市场情报和技术情报对创新绩效的影响机理--关系资本的中介作用

周 鹏

(嘉兴大学 商学院，浙江嘉兴 314001)

竞争情报是对竞争环境和竞争对手信息的收集和分析，它可以降低企业对于竞争环境和竞争对手的不确定性，进而提高其在创新活动中的成功率，因此，它是创新活动中的重要工具。一些研究表明，竞争情报与创新绩效呈正相关关系；[1-2]还有研究证明，竞争情报的不同环节(即情报获取、扩散和使用)均与创新绩效存在不同程度的正相关关系，其中某些环节之间还存在交互效应。[3]这些研究有力说明了竞争情报对于创新的重要作用。但现有的研究尚未对细分的竞争情报与创新绩效进行分析。本文拟将竞争情报细分为市场情报和技术情报，考察它们与关系资本的关系以及二者是否存在相互作用，并分析二者对创新绩效的作用。

一、理论基础与假设模型

(一)理论基础

组织信息处理理论认为组织是一种开放系统，必须应对不断变化的环境所带来的不确定性，有效的信息处理可以减少不确定性、跟踪变化、对变化进行预警以及做出应对措施。[4]创新是企业的一项高度复杂的投机性活动，面临极大的环境不确定性，因此，需要高强度的信息处理来减少不确定性。从组织信息处理理论来看，技术创新本质上就是一个信息处理过程，信息处理的好坏决定了技术创新的成败，即信息处理是产生创新绩效的基础条件。

竞争情报是对竞争环境和竞争对手的跟踪、监视和分析，是组织信息处理的重要组成部分。根据所跟踪、监视和分析对象的不同，竞争情报可以细分为宏观环境情报、产业情报、技术情报和市场情报等。创新是企业对市场机会的追寻，需要将技术和顾客需求进行有机结合，技术和市场是创新需要处理的两个最重要因素，因此，技术情报和市场情报对于创新具有特殊的重要意义。本研究将技术情报与市场情报引入假设模型，分析二者对创新绩效的作用。

关系资本是企业社会资本的一种，是企业与利益相关者为实现其目标而建立、维持和发展关系并对此进行投资而形成的资本。[5]关系资本的形成需要技术情报和市场情报的介入，因为关系的维系、优化必须建立在对利益相关方有全面、深入了解的基础上。因此，本研究将关系资本引入假设模型，将其作为中介变量置于技术情报、市场情报与技术创新绩效之间。

(二)假设模型

本研究的假设模型包括5个变量和5个假设关系，如图1所示。

图1 假设模型

1.市场情报与关系资本

市场情报是对顾客、竞争对手、供应商、分销商、零售商等市场参与方信息的收集与分析，用于获得市场发展变化的动态信息。市场情报可以让企业了解到市场参与方的能力、资源、意图和战略等情况，为进一步行动提供依据。市场情报不仅可以用于对抗性的市场竞争，而且也可以为合作性活动提供依据。[6]合作伙伴如供应商和分销商的选择依靠市场情报，与竞争对手是否有必要合作以及如何合作也需要以市场情报为基础。[7]赵金辉等采用模糊信息公理，从定量角度证明企业获取的合作伙伴信息量决定了合作伙伴选择的可靠性和稳定性。[8]因此，提出假设：

H1：市场情报对关系资本具有正向作用。

2.技术情报与关系资本

技术情报是指对技术信息的收集与分析，目的是帮助企业识别技术机会或技术威胁。企业通过技术情报可以掌握技术发展趋势，明确自身在技术体系中的优势和劣势，在企业没有独立技术开发能力的情况下有针对性地选择技术合作伙伴，共同致力于新技术或新产品的开发。技术信息是建立技术合作乃至形成技术联盟的不可或缺的要素，没有技术信息就没有技术合作或技术联盟。[9]企业与研究机构的技术情报共享可以提高合作效率，发挥着类似“黏合剂”的作用。[10]文献[11-13]均提出了基于专利分析开展机构合作的思路和策略。[11-13]因此，提出假设：

H2：技术情报对关系资本具有正向作用。

3.市场情报与技术情报的交互效应

企业可以看作是由一系列异质资源组成的实体，这种异质性决定了企业竞争力的差异，这就要求资源之间具有互补性。其中，外部知识与内部知识具有互补作用。[14]同时，环境信息、竞争性信息和内部信息在企业寻求建立战略联盟时发挥了协同作用。[15]市场情报通常由市场部门负责开展，而技术情报通常由研发部门承担。但事实上，市场部门与研发部门并非独立，二者需要经常进行沟通，将市场情报与技术情报进行共享，这样可以让市场部门从技术的角度选择合作伙伴，也可以让研发部门从市场的角度选择合作伙伴。[16]因此，提出假设：

H3：市场情报与技术情报的交互效应对关系资本具有正向作用。

4.关系资本与创新绩效的关系

随着市场竞争的加剧，消费者对新产品的数量、质量以及交付时间要求都在不断提高，这就给创新带来了挑战。在这种背景下，创新联盟、创新生态等一系列创新机制应运而生。企业必须成为整个创新网络上的一环，并且利用在这些关系网络中的嵌入性才能获得所需的资源。同时，企业能否处理好与创新网络中其他机构的关系是决定嵌入性是否稳固的条件。另外，关系资本不仅独立影响创新能力，也会通过技术导向(Technology Orientation)间接影响创新能力。[17-19]因此，提出假设：

H4：关系资本对创新绩效具有正向作用。

5.技术不确定性的调节效应

环境不确定性在企业能力与绩效之间发挥调节作用已经得到一系列实证研究的支持。[20-22]随着技术发明及其扩散节奏的逐步加快，技术不确定性越来越被更多人关注。技术不确定性是指在一段时间内企业环境中的技术变化率，即当技术环境缓慢变化时，企业倾向于利用现有资源和能力来获得竞争优势，而当技术环境迅速变化时，企业则必须获得新资源或新能力来适应发展趋势。[23-24]已有研究证明，技术不确定性负向调节知识搜索宽度与突破性创新的关系，正向调节知识搜索深度与突破性创新的关系。[25]本研究将技术不确定性作为关系资本与技术创新绩效之间的调节因素。因此，提出假设：

H5：技术不确定性在关系资本与技术创新绩效之间发挥正向调节作用。

二、研究方法

(一)样本

高新技术企业是创新的主体，相较于一般企业，其创新的数量和质量都更加具有优势，因此，本研究将高新技术企业作为研究对象。由于营销经理和研发经理对市场情报、技术情报以及二者的互动了解最为全面和深入，因此，本研究将营销经理和研发经理作为问卷调查对象。选取上海科学技术委员会发布的《2022年度上海市第二批拟认定高新技术企业名单》中部分企业，采用电话、邮件方式进行调查，最终回收问卷319份，有效问卷255份，样本企业特征如表1所示。

表1 样本企业特征

根据发信和回信之间的时间间隔将回收问卷分为三组：3天内一组、4天到7天一组、8天及以上一组，t-检验结果表明，3组数据均无明显差异(p<0.05)，说明调查不存在无应答偏差。进一步采用Harman单因素检验发现，最大因子方差解释率为23.1%(小于40%)，故不存在较大的共同方法偏差。

(二)测量

创新绩效的测量方案是在文献[26]研究的基础上经过修改形成。它描述了创新导致的市场和财务改善程度(如：“新产品实现了销售目标”“新产品实现了收入增长目标”)，显示出较高的信度(α=0.96)。市场情报的测量方案借鉴了文献[27]的研究成果，它描述了市场情报收集、分析与使用的程度(如：“对顾客和竞争对手的信息收集”“对市场情报分析结果的充分利用”)，同样显示出较高的信度(α=0.92)。技术情报的测量是基于文献[28]的研究并经过修改形成，它描述了技术信息收集、分析与使用的程度(如：“经常参加学术会议”“对专利信息进行分析”)，该量表也显示了较高的信度(α=0.93)。关系资本的测量主要参考了文献[29]的研究，反映了企业与利益相关者建立、维持和发展关系的程度(如：“企业合作以互信为基础”“企业合作以私人友谊为基础”)，其信度处于可接受的水平(α=0.85)。

技术不确定性是调节变量，目前尚未发现有关于它的成熟测量方案，本研究在综合若干研究成果的基础上，[30-32]消除其中的语义差异后形成了一个量表，其信度处于可接受的水平(α=0.69)。

控制变量包括中心化和形式化。中心化是指企业内决策权的集中程度，量表借鉴了文献[33]的研究成果。形式化是指企业决策和行动遵循正式制度的程度，量表参考了文献[34]的研究成果。

(三)信度与效度分析

对7个变量进行验证性因子分析，拟合统计显示其为一个合理模型：χ2=758，自由度(df)=441，非正规化拟合指标(NNFI)=0.93，相对拟合统计指标(CFI)=0.95，近似均方根误差(RMSEA)=0.068(90%置信区间为0.061到0.078)。

通过比较平均萃取变异量(AVE)与因子相关系数平方(SFI)来检验区别效度，每一个因子的AVE至少是相应SFI的两倍，因此，区别效度达到分析要求。根据测量模型计算组合信度，各个变量的组合信度在0.70到0.96，除了技术不确定性因子AVE=0.43，其他因子的AVE都超过了临界值0.5，显示出良好的组合信度水平。所有变量的信度和效度如表2所示。

表2 变量的信度与效度

聚合效度采用因子载荷来检验，所有变量的标准因子载荷系数显著且大于0.5，因此，聚合效度也满足分析要求。因子相关系数矩阵如表3所示。

表3 因子相关系数矩阵

(四)结构方程模型检验

在对量表进行信度和效度分析之后，使用EQS软件将这些变量引入结构方程模型。本研究使用迭代重加权最小二乘法进行模型拟合，该方法优于正态数据或非正态数据的极大似然估计方法。

结构方程模型包括变量和非线性项。非线性项包括市场情报与技术情报的交互项以及关系资本与技术不确定性的调节项。交互效应的检验采用非限制模型方法(UMA)。调节效应的检验步骤为：通过Z值将所有变量中心化，然后得到技术不确定性(x1，x2，x3)和关系资本(y1，y2，y3，y4)两个潜变量的测量项目的乘积指标，但关系资本有4个测量项目，技术不确定性有3个测量项目，所以无法一对一配对。本研究选择4个乘积指标(x1y1，x2y2，x3y3，x1y4)作为交互项引入结构方程模型。从结构方程运行结果来看，卡方自由度比为1.74，NFI(0.97)、NNFI(0.98)、CFI(0.98)、RMSEA(0.065)位于0.1和0.05之间，表明模型与实际数据的拟合程度良好。

三、研究结果

结构方程模型运行结果支持假设模型，具体指标如表4所示。

表4 结构方程模型分析结果

H1假设市场情报对关系资本具有正向作用，数据分析结果证实了这一关系(β=0.164，p<0.05)，该假设成立。H2假设技术情报对关系资本具有正向作用，数据分析结果显示，路径系数为正且统计上显著(β=0.376，p<0.05)，因此，该假设成立。数据分析结果同样证实了H3成立(β=0.229，p<0.05)。进一步绘制交互效应图发现，两条线段交叉表明市场情报与技术情报存在交互效应，如图2所示。

图2 市场情报与技术情报的交互效应

H4假设关系资本对创新绩效具有正向作用，数据分析结果表明，该关系确实为正向且统计上显著(β=0.601，p<0.05)，说明该假设成立。H5假设技术不确定性在关系资本与创新绩效之间发挥正向调节效应，数据分析结果显示，关系资本与技术不确定性的交互项的路径系数为正且统计上显著(β=0.150，p<0.05)，因此，该假设成立。最后，从控制变量的角度来看，未发现中心化(β=-0.002，p>0.05)和形式化(β=0.023，p>0.05)具有统计学上的显著关系。

四、结语

第一，市场情报对关系资本不光具有直接的正向影响，反过来也可以影响企业构建对外关系的能力即关系资本。因此，人际网络与市场情报是互相影响的关系，而不是单向关系。

第二，技术情报对关系资本除具有直接的正向影响，人际网络对关系资本同样具有直接的正向影响。同时，将企业网络或外部治理等基础能力纳入技术情报。

第三，市场情报与技术情报的交互对关系资本具有正向影响。这一发现表明，在促进关系资本的形成上，市场情报与技术情报存在协同现象，这是对竞争情报协同理论的有益补充。

第四，关系资本正向影响创新绩效，并且技术不确定性在其中发挥正向调节作用，即技术不确定性越大，关系资本对技术创新的影响越大，反之对技术创新的影响越小。

综上，本文提出并验证的假设模型对于认识竞争情报与创新绩效之间的关系提供了新的线索。这一发现说明将竞争情报进行分解来研究其细分类型与创新绩效之间的关系是必要且可行的。另外，在竞争情报与创新绩效之间设置关系资本这一中介变量，突破了现有研究仅关注二者之间直接关系的局限，未来可通过引入更多不同类型的变量来不断明确竞争情报与创新绩效关系的边界与约束条件。