創新網絡視角下知識異質性對企業創新績效的影響機理研究

□ 吳萬明 陳關聚 陳藝靈

(西北大學 經濟管理學院, 陜西 西安 710127)

[基金項目]教育部人文社會科學研究規劃基金一般項目(18YJA630007)。

一、引 言

為實現多種創新要素資源的重新組合,企業與高校、科研院所、供應商、客戶、競爭對手等展開合作,相互作用形成創新網絡,從而可有效突破創新主體間的壁壘、實現創新資源的有序流動和高效配置。創新網絡是雙重網絡,一是創新主體為實現創新價值增值而相互合作所構成的合作網絡,二是網絡成員知識要素相互聯系組成的知識網絡[1]。從知識網絡層面來看,各主體在知識基礎、分布與結構等方面存在顯著差異,客觀地形成了組織間的知識異質性,而知識異質性又在一定程度上解釋了創新網絡形成的原因。知識基礎理論認為,那些被組織創造、儲存和使用的知識是組織戰略意義上最為重要的資源,尤其在知識經濟時代,知識日益成為組織獲取核心競爭力的重要來源,由此引發了學者們對知識異質性與企業創新績效關系的關注與思考。現有文獻分別從個體層面和系統層面研究知識異質性和企業績效的關系。個體層面的研究關注企業內部的知識異質性,如Letmathe等[2]發現企業內部成員間的知識異質性有利于知識轉移,正向促進個體任務績效;Liu等[3]強調知識多樣性會負向影響創新科技產品的財務績效等。系統層面的研究主要聚焦于產業集群和聯盟網絡,如張紫旋等[4]認為集群企業的知識異質性通過集群學習正向影響知識共享績效;楊磊等[5]基于聯盟網絡研究發現成員間知識異質性和創新績效呈倒U型關系等。

但已有研究尚存不足。首先,與產業集群和聯盟網絡不同,創新網絡是一定區域內企業與大學、科研院所等行動者在交互作用中所形成的正式和非正式的關系總和[6],其邊界更模糊、結構更松散、成員間關系更復雜,因此,聚焦于產業集群和聯盟網絡的研究結論是否適用于創新網絡需進一步進行實證檢驗。其次,創新網絡中,知識的獲取不同于其他實物資源的交換,外部知識必須與內部知識匹配達到協同狀態才能產生創新價值[7],這一過程具有一定的流程,即知識協同,因此有必要引入知識協同解釋知識異質性影響企業創新績效的作用機理。最后,鑒于創新網絡的關系復雜性,企業如何進行網絡關系治理,才能有效促進知識異質性主體創新績效的提升?兩種治理機制(即契約治理和關系治理)的治理成效是否存在顯著的差異?哪種治理方式會更好?這些問題尚未得到解答。基于以上分析,本文聚焦于創新網絡,構建知識異質性、知識協同與企業創新績效之間的關系模型,分析在關系復雜的創新網絡中知識異質性對企業創新績效的影響,探究知識異質性是否是通過知識協同作用于企業創新績效,并進一步檢驗契約治理和關系治理對其關系的調節效應。

二、理論基礎與研究假設

(一)理論基礎

1.知識基礎理論

知識基礎理論由資源基礎理論演化發展而來,認為企業實質上是一個知識系統[8],知識是企業生存與發展的重要戰略資源[9],也是企業間形成差異的原因[10]。最初的知識基礎理論主要研究企業內部員工的知識整合和協調,認為企業儲存和運用內部知識的能力關乎到整個企業的生存、發展以及成功[11]。而在知識經濟時代,由于企業的創新發展需要多種不同的專用性知識,知識基礎理論就此開始關注外部異質性知識在知識開發和創造中的作用。學者們認為那些能更好的從外部搜尋、吸收和利用新知識的企業,其績效更高,相關研究范圍也逐漸擴展至網絡[12]、地區[13]層面。此外,由于隱性知識構成了企業的核心競爭力,而隱性知識的傳播依賴于知識主體之間的關系互動[14],因此知識基礎理論也強調主體間的知識共享和交換過程,即組織間的知識協同。由此,本文引入知識協同,解釋創新網絡中知識異質性影響企業創新績效的作用機理。

2.交易成本理論

Coaes[15]最早提出的交易成本理論解釋了企業治理結構的形成是為降低資源流轉或交易的成本,發現在交易過程中會產生信息搜尋成本、履約成本、監督成本等交易成本。Willianson[16]在此基礎上進一步分析得出,交易成本的產生源自于市場失靈情況下的資產專用性、不確定性和少數交易。由此,交易成本理論認為企業可通過將外部交易成本和內部生產成本進行比較來決定進行“自我生產”還是“交易”。而在創新領域,相較于封閉式創新的高成本、高風險和不確定性,與外部組織開展合作的開放式創新不僅可以實現資源共享,同時也可降低自我研發的風險和成本,因此,交易成本理論也在一定意義上解釋了技術創新網絡形成的原因[17]。

社會網絡關系中,交易成本的存在會影響彼此間合作關系的穩定性,因此近來學者們開始關注合作關系的治理[18-19],主要提出和分析了兩種治理機制,即契約治理和關系治理。兩種機制并存但作用方式不同,其中,契約治理通過制定正式的規則、條款和程序以改進價值創造時的協調活動,通過明確雙方的權利和義務來減少創新的不確定性和風險[20];關系治理主要強調相互理解、社會認同和信任,通過建立信任和個人關系來降低機會主義的風險[21]。本文沿用此類劃分方式,考察契約治理和關系治理在知識異質性和知識協同之間的邊界效應,并對兩種機制的治理效果進行比較。

(二)研究假設

1.知識異質性和企業創新績效

知識異質性是知識主體在知識分布特征上的差異[22],本文將其界定為在創新網絡內部,企業與主要合作伙伴在技術知識領域分布、生產流程及工藝以及專利申請類別等方面的差異化程度[5]。創新網絡內部組織間的知識異質性,一方面有利于形成知識勢差,為知識流動提供動力;另一方面豐富了網絡中的知識要素,為創新主體間的合作提供可能性。但網絡成員在合作過程中會因知識存量、吸收能力等方面的差異而形成交易成本。當合作雙方知識差異較大時,知識接收方的吸收能力較弱,就需要投入大量人力、物力、財力去整合外部知識資源,而知識提供方也會因為知識分享的溝通成本及知識溢出風險過高而不愿繼續分享[23]。另外,也存在知識位勢較低的一方為了迅速彌補雙方的知識差距,采取一些不正當手段的可能性,給合作方帶來巨大損失[18]。當企業與合作方知識同質性過大時,知識要素存在較大的重合區域[24],外部知識很難帶來新的創意,但要保持合作仍需不斷地投入一定的成本,且如果與合作方在市場上存在競爭關系,還需提防機會主義行為的發生。當知識異質性程度適中時,一方面,創新主體間知識轉移順暢,可有效杜絕知識“內滯”和知識沖突等問題,降低企業為吸收外部知識而投入的大量成本;另一方面,知識要素匹配、轉移、創造效率的提升也會快速提高企業創新績效。基于此,提出假設:

H1:知識異質性與企業創新績效之間呈倒U型關系。

2.知識協同的中介效應

知識協同的概念目前比較有代表性的是過程論[25]、活動論[26]和增效論[27]。綜合三種觀點,本文認為知識協同是多個知識主體為了使整體效益大于個體效益,通過一系列包含知識流動過程的活動,實現知識的有效轉移、吸收、整合和創造,促使整體達到一種協同狀態。知識協同具有相應的流程,包括準備、運行、終止三個階段[28],并由知識共享、知識轉移、知識獲取、知識整合、知識應用和知識創新構成,且伴隨著隱性知識和顯性知識相互轉化的過程[29]。其中,知識共享和知識轉移更強調彼此間的互動[14],是知識協同的前提,而其效率則取決于雙方的知識共享意愿和吸收能力[23]。

知識流動受阻會使得知識協同效應難以實現。當創新網絡內部組織間知識異質性過大時,過多的異質性知識會使知識接收方難以理解異質性元素間的內涵和復雜關系,無法將新的知識有效吸收,造成知識“超載”和資源“內滯”,甚至會對其原有的知識體系造成沖擊。若知識異質性過小,合作雙方的知識趨于同質性,會造成匹配性較高但互補性不足,而企業對合作伙伴的知識依賴程度由對方的知識重要性和使用價值所決定[23]。因此,過于同質化的知識會降低主體間的合作意愿,導致知識轉移效率低下,難以實現協同效應。當外部知識與創新主體內部知識之間差異性與互補性同在時,組織間的知識轉移和共享更具驅動力,知識接收方也有能力吸收、消化外部異質性知識,進而打破創新主體間的知識壁壘,實現知識資源的高效配置,使協同效應達到最優。基于此,提出假設:

H2:知識異質性與知識協同之間呈倒U型關系。

根據交易成本理論,交易主體間的頻繁聯系可有效降低交易成本[16]。在知識協同狀態下,創新主體間信任度和關系緊密度提升,聯系頻率提高,使得知識轉移和吸收的效率提高、成本降低,從而能夠有效融合新的知識要素,突破自身知識局限性,合理解決知識孤島的問題。另外,外部知識可以有效指導內部知識活動,使知識主體內部知識存量提升,并在各種知識元素的碰撞下創造出新知識,最終轉化為實際創新產出。Nielsen[30]也指出,知識協同可以強化知識創新,提升聯盟的整體績效以及個體的創新績效。基于此,提出假設:

H3:知識協同正向影響企業創新績效。

雖然創新網絡為知識主體提供了獲取異質性知識的渠道,但外部的異質性知識必須和主體的已有知識相互匹配,達到協同狀態,才能產生創新價值[7]。異質性知識通過準確和有效地進行共享、轉移、獲取、整合、應用與創造的知識協同過程,增強企業的知識轉化與應用能力,在創新主體獲取創新源動力的同時也有效提升了企業創新績效。綜合以上分析,提出假設:

H4:知識協同在知識異質性和企業創新績效之間起中介作用。

3.治理機制的調節作用

契約治理可以為主體間的知識協同提供保證。契約約定了彼此的責任和任務,即便創新主體間知識異質性過大,但通過契約不僅可以強化合作方對任務的理解及履行,同時也可降低合作過程中可能出現的機會主義風險,使合作雙方能夠積極投入系統性的知識實現知識協同,由此提高企業對更高程度的異質性知識的適應能力,導致倒U型曲線拐點右移。另外,契約明確了最終要達成的目標,為了確保目標實現,合作雙方需要進行頻繁的互動,在此過程中,低知識位勢主體的知識存量和吸收能力得以提升,雙方知識協同的效率也會提升[23],因而使得倒U型曲線整體水平提高且變陡峭。因此,契約治理可以通過規避知識外溢、減少分歧、控制風險偏好差距等協調手段促進異質性知識主體間的知識協同[18]。基于此,提出假設:

H5:契約治理可以有效調節知識異質性和知識協同間的倒U型關系,使倒U型曲線拐點右移,整體水平提高且變陡峭。

不同于契約治理,關系治理沒有強制性的監督和控制,更依賴于彼此間的信任與承諾。一般來說,顯性知識具有非排他性,通過正式機制就可以實現共享,但隱性知識的共享則依賴網絡中的非正式機制。余維新等[31]研究發現關系治理可通過關系化行為促進整體協作。具體來說,關系治理通過社會規范促使網絡成員為提高自身在網絡中的地位,從知識擁有者向知識提供者轉化,隱性激勵網絡成員主動實現協作。同時,關系治理也鼓勵雙方共同解決問題,在“干中學”的過程中,異質性知識得以有效轉移、消化、吸收,由此促使倒U型曲線整體水平提高且變陡峭。此外,信息共享可增進彼此了解,提升信任程度,而組織之間的信任可以減輕組織合作中可能產生的投機行為,降低溝通成本,提高企業處理高異質性知識的能力,導致倒U型曲線拐點右移。基于此,提出假設:

H6:關系治理可以有效調節知識異質性和知識協同間的倒U型關系,使倒U型曲線拐點右移,整體水平提高且變陡峭。

圖1 研究模型

三、研究設計

(一)變量測量

本文數據通過發放調查問卷來收集,問卷采用李克特量表的形式,從“完全不符合”到“完全符合”共分為7級。其中,知識異質性和企業創新績效使用楊磊等[5]的量表,各有4個題項;知識協同借鑒吳悅等[24]的量表,包括“合作雙方都能獲得對方大量的經驗”等5個題項;契約治理和關系治理使用戴勇等[18]和彭珍珍等[19]的量表,各有3個題項。另根據以往研究,加入企業規模和研發投入作為控制變量。

(二)數據來源與樣本分析

本研究的調查對象為參與合作創新的企業,樣本數據通過線上調查平臺以及人脈關系分發并收集所得,共發放問卷245份,最終獲取有效問卷188份,有效率為76.7%。樣本的基本特征如下:從行業類型來看,制造業、信息傳輸、軟件和信息技術服務業、科學研究和技術服務業的企業占82.4%;從企業規模看,大多企業人數在101～500人(38.3%);從企業性質看,民營企業和國有企業占比接近90%;從企業成立時間方面來看,6～10年的企業占35.1%,11～20年占30.9%;企業研發投入占年銷售收入的比例大部分集中于5%～10%(53.7%)。

(三)模型構建

1. 主效應檢驗

倒U型關系的檢驗借鑒Haans等[32]的研究,構建方程(1)以檢驗知識異質性和知識協同、企業創新績效間的關系:

Y=β0+β1X+β2X2

(1)

自變量和因變量呈倒U型關系需滿足以下條件:① 自變量的二次項系數(β2)顯著為負;②X取最小值時,曲線斜率顯著為正,X取最大值時,曲線斜率顯著為負;③ 曲線拐點位置必須落在X取值區間內。

2.中介效應檢驗

倒U型中介效應的檢驗參考董保寶和葛寶山[33]的研究,采用Edwards和Lambert的調節路徑分析法,構建方程(2)和(3)檢驗假設H3和H4:

Y=β0+β1X+β2M+β3Z1+β4XZ1+β5MZ1+e

(2)

M=β0+β1X+β2Z1+β3XZ1+e

(3)

其中,Y為企業創新績效,X為知識異質性,M為知識協同,Z1為調節變量(此處Z1與X為同一變量)。倒U型中介效應的檢驗主要關注方程(2)中β4的系數,β4不顯著則可說明中介變量在自變量和因變量的倒U型關系中起中介作用。

3.調節效應檢驗

倒U型的調節效應檢驗參考Haans等[32]的研究,在方程(1)的基礎上,加入調節變量Z2、自變量與調節變量的交互項(XZ2)和自變量平方與調節變量的交互項(X2Z2)得到方程(4),以此檢驗假設H5和H6:

Y=β0+β1X+β2X2+β3XZ2+β4X2Z2+β5Z2

(4)

其中,Y為知識協同,X為知識異質性,Z2為調節變量。對方程(4)進行一階求導,得到曲線拐點X*=(-β1-β3Z2)/(2β2+2β4Z2),并進一步求導得到δX*/δZ2*=(β1β4-β2β3)/2(β2+β4Z2)2。若β1β4-β2β3>0,曲線拐點右移;β1β4-β2β3<0,曲線拐點左移。且若β4顯著小于0,則說明倒U型曲線變陡峭;顯著大于0,說明曲線變平緩[32],以此來判斷契約治理與關系治理的調節效應。

四、實證分析與結果

(一)共同方法偏差與信效度分析

本研究采用Harman單因子檢測法檢驗共同方法偏差問題,使用SPSS24.0對所有題項進行主成分因子分析,結果顯示未旋轉時首個公因子解釋的方差比例為24.1%(小于40%),表明不存在嚴重的共同方法偏差。知識異質性、知識協同、企業創新績效、契約治理、關系治理的Cronbach’s α系數分別為0.877、0.803、0.811、0.860、0.799,均大于0.7,說明問卷具有較好的信度。此外,各變量的KMO值均大于0.7,題項因子載荷基本在0.7以上,平均方差提取值(AVE)皆在0.5以上,組合信度(CR)值均大于0.8,表明量表聚合效度良好。所有變量AVE平方根均大于對應變量間的相關系數(表1),說明量表具有較好的區分效度。

(二)相關性分析

各變量的均值、標準差和相關性分析結果如表1所示。由表可知,知識異質性、知識協同等所有變量之間的相關性明顯,但未超過0.7的臨界值。此外,多重共線性檢驗結果顯示,所有變量的VIF值中最大為3.091,說明不存在嚴重的多重共線性問題。

(三)假設檢驗

本文運用SPSS24.0進行層次回歸分析以驗證假設模型,為減小誤差和避免多重共線性問題,回歸分析前對各變量進行了中心化處理。檢驗結果如表2所示。

表1 描述性統計與相關性分析

表2 實證檢驗結果

1.主效應

模型2用以檢驗知識異質性和企業創新績效的關系,其中因變量為企業創新績效,自變量為知識異質性。回歸結果顯示,知識異質性的二次項系數顯著為負(β2=-0.399,p<0.01);對方程(1)求導并帶入β1、β2后可得曲線斜率k=-0.223-0.798X,令k=0,得拐點X=-0.279,處于標準化后X的取值區間[-2.62,2.13]內;當X=-2.62時,k=1.87,顯著大于0,當X=2.13時,k=-1.92,顯著小于0。由此滿足了倒U型關系成立的三個條件,說明知識異質性與企業創新績效之間呈倒U型關系,假設H1得以驗證。

2.中介效應

模型4中因變量為知識協同,自變量仍為知識異質性。回歸結果顯示,知識異質性二次項系數顯著為負(β2=-0.414,p<0.01);將β1、β2帶入可得曲線斜率k=-0.368-0.828X,令k=0,可求出拐點X=-0.444,處于X的取值區間內;當X=-2.62時,k=1.80,顯著大于0,當X=2.13時,k=-2.13,顯著小于0。說明知識異質性與企業創新績效之間呈倒U型關系,假設H2得以驗證。

模型5用以檢驗知識協同對企業創新績效的影響。回歸結果顯示,知識協同的系數顯著為正(β=0.367,p<0.01),說明知識協同顯著正向影響企業創新績效,假設H3得以驗證。

模型6是對知識協同的中介效應檢驗。回歸結果顯示,知識異質性二次項系數顯著為負(β4=-0.306,p<0.01),再次說明知識異質性與創新績效的倒U型關系。但知識異質性和知識協同交互項的系數不顯著,這說明知識協同和企業創新績效的關系不受知識異質性的權變影響。綜上所述,知識異質性與知識協同的倒U型關系會經知識協同的中介作用影響到企業創新績效,假設H4得到驗證。

3.調節效應

模型7契約治理的調節效應檢驗結果中,β4=-0.291<0(p<0.01),說明知識異質性的平方與契約治理的交互項顯著影響知識協同,使倒U型曲線變陡峭;另β1=-0.308(p<0.01),β2=-0.402(p<0.01),β3=-0.032,計算可得β1β4-β2β3=0.076,顯著大于0,說明提高契約治理水平后,知識異質性與知識協同的關系曲線拐點右移。模型8關系治理調節效應檢驗結果中,β4=-0.165(p<0.05),顯著小于0,另計算得出β1β4-β2β3=0.019>0,說明當關系治理水平提高后,知識異質性與知識協同間關系的倒U型曲線變陡峭,且拐點右移。圖2和3是契約治理、關系治理對知識異質性和知識協同倒U型關系的調節效應圖。由圖可知,高契約治理和高關系治理下,倒U型曲線的整體水平提高,曲線變陡峭且拐點位置向右移動,因此,假設H5和H6都得以驗證,即契約治理和關系治理都可有效調節知識異質性和知識協同間的倒U型關系。

圖2 契約治理的調節效應

圖3 關系治理的調節效應

此外,將圖2與圖3進行比較,可發現高契約治理下倒U型曲線拐點向右移動的幅度更大,且高契約治理下的倒U型曲線的曲率變化也更突出。由此我們可以認為,在創新網絡中契約治理要優于關系治理,更能有效促進知識協同,更利于企業與知識異質性程度較高的組織進行合作。同時也說明創新網絡結構松散、邊界模糊、關系復雜的特征對組織間信任機制的建立有一定的負向影響。

五、結論與啟示

(一)研究結論

本文基于創新網絡視角,運用知識基礎理論和交易成本理論分析了組織間知識異質性對企業創新績效的影響及作用機理,并檢驗了契約治理和關系治理的調節效應。研究發現:(1)創新網絡內部成員間知識異質性與知識協同、企業創新績效間均呈倒U型的非線性關系,創新網絡成員間知識異質性適度更有利于知識協同和企業創新績效的提升。(2)知識協同正向影響企業創新績效,且在知識異質性和企業創新績效間起中介作用,即知識異質性通過倒U型曲線效應影響知識協同,進而影響企業創新績效,促成了知識異質性與企業創新績效間的倒U型關系。(3)契約治理和關系治理對知識異質性與知識協同之間的倒U型關系存在顯著的調節作用,使得倒U型曲線拐點位置向右移動,整體水平提高且變陡峭。具體來說,與低契約治理和低關系治理相比,高契約治理與高關系治理下,知識異質性與知識協同的倒U型曲線拐點處于地位差異性較高狀態。另將契約治理與關系治理的調節效應相比較后發現,知識異質性創新網絡中,契約治理的作用更有效。

(二)管理啟示

本文的研究結論對企業具有以下管理啟示:

(1)企業在選擇合作創新伙伴時,需考慮其與合作伙伴之間的知識異質性程度,異質性過高或過低都可能使結果不盡人意,只有當知識異質性程度適中時才更易與合作伙伴實現知識協同,進而促進企業的創新績效。

(2)研究表明契約治理和關系治理都可通過調節知識異質性和知識協同的關系進而作用于創新績效,因此企業可以采取與合作伙伴簽訂正式協議、約定各自權利義務的方式有效規避機會主義,也可通過一些非正式方式增強與合作伙伴的溝通,建立信任,提高組織間的知識協同水平。但在關系復雜的創新網絡中企業更應注重對契約治理方式的應用。

(三)理論貢獻及不足

本研究的理論貢獻在于:首先,聚焦于創新網絡展開研究,補充了以往專注于企業內部和聯盟網絡知識異質性的研究;其次,進一步驗證了創新網絡內知識異質性與知識協同、企業創新績效間的倒U型關系以及知識協同的中介作用,豐富了知識異質性作用于企業創新績效的路徑研究;最后,從創新網絡的雙重網絡層面分析,驗證了合作網絡中契約治理和關系治理在知識網絡中知識異質性和知識協同間的邊界作用,并對兩種機制的治理成效進行比較,為知識異質性創新網絡的關系治理提供一定的借鑒。

本文的不足之處在于:首先,本研究采用一次性問卷調查法收集數據,此類數據只能得出靜態分析結果,無法有效檢驗潛變量之間的因果關系及其動態變化;其次,知識異質性表現為多個維度,如知識基礎、知識結構、知識來源等,本文未對其進行具體的劃分和探討;最后,本文僅考慮了創新網絡內部關系治理,未考慮技術、市場、制度等環境因素對其關系治理成效的動態影響,未來研究可考慮基于此深入探討。□