知識轉化與企業創新績效關系的實證研究

宋美玲， 程鈞謨， 蔣 兵

(山東理工大學 商學院， 山東 淄博 255012)

創新績效是企業創新行為成果的最終反映，在當今競爭日益白熱化的市場環境下，創新績效對企業的發展來說至關重要.基于知識的觀點，知識轉化是企業創新的邏輯起點，不僅關系到產品和技術創新的成敗，而且直接影響到企業創新績效的獲取.因此，為了提高企業創新績效、提升企業競爭力，研究知識轉化與創新績效間的作用關系已成為重要問題.

縱觀現有的相關研究，筆者發現大部分文獻都集中在知識轉移與知識共享對創新績效的影響方面，對知識轉化與創新績效關系的研究較少.張同建等通過研究揭示了知識轉化與企業核心能力的作用，最終得出知識組合化對東西部企業核心能力促進作用最強、外顯化和內隱化次之、社會化功能最弱，從而為企業加強知識轉化、提高核心能力的差距提供了現實性的理論策略[1].基于目前理論界對知識轉化與創新績效作用研究較為匱乏的現狀，本文將構建知識轉化與企業創新績效之間的關系模型，深入挖掘知識轉化對創新績效的作用機理，以期為企業提高創新力和競爭力提供積極的理論依據和實踐指導.

1 理論背景

1.1 知識轉化

知識具有多種形式，在發展過程中其往往會在不同的形式間進行轉變.Polanyi將知識劃分為顯性知識和隱性知識.顯性知識易于編碼和傳播，而隱性知識則是高度內化于個人頭腦和組織之中的知識，往往難以表達、不易傳播和獲取.Anita R Kothari認為隱性知識是人頭腦中常常是人們自己也不知道的知識[2].企業的核心技術大多數都以意會知識的形式存在于企業的部分人員(如技術專家、研發人員等)的頭腦中，需個人花費精力去進行編碼與結構化，才能被他人學習和掌握.這些知識可以用于解決企業的技術難題并可能產生新技術，是提升創新績效的關鍵所在.因此，有效的知識轉化可以提高企業的創新力與創新績效.Nonaka將知識轉化理解為由顯性知識與隱性知識間互動主導的社會化、顯性化、組合化和內在化的動態過程[3]，即SECI模型，該模型得到學術界與實業界普遍認同，本文也基于此模型進行知識轉化量表的設計.

1.2 企業創新績效

1991年，熊彼得率先提出“創新”這一概念.自此，與創新相關的研究廣泛展開，創新績效也成為很多學者研究的焦點.創新績效是指企業對已有生產要素的改進、組合以及新概念的生成到投入市場整個過程所取得的包括發明、技術以及創新等方面績效.對于創新績效的衡量目前理論界尚未形成統一的觀點.國外一些學者認為創新績效的衡量方法通常包括 R&D投入、創新支出總額、專利引用、專利和新產品數量等；國內一些學者則指出可以用專利數、創新產品數量和創新產品銷售比例等指標來衡量.筆者在參考國內外已有的研究成果并結合本文特定背景的基礎上設計創新績效量表.

2 研究設計

2.1 假設提出

在所有的知識活動中，知識轉化活動是最具實踐意義的，Nonaka提出的SECI模型將知識轉化活動解構為社會化、顯性化、組合化和內在化，這四個階段的運動是循環往復的，在這個過程中企業知識存量得到增加，質量得到升，新知識產生，創新績效也將得到提高.通過四種模式的轉化，企業知識會形成一種循環遞進的知識轉化和知識創造的動態上升過程，最終實現企業提高創新績效、提升競爭力的目的.因此，筆者提出以下假設：

H1社會化對企業創新績效具有正向提升作用.

H2顯性化對企業創新績效具有正向提升作用.

H3組合化對企業創新績效具有正向提升作用.

H4內在化對企業創新績效具有正向提升作用.

2.2 量表設計

本研究的量表均是在參考國內外已有研究的基礎上建立的，采用Likert-5點量表形式，“1”表示完全不符合，“5”表示完全符合，并運用SPSS20.0和AMOS21.0對收集到的數據進行統計分析.為了保證問卷的有效性，筆者首先在MBA學員中進行訪談和預調查，對預調查問卷的分析得到各量表的Cronbach's Alpha均在0.7以上，說明問卷具有較好的內部一致性，最終確定正式調查問卷的內容，具體如下：

對于知識轉化的衡量，目前學術界大多根據Nonaka的SECI模型，從知識的社會化、外顯化、組合化以及內在化四個維度進行量表的設計.參照Nonaka、林昭文[4]以及簡傳紅和張同健[5]的研究，本研究對知識轉化四個維度量表設計的內容見表1.

表1 知識轉化量表

參考Hagedoornhe[6]、張方華[7]等學者的研究，創新績效量表內容見表2.

2.3 模型構建

綜合以上內容，設知識社會化為ξ1，知識外顯化為ξ2，知識組合化為ξ3，知識內隱化為ξ4，企業創新績效為η.根據研究假設與量表內容，筆者將知識轉化與企業創新績效的關系模型構建如圖1所示.

圖1 研究模型

變量名稱編號量表內容創新績效IPIP1通過有效地知識轉化,本企業開發新產品的數量更多IP2通過有效地知識轉化,本企業開發新產品的速度更快IP3通過有效地知識轉化,本企業新產品的市場占有率更高IP4通過有效地知識轉化,本企業開發新產品、新技術的銷售額占總銷售額的比重更大

3 模型驗證

3.1 樣本來源和數據收集

本文以知識密集型企業為調查對象，通過發放問卷和網絡發布等方式搜集數據.調查地區包括山東、江蘇、河北、上海等省市.共發放問卷300份，其中實地發放問卷150份，網上發放問卷150份；實際收回問卷176份，回收率為58.8%；有效問卷154份，有效率為51.3%；對實地發放問卷和網上問卷進行T檢驗得出二者無顯著差異，可以合并分析.

3.2 信度和效度分析

首先要對量表進行信度和效度的分析，以保證其可靠性和有效性.信度通常用Cronbach's Alpha值和CITC值來檢驗，一般要求Cronbach's Alpha值達到0.7以上，CITC值則不小于0.3.從表3可知：各量表最小Cronbach's Alpha值為0.744；社會化量表的最小CITC值為0.636，外顯化量表的最小CITC值為0.569，組合化量表的最小CITC值為0.508，內隱化量表的最小CITC值為0.501，創新績效量表的最小為0.515，CITC值均在0.5以上.綜上說明問卷具有較好的信度.

表3信度和效度分析結果

問卷的效度包括內容效度和結構效度.本文的量表題項都參考了國內外已有的相關研究，因而具有良好地內容效度；結構效度則通過因子分析取得.筆者對收集到的數據進行因子分析，共提取5個因子，各項因子載荷見表3；同時得到KMO值為0.794，Bartlett的球形度檢驗(p<0.01)，表明該問卷具有較好的區分效度.

3.3 模型檢驗

相關分析的主要目的是測量兩變量是否相關、相關方向以及密切程度，本文以各構念題項的平均值反映該構念的整體水平，采用Pearson相關分析法來檢驗各變量的相關性，結果顯示各變量均在0.01水平上顯著相關，模型不需修訂.各構念的均值、標準差和相關系數見表4.

本文采用SPSS20.0和AMOS21.0對原假設進行檢驗和路徑分析.結構方程模型(Structural Equation Modeling)是通過計算變量的協方差矩陣來分析一個或多個變量間關系的一種數據分析工具，它綜合了回歸分析、路徑分析和驗證性因子分析等多種方法，被廣泛應用于各個研究領域.本文所建立的模型包括4個外因變量(ξ1、ξ2、ξ3、ξ4)，14個外生變量指標；一個內生變量(η)，4個內生變量指標；10條因果路徑.表5給出了各項擬合指數，結果顯示各項擬合指數基本達到要求，RMSEA為0.0698雖然略大于0.05，但仍符合小于0.1的最低要求，因而模型擬合效果良好.最終分析結果見圖2，各項假設均已通過驗證，整理結果見表6.

表4 相關性分析

注：**在0.01水平(雙側)上顯著相關；樣本數N=154.

表5 擬合指數表

表6 模型檢驗

圖2 結構方程分析結果

4 結論與建議

實證研究結果顯示，知識轉化對企業創新績效具備一定的促進作用，從路徑系數上看，知識轉化四個維度中除了外顯化系數較低以外，其他三個維度的系數相差不是很大.首先，SECI模型的四個環節本來就是一個相互作用、循環往復的動態過程，社會化的實現難度最大，卻是對創先績效促進作用最顯著的環節，這就要求企業盡量創造有利于員工之間、部門之間廣泛交流的環境，構建更廣闊的經驗交流平臺，以便于知識化的實現；其次，組合化的促進作用僅次于社會化，企業應重視相關經驗、技術資料的校對和整合，從而有利于激發組合創新；再次是知識內隱化對創新績效的促進作用，企業的創新最根本的還是要依賴于員工，這就要求企業高度注重員工專業知識和先進技術的培訓，為創新績效的獲取提供源動力；雖然知識外顯化的促進作用較為薄弱，但這并不意味著企業可以忽略這一環節，員工將個人隱性知識通過文字、圖片等格式化的有形資料，其他員工才能在參考學習的過程中激發自身的創新能力.

本文通過實證研究驗證了有效地知識轉化對提升企業創新績效的正向作用，為企業提供了一定的實踐指導.知識轉化對創新績效的影響是一個復雜的動態過程，其間可能受到其他因素的影響，未來的研究可以嘗試在模型中加入中介變量進行驗證.

[1] 張同建,趙健.我國東西部企業知識轉化績效比較研究[J].科學學與科學技術管理, 2011,29(4): 130-134.

[2] Anita R Kothari, Julia J Bickford, Nancy,etal. Uncovering tacit knowledge: A pilot study to broaden the concept of knowledge in knowledge translation [J]. BMC Health Services Research，2011(11)：198-200.

[3] Nonaka I. A dynamic theory of organizational knowledge creation[J]. Organization Science, 1991,5(1): 14-37.

[4] 林昭文,張同?。谖⒂^知識轉化機理的核心能力形成研究[J]．科學學研究,2009,6(4):800-805

[5] 簡傳紅,張同?。诤宿D化元的知識轉化測度模型生成分析[J]．研究與發展管理，2009,21(2):39-47

[6] Hagedoorn J, Cloodt M. Measuring innovative performance:is there an advantage in using multiple indicators [J]. Research Policy, 2003, 5(4): 445-452.

[7] 張方華.資源獲取與技術創新績效關系的實證研究[J].科學學研究, 2006, 24(4): 635-640.