企业创新绩效

本研究运用相关理论基础，结合前人的研究推理来构建外部知识获取、动态能力及企业创新绩效之间的关系，以及战略柔性在外部知识获取及动态能力间的调节效应，并提出了5个主假设及12个子假设。对于上面所提出的假设，本论文将采用相关分析及回归分析对其进行检验。本章将探讨进行假设检验的问卷的数据收集过程，然后对样本进行分析，对外部知识获取、动态能力、战略柔性和创新绩效4个变量的量表进行信度和效度检验。 4.1 变量测度

本研究关于外部知识获取、动态能力、战略柔性及创新绩效的度量均采用了国内外较成熟的量表。采用成熟量表有助于保证问卷的信度和效度，同时由于成熟量表经过了相关领域研究学者的实证检验，对变量的每个问题都进行了反复的推敲和验证。因此，采用成熟量表能够在最大程度上保证问卷的可靠性，同时降低被质疑的风险。

4.1.1 外部知识获取的测量

目前，国内外学者就外部知识获取的相关研究己经较为成熟，基于不同的

研究情景，学者们也从不同的角度对外部知识获取进行了相关度量。鉴于本文

的研究，此部分量表以Yli-Renko（2001）、Simonin（1997）以

第 1 页

及Li等（2008）等学者开发的成熟量表为基础，结合本文的研究实际进行相关调整后，形成本文的量表。对于外部知识获取的测量，主要以被调查者所在企业从供应商、分销商、客户及竞争者等商业伙伴获取的相关信息的程度以及对外部市场信息的主动搜集和及大学等科研机构的合作中获取知识的程度来进行。

外部知识获取量表根据外部知识来源的不同，设计了6个题项，选用Likert七级量表，从1-7分别代表非常不符合、不符合、比较不符合、一般、比较符合、符合、非常符合。 4.1.2 动态能力的测量

在动荡的超竞争环境中，企业必须快速行动以维持竞争优势地位，动态能力的培育成为企业发展壮大的关键环节，动态能力随之成为企业战略管理研究的前沿。动态能力通过企业适应环境变化的行为体现出来，是企业应对超竞争环境的能力，包括感知能力、吸收能力和创新能力三个维度。

在测量方法上，动态能力可以采用客观评价方法和主观评价方法。大多数学者在相关研究中均采用了主观评价方法，以便能够更全面地对企业的动态能力状况作出评价。本研究采用主观评价方法，在具体问卷题项设计上主要参考了Nelson等（1985）、Pavlou等（2011）、贺小刚（2006）、蔡树堂（2010）以及徐召红（2014）的相关研究，对企业的感知能力、吸收能力和创新能力进行测量。

感知能力主要是指企业对外部环境变化的敏锐的观察力以及对消费者需求变化的觉察能力和把握市场机遇的能力。因此对于

第 2 页

感知能力的测量，主要从被调查者所在企业对于本企业所在行业的市场需求的变化、行业内先进技术的发展变化趋势、企业对竞争的觉察能力及对相关的了解程度来进行。

吸收能力指企业对其现有知识资源进行吸收、转化和利用来实现新知识的创造的能力。本文对于吸收能力的衡量主要从被调查者所在企业对员工学习能力的培训、对获取的外部信息的处理能力等方面来进行。

创新能力指企业为了适应快速变化的外部环境，充分利用现有资源对其产品进行创新的能力。对于创新能力的测量主要从企业对创新的投入、企业员工的创新能力等方面来进行。

本文对动态能力的测量从感知能力、吸收能力和创新能力三个维度来进行，共3个问题，11个题项。选用Likert七级量表，从1-7分别代表非常不符合、不符合、比较不符合、一般、比较符合、符合、非常符合。 4.1.3 战略柔性的测量

战略柔性是反应企业对外部环境的变化快速响应的能力。拥有战略柔性的企业能更好的适应快速变化的外部环境。关于战略柔性的测量，大多采用主观评价方法。本文综合参考Zhou和Wu（2010）、胡畔和余渤（2017）、王铁男等（2011）、李垣等（2008）的相关研究来对战略柔性进行测量。在资源柔性方面从资源有效应用范围、获取成本、转变用途所需的时间等方面来进行，反映的是资源的内在所有权。在协调柔性方面的测量主要从配置及运用资源、对外部竞争的反应及识别资源的缺口等方面进行。

第 3 页

本文对战略柔性的测量共6个题项。选用Likert七级量表，从1-7分别代表非常不符合、不符合、比较不符合、一般、比较符合、符合、非常符合。 4.1.4 创新绩效的测量

现有关于创新绩效的研究较多，关于创新绩效的测量已经形成了较为成熟的量表。本文参考郭爱芳（2013）、Chen等（2011）、Zhang 和Li（2010）章威（2009）等对于创新绩效的测量题项的设计，采用新产品数量、新产品销售额占销售总额的比重、新产品开发速度、创新项目的成功率这四个题项对创新绩效进行测量。选用Likert七级量表，从1-7分别代表非常不符合、不符合、比较不符合、一般、比较符合、符合、非常符合。 4.2 数据收集及样本特征

本文主要研究企业的外部知识获取、动态能力及创新绩效的关系，因此本文以企业作为分析的单位。本研究共发放问卷360份，收回问卷307份，问卷回收率为85.3%，其中有效问卷214份，问卷有效率为59.4%。本次问卷调查主要通过个人关系网络和问卷网站进行问卷的发放。问卷回收通过电子邮件和问卷网站进行。

针对收集的214份有效问卷，本文从企业年龄、企业规模、企业所处行业以及企业类型来对样本的情况进行了整理及分析。具体结果如表4-1所示。

表4-1 样本的基本特征

第 4 页

基本特征 分类 0-3年 4-6年 样本数量 38 65 34 23 26 29 50 35 74 112 102 37 31 34 101 11 所占比例（%） 17.8 25.2 30.4 15.9 10.7 12.1 13.6 23.4 16.4 34.5 52.3 47.7 17.3 14.5 15.9 47.2 5.1 企业年龄 7-10年 11-20年 20年以上 10人以下 10-19人 企业规模 20-49人 50-100人 100人以上 行业性质 高新技术行业 传统行业 国企 外企 企业类型 合资 私营 其他 从企业年龄上来看，成立3年以下的企业有38家，占总样本数的17.8%，成立4-6年的企业样本有家，占样本总数的25.2%，成立年限在7-10年的企业有65家，占总样本数的30.4，成立11-20年的企业样本有34家，占样本总数的15.9，而成立20年以上的样本企业有23家，占到总样本数的10.7%。从总体

第 5 页

上看，成立年限在7-10年的样本企业最多，各个年龄段的样本企业分布较为平均。

在企业规模方面，员工人数在10人以下的企业有26家，占样本总数的12.1%，员工人数在10-19人的样本企业有29家，占总样本数的13.6%，员工人数在20-49人的企业有50家，占总样本数的23.4%，员工人数在50-100人的企业有35家，占样本总数的16.4%，员工人数在100人以上的企业有74家，占样本总量的34.5%。

在企业所在的行业性质方面，高技术行业企业有112家，占总样本量的52.3%，而处于传统行业的企业有102家，占样本总量的47.7%，样本企业的行业分布较为平均。

从企业类型来看，在总样本中，国企有37家，占样本企业总量的17.3%，外企有31家，占样本总量的14.5%，合资企业有34家，占总样本量的15.9%，私营企业最多，有101家，占总样本量的47.2%，其他类型的企业只有11家，占样本总量的5.1%。

以上数据表明，样本的分布较为广泛，有较好的代表性，满足研究的基本要求。 4.3 信度及效度检验 4.3.1 信度检验

信度分析就是检验所设计的量表测量数据和结论的可靠程度，也就是说测量工具能否稳定地测量到它要测量的事项的程度。量表的信度分析包括内在信度分析和外在信度分析。内在信

第 6 页

度分析重在考察一组评估题项是否测量的是同一个特征，这些题项之间是否具有较高的内在一致性。内在信度高意味着一组评估题项的一致程度高，相应的评估题项有意义，所得的评估结果可信。外在信度分析是指在不同时间对同批被评估对象实施重复测量时，评估结果是否具有一致性。如果两次评估结果相关性较强，则说明在评估对象没有故意隐瞒的前提下，评估题项的概念和内容是清晰的、不模糊的，所得评估结果是可信的。

本文主要通过内在信度分析检验量表各题项的内部一致性。内部一致性的评估方法有多种，这里采用Cronbach's alpha系数来评估，系数越高则说明信度越好，可靠性越高。Cronbach's alpha系数大于等于0.9，对层面或构念而言信度非常高，效果非常理想，对于整个量表而言，说明信度很高，非常理想；Cronbach's alpha系数大于等于0.8小于0.9，对层面或构念而言信度很高，很理想，对于整个量表而言，表示信度高，效果佳；Cronbach's alpha系数大于等于0.7小于0.8，对层面或构念而言信度高，效果佳，对于整个量表而言，表示信度可以接受。

本研究采用SPSS 24.0统计软件，外部知识获取量表的Cronbach's alpha系数如表4-2所示。外部知识获取的Cronbach's alpha系数为0.2，6个题项的分项对总项的相关系数全部在0.5以上，最低为0.5，删除任何题项后的Cronbach's alpha系数也没有显著提高。因此，外部知识获取量表的内部一致性比较高，信度较好。

表4-2 外部知识获取量表的信度检验

第 7 页

分项对题项 总项的相关系数 Q1外部知识获取（共6个问题） 删除该题项 后的Cronbach's alpha Cronbach's alpha 0.2 A贵公司经常收集技术发展趋势信0.766 息 0.786 0.8 0.862 0.874 B贵公司经常收集竞争者发布的研0.707 发信息 C贵公司会通过及客户的互动和交流来收集客户资料和需求 0.749 0.867 D贵公司经常及供应商讨论新产品0.5 开发的相关信息 E贵公司经常及大学、科研院所等进行合作及沟通，来学习新的和重要的研发信息 F贵公司经常及分销商互动收集市场信息 0.1 0.676 0.879 动态能力量表的信度检验如表4-3所示。动态能力的Cronbach's alpha系数为0.943，而3个构面的Cronbach's alpha系数分别为0.8、0.838、0.863，均在0.8这一可接受水平之上，且分项对总项的相关系数全部在0.,6以上，最低为0.663。删

第 8 页

除任何题项后的Cronbach's alpha系数也没有显著提高。因此，动态能力量表的内部一致性比较高，信度比较好。

表4-3 动态能力量表的信度检验

分项对题项 总项的相关系数 动态能力（共11个问题） Q2感知能力 贵公司及同行业一般企业相比 A能准确预测本行业市场需求的0.674 变动方向 0.674 0.823 0.824 0.803 0.808 删除该题项 Cronbac后的Cronbh's alpach's alpha ha 0.943 0.8 B能意识到本行业先进技术的发0.723 展趋势 C能识别潜在竞争者的出现及影响程度 D能技术了解的管制及扶持 Q3吸收能力 贵公司及同行业一般企业相比 A能够在员工之间分享公司的发0.716 展愿景 0.727 第 9 页

0.712 0.838 0.760 0.750 B鼓励员工不断学习并提供良好0.663 的培训 C能够根据获取的信息更新已有的知识 Q4创新能力 贵公司及同行业一般企业相比 A对创新活动投入大量人力 B员工具有不断创新的精神 0.690 0.683 0.811 0.863 0.834 0.836 0.817 0.813 C企业文化鼓励员工进行变革和0.729 创新活动 D对变革创新提供有效的激励机制 0.740 战略柔性量表的信度检验如表4-4所示。战略柔性的Cronbach's alpha系数为0.908，而2个构面的Cronbach's alpha系数分别为0.828、0.856，均在0.8这一可接受水平之上，且分项对总项的相关系数全部在0.6以上，最低为0.5。删除任何题项后的Cronbach's alpha系数也没有显著提高。所以战略柔性量表的内部一致性比较高，信度比较好。

表4-4 战略柔性量表的信度检验

分项对题项 总项的相关系数 第 10 页

删除该题项 后的Cronbach's alpCronbach's alpha ha 战略柔性（共6个问题） Q5资源柔性 0.908 0.828 A资源在各部门间的共享程度更0.5 高 B资源转换成本更低 C寻找替代资源时间更短 Q6协调柔性 0.801 0.741 0.742 0.705 0.704 0.856 A能快速寻找新资源或现有资源0.717 的新的组合方式 B通过组织系统迅速的安排资源并应用于目标用途 C积极主动地对外部竞争做出反应 0.810 0.750 0.877 0.719 0.806 创新绩效量表的信度检验如表4-5所示。创新绩效的Cronbach's alpha系数为0.878，各个题项分项对总项的相关系数全部在0.6以上，最低为0.692。删除任何题项后的Cronbach's alpha系数也没有显著提高。所以创新绩效量表的内部一致性比较高，信度比较好。

表4-5 创新绩效量表的信度检验

分项对题项 总项的相关系第 11 页

删除该题项 后的CronCronbach's alph数 bach's alpha a Q7创新绩效（共4个问题） 近两年来，及行业平均水平相比，贵公司的创新情况： A新产品数量 0.87 8 0.692 0.861 0.851 0.827 0.831 B新产品销售额占总销售额的比0.716 重 C新产品的开发和市场化速度 D产品创新的成功率 4.3.2 效度检验

0.776 0.768 效度主要包括内容效度(content validity)和结构效度(construct validity)两种。内容效度主要用来反映量表内容切合主题的程度。内容效度需要在量表设计过程中进行把握，可以采用专家判断法或由相关专家及专业人士对题项进行评估。在本研究的问卷设计过程中，经过文献研究、访谈和试调查等一系列步骤的主要目的就是为了提高问卷的内容效度，通过这些步骤量表应该已经具有了很高的内容效度。接下来运用因子分析法对本研究中各变量的量表进行结构效度检验。

（1）外部知识获取的量表效度检验

首先，运用SPSS24.0对外部知识获取量表中的所有题项进行探索性因子分析。外部知识获取量表的KMO值和Bartlett检验

第 12 页

结果显示，外部知识获取的KMO值为0.902，Bartlett球形检验的卡方值为607.2，自由度为15，显著性水平为0，说明各题项之间存在共同因素，可以进行因子分析。在满足KMO和Bartlett球形检验的基础上，我们借助探索性因子分析将外部知识获取量表归纳为一个因子。具体分析结果见表4-6。其中量表的因子载荷最高为0.863，最低因子载荷为0.701，具有较高的因子载荷水平。最终累积方差贡献率为65.135%，总体来说，对问卷的解释力比较好。

表4-6外部知识获取量表的因子分析结果 题项 Q1-B Q1-A Q1-D Q1-C Q1-F Q1-E 方差贡献率（%） 累积方差贡献率（%） 因子名称 因子 0.863 0.849 0.837 0.803 0.779 0.701 65.135 65.135 外部知识获取 接着，运用AMOS24.0对外部知识获取量表进行验证性因子分析，分析结果显示各指标的数值如下：χ/df=1.083，小于2；GFI=0.983、CFI=0.999，均大于0.9，RMR=0.034、RMSEA=0.021，均小于0.08。各指标均达到可接受的标准，说明外部知识获取

第 13 页

2

的测量模型可以接受。

（2）动态能力量表的效度检验

首先，运用SPSS24.0对动态能力量表中的所有题项进行探索性因子分析。动态能力量表的KMO值和Bartlett检验结果显示，动态能力的KMO值为0.949，Bartlett球形检验的卡方值为1401.632，自由度为55，显著性水平为0，说明各题项之间存在共同因素，可以进行因子分析。在KMO值和Bartlett检验结果的基础上，对动态能力量表进行探索性因子分析，分析结果见表4-7。分析结果将动态能力划分为三个因子，因子1包含Q2-C、Q2-D、Q2-A、Q2-B四个题项，因子2包括Q3-B、Q3-A、Q3-C三个题项，因子3包含了Q4-D、Q4-C、Q4-A、Q4-B四个题项，及之前预制的维度题项相同。三个因子中各题项的因子载荷最高为0.884，最低因子载荷为0.818。从总体上来说，具有较高的因子载荷水平。三个因子的方差贡献率分别为25.175%、24.952%、23.852%，三个因子的累积方差贡献率为73.979%。总体上看，对问卷的解释力较强。

表4-7动态能力量表的探索性因子分析结果 题项 因子 1 0.853 0.846 0.819 0.818 第 14 页

2 3 Q2-C Q2-D Q2-A Q2-B 0.884 Q3-B Q3-A Q3-C Q4-D Q4-C Q4-A Q4-B 方差贡献率（%） 累积方差贡献率（%） 因子名称 0.878 0.846 0.862 0.855 0.828 0.823 25.175 25.175 感知能力 24.952 50.127 吸收能力 23.852 73.979 创新能力 在对动态能力进行探索性因子分析的基础上，接着运用AMOS24.0对动态能力进行验证性因子分析。动态能力验证性因子分析结果显示各指标的数值如下：χ/df=1.885，小于2，GFI=0.930、CFI=0.974，均大于0.9，RMR=0.053，RMSEA=0.068，均小于0.08。各指标均达到可接受的标准，说明动态能力的测量模型可以接受。

（3）战略柔性量表的效度检验

首先，运用SPSS24.0对动态能力量表中的所有题项进行探索性因子分析。战略柔性量表的KMO值和Bartlett检验结果显示，战略柔性的KMO值为0.8，Bartlett球形检验的卡方值为704.180，自由度为15，显著性水平为0，说明各题项之间存在共同因素，可以进行因子分析。在满足KMO和Bartlett球形检验的

第 15 页

2

基础上，我们借助探索性因子分析将创新绩效量表归纳为一个因子。具体分析结果见表4-8。其中量表的因子载荷最高为0.880，最低因子载荷为0.824，具有较高的因子载荷水平。最终累积方差贡献率为65.135%，总体来说，对问卷的解释力比较好。

表4-8战略柔性量表的因子分析结果 题项 Q5-E Q5-D Q5-B Q5-A Q5-F Q5-C 方差贡献率（%） 累计方差贡献率（%） 因子名称 因子 0.858 0.849 0.846 0.812 0.809 0.790 68.498 68.498 战略柔性 接着，运用AMOS24.0对战略柔性量表进行验证性因子分析，分析结果显示各指标的数值如下：χ/df=1.782，小于2，GFI=0.941、CFI=0.960，均大于0.9，RMR=0.060、RMSEA=0.078，均小于0.08。各指标均达到可接受的标准，说明战略柔性的测量模型可以接受。

（4）创新绩效量表的效度检验

首先，运用SPSS24.0对创新绩效量表中的所有题项进行探索性因子分析。创新绩效量表的KMO值和Bartlett检验析结果显

第 16 页

2

示，创新绩效的KMO值为0.785，Bartlett球形检验的卡方值为415.343，自由度为6，显著性水平为0，说明各题项之间存在共同因素，可以进行因子分析。在满足KMO和Bartlett球形检验的基础上，我们借助探索性因子分析将创新绩效量表归纳为一个因子。具体分析结果见表4-9。其中量表的因子载荷最高为0.880，最低因子载荷为0.824，具有较高的因子载荷水平。最终累积方差贡献率为65.135%，总体来说，对问卷的解释力比较好。

表4-9 创新绩效量表的因子分析结果 题项 因子 Q6-C Q6-D Q6-B Q6-A 方差贡献率（%） 累积方差贡献率（%） 因子名称 0.880 0.876 0.842 0.824 73.239 73.239 创新绩效 接着，运用AMOS24.0对创新绩效量表进行验证性因子分析，分析结果显示各指标的数值如下：χ/df=1.701，小于2；GFI=0.901、CFI=0.914；均大于0.9，RMR=0.031、RMSEA=0.074，均小于0.08。各指标均达到可接受的标准，说明创新绩效的测量模型可以接受。

2

第 17 页

4.4 本章小结

本章为研究设计部分，主要介绍了本研究所用变量的测度、数据的搜集过程和样本特征分析、问卷的信度和效度检验。首先，对于变量的测度，根据国内外相关成熟量表以及研究的实际情况，得出外部知识获取、动态能力、战略柔性和创新绩效4个变量的量表。随后是数据的收集过程，介绍了本文的研究对象以及问卷收集情况，从4个方面企业年龄、企业规模、企业所处行业的类型以及企业类型来描述样本的分布特征。最后，对问卷的信度和效度进行了分析，从分析结果来看，本研究所采用的问卷的信度和效度都完全达到了研究要求。

第 18 页

第5章 统计分析及假设检验

本文通过对相关理论和现有文献进行了系统的梳理，并在此基础上构建了外部知识获取、动态能力和创新绩效关系模型，提出相关研究假设。随后，本研究针对研究问题进行问卷收集。通过对收回的问卷进行信度和效度检验发现，本研究的数据具有较高的信度和效度，完全符合进一步分析的要求。本章对相关数据进行更高层次的分析，通过构建多元线性回归模型，对提出的假设进行逐个验证，并对分析结果进行简单讨论。 5.1 相关分析

规范的研究要求必须检验各个观测变量在分布上是否呈现出正态分布的形状，也就是说需要在多元回归分析之前首先进行两两相关分析，从而及时发现变量间是否有相关关系。本文利用SPSS24.0软件对本研究的主要变量进行Pearson相关分析，结果如表5-1所示。

表5-1变量间的相关关系以区别效度

题项 AVE 1 2 1外部知识 0.652 0.807 获取 *0.7072感知能力 0.696 0.834 * 3 4 5 6 3吸收能力 0.756 4创新能力 0.709 0.6670.811*** ** *0.869 ** 0.6600.7630.825* * 0.842 第 19 页

5战略柔性 0.685 6创新绩效 0.732 0.6560.7810.7680.755***** ** ** ** *0.828 ** 0.5920.7270.7220.7290.780* * * * 0.856 均值 4.980 5.047 5.106 5.045 4.925 4.4 标准差 1.0 1.044 1.051 1.087 1.074 1.149 注：***表示p＜0.001（双尾检验），**表示p＜0.01（双尾检验），*表示p＜0.05（双尾检验）

从表5-1变量间的相关关系矩阵中可以看出，外部知识获取、动态能力和创新绩效三个变量之间的相关关系。外部知识获取及动态能力的三个维度即感知能力、吸收能力、创新能力显著正相关，相关系数分别为0.707、0.667、0.660，且p<0.01。外部知识获取及创新绩效也显著正相关，相关系数为0.592，且p<0.01。动态能力的三个维度（感知能力、吸收能力、创新能力）及创新绩效也显著正相关。相关系数分别为0.727、0.722、0.729，且p<0.01。

在确定各变量之间存在相关关系后，还需要对各变量间的区别效度和收敛效度进行分析。区别效度是指对某一特质、观念，用不同的方法去测量，会有相同的效果。统计上一般采用平均方差提取量（Average Variance Extracted，AVE）来表示。从表5-1中可知，AVE均大于0.5。根据Fornell和Larcker（1981）的观点，表明本文的变量具有较好的收敛效度。其次，区别效度是指理论上应该足以分辨出它们之间是不一样的构面，换言之，构面相关不可以太高。Fornell和Larcker（1981）建议变量AVE的均方根值应大于该变量及其它变量的相关。从表5-1中对角

第 20 页

线的数据可知，本文的变量具有良好的区别效度。 5.2 假设检验

完成相关分析后，接着进行回归分析，按照自变量：外部知识获取，中介变量：动态能力（感知能力、吸收能力和创新能力），因变量：创新绩效，以及调节变量：战略柔性，构建多个线性回归模型。

5.2.1 外部知识获取及创新绩效关系检验

假设1认为外部知识获取及企业创新绩效有正向影响。为了检验外部知识获取对企业创新绩效间的影响。以外部知识获取为自变量，创新绩效为因变量构建回归模型。模型回归结果见表5-2。

表5-2外部知识获取对创新绩效的回归分析 未标准化系数 标准化系数 t Beta F-Value ΔR2 B 标准误差 （常量） 1.709*0.319 ** 外部知识获0.639*0.063 取** 5.362 0.592 104.3810.217 0.348 2 注：***表示p＜0.001，**表示p＜0.01，*表示p＜0.05

从表5-2中可以看出外部知识获取及创新绩效的标准化回归

第 21 页

系数为0.592，非标准化系数为0.639，且在0.001水平上显著，表明外部知识获取及创新绩效存在显著的正向关系。模型通过了F检验且调整后的R为0.348，大于零，说明对外部知识获取对创新绩效有较好的解释效果。假设1得到验证。 5.2.2 外部知识获取及动态能力关系检验

本文关于外部知识获取及动态能力关系提出了一个主假设和3个子假设。为了检验假设2、假设2a、假设2b、假设2c，本文以外部知识获取为自变量，分别以动态能力、感知能力、吸收能力、创新能力为因变量，构建回归模型，模型回归结果见表5-3。

从表5-3中可以看出外部知识获取及动态能力的标准化系数为0.728，回归系数在0.001水平上显著，表明外部知识获取及动态能力存在显著的正向关系。模型通过了F检验且调整后的R

2

2

为0.528，大于零，说明对外部知识获取对于动态能力有着比较

好的解释效果。假设2得到了验证。外部知识获取及感知能力的标准化系数为0.707，回归系数在0.001水平上显著，表明外部知识获取及感知能力存在显著的正向关系。模型通过了F检验且调整后的R为0.497，大于零，说明对外部知识获取对于感知能力有着比较好的解释效果。假设2a得到了验证。外部知识获取及吸收能力的标准化系数为0.667，回归系数在0.001水平上显著，表明外部知识获取及吸收能力存在显著的正向关系。模型通过了F检验且调整后的R为0.442，大于零，说明对外部知识获取对于吸收能力有着比较好的解释效果。假设H2b得到了验证。

第 22 页

2

2

外部知识获取及创新能力的标准化系数为0.660，回归系数在0.001水平上显著，表明外部知识获取及创新能力存在显著的正向关系。模型通过了F检验且调整后的R为0.433，大于零，说明对外部知识获取对于创新能力有着比较好的解释效果。假设H2c得到了验证。

表5-3 外部知识获取及动态能力的回归分析

2

动态能力 标准 系数 sig 感知能力 标准 系数 sig 吸收能力 标准 系数 sig 创新能力 标准 系数 sig 外部知识获0.720.000.700.000.660.000.660.00取 t F-Value ΔR 28 0 7 0 7 0 0 0 14.755 217.718 0.528 13.885 192.792 0.497 12.440 1.745 0.442 12.202 148.6 0.433 5.2.3 动态能力及创新绩效关系检验

本文关于动态能力及创新绩效的关系提出了一个主假设和3个子假设。为了检验假设3、假设3a、假设3b、假设3c，本文分别以动态能力、感知能力、吸收能力、创新能力为自变量，以创新绩效为因变量，构建回归模型，模型回归结果见表5-4。

从表5-4中可以看出动态能力及创新绩效的标准化系数为0.780，回归系数在0.001水平上显著，表明动态能力及创新绩效存在显著的正向关系。模型通过了F检验且调整后的R为0.607，

第 23 页

2

大于零，说明动态能力对于创新绩效有着比较好的解释效果。假设H3得到了验证。感知能力及创新绩效的标准化系数为0.727，回归系数在0.001水平上显著，表明感知能力及创新绩效存在显著的正向关系。模型通过了F检验且调整后的R为0.526，大于零，说明感知能力对于创新绩效有着比较好的解释效果。假设H3a得到了验证。吸收能力及创新绩效的标准化系数为0.722，回归系数在0.001水平上显著，表明吸收能力及创新绩效存在显著的正向关系。模型通过了F检验且调整后的R为0.520，大于零，说明吸收能力对于创新绩效有着比较好的解释效果。假设H3b得到了验证。创新能力及创新绩效的标准化系数为0.729，回归系数在0.001水平上显著，表明创新能力及创新绩效存在显著的正向关系。模型通过了F检验且调整后的R为0.539，大于零，说明创新能力对于创新绩效有着比较好的解释效果。假设H3c得到了验证。

表5-4 动态能力及创新绩效的回归分析

创新绩效 模型1 2

2

2

模型2 标准 系数 模型3 标准 系数 模型4 标准 系数 标准 系数 sig sig sig sig 动态能力 0.780.000 0 感知能力 0.720.007 0 第 24 页

吸收能力 0.720.00 2 0 创新能力 t F-Value ΔR 20.720.009 17.329 300.288 0.607 14.721 216.707 0.526 14.517 210.757 0.520 0 14.791 218.769 0.539 5.2.4动态能力的中介作用

根据Baron & Kenny（1986）对于中介效应的检验方法，当自变量X及因变量Y以及自变量X及中介变量M之间的回归系数显著时，当控制中介变量M后，如果自变量X对因变量Y的回归系数显著下降且不等于零，则M为部分中介变量；若回归系数不显著，则M为完全中介变量。

上述实证研究已经证明外部知识获取及创新绩效间的回归系数显著且标准化系数为0.592。外部知识获取及动态能力及其三个维度（感知能力、系数能力、创新能力）间的回归系数显著。为了验证假设4、假设4a、假设4b、假设4c。本文分别以外部知识获取和动态能力、外部知识获取和感知能力、外部知识获取和吸收能力、外部知识获取和创新能力为自变量、创新绩效为因变量构建四个回归模型，来检验动态能力的中介作用。具体分析结果见表5-5。模型1中，当控制了动态能力后，外部知识获取的标准化系数为0.052，但回归系数并不显著；动态能力的标准

第 25 页

化系数为0.742，且回归系数在0.001的水平上显著。根据中介作用的检验程序，可以得出动态能力在外部知识获取及创新绩效之间存在中介作用的结论。假设4得到验证。模型2中，感知能力的标准化系数为0.617，且回归系数在0.001的水平上显著，当控制了感知能力后，外部知识获取的回归系数在0.05水平上显著，标准化系数为0.157<0.592。根据中介作用的检验程序，可以得出感知能力在外部知识获取及创新绩效之间起部分中介作用的结论。中介效应占总效应的0.707*0.617/0.592=73.686%。假设4a得到验证。模型3中，吸收能力的标准化系数为0.590，且回归系数在0.001的水平上显著；在控制了吸收能力后，外部知识获取的回归系数在0.01水平上显著，标准化系数为0.199<0.592。根据中介作用的检验程序，可以得出吸收能力在外部知识获取及创新绩效之间起部分中介作用的结论。中介效应占总效应的0.667*0.590/0.592=66.475%。假设4b得到验证。模型4中，创新能力的标准化系数为0.599，且回归系数在0.001的水平上显著；在控制了创新能力后，外部知识获取的回归系数在0.01水平上显著；标准化系数为0.197<0.592。根据中介作用的检验程序，可以得出创新能力在外部知识获取及创新绩效之间起部分中介作用的结论。中介效应占总效应的0.660*0.599/0.592=66.780%。假设4c得到验证。

表5-5动态能力中介作用

创新绩效 模型1 模型2 第 26 页

模型3 模型4 标准 系数 外部知识获取 动态能力 sig 标准 系数 sig 标准 系数 sig 标准 系数 sig 0.050.430.150.020.190.000.190.002 1 7 5 9 3 7 2 0.740.002 0 感知能力 0.610.007 0 吸收能力 0.590.000 0 创新能力 0.590.00 9 0 5.2.5 战略柔性的调节作用

根据温忠麟等（2005）关于调节效应检验的阐述，对于调节效应的检验，需要构建两个回归模型。模型一做因变量对自变量和调节变量的回归，得到R1；模型二做因变量对自变量、调节变量以及自变量和调节变量的交互项的回归，得到R2。若R2显著大于R1，则说明调节效应显著，或者自变量和调节变量交互项的回归系数显著，则说明调节效应显著。同时，温忠麟等（2005）提出，在分析调节效应前，应对自变量和调节变量做中心化处理（变量减去均值）。因此，本文在分析战略柔性的调节效应时，先对战略柔性及外部知识获取做中心化处理，以中心化了

第 27 页

2

2

2

2

的外部知识获取和战略柔性相乘后的交互项做回归分析。

假设5认为战略柔性在外部知识获取及动态能力间具有正向的调节作用。为了验证假设5，本文构建两个回归模型，具体分析结果见表5-6。模型1以外部知识获取和战略柔性为自变量，动态能力为因变量进行回归分析，得到ΔR1为0.739，模型2以外部知识获取、战略柔性以及中心化了的外部知识获取*战略柔性为自变量，动态能力为因变量进行回归分析，得到ΔR2为0.743，大于ΔR1，且外部知识获取*战略柔性的回归系数在0.05水平上显著，说明战略柔性在外部知识获取及动态能力间的调节作用存在，外部知识获取*战略柔性的标准化系数为-0.075，说明战略柔性在外部知识获取及动态能力间具有负向的调节作用。假设5未得到验证。

表5-6战略柔性在外部知识获取及动态能力间的调节作用

2

2

2

动态能力 模型1 标准系Sig 0.610 0.000 0.328 0.000 外部知识获取 战略柔性 外部知识获取*战略柔2ΔR F-Value 5.3 结果解释

0.739 276.024 模型2 标准系Sig 0.596 0.000 0.345 0.000 -0.075 0.044 0.743 188.348 （1）外部知识获取对企业创新绩效的影响。本文实证检验结果表明外部知识获取对于企业创新绩效有正向的影响，原假设得到验证。这及大部分学者的研究结果一致，说明企业通过从外部获取知识资源，确实有利于丰富企业的知识存量，最终促进企业

第 28 页

创新绩效的提高。

（2）外部知识获取对动态能力的影响。检验结果表明外部知识获取对动态能力以及动态能力的三个维度即感知能力、吸收能力和创新能力有正向的影响。及原假设相符。企业通过获取外部知识，增加了企业的知识存量，为动态能力的形成和发展提供了知识基础，同时，新知识的引进也促使企业不断提高自身能力来对新知识进行消化吸收。因此外部知识的获取对动态能力有正向的影响。

（3）动态能力对企业创新绩效的影响。实证结果表明动态能力及其三个维度对企业创新绩效均有正向影响。动态能力使得企业敏锐地觉察外部环境的变化，并通过对内部资源的整合、重置以及再创新来促进企业创新绩效的提高。

（4）动态能力在外部知识获取及企业创新绩效间的中介作用。本文的检验结果表明动态能力在外部知识获取及企业创新绩效间确实发挥着中介作用，及假设相符。表明动态能力通过对组织从外部获取的知识资源的吸收利用以及再创新，最终提高企业的创新绩效。

（5）战略柔性在外部知识获取及动态能力间的调节作用。检验结果表明，战略柔性在外部知识获取及动态能力间存在负向调节作用，及原假设不相符合。这可能是因为，战略柔性是指企业通过对资源的重构和重置来应对外部环境变化的能力，较高的战略柔性代表了企业高度的组织承诺和对现有能力和既有战略的自信（胡畔等，2017），表明具有通过对内部资源的重构来应对外部环境变化的能力，因此，具有高战略柔性的企业可能更倾向

第 29 页

于通过内部资源部署等的调整而不是通过发展动态能力来促进企业的发展。 5.4 本章小结

本章主要对外部知识获取、动态能力及创新绩效间的关系，以及战略柔性在外部知识获取及动态能力之间的调节作用进行了实证检验。具体检验结果见表5-7。大部分假设在实证研究后成立，少部分假设不成立。

表5-7假设检验结果

假设序HI H2 H2a H2b H2c H3 H3a H3b H3c H4 H4a H4b H4c H5 内容 外部知识获取及创新绩效正相关 外部知识获取及动态能力正相关 外部知识获取及感知能力正相关 外部知识获取及吸收能力正相关 外部知识获取及创新能力正相关 动态能力及创新绩效正相关 感知能力及创新绩效正相关 吸收能力及创新绩效正相关 创新能力及创新绩效正相关 动态能力在外部知识获取及创新绩效之间感知在外部知识获取及创新绩效之间存在吸收在外部知识获取及创新绩效之间存在创新在外部知识获取及创新绩效之间存在战略柔性在外部知识获取及动态能力之间实证结支持 支持 支持 支持 支持 支持 支持 支持 支持 支持 部分支部分支部分支不支持 第 30 页