变量选取与测度

3．1．2　变量选取与测度

在测量项目上，本研究大部分选择国内外企业网络研究中常用的测量项目。测量方法采用社会网络分析中常用的“自我中心网络分析法”，调查受访者所认知的网络关系来测度其网络特征。同时考虑到受访者的记忆力问题，在测度企业网络位置中心度、联结强度和网络规模等指标时，只要求受访者描述其最主要联系的相关特征（Burt ＆ Ronchi，1994）。以下将对模型中的主要变量测度做具体介绍。

3．1．2．1　被解释变量

本研究以技术创新绩效作为被解释变量或称之为结果变量。技术创新绩效是管理及应用经济学等领域研究中经常涉及的重要变量，但鉴于技术创新过程与产出的复杂性和多样性，目前尚未形成关于技术创新绩效公认的测度体系，学者们运用不同指标对技术创新进行了度量。

专利数是用于测量企业技术创新绩效的重要指标（Arundel ＆ Kabla，1998；Ahuja，2000b）。Brouwer ＆ Kleinknecht（1999）发现专利数与新产品产值占销售总额的比重之间存在一定程度的相关性，后者也是度量创新绩效常用的指标之一。Tsai（2001）用新产品数来度量创新绩效。Hagedoorn ＆ Cloodt（2003）所采用的测量指标包括R ＆ D投入、申请的专利数、引用的专利数和新产品发布数等四项，并指出这些指标具有统计上的交叠性。Gemünden，Ritter ＆ Heydebreck（1996）和Ritter等（1999，2002，2003）从产品创新和工艺创新两个维度对创新成功进行了度量，开发了六个题项。我国学者韦影（2005）、张方华（2006）、许冠南（2008）还从创新效率的角度对技术创新绩效进行度量，考虑了新产品开发速度与成功率。

基于上述研究的度量方法，结合有关专家意见和本研究的研究内容，本研究使用5个题项、李克特7级量表打分法，由企业人士根据本企业与业内企业平均水平的比较情况来进行主观评分，以此度量技术创新绩效，具体题项如表3．1所示。

表3．1　变量测度——技术创新绩效

3．1．2．2　解释变量

（1）位置中心度

位置中心度是网络特征中一个非常重要的概念，网络研究者们用了不同的方法进行测度。Powell，Koput ＆ Smith-Doerr（1996）利用生物技术网络测量了程度中心度（degree centrality）和接近中心度（closeness centrality），其中程度中心度用焦点企业伙伴联结的数量来表征，接近中心度用焦点企业互惠性数量来表征；Batjargal ＆ Liu（2003）用个体网络成员接触的广度来表征焦点企业在网络中位置中心度情况；Johannisson ＆ Ramirez-Pasillas（2001）的研究中，网络中心度分别用双向关系的企业数目、与其他企业的直接和间接关系和守门者角色三个指标测度；Tsai（2001）通过对企业内部不同事业部之间的交互程度来计算各部门在企业内部网络的中心度；Giuliani ＆ Bell（2005）测度了外向中心度（out-degree centrality）和内向中心度（in-degree centrality），其中外向中心度用焦点企业使用本地企业技术知识的程度来表征，内向中心度用焦点企业使用非本地企业技术知识的程度来表征。

国内研究人员嵇登科（2006）采用李克特7级量表打分法，设置了9个题项来测度企业外部网络中心度，具体包括企业在市场知识、研发知识和生产制造知识方面分别对供应商、客户和市场渠道的依赖程度；邬爱其（2007）采用李克特7级量表打分法，设置了5个题项来测度网络中心位置，分别是：“大多数本地企业都知道我们企业的名字”、“本地其他企业经常希望我们提供帮助”、“本地其他企业容易与我们建立联系”以及“其他企业经常通过我们企业介绍认识”；王晓娟（2007）也采用李克特7级量表打分法，设置了5个题项来测度网络中心位置，分别是：“大多数本地企业都了解我们企业的技术能力和产品专利”、“本地其他企业容易与我们建立经验或技术交流联系”、“其他企业经常通过我们企业进行技术或经验交流”、“当需要技术建议或技术支持时，本地企业经常希望我们提供新知识或经验”、“当需要技术建议或技术支持时，我们经常希望从本地企业获得新知识或经验”；李文博、郑文哲和刘爽（2008）采用李克特5级量表、4个题项来测度产业集群中企业知识网络结构的位置中心度，具体题项包括：“发生知识联系时更多地经过贵公司”、“使用网络知识解决工作中新问题”、“贵公司网络中流动的知识更加丰富”和“贵公司拥有的网络联系更加稳固”。

基于上述研究成果，结合企业实地调研和专家意见，本研究主要借鉴李文博等（2008）的研究，使用4个题项、李克特7级量表打分法来度量企业网络位置中心度，具体测度题项如表3．2所示。

表3．2　变量测度——位置中心度

（2）联结强度

联结强度作为网络特征另外一个重要变量，许多学者从不同的研究角度给出了不同的测度方法。

Granovetter（1973）最早用在某一联结上所花的时间、情感投入程度、亲密程度以及互惠性来定义个人网络的联结强度，并把每周至少接触两次以上视为强联结；此后，联结强度经常用组织间交互频率来表征（Krackhardt，1992；McEvily ＆ Zaheer，1999；Nelson，1989）；Uzzi（1997）用信任、信息共享和共同解决问题三个维度来测度网络嵌入性程度；Kraatz（1998）采用合作关系持续时间来测度联结强度；Rowley，Behrens ＆ Krackhardt（2000）把联结强度作为类别变量，采用二分法来区别强弱联结，其中股权联盟、合资企业和非股权合作是强联结，而市场协议、技术许可和专利协议是弱联结；Rindfleisch ＆ Moorman（2001）采用李克特7级量表、设置了4个题项来测度关系嵌入程度；Capaldo（2007）从时间维、资源维和社会维三个层面对联结强度进行了测度，具体用关系持续时间、合作频率与合作强度来分别表征上述三个不同维度。

黄洁（2006）和吴波（2007）出于问卷调查可行性的考虑，仅仅考察了集群企业由供应商和销售商构成的商业网络的关系强度。在调查问卷中，他们分别调查了集群企业本地的、外地的和境外的供应商和销售对象数量以及相应的稳定供应商和销售对象的数量。其关系强度表达为强关系占所有关系的比重，具体测量方法是：关系强度＝（稳定供应商数量＋稳定销售对象数量）/（供应商数量＋销售对象数量）。邬爱其（2007）用焦点企业与其他不同主体的交往频率作为测度关系强度的方法。他把交往频率分为“没有交往”、“每年一两次”、“每月不到一次”、“每月一两次”、“每周一两次”、“每周两次以上”六个选项，分别赋值0～5，并采用因素提取法进行分析。同时，邬爱其还把企业网络分为一级网络和二级网络，分别测度了“与供应商交往频率”的后向关系强度以及“与客户交往频率”的前向关系强度。

王晓娟（2007）从焦点企业与供应商及客户进行经验、技术交流的频率来测度关系强度。她对交往频率程度的划分与邬爱其（2007）的划分有着细小的区别，设置了“没有”、“每年一两次”、“半年一两次”、“每月一两次”、“每周一两次”、“每周两次以上”七个选项，并分别赋值1～7。在她的研究中，没有考虑二级网络强度，主要是分析焦点企业与供应商及客户的交往频率，并采用因素提取法进行数据分析。

陈学光（2007）从焦点企业与创新伙伴合作交流的频率来测度创新网络关系强度。他把合作交流的频率分为“没有”、“每年一两次”、“每月不到一次”、“每月一两次”、“每月三四次”、“每周一两次”、“每周两次以上”七个选项，分别赋值0～6，同样采用因素提取法分析数据。陈学光考虑的网络伙伴不仅有供应商和客户，还有同行、科研院校、相关政府部门、金融机构、行业协会及中介服务机构等合作对象。李文博等（2008）采用4个题项、5级量表来测度联结强度，分别是“与下游企业联系的密切程度”、“与上游企业的密切程度”、“与同业企业的密切程度”、“与其他企业的密切程度”。

基于上述研究成果，结合企业实地调研和专家意见，考虑到本研究主要考察一级企业网络，因此本研究最终使用3个题项来度量企业网络的联结强度：询问焦点企业与主要供应商、客户以及其他企业的合作交流频率，选项设置为“没有”、“每年一两次”、“每月不到一次”、“每月一两次”、“每月三四次”、“每周一两次”、“每周两次以上”七个答案，并分别赋值1～7分，分析时采用因素提取法，具体题项如表3．3所示。

表3．3　变量测度——联结强度

（3）网络规模

网络规模在一定程度上能够体现网络的异质性，因此很多研究用合作伙伴的多样性来测度该指标（Burt，1983；Ibarra，1993；Renzulli，Aldrich ＆ Moody，2000）；Jarillo（1988）用企业网络内提供不同资源的关系总数来表征网络规模；Zhao ＆ Aram（1995）以中关村企业为研究对象，采用企业家个人关系数量来测度网络规模；Batjargal ＆ Liu（2003）用直接与个体联系的本地单位数目来测度网络规模。

国内学者邬爱其（2007）用与本地企业建立的关系种类数来测度网络规模，每一类关系赋值1，共划分了32类关系，采用直接加和测算；王晓娟（2007）通过与焦点企业进行知识交流的供应商、客户以及同行竞争者的总数来测度网络规模，具体测度题项有：“与本企业进行知识交流的主要本地供应商的数量”、“与本企业进行知识交流的主要本地客户的数量”、“与本企业进行知识交流的主要本地同行竞争者的数量”，上述三类数量之和分布在7个区间，即［1，3］、［4，7］、［8，12］、［13，20］、［21，30］、［31，40］、［41以上］，分别赋值1～7；陈学光（2007）通过过去两年内新产品开发过程中的焦点企业主要创新伙伴数量来测度网络规模，其中合作伙伴分为供应商、客户、同行、科研院校、政府部门、金融机构、行业协会以及中介机构八类，数量分为［0］、［1，3］、［4，7］、［8，10］、［11，15］、［15，30］、＞30七个区间，分别赋值1～7，直接加总测算。

基于上述研究成果，结合企业实地调研和专家意见，本研究采用3个题项来度量企业网络规模：询问焦点企业与主要供应商、客户以及其他企业的合作交流数量，答案选项分别为“几乎没有”、“1～3家”、“4～7家”、“8～10家”、“11～15家”、“16～30家”、“30家以上”，分别赋值1～7，分析时采用因素提取法，具体题项如表3．4所示。

表3．4　变量测度——网络规模

3．1．2．3　中介变量

本研究研究模型的中介变量为利用性学习和探索性学习，大量的学者对这对概念采用了各自不同的测度方法。

很多学者把两种组织学习作为类别变量，通过学习发生所在不同的“职能域”或“知识距离域”来测度利用性学习和探索性学习（Ahuja ＆ Katila，2004；Geiger ＆ Makri，2006；Gilsing ＆ Nooteboom，2006；Jayanthi ＆ Sinha 1998；Lavie ＆ Rosenkopf，2006a；Li，Vanhaverbeke ＆ Schoenmakers，2008；Sidhu，Commandeur ＆ Volberda，2007）。

Voss，Sirdeshmukh ＆ Voss（2008）用李克特7级量表测度了产品的探索性活动和利用性活动，他对每个指标分别采用了3道题项进行测度。

Yalcinkaya，Calantone ＆ Griffith（2007）也用李克特7级量表分别测度了企业的探索性能力和利用性能力，每个指标分别设计了2个题项。其中，测度探索性能力的题项是：“本公司选择了那些不同于过去使用过的新的工艺、产品和服务方法”，“与以前的战略相比，本公司在流程、产品和服务上包含了一些新的事物”；测度利用性能力的题项是：“本公司员工尽可能地持续提高企业流程、产品和服务”，“本公司员工相信企业流程、产品和服务的提高是他们的责任”。

He ＆ Wong（2004）用李克特7级量表测度了企业探索性战略和利用性战略。探索性战略的4个测度题项是：近三年来，企业创新项目的目标是①引入新一代产品，②扩展产品范围，③开发新的市场，④进入新的技术领域；利用性战略的4个测度题项是：近三年来，企业创新项目的目标是①提高已有的产品质量，②提高生产柔性，③降低产品成本，④提高产量或降低材料消耗。

国内学者朱朝晖（2008a）用李克特7级量表测度了企业的探索性学习和利用性学习。其中，探索性学习包括4个测度题项：①企业可以有效地搜索、识别和跟踪新技术领域的知识，②企业可以有效地从内部创造或外部获取所需要的新技术领域的知识，③企业可以有效地在公司内部传播和共享所创造或获取的新技术领域的知识，④企业可以有效地将所创造或获取的新技术领域的知识整合并应用到不同情境中；利用性学习的4个测度题项是：①公司可以有效搜索、识别和跟踪企业现有技术领域的新知识，②企业可以有效地从内部创造或外部获取所需要的现有技术领域的知识，③企业可以有效地在公司内部传播和共享所创造或获取的现有技术领域的知识，④企业可以有效地将所创造或获取的现有技术领域的知识整合并应用到不同情境中。

基于上述研究成果，结合企业实地调研和专家意见，本研究分别采用3个题项、李克特7级量表打分法来测度利用性学习和探索性学习，具体测度题项如表3．5所示。

表3．5　变量度量——利用性学习与探索性学习

3．1．2．4　控制变量

正如许多国内外相关研究所指出的，企业技术创新是一个多因素共同作用的结果，除企业网络各维度变量外，还有一些外部变量可能对企业组织学习与技术创新绩效造成较为显著的影响，本研究需要对这些变量进行控制，它们分别是企业规模、企业年龄以及企业所在的产业类型。

企业规模是影响企业行为和决策的重要属性，企业规模越大，所拥有的资源就越多，规模效应越明显，则企业各方面的绩效可能越好（Wernerfelt ＆ Montgomerg，1988；Kelley ＆ Brooks，1991）。因而，企业规模可能对于企业技术创新绩效具有较大影响，本研究将企业员工人数的自然对数值作为企业规模的代理变量进行测度。

企业年龄也可能是影响企业组织学习与技术创新绩效的重要因素，经营时间较长的企业往往能积累更多知识与能力（刘雪锋，2007；许冠南，2008），更有助于其进行组织学习与技术创新。在本研究中，企业年龄为企业自成立起到2008年为止所经历的年数。

产业类型也有可能对企业所从事的技术创新活动有影响（Eisenhardt ＆ Schoonhoven，1996）。一般认为，高新技术产业由于市场空间增长潜力很大，而且在位企业比较少，企业的组织学习和技术创新活动比较频繁；传统产业由于市场相对成熟，市场空间增长一般会不断趋缓，企业学习和创新活动相对要少。当然也有一些研究表明企业技术创新在不同产业间无显著差异。所以，产业对企业技术创新活动的影响还是一个存在争论的变量。为了明确企业网络各层面特征因素对企业组织学习和技术创新活动的实际影响情况，本研究也将产业类型作为控制变量（邬爱其，2007）。本研究将产业类型设置为虚拟变量，把软件业、电子及通讯设备制造、生物制药和新材料作为高新技术产业，当企业属于这些产业时，赋值为1；把化工纺织、机械制造等行业作为传统产业，当企业属于这些产业时，赋值为0。