不确定环境下高管团队断裂带对创新效率影响——基于高科技制造企业的追踪研究

杨晶照 臧敏

(江苏大学 管理学院,江苏 镇江 120013)

0 引言

当下世界正面临前所未有之大变局,在西方大国科技脱钩,贸易战双重打压下,我国高科技制造业面临的外部环境日益严峻,如何有效提升创新效率成为企业持续思考的问题。同时,员工的多元化倾向,也使团队断裂带问题逐渐受到关注,而高管团队作为组织决策制定者,其断裂带对组织的影响更为深远。由于创新决策不仅涉及组织未来发展方向,更与当期财务指标紧密相关,高管团队在创新投入与决策时也易出现分歧。研究表明,当创新投入风险与回报周期等因素对企业当期财务绩效影响较大时,高管团队决策更为谨慎,有可能刻意规避探索式创新投入,并尽量选择利用式创新或者不创新[1];但当高管团队为获得更高的薪酬、权力、地位和声望时,往往从自身利益最大化出发,过度进行创新投入,导致创新投入与产出严重失衡,直接影响企业创新效率[2]。那么高管团队客观存在的多样性是否加剧这样的分裂? 其中的“代沟”“人以群分”等因素对创新决策走向有何影响? 对此问题,现有研究从高管团队背景、特征、认知模式等方面的差异性对创新战略与创新投入影响做了大量研究,但并没有得到一致的结论。这迫使研究者将研究视角从单个特征转向组合特征,从关注高管团队个体特征,如董事长个人特征等,转向团队角度,不仅关注以成员单一特征指标区分的团队多样性影响,也开始关注以多重指标划分的团队断裂带对创新的影响[3]。由多种特征聚合而成高管团队断裂带,将高管团队划分为不同的子群,在面临更多不可预知风险的动态不确定环境时,各子群之间客观存在的差异性是否会影响创新投入到创新实现的过程?如果会,那么其作用机制如何? 本文针对诸类问题,考虑创新投入决策对创新效率的递延效应,以团队断裂带相关理论为基础,构建高管团队断裂带对创新投入和创新效率的理论模型,收集高新技术制造类上市公司2011-2017 连续数据,进行追踪研究。

1 理论基础及研究假设

1.1 理论基础与文献综述

在群体决策中,凭借群体成员的不同经验、背景和教育程度,可以从不同角度审视问题,并深入、全面探讨,利于决策广度。但群体决策理论也指出,由于群体决策和个人决策存在差异,在群体决策过程易发生群体偏移情况,出现影响决策效率的负面现象。如群体成员受最初态度影响,在集体讨论过程中易变得极端,保守立场的人更加保守,激进的人更加冒险,出现内耗。相似吸引理论指出,团队成员往往认同与他们特征类似成员,并给予其他成员负面评价,而且由于刻板印象,团队成员可能会对他人产生认知或者情绪的负面反应[4]。另外,认知冲突也易导致对异于自己特征的其他成员产生排斥,往往对其不同观点产生偏见,在表达观点时容易发生矛盾冲突[5],这种冲突可能会加速团队内部的分裂,抑或加深内部矛盾,限制团队成员多样化认知资源有效地发挥,抑制企业创新效率[6]。这一点,在高管团队的相关研究中得到验证。高管团队中客观存在的不同人口统计学特征、教育背景以及职业经验构成了团队多样性认知和决策能力,影响其行为,并直观地体现在战略选择上[7]。对企业战略决策的创新投入与创新执行,不仅受到企业外部因素的影响,还受到高管团队多样性的影响。不过,多项研究证明,高管团队断裂带对于创新的影响,不是一成不变的,既有消极的一面,也有积极的作用[8]。

团队断裂带是基于团队成员一个或多个属性特征,把团队划分为若干个子团队的假想分割线,类似于地理学上断层的概念,通过它可同时考虑多个统计学特征的聚合作用,在考察多样性对团队产出的影响时,会有更强的解释力。断裂带的存在,体现出多样性价值,如能利用这些多样性资源,则最终能对团队创新产生积极作用[9]。但是,团队断裂带与创新关系十分复杂,单纯的研究团队断裂带对创新的影响并不能解决问题[10],须考虑企业所面临行业、技术与市场变化的速度和深度,综合环境动态性和复杂性的双重影响因素[11]。由于团队断裂带呈现出一种自然分化,断裂带强度大意味着成员间的差异较大,当环境稳定且无外界因素激发时,断裂带处于休眠状态,一旦有特殊事件发生时,断裂带可能被激活,加剧某种社会分化过程,诱发团队分化,使团队内产生“圈内人”和“圈外人”的格局,阻隔子团队间交流[12]。处在动态多变的环境中,企业的发展也会随着环境变化变得不易控制,环境不确定性所具有的复杂性和动态性以及对系统性信息把握的不确定性,有可能成为激活并强化断裂带的影响因素。

环境不确定性来自企业的竞争对手、客户、供应商,以及市场监管机构等多个不确定因素,这些因素的变化难以预测,存在复杂性和风险性,对企业运营发展和战略选择产生直接影响[13],从垂直时间角度研究,环境在不断持续变化,其速度和频率都是随机的,对此,企业管理者面对新产品技术开发时,不同的管理者风险承担意愿也会不同。在环境不确定性较高时,如果管理者愿意承担更高风险,将会促进新产品研究开发,反之则相反;而在环境不确定性较低时,如果管理者风险偏好较低,也会对新产品研究开发具有正面的影响[14]。研究表明,对于企业来说,环境不确定性是其进行创新决策重要因素,尤其影响整个团队协作战略选择,如外部环境愈加动荡,不确定性水平越高,企业在创新投入方面也会更加谨慎[14]。

总之,在不确定环境下,团队成员单一特征差异已不足以说明高管团队多样性对企业创新的影响,以高管团队多重特征聚合而成的高管团队断裂带对企业创新的影响作用理应受到更多的关注。另一方面,学者们关于团队断裂带与创新研究主要从社会整合(关系冲突、团队凝聚力、团队满意度)和认知整合(任务冲突、信息加工、交互记忆系统)等团队内部因素考虑,而忽视了企业外部环境因素影响。因此,本文将引入环境不确定性这一变量,从战略决策角度切入,以创新投入为中介变量,探索高管团队断裂带与企业创新绩效的作用机理。

1.2 研究假设提出

为进一步探明断裂带对创新投入与创新效率影响,本研究具体将团队断裂带区分为社会属性断裂带与信息相关断裂带,通过测量团队断裂带强度以及情境作用,推进相关研究。现有研究发现不同人口学特征所形成不同类型团队断裂带,对创新产生不同影响。按性别、年龄、种族等表层因素划分的社会属性断裂带,与按教育背景、工作经验等深层因素划分的信息相关断裂带,对创新影响有所不同。大多数学者认为社会属性团队断裂带往往给团队创新带来消极影响[15],而信息相关断裂带则会积极影响团队创新[16]。但是这一结论并不完全成立,有学者研究发现,社会属性团队断裂带也会对创新产生积极影响[17],信息相关断裂带信息多样性优势如果未能抵消社会属性团队断裂带来的负向影响,将对创新产生消极作用[18]。具体参见表1。

表1 不同类型的团队断裂带与创新的关系研究一览表Table 1 The relationship between faultlines and innovation.

由于高管团队成员任命时间和教育水平差异所形成高管团队信息相关断裂带尽管将团队分为多个子团队,不过正因为知识多样性和丰富性,可以鼓励成员相互商讨,继而激发成员创造力的产生[22]。不同成员的不同工作经验,以及知识的丰富性形成的信息相关断裂带刺激并增强团队创新意识[23],缓解成员的心理压力,使他们更大胆积极地提出有价值的观点。信息断裂带存在使高管团队具有知识异质性,丰富了战略决策资源存量,保障高管团队的战略发展和绩效提升的顺利进行[24]。由此,提出如下假设。

H1高管团队断裂带对企业创新效率产生影响。

H1a高管团队社会属性断裂带越强,企业创新效率越低。

H1b高管团队信息相关断裂带越强,创新效率越高。

在企业创新发展过程中,创新投入对创新水平的提升至关重要[25],对企业提高创新效率具有显著的促进作用[26-27]。全面创新投入包括研发费用和创新活动人员投入,投入较多的企业往往具有更高水平的创新效率[28]。但是,近来的研究发现,创新投入对创新效率的影响存在逐年减弱趋势,其中很大程度与高管团队决策质量相关[29]。在研究企业董事会多样性后发现,具有异质性知识和资源的董事会,将促进其成员参与战略决策选择的分析讨论,拓宽团队成员的思维视角,并制定有助于企业创新的战略[19],高管团队信息断裂带对企业的创新决策有积极影响[30],面对更加复杂问题,高管团队信息断裂带能够给予更好的回应[31]。基于此,本文提出如下假设。

H2创新投入在高管团队断裂带与创新效率关系中具有中介作用。

H2a创新投入在高管团队社会属性断裂带与创新效率关系中具有中介作用。

H2b创新投入在高管团队信息相关断裂带与创新效率关系中具有中介作用。

环境不确定性来自外部环境无规律变动,这种随机变动对创新决策、创新形式、创新强度、创新绩效等均会产生不同的影响作用[32],可能是企业创新活动的前置因素和驱动因素,并且对不同创新形式的影响程度不同[33]。环境的威胁性显著影响企业技术创新[34],降低企业的创新活动的投入水平,导致企业出现投资不足现象[35],对企业创新活动增加具有抑制作用。王闽,侯晓红通过收集我国2009-2013 年的A 股制造业上市公司的数据,研究发现企业在技术创新投入过程中,受到外部经济不确定性影响,且经济不确定性不利于企业技术创新投入提高[36]。外部环境愈加动荡,企业在创新投入方面也会更加谨慎[37],另一方面,环境不确定性能够推动企业技术创新转向开放式创新发展[38]。同时,研究认为环境不确定性作为不可控外生变量,可能调节创新的强度,也可能调节创新的结果[27]。原因在于环境不确定性可以积极调整领导对成员共享信息交流,以及企业激情氛围的影响,从而影响企业的产出水平。如果环境不确定性强,创新考虑因素也就越多[39],在环境不确定性较高情况下,如果管理团队认知一致,愿意承担更高的风险,这将会促进新产品的研究开发;如果管理团队风险偏好较低,只有在环境不确定性较低情况下,会对新产品的研究开发具有正面的影响[40]。由此,提出如下假设。

H3环境不确定性在高管团队断裂带对创新效率的影响中起调节作用。

H3a环境不确定性越高,强化社会属性断裂带对创新效率的影响;

H3b环境不确定性越高,强化信息相关断裂带对创新效率的影响。

构建理论模型如图1。

图1 理论模型图Figure 1 Theoretical model diagram

2 研究样本获取及方法

2.1 样本选取

《中国制造2025》指出,制造业是坚持创新驱动发展的主战场,制造业创新活动最集中、最活跃的十大领域主要集中在高新技术产业,包含航空航天装备、新一代信息技术产业、海洋工程装备及高技术船舶、高档数控机床和机器人、生物医药、高性能医疗器械、先进轨道交通装备、新材料、电力装备、节能与新能源汽车以及农机装备,《中国高新技术产业统计年鉴》中统计的行业分类,高新技术制造业主要包括信息技术、生物技术、新材料技术三大领域。结合“同花顺”数据库中证监会行业分类,制造业分为电气机械和器材制造业、计算机、通信和其他电子设备制造业、汽车制造业、铁路、船舶、航空航天和其他运输设备制造业、通用设备制造业、医药制造业、仪器仪表制造业、专用设备制造业等行业,本文将样本范围控制在计算机、通信和其他电子设备制造业、航空航天、新能源及节能汽车制造业、生物与新医药、电气机械和器材制造业、通用设备制造业、专用设备制造业、仪表仪器等高新技术制造业内。

本文中创新投入、环境不确定性以及控制变量测量所需要的企业财务数据主要来源于“同花顺”金融服务中心数据库,创新绩效变量所需要的企业专利数据来源于国家知识产权局专利检索服务平台以及巨潮咨询网,企业高管团队断裂带所需的高管团队成员特征的数据主要通过天眼查、公司官方网站等公布的信息搜集获得。高管团队成员特征、创新投入选用2011-2016 年数据,考虑创新投入对创新绩效作用滞后性,创新绩效滞后一年选取2012-2017 年数据。最终获得432 家企业的数据样本。

收集了初始样本数据后,考虑到研究的有效性和严谨性,根据以下标准筛选原始样本数据:(1)剔除在过去5 年内的*ST、ST 和暂停上市的企业,降低存在的极值对研究结果的干扰;(2)剔除过去5 年内高管人员数据无法获取、专利数据和财务数据披露不完整的企业;(3)剔除当年度高管团队出现成员离职的企业,减少因为成员离职造成变量计量的失效;(4)剔除当年度新上市的企业,避免因异常的波动影响计量结果的有效性。最后获得207 家高新技术制造业上市公司5 年数据,除去缺失值,共计获得961 组观测值。

2.2 变量测量

2.2.1 高管团队断裂带的测量

本文采用了基于Hutzschenreuter 和Horstkotte 分类的定量计量方法,考虑高管团队断裂带的不同类型(社会属性断裂带和信息相关断裂带),定量计算高管团队断裂带强度,具体计算公式如下:

g=1,2,…s。在公式中,假设高管团队内部有n个成员,Xijk表示子团队k中的成员i在特征j上的取值表示子团队k中的成员在特征j上的平均值,表示所有的团队成员在特征j上的平均值,表示团队在g 这种划分方式下子团队k 中的成员数量。公式计算的结果表示团队在g 这种划分方式下的Fau 值,取最大的那个Fau 值作为团队断裂带强度的测量值。Fau 的取值在0 到1 之间变化,值越大,说明断裂带越强。

本文运用RStudio 软件编辑R 语言展开计算。

(1)社会属性断裂带(social attribute faultlines,SAFau),采用年龄和性别指标衡量。(2)信息相关断裂带(information related faultlines,IRFau),采用任期和学历指标进行衡量。任期指高管成员在企业中的工作时长;学历以最高学历表示,分为“大专及以下、大专、本科、硕士研究生、博士研究生”,依次按照“1-5”对其赋值。具体采用Thatcher 等研究的计算公式,运用RStudio 软件编辑R 语言对公式展开计算。在计算前,首先通过虚拟变量来表示性别和学历的分类变量,出于变量间距离同一性的考虑,确保虚拟变量和类别变量数量一致,再对变量间的距离进行归一化处理;同理,把年龄和任期的连续变量之间的距离也进行归一化处理。

2.2.2 创新效率的测量

本文关注创新效率的产出衡量指标,高新技术企业需要在不断创新中取得的关键技术的突破,其研发活动中所取得的研究成果一般表现为专利指标的形式,可以较好衡量在一定的创新投入情况下创新产出的多少。专利指标反映企业在实施创新活动后所取得的效果,包括专利申请数量,授权数量和引用数量三个方面。三个指标中,专利申请的数量更具有客观性[41],在一定程度上表征了企业创新绩效水平。Hirshleifer 等也指出,专利数是企业当年和历史相关研发支出的函数[42],Lin 等学者采用了以申请的专利数量来测量企业创新绩效水平[43]。鉴于我国还没有公开企业专利的引用数量,所以专利的引用数据难以获取,同时,专利授权数量容易受到制度效率,流程以及相关法规的约束,相比而言,专利申请数量受外界影响因素较少,且代表了企业的自主权和创新的集中度,同时,企业年度申请的专利数量不仅可以准确地获取相关数据,而且有国家统一评估标准。

因此,综合考虑现有研究成果及数据的客观性和可获取性,本文选择企业每年申请的专利数量作为企业创新效率的衡量指标,从国家知识产权局专利检索服务平台收集数据,以企业申请专利数量的对数进行分析。

2.2.3 创新投入测量

借鉴钟田丽等研究[44],采用三个指标衡量企业创新投入,分别是创新投入额度(企业研发费用/年初总资产)、创新投入强度(企业研发费用/主营业务收入)和创新投入密度(企业研发费用/员工总人数)。与以往的单一指标相比,综合指标衡量可以更系统、更全面地分析企业的创新投入。

2.2.4 环境不确定性的测量

由于环境的动态不规则变化,其不确定性是不可观察的,因此,从动态性的角度研究环境不确定性更加有效[45],而不确定环境影响通常会表现在企业的业绩水平上,特别是企业主营业务收入的变化,本文从动态性角度对环境不确定性进行测量,采取申慧慧等学者做法[46],考虑到企业主营业务收入稳定增长后的变异系数,基于过去五年上市公司的主营业务收入来量化环境的不确定性,运用Stata13.0 软件,采用最小二乘法(OLS)回归模型,估算企业非正常的主营业务收入及其标准差,然后再剔除行业影响,以最终得到的结果反映环境不确定性。

2.2.5 控制变量的测量

本文共选取七个控制变量:

(1)企业规模(SIZE)。有研究认为,规模越大的企业,越有自己的竞争力,创新活动可能更多[15]。因此,本文将企业规模作为控制变量,由于样本为制造业,因此,以企业总资产代表企业规模。总资产数据从“同花顺”金融服务中心数据库获取。

(2)高管团队规模(TSIZE)。高管团队规模在一定程度上反映了高管团队履行职责的能力,进而对创新产生影响。本文以企业高管团队总人数的自然对数来控制这一变量。企业每年的高管团队总人数从天眼查以及公司官方网站手工整理获取,计算高管团队总人数的自然对数。

(3)资产负债率(LEV)。资产负债率反映了企业长期的发展水平,可能会影响创新战略的选择,因此本文将其作为控制变量。本文选择用企业年末总负债与年末总资产之比表示。企业每年的年末总负债与年末总资产从“同花顺”金融服务中心数据库获取,计算企业年末总负债与年末总资产之比。

(4)企业成长性(GROW)。高成长性企业更倾向于进行技术创新,因此本文选择企业成长性作为控制变量,通过企业主营业务收入的增长率来反映。主营业务收入从“同花顺”金融服务中心数据库获取。

(5)前一年度绩效(ROA t-1)。企业上一年度的绩效对资源分配有直接的影响,也对未来创新战略的决策产生影响。将前一年度绩效作为控制变量,通过企业上一年度的资产报酬率反映,即企业营业利润与年平均资产之比。营业利润和年平均资产等数据从“同花顺”金融服务中心数据库获取。

(6)年度哑变量(YEAR)。本文考虑了时间因素的干扰,所以对年份进行控制。本文样本企业的年份是2012-2017年度,设置了4 个虚拟变量,依次用Year13、Year14、Year15、Year16 表示。

(7)企业性质哑变量(SC)。企业的性质可以进一步划分为国企与非国企,因此,只需采用1 个哑变量,当是国企时,取值为1,否则为0。

2.3 变量描述性统计和相关性检验

从表2 描述性统计结果可知,社会属性断裂带平均值是0.79,标准差是0.09,信息相关断裂带的平均值是0.54,标准差是0.2,可以看出样本企业整体的高管团队断裂带强度较高,且不同企业的断裂带强度存在显著差异;创新效率平均值3.81,标准差1.67,创新效率相差较大,发展存在不平衡性;创新投入强度均值0.05,标准差0.02,创新投入额度均值为0.03,标准差为0.02,说明在创新投入强度和创新投入额度方面整体水平相差不是很大,创新投入密度均值为5.42,标准差为3.8,表明样本企业在创新投入密度方面还存在较大差异。

表2 变量的描述性统计Table 2 Descriptive statistics of variables

考虑到回归模型中的解释变量间可能存在精确或高度相关的关系,导致回归模型被扭曲或难以准确估计结果。所以,需要先对回归模型中的解释变量进行多重共线性分析,以保证解释变量之间不存在多重共线性,计算变量的膨胀因子(VIF),社会属性断裂带(SAFau)、信息相关断裂带(IRFau)、环境不确定性(EU)、企业规模(SIZE)、高管团队规模(TSIZE)、资产负债率(LEV)、企业成长性(GROW)、前一年度绩效(ROA t-1)、企业性质(SC)的方差膨胀因子(VIF)都是小于10,说明解释变量之间没有明显的多重共线性,这与回归分析的标准一致,确保了回归结果的合理性及真实性。

相关性检验见表3,社会属性断裂带与创新效率二者之间显著负相关,信息相关断裂带与创新效率二者之间显著正相关;社会属性断裂带与创新投入强度、创新投入密度的相关显著负相关;信息相关断裂带与创新投入强度、创新投入额度、创新投入密度显著正相关;创新投入强度、创新投入额度、创新投入密度与创新效率显著正相关。此外,控制变量和解释变量的相关系数绝对值均小于0.5,这为后面的分析提供了支持。

表3 变量的相关性检验Table 3 Correlation test of variables

3 假设检验与实证分析

3.1 高管团队断裂带与创新效率关系及创新投入作用

3.1.1 高管团队断裂带与创新效率关系假设检验

以创新效率(IP)为因变量,分别以社会属性断裂带(SAFau)和信息相关断裂带(IRFau)为自变量构建模型(1)和模型(2)。由表4 回归结果可知,模型(1)中社会属性断裂带与创新效率的回归系数为-4.656,且P小于0.01,社会属性断裂带强度越强,企业创新效率越低,验证了假设H1a 。模型(2)中显示,信息相关断裂带与创新效率的回归系数为1.615,在1%水平显著,说明信息相关断裂带与创新效率呈现正相关关系,假设H1b 得到了验证。

3.1.2 高管团队断裂带、创新投入与创新效率关系假设检验

社会属性断裂带(SAFau)为自变量,分别以创新投入强度(INVP)、创新投入额度(INVE)、创新投入密度(INVD)为因变量,构建模型(3)、模型(5)、模型(7),进行回归分析。由回归结果可见,模型(3)和模型(7)中社会属性断裂带与创新投入强度、创新投入密度的回归系数分别是-0.124、-3.088,且分别是1%水平显著和10%水平显著,说明社会属性断裂带与创新投入强度、创新投入密度显著负相关,模型(5)中社会属性断裂带与创新投入额度回归系数是-0.003,绝对值较小且不显著。

在此基础上,为检验中介效应,以创新效率为因变量构建模型(4)、模型(6)、模型(8),进一步引入中介变量进行回归分析。结果表明,社会属性断裂带在模型(4)的回归系数不显著,说明创新投入强度是中介变量,而且社会属性断裂带对创新效率的影响完全是通过创新投入强度来实现。而模型(8)的回归系数依然在1%水平显著,创新投入密度社会属性断裂带与创新效率之间的中介效应不明显。创新投入强度在社会属性断裂带与创新效率关系之间起中介作用。

分别以创新投入强度、创新投入额度、创新投入密度为因变量,信息相关断裂带(IRFau)为自变量构建模型(9)、模型(11)、模型(13);在此基础上,以创新效率(IP)为因变量构建了模型(10)、模型(12)、模型(14)进行回归分析。由表4 回归结果可知,模型(9)、模型(11)、模型(13)中信息相关断裂带与创新投入强度、创新投入额度、创新投入密度的回归系数分别是0.031、0.029、11.32,且P均小于0.01,说明信息相关断裂带与创新投入正相关;模型(10)、模型(12)的创新投入强度与创新投入额度在信息相关断裂带与创新效率之间关系检验表明,其影响不显著,模型(14)中的创新投入密度(INVD)回归系数出现显著水平下降(P＜0.05),但依然显著,因此,创新投入密度在信息相关断裂带与创新效率间起部分中介作用。

3.2 环境不确定性调节效应检验

本文探究环境不确定性在社会属性断裂带对创新效率,以及信息相关断裂带对创新效率影响中的调节作用。以创新效率为因变量,分别以社会属性断裂带和信息相关断裂带为自变量,构建了模型(15)和模型(16),分别引入环境不确定性与社会属性断裂带的乘积项,环境不确定性与信息相关断裂带的乘积项进行分析研究。从表4 中模型(15)和模型(16)的交互项JC1、JC2 的回归系数分别是-0.042(P＜0.01)、0.826(P＜0.01)显著,说明环境不确定性起到了调节作用,随着外部环境不确定性加大,高管团队社会属性断裂带对创新效率的负向影响关系会减弱;外部环境不确定性加大,强化了高管团队信息相关断裂带对创新效率的正向作用。环境不确定性在高管团队的社会属性断裂带及信息相关断裂带对创新效率的作用效果,如图2 和图3 所示。

表4 假设模型检验Table 4 Test of hypothesis model

图2 环境不确定性在社会属性断裂带对创新效率影响的调节作用Figure 2 The moderating effect of environmental uncertainty on innovation efficiency in the social attribute faultline

图3 环境不确定性在信息属性断裂带对创新效率影响的调节作用Figure 3 The moderating effect of environmental uncertainty on innovation efficiency in the information-related faultline

图2 更加清晰地反映环境不确定性在社会属性断裂带对创新效率作用的调节效应,即环境不确定性越强,社会属性断裂带对创新效率产生的负面作用将会被削弱,支持假设3a。

图3 体现了环境不确定性在信息相关断裂带对创新效率作用的调节效应,即环境不确定性越强,信息相关断裂带对创新效率产生的促进作用越强,支持了假设3b。

4 研究结论与讨论

4.1 研究结论与发现

4.1.1 高管团队内不同类型的断裂带对创新投入与创新效率的影响不同。

实证研究进一步证明,高管团队不同种类断裂带,在面对重大的战略决策如创新投入与创新方向时,所起作用不同,高管团队社会属性断裂带对创新投入与创新效率产生负向影响,信息相关断裂带对创新投入与创新效率具有显著正向影响作用。此结论印证了前人大多数的研究:只有少数研究发现信息断裂带强度与绩效之间无关或负相关的,但大多数研究认为二者之间有直接关系。

对于前景未明的创新决策,高管团队的认知水平和知识结构起到了关键作用。按照高管团队不同性别和年龄属性聚合而成社会属性断裂带,其形成的子团队具有认知偏差,对外界环境认知与风险判断差异较大,当面对创新投入与企业创新效率提升决策时,断裂带一旦激活,而由于认知不易改变,因此,最终难以做出一致而有效决策。另一方面,高管团队由于成员任期、教育经历、知识结构等不同而形成的信息相关断裂带,其子团队对待问题虽然也会有不同看法,但成员间差异性一旦得到接纳,成员各自拥有不同的知识和专长容易得到团队其他成员认可,可能减轻团队整体认知差异压力,当实施创新投入与创新效率提升策略时,虽断裂带被激活,但子团队各自能把重点放在自己专业领域,如遇到相关专业问题时,团队可以确知应该将问题交给谁,或者向谁寻求帮助,反而增加了高管团队内部知识存量,决策时优势互补,更准确地进行战略决策,形成统一看法,对创新效率的提升提供保障。

4.1.2 创新投入在不同类型的断裂带与创新效率之间,中介作用得到验证,但具体影响路径不同。

根据本文对高新技术制造业追踪研究表明,创新投入在高管团队断裂带与创新效率之间关系中起中介效应,但具体分析创新投入额度、创新投入强度、创新投入密度的中介作用影响时,却各有不同,说明高管团队断裂带类型对创新效率的影响路径不同。创新投入强度在社会属性断裂带与创新效率关系中具有完全的中介效应,创新投入额度和创新投入密度对社会属性断裂带的创新效率影响关系的中介效应并不明显;创新投入密度在信息相关断裂带对创新效率影响里具有部分中介效应,创新投入强度和创新投入额度在信

息相关断裂带与创新效率影响关系中却没有起到中介作用。由于创新投入强度界定为企业研发费用与主营业务收入之比,反映的是年度短期指标,可见,当涉及年度现金流出,以及影响当年利润额计算等的创新投入决策时,更加强化了高管团队社会属性断裂带对创新效率的负向影响作用,但是,对于信息相关断裂带的影响不大。这一结论呼应了前面的研究,即涉及股价等相关事宜时,高管团队对创新投入的观点易产生分歧。创新投入密度为企业研发费用与员工总人数之比,说明信息相关的高管团队断裂带,对长期性的创新投入更为敏感,更愿意通过积极增加研发费用的投入、减员增效等措施来促进创新效率的提高。创新投入额度根据研发费用与年初总资产之比计算得出,它在两种类型断裂带中都没有明显中介效应,这有可能是高管团队更加关注创新投入的当年支出,或者长期的减员增效作用。

4.1.3 环境不确定性强化了高管团队断裂带与创新效率之间的关系。

环境不确定性在社会属性断裂带、信息相关断裂带对创新效率影响的关系中均具有显著的调节作用,对社会属性断裂带与创新效率影响具有负向调节作用,在信息相关断裂带与创新效率关系中,起正向调节的作用。高度的环境动态性需要团队合作,来支持整个团队的相互依赖性和信息流动,因此,外部环境挑战越大,高管团队可能会更加团结,对创新的认识越统一。由于社会属性断裂带对创新效率的影响是负向关系,环境不确定性负向调节作用表明在环境不确定下,这种负向影响性有弱化趋势。反之,环境不确定性对信息相关断裂带与创新效率正向调节作用,说明信息相关断裂带对创新效率的正向影响在环境不确定性下得到强化。可见,面对外部环境的动荡,高管团队成员更加积极发挥各自的能力,集中知识储备为企业做出更快更好的战略决策,克服外部环境变化带来的风险,正如华为任正非所说的“求生欲使我们振奋起来,寻找自救的道路”。

4.2 结果讨论与创新点

首先,以往的研究更多地关注了企业高管个人特征、团队多样性对企业创新的影响,虽然近来开始关注高管团队多重特征聚合而成的高管团队断裂带对企业创新的影响,但在很多讨论中,只是作为一个影响因素,一种调节变量,忽视了断裂带自身的特点。更多学者关注了高管团队断裂带对企业创新效率的直接作用,集中于研究团队断裂带对创新效率、创新能力、创造力等的作用机制研究,相对静止状态的实证研究较多。本文可通过追踪研究,充分考虑高管团队断裂带影响,突破传统理论大多关注管理层治理,忽略管理层属性影响的局限。正视高管团队的多样性,将关注点转移到高管团队断裂带对企业创新的影响研究,关注不同类型的高管团队断裂带对创新效率的影响,分析社会属性断裂带与信息相关断裂带对创新的不同作用机理,并探讨不同类型的高管团队断裂带对企业创新产生的不同影响路径,更具有针对性。

其次,以创新投入激活高管团队断裂带为契机,研究创新效率实现过程的内在机理。团队断裂带在团队中客观存在,时常处于休眠状态,只有当某一特定事件发生时,才会被激活,产生影响力。创新投入对于企业,投资大,风险高,与其生存和业绩密切相关,是一个典型的激活事件,其中,其投资额度、强度和密度也与创新效率息息相关。但是,有关团队断裂带对创新投入影响研究较少,特别是高管团队断裂带对创新投入的影响研究更少。因此本文将创新投入作为一种战略决策,引入创新投入变量,探索高管团队断裂带与企业创新效率的作用机理。

同时,关于高管团队与创新投入,大量研究从公司治理角度出发,关注激励和约束机制的构建,较少考虑高管团队属性对创新投入决策与创新效率提高的影响。本文充分关注了断裂带影响的长期效应,以及创新投入到创新产出过程的时间差,指出从创新投入到创新效率的实现,存在反应时间与投入的递延效应。以往研究更多关注创新效率,对创新效率与创新投入的延期效应研究较少。对此,本文通过对上市公司数据的追踪研究,对其动态影响给予了必要关注。正因为考虑到时间的作用,因此,将创新投入分为创新投入额度、创新投入强度与创新投入密度三个层面分析,才具有了意义。创新投入不是一蹴而就的,仅靠绝对数额也并不能说明问题,通过强度、密度与额度全面反映创新投入对创新效率的影响,同时能全面地反映出高管团队断裂带对创新决策的态度与影响,合理配置企业创新投入资源。

最后,外部环境的不确定性对创新带来直接或间接的影响尚无定论,外界环境对创新过程、形式、强度、创新效率及企业绩效会产生不同的影响。环境可能是企业创新活动的前置因素,也可能是不可控的外生变量,调节创新的强度与结果。但其共同点是对创新战略、创新投入均有影响,且能影响高管团队的判断。目前关于团队断裂带与创新的研究主要从社会整合(关系冲突、团队凝聚力、团队满意度)和认知整合(任务冲突、信息加工、交互记忆系统)等团队内部的因素考虑,而忽视了企业外部的因素影响。值得注意的是,关于断裂带的文献集中在调节团队及其成员内部的条件,如团队领导行为,从而隐含地假定工作组是封闭系统。然而,组织环境和组织内的子单元(如工作组)是受其环境影响的开放系统,工作组的结构与环境之间的匹配有助于增强团体的有效面对复杂多变的外部环境。外部环境高度的动态性需要团队合作,增强整个团队的相互依赖性和信息流动,以应对不断变化的环境挑战。本文基于创新驱动发展的经济背景,在环境不确定性不断增强的情境下进一步探讨团队断裂带对创新的影响作用,使得团队断裂带对创新的影响机制更加清晰,同时也能够为出现的分歧现象提供一定程度的解释,丰富相关理论。

4.3 未来研究方向

首先,在测量高管团队断裂带方面,本文在总结学术界研究的基础上,选择测量团队断裂带的强度指标。未来的研究还应该考虑团队断裂带的深度指标,更精准地反映团队断裂带的程度,增加研究的说服力和严谨性。

其次,本研究的样本仅限于沪深上市的高新技术制造业企业,未来的研究可以分析其他行业的创新和发展。另外,由于华为等民营企业的崛起,当下民营企业的创新问题越来越受到关注、未来的研究可以考虑样本企业的选取多样性,并探索研究结论的普遍性。必将对企业的创新发展具有实际意义。

最后,本文侧重于分析高管团队通过创新投入影响创新绩效的中介路径,没有考虑管理创新的影响作用。因此,在以后的研究中,可以探讨管理创新的影响路径,扩展并深化高管团队断裂带研究领域。

总之,通过本研究,我们应认识到高管团队断裂带客观存在,并区别不同类型断裂带对创新的影响。不仅要认同、利用信息相关断裂带对创新的积极作用,加强沟通,扩大成员彼此共享信息,应充分利用多样化资源,加强团队内在凝聚力,通过集体智慧,使决策更加科学。同时,更要尽量消除高管团队成员中因年龄、性别等形成的认知差异,减少高管团队社会属性断裂带对创新投入及创新绩效的阻碍作用,避免因刻板印象引起的摩擦冲突。在创新投入方面,不应只注重数量的投入,更应加大创新投入的强度和密度,同时加强管理研发费用,合理配置,优化创新资源使用,切实提升创新效率。