盟关系对联盟组合创新绩效的影响，认为重复联盟关系可以增加联盟企业关系资本，加强联盟合作与互惠，抑制企业机会主义行为的产生，减少企业之间的恶性竞争，提升联盟伙伴企业创新绩效。但随着联盟关系的不断增强，因专利池联盟组合内部存在过多无效专利，联盟学习产生的边际效应递减，专利池市场所带来的超额利润会降低企业创新积极性，减少企业创新动力，因此专利池重复联盟关系与联盟组合创新绩效之间呈倒U型关系；梁杰等(2020)依据创新程度将联盟组合创新绩效划分为突破性创新和渐进性创新，并将伙伴类型设为调节变量，探究重复合作对联盟组合创新绩效的影响，通过对中国医药制造行业61家公司联盟组合样本的实证研究发现，与同一家企业进行重复合作虽然有利于推动渐进性创新，却会阻碍突破性创新发展。综上所述，联盟伙伴重复性对联盟创新绩效具有重要影响。

1.3 联盟组合管理能力与联盟组合创新绩效

联盟组合管理能力是指在联盟组合内部，企业能够有效识别联盟合作伙伴、协调联盟伙伴之间关系、推动联盟活动协调发展并实现联盟收益增长的能力[25]。薛捷和张振刚[26]、Sarkar等[27]认为，联盟组合管理能力是动态能力的一种特殊表现形式，从组织管理视角出发，认为联盟组合管理能力包括组织间协调、联盟组合协调、组织间学习、组织感知和联盟组合变革5种能力；Degener等[14]从价值创造视角出发，认为联盟组合管理能力包括合作主动性、关系治理和联盟组合协调3种能力；在此基础上，庞博等[28]应用此方式对联盟组合管理能力进行划分，认为联盟组合管理能力应体现企业的全局性和系统性，表现为对联盟关系进行掌控和利用的能力，同时贯穿于联盟组合构建、演化及终止的全过程。

(1)联盟组合管理能力与联盟组合创新绩效存在直接关系。薛捷等[26]指出，联盟组合管理能力对联盟组合绩效具有积极影响；李奉书等[30]将联盟组合管理能力划分为协调能力、沟通能力和关系能力，发现联盟组合管理能力对企业创新具有显著正向影响；Marhold等[31]指出，协调能力能够识别和管理联盟组合企业之间的相互依赖关系，为企业技术创新创造高效互动合作模式，减少联盟合作冲突；沟通能力能够增强联盟企业之间的交流频率，加快信息传播，提高企业创新合作效率，促进企业技术创新发展；关系能力有利于增强企业之间的信任，减少联盟组合中的机会主义行为，促进联盟组合稳定发展；杨伟明等[32]将联盟组合管理能力划分为伙伴选择能力、联盟治理能力和组合协调能力，指出3种能力通过联盟开发式合作与探索式合作两种模式对联盟组合创新绩效产生差异化影响。

(2)联盟组合管理能力与联盟组合创新绩效的中介机制。庞博等[28]以吸收能力作为中介变量，探究联盟组合管理能力与联盟组合创新绩效之间的关系，认为联盟组合管理能力有利于企业获取丰富的外部资源，再通过获取、消化、吸收和利用将外部资源转化为市场所需的创新产品。因此，吸收能力在联盟组合管理能力与联盟组合创新绩效之间发挥中介效应[15]。此外，庞博等[28]从网络嵌入性结构和网络关系两个维度分别引入结构洞及关系质量两个中介变量，探究联盟组合管理能力对企业创新绩效的影响，通过战略性新兴企业问卷调研数据进行实证研究发现，联盟组合管理能力能够显著促进企业创新绩效提升，同时结构洞和关系质量在其中发挥部分中介作用；张敬等[26]从资源基础观视角出发，发现知识权力和关系学习对联盟组合管理能力与联盟组合创新绩效关系具有间接中介效应。

综上所述，联盟组合规模中的联盟数量、伙伴重复性和联盟组合管理能力均对联盟组合创新绩效具有积极影响，因此需要考虑多因素的协同作用。为此，本文从多元、整体视角对联盟组合创新绩效这一复杂问题进行探究，运用fsQCA方法寻找引发联盟组合高创新绩效的前因条件，并构建研究模型，如图1所示。

图1 研究模型Fig.1 Research model

2 研究设计

2.1 研究方法

定性比较分析法(Qualitative Comparative Analysis，QCA)最早由社会学家Ragin在1987年提出，指出结果是由各种原因条件组成的整体，因此应关注条件组态与结果之间的复杂因果关系[34]。当前，QCA方法在管理学领域得到广泛应用[35]。张敬等[36]应用模糊集定性比较分析法探究制度距离、跨国并购经验、行业相关性与社会责任行为对跨国并购绩效的组合效应，并识别出理性趋同型、主动迎合型和嵌入发展型3种跨国企业高绩效组态路径；吴建祖和华欣意[35]应用该方法探究外部环境、企业资源和能力、高管团队交互作用对企业双元创新的影响，识别出驱动企业双元创新的不同构型；张明等(2020)应用模糊集定性比较分析法探寻企业战略变革原因，检验CEO来源、CEO权力、TMT异质性、企业前期绩效和环境复杂性对战略变革的组态效应，以及不同组态对企业创新绩效的影响。总之，管理学领域学者应用单个变量净效应实证研究方法以及比较新颖的fsQCA方法探讨多个相互关联、层层递进的研究问题。QCA 根据变量类型可划分为清晰集定性比较分析法(csQCA)、多值定性比较分析法(mvQCA)和模糊集定性比较分析法(fsQCA)。相较于csQCA和 mvQCA，fsQCA不仅能够处理类别问题，还能够处理程度变化和部分隶属问题。而且，fsQCA将模糊集数据转换为真值表，保留了处理定性数据、有限多样性数据和简化组态等优势，具有质性分析和定量分析的双重属性。

联盟组合创新是一个复杂的动态过程，是联盟组合规模、联盟伙伴和联盟组合管理能力等多种因素交互作用的结果，因此需要基于整体性分析视角，从多种因素交互作用过程中找出实现联盟组合高创新绩效的组态路径。组态分析强调条件变量对结果变量的影响，要实现联盟组合高创新绩效仅依靠单个条件变量的作用极其有限，其是多个条件变量相互作用的结果。因此，本文从组态视角出发，采用模糊集定性比较分析(fsQCA)法揭示创新绩效影响因素之间的复杂因果关系，分析联盟数量、伙伴重复性和联盟组合管理能力的组合作用，识别实现高创新绩效不同路径、不同条件组态之间的关系。

2.2 样本选取与数据收集

QCA方法是以案例为导向的研究方法，遵循理论抽样原则而非随机抽样原则。案例选取需要考虑两个因素:①选取的案例背景或特征具有高度相似性；②案例之间存在一定异质性，具备一定程度的多样化特征[37]。结合本文研究情境和研究问题，选取所属一级工业行业医药制造企业为研究对象，因近两年新冠肺炎疫情暴发对医药行业产品需求加大，产品创新要求随之增加，加之制造行业是国民经济的重要组成部分，对医药制造行业创新绩效提升路径进行研究具有重要现实意义。由于联盟组合持续时间通常为5年且终止时间很少对外界披露，因此结合现有研究，将联盟活动移动时间窗口设置为5年[38-39]，即焦点企业第t年联盟组合包含第t-5年至第t-1年参与的所有联盟组合。考虑到企业联盟数据不全，且专利申请存在一定时滞性(张运生等，2020)，需要预留年份以观测联盟组合创新绩效，因此本文选用联盟组合活动持续两年内的专利总量衡量。2009-2018年的联盟活动数据可形成2014-2020年的联盟组合数据，剔除数据严重缺失的研究样本，最终筛选出15家国内医药制造企业，数据来源于东方财富网和国泰安数据库，为增加数据可靠性和可信度，根据企业年报以及巨潮资讯网对相关数据进行验证。

2.3 变量测量

在选择条件时，需要优先考虑条件选择原因和数量。条件数量需要与案例数量平衡，中等案例样本分析一般择3～9个条件变量。本文结合理论视角法和文献归纳法，从已有文献中归纳并推导出一个混合的条件组合库，将条件变量设为联盟数量、伙伴重复性和联盟组合管理能力3个细分变量，将联盟组合创新绩效设为结果变量。

(1)联盟组合创新绩效。联盟组合创新绩效采用联合专利衡量[40]。因为专利能够直观体现联盟组合创新成果，并在以往研究中得到广泛应用(孙玉涛等，2017)。相比于其它类型专利，联盟组合发明专利更具有创新性，同时专利数量和其它类型创新绩效代理变量存在高度相关性，因此本文采用专利数量作为测量指标[41]。因专利成果存在一定滞后性，故选取联盟组合活动持续两年内的专利总量测量。

(2)联盟数量。联盟数量作为联盟组合规模的一个维度，本文将联盟组合活动持续时间窗口设置为5年[38-39]，收集2014—2020年案例企业联盟组合数量和联合专利数量，结合联盟组合活动持续时间，将同一家企业超出活动持续时间组建的联盟数量认定为不同案例。

(3)伙伴重复性。伙伴重复性作为联盟组合规模的另一个维度，参考Zheng & Yang[13]的研究，采用联盟组合内部焦点企业重复联盟的几何平均数进行测量，公式如下：

伙伴重复性=(ΠRi)1/N

(1)

式(1)中，Ri代表焦点企业与同一联盟伙伴企业建立联盟合作关系的数量，N为焦点企业合作伙伴数量。

(4)联盟组合管理能力。该条件变量包含以下指标：联盟组合经验、是否有联盟组合高级管理者、是否有专门的联盟组合管理机构、是否有成熟的联盟组合管理惯例。采用二分法，对拥有以上部分能力的企业编码为1，否则为0[42]。

2.4 变量校准

本文采用直接校准法对变量数据进行模糊集校准，使用3个重要定性锚点进行结构化校准: 完全隶属阈值(1)、完全不隶属阈值(0)以及交叉点(0.5)[34]。各变量校准情况如下：①联盟数量处理：联盟数量0=-|联盟数量-19|；②伙伴重复性处理：伙伴重复性0=-|伙伴重复性-1.21|；③创新绩效处理：联合专利≥20，将其定义为高创新绩效；④联盟数量1校准锚点：calibrate(联盟数量0,-2,-5,-15)；⑤伙伴重复性1校准锚点：calibrate(伙伴重复性0,-0.02,-0.1,-0.2)；⑥联盟组合管理能力1采用二分类(0,1)。最终，条件编码结果如表1所示。根据数据校准规则，本文利用软件fsQCA3.0对原始数据进行校准，原始数据与校准数据结果如表2所示。

表1 条件编码解释Tab.1 Condition coding interpretation

表2 原始数据与校准数据结果Tab.2 Raw data and calibration date

3 实证结果分析

3.1 必要性分析

本文对联盟组合创新绩效提升必要条件进行检验，结果如表3所示。如果条件变量成为结果变量的必要条件，则要求一致性水平达到0.9。由表3可知，每个单独条件变量一致性水平均小于0.9，说明其不能单独构成影响联盟组合创新绩效提升的必要条件。这表明，单独条件变量对联盟组合创新绩效的解释力较弱，将这些条件变量纳入fsQCA，进一步分析多个条件变量对联盟组合创新绩效的影响。

表3 必要性检验结果Tab.3 Necessity test

3.2 真值表构建

为便于研究者对分析过程进行控制，本文对研究变量进行真值分析，根据样本规模数量，参考Schneider等[43]的观点，将原始一致性阈值设定为0.75。在fsQCA软件中构建真值表，将得到的模糊集数据直接导入软件，将结果变量设置为联盟组合创新绩效，删除没有案例的条件组合，保留100%的条件组合，得到结果变量为联盟组合创新绩效的真值表，如表4所示。

表4 真值分析结果Tab.4 Truth analysis results

3.3 组态分析

组态是指对导致结果变量产生的不同条件变量进行组合，组态分析则是探究组态是否隶属于结果集合中的子集[36]。fsQCA方法通过分析条件组态与结果之间的复杂因果关系得出相关研究结论[35]，旨在分析不同条件、不同条件组态与结果充分或必要的子集关系[44]。本文运用fsQCA方法分析国内15家医药制造企业实现高创新绩效的不同组态路径，组态分析结果如表5所示。从中可见，存在两种高创新绩效组态解，两种组态一致性系数值分别为0.84和0.89，均高于普遍接受的一致性标准0.80。由组态分析结果可知，有两种组态能够实现联盟组合高创新绩效，且两者有一个共同的核心条件：中等联盟数量。本文结合相关理论研究成果阐述每种组态背后的逻辑关系，并通过fsQCA方法回溯每种组态覆盖的案例。

表5 实现高创新绩效的组态路径Tab.5 Configuration producing high innovation performance

(1)组态路径1：当联盟数量和伙伴重复性都达到中等水平时能够产生高创新绩效。组态结果显示，中等水平联盟数量为核心条件，说明应重点对联盟数量进行控制。联盟数量增加有利于企业获取异质性资源，推动联盟合作创新，但达到一定规模后，也会相应增加协调和管理成本，导致联盟组合创新绩效下降。因此，应合理控制联盟组合规模，使其达到中等联盟数量后更有利于促进联盟合作创新[23]。伙伴重复性作为边缘条件，中等伙伴重复性虽然可以产生高创新绩效，但通过分析可知，在没有中等伙伴重复性的前提下，仅考虑中等联盟数量不会产生高创新绩效，表明伙伴重复性与联盟组合创新绩效呈倒U型关系，这与邓渝等(2018)的研究结论一致。联盟数量与伙伴重复性组态典型案例如众生药业2、康恩贝和恩华药业，这3个企业的共同特点是虽然为中等联盟数量、中等伙伴重复性且不具备联盟组合管理能力，却产生了高创新绩效。这说明，这3家企业无论是通过股权合作还是签订合作协议构建联盟组合，总能保持适当的伙伴重复性，且没有出现快速构建联盟组合的现象，这是产生高创新绩效的核心条件，说明没有联盟组合管理能力仍可产生高创新绩效。

(2)组态路径2：当联盟数量达到中等水平且具备较高的联盟组合管理能力时便能够产生高创新绩效。在此组态路径中，联盟数量为核心条件，联盟组合管理能力为边缘条件，高联盟组合管理能力能够产生高创新绩效。近几年来，联盟组合管理能力逐渐得到学者重视，现有文献指出联盟组合管理能力与创新绩效正相关[29]并在部分研究中呈现调节效应[15]。薛捷等[26]指出，如果联盟组合具备一定管理能力，则能够有效利用联盟伙伴资源进行创新。然而，该组态反映在联盟数量较多情况下，联盟组合管理能力也会出现效力失灵。典型案例如华润三九，该企业的一个明显特征就是联盟伙伴重复性较低，但是由于具备较强的联盟组合管理能力，最终也产生了高创新绩效。这种案例在国内比较少见，说明国内企业在构建联盟组合过程中未重视联盟组合管理能力的作用。结合实践发现，如果企业不具备联盟组合管理能力，则可以相应减少这部分支出，以节约管理成本，减少资源浪费，避免组织冗余。因此，企业应时刻关注联盟组合动态发展状况，当需要扩大联盟组合规模或者伙伴重复性面临“卡脖子”难题时，可以着重提高联盟组合管理能力。

3.4 稳健性检验

进一步，本文对QCA分析结果进行稳健性检验。在参考已有研究的基础上，对结果变量低水平因素进行组态分析[45]，探寻是否会出现导致结果变量高水平和低水平的同一因素，如果出现，则认为其并非构成结果变量的充分条件。通过对联盟数量、伙伴重复性和联盟组合管理能力真值结果进行分析，发现组态非中等联盟数量和低联盟组合管理能力产生低创新绩效的一致性为0.89，未出现致使创新绩效高低水平同时产生的现象，说明本文研究结论稳健。

4 结论与展望

4.1 研究结论

为探究影响联盟组合创新绩效的多重并发因素和复杂机制，本文以我国15家医药制造企业为案例研究对象，基于组态思维，应用模糊集定性比较分析法探究联盟数量、伙伴重复性和联盟组合管理能力3个条件变量对联盟组合创新绩效的影响机制，得出如下研究结论：

(1)联盟组合创新绩效是多重因素组合并发的结果，联盟数量、伙伴重复性和联盟组合管理能力3个因素均不是单独构成高创新绩效的必要条件，表明单个条件变量对创新绩效的解释力较弱，只有多因素的共同作用才会产生高创新绩效。

(2)产生联盟组合高创新绩效的两条路径都强调应重点控制联盟数量，研究发现联盟数量与创新绩效呈倒U型关系，说明中等联盟数量对创新绩效的提升作用最大。

(3)中等联盟数量和中等伙伴重复性这一路径体现了伙伴重复性的重要性，研究发现伙伴重复性与创新绩效也呈倒U型关系，表明伙伴重复性能够增强联盟伙伴之间的信任，推动联盟创新活动顺利开展，但伙伴重复性较高也会增加企业外部风险，阻碍企业联盟组合协同创新。

(4)中等联盟数量和高联盟组合管理能力路径强调联盟组合管理能力的作用，认为企业联盟组合管理能力越强，对联盟组合创新绩效的提升作用越大。

4.2 理论贡献

本文理论贡献主要体现在以下几个方面：

(1)丰富了联盟组合创新绩效影响机制研究。以往研究多关注单一因素对联盟组合创新绩效的作用机制，忽视了不同因素之间的协同作用，本文将联盟数量、伙伴重复性和联盟组合管理能力3个因素纳入同一研究框架，分析其对联盟组合创新绩效的影响，并得出产生高创新绩效的两条路径，为分析联盟组合规模和联盟组合管理能力对联盟组合创新绩效的影响奠定了理论基础。

(2)以往学者多采用联盟数量测量联盟组合规模，忽视了合作伙伴数量与联盟数量的共同作用。本文通过构建二维量表测量联盟组合规模与联盟组合管理能力所构成的不同条件组合，探究影响联盟组合创新绩效的组态路径，发现中等联盟数量与中等伙伴重复性以及中等联盟数量与高联盟组合管理能力可以产生高创新绩效，为联盟组合与创新绩效研究提供了一种新视角。

(3)采用模糊集定性比较分析(fsQCA)法，从组态视角研究多个因素之间的相互作用关系，探究联盟数量、伙伴重复性和联盟组合管理能力对联盟组合创新绩效的影响机制，弥补了传统实证研究方法的不足。

4.3 管理启示

根据上述研究结论，本文提出如下启示：

(1)应采取一定措施控制联盟组合数量，以产生高创新绩效。首先，应对联盟组合定期进行考察，及时筛选出对联盟组合创新绩效贡献低的企业，减少或终止与其组建联盟。通过考察联盟伙伴企业联合专利数量，选择没有联合专利或联合专利数量较少的伙伴企业终止联盟，因为联合专利更能直观体现联盟组合创新成果(孙玉涛等，2017)，拥有较多联合专利更能反映联盟具有较高创新绩效；其次，冗余资源会抑制企业创新绩效提升[46]，因此需要考虑伙伴相似性，对相似的联盟伙伴企业终止联盟合作。联盟伙伴企业为焦点企业提供的相似资源会降低联盟组合价值，使焦点企业很难从联盟组合中获取新资源及新知识，从而无法提高联盟组合创新绩效。同时，相似的联盟伙伴企业还会增加联盟组合管理成本，加大联盟协调难度，降低联盟组合创新绩效；最后，还需要考虑伙伴重复性问题，与联盟伙伴企业重复合作意味着联盟企业匹配度较高，具有丰富的联盟组合经验，有利于降低联盟管理难度，从而获取更高的联盟组合创新绩效。

(2)保持适度原则，提升伙伴重复性。首先，应从原有联盟伙伴中筛选出部分企业构建新联盟。依据伙伴企业之间的关系属性，如关系强度、关系质量等，选择关系强度较高、关系质量较好、资源更加匹配的联盟伙伴企业重复建立联盟关系，提高联盟伙伴重复性。已有联盟伙伴拥有丰富的联盟合作经验，与焦点企业资源更加匹配和契合，建立新联盟关系可减少摩擦或冲突，降低联盟管理难度，有效整合资源和技术，从而提高联盟组合创新绩效；其次，参考联盟伙伴企业自身属性特征，对联盟伙伴企业研发能力、抗风险能力和认知能力进行评估。如联盟伙伴企业具有较高研发能力能够提升联盟组合创新效率，抗风险能力能够增强对外部不确定性环境的适应性，认知能力能够帮助焦点企业迅速捕捉市场需求，有针对性地研发新产品；最后，应在契约治理的基础上，采用恰当的关系治理机制维护已有伙伴关系。如通过持续互动增强彼此之间的信任与承诺，减少重复联盟伙伴企业的机会主义行为，维持联盟关系持续与稳定，避免优质联盟伙伴流失，从而提高伙伴重复性。值得注意的是，伙伴重复性并非越高越好，当伙伴重复性达到一定程度后，焦点企业从联盟伙伴处获得新知识、新技术、新资源的概率逐渐降低，焦点企业与联盟伙伴创造性思维的碰撞也会逐渐减少，会负向影响联盟组合创新绩效。因此，在实践中，企业需要掌握适度原则，过高或过低的伙伴重复性均不利于企业创新绩效提升。当伙伴重复性过高时，焦点企业应避免联盟伙伴过度嵌入，努力发挥伙伴重复性的正向影响作用。

(3)针对联盟组合管理能力不同维度提出相应提升策略。从联盟组合过程视角出发，可将联盟组合管理能力划分为前瞻规划能力、组合构建能力、关系优化能力和组合协调能力4个维度[15]。在前瞻规划能力方面，应加强对各种关键资源和联盟合作机会的关注，培养联盟组合高级管理人员；在组合构建能力方面，企业应该深入拓展与外部组织之间的关系，以适当方式主动拜访潜在联盟伙伴，并与潜在联盟伙伴保持一定联系，向潜在联盟伙伴展示自身优势，建立广泛、多样和持久的联盟组合关系；在关系优化能力方面，企业应该与联盟成员建立信任关系，学习不同企业联盟组合管理人员的管理经验，采取柔性和非正式治理机制提高联盟关系质量；在组合协调能力方面，企业应设立专门的联盟组合管理部门负责联盟战略合作、开发及维护工作，部门应对联盟组合实施集中管理，协调内部资源，提高合作优先级，建立便捷的合作沟通机制，形成合理高效的联盟组合，从而产生最大化创新绩效。

(4)完善相应保障机制，确保优化方案顺利实施。为提高焦点企业联盟组合管理能力，应减少联盟组合数量，提升联盟企业伙伴重复性，从人力资源、资金、制度、组织文化4个方面制定相关保障措施。在人力资源保障方面，首先应优化企业组织架构，完善人才引进政策，重视人才培养，建立完善的绩效考核机制，为员工工作提供保障。在资金保障方面，应投入资金对企业软硬件进行升级，及时作好预算，充分保证方案实施所需资金及时到位，对资金进行有效控制，避免过度开支，提高企业员工认识度和参与度，保证优化方案的顺利实施。在制度保障方面，应完善企业规章制度，在制定制度之前，要做好部门调研，确保制定内容的可行性；在制定执行过程中，当出现与制度目标不符或者偏差时要及时修正；同时，要做好各部门宣传和传达工作。在组织文化保障方面，企业文化是企业信念和精神所在，要培育优秀的企业文化，使员工了解自身职责和使命，增强企业软实力，提高企业创新绩效。

4.4 不足与展望

本文存在如下不足:①由于案例数量有限，采用的前因条件数量受到一定限制，未来可考虑更加复杂的内部机制，增加前因变量，丰富理论模型；②仅关注联盟数量、伙伴重复性、联盟组合管理能力对联盟组合创新绩效的影响，未来可纳入其它影响因素，为提升联盟组合创新绩效提供更加全面的路径；③未深入探讨联盟组合创新绩效低下的原因，未来可拓展研究样本数量并对其进行深入分析，以提高研究结论的普适性。