信息化外包风险管理有效机制

（一）单因素分析

在建立最终的回归模型之前需要从整体上把握各因素对联盟治理结构的大致影响情况，因此，本研究首先对各个影响因素的作用效果进行单因素回归分析，表7－8显示了单因素检验的结果。

从表7－8的单因素回归分析结果可以看出，除资产专用性、声誉和监督三个因素以外，其他因素对服务外包风险均有显著影响。统计上常以0.25的显著水平作为候选变量的筛选标准，即如果一个自变量在其简单关系的检验中有p≤0.25，那么就将其作为多元回归分析的候选变量。但是本研究为了在多元回归分析中不至于遗漏某些重要自变量，所以未对个别因素加以剔除，而是保留了全部自变量纳入多元回归分析。

表7－8 服务外包风险控制的单因素分析

（续表）

（二）多元回归分析

本研究中多元回归模型的生成过程和回归分析结果如表7－9所示，模型M1中仅包含控制变量“企业规模（以年度销售额表示）”用以剥离企业层面特征对服务外包风险的影响。检验结果表明，企业规模与服务外包风险之间具有不太显著的负相关关系，表明大型企业具有更好的服务外包风险控制效果，但是模型M1的解释能力仅为R2=0.016。

模型2（M2）在模型M1的基础上考虑决策机制，包括资产专用性、业务关键性、供应商实力三个自变量。与模型M1相比，模型M2的解释力R2增加了0.131（从0.023增加到0.154），模型显著水平Sig=0.0000，这表明模型M2的解释能力和水平大大提高，所以，引入决策机制变量之后模型M2拟合度更好。其中，控制变量的企业规模的影响方向和协助水平均未发生显著改变，而自变量资产专用性对服务外包风险具有不显著的负面作用，表明要求供应商增加专用性资产投入可以在一定程度上抑制外包风险；业务关键性与外包风险的弱正向关系表明，如果外包的业务越是接近企业核心能力和战略性业务，则服务外包风险就越大；而供应商实力与服务外包风险显著的负相关表明，通过选择实力雄厚的服务供应商可以有效地降低服务外包风险。

模型3（M3）在模型M2的基础上进一步加入契约机制，包括合同完备性和供应商声誉两个变量。与模型M2相比，模型M3的解释能力R2从0.129增加到0.264且Sig=0.0000，因此，模型M3的显著性和解释能力大大提高。其中，控制变量和决策机制变量的影响方向及其影响水平未发生显著改变，但是，合同的完备性对服务外包风险呈现显著的负向影响，表明完备性合同是服务外包风险的有效控制机制；相反，声誉变量则表现为正向的影响，尽管其影响水平不显著，这与本节的研究假设不一致。

模型4（M4）在模型M3的基础上进一步加入监督、沟通、信任和协调机制变量。与模型M3相比，模型M4的解释力R2从0.264增加到0.316，且Sig=0.0000，因此，模型M4解释能力进一步提高。其中，决策机制和契约机制变量的作用效果没有本质上的改变，运作机制中的监督与沟通机制与假设预期相反，正向的相关关系表明服务外包各方的沟通和监督未能降低风险；而信任和协调机制与外包风险的负向相关关系表明，服务外包各方的信任和协调有助于降低风险，特别是协调机制对服务外包风险的影响在α=0.010水平上负向显著，这一结果与理论预期完全一致。

综合以上分析结果，本研究采用模型M4来进行回归分析，并且拟合回归方程如下：

Y=6.221－0.026X1－0.099X2+0.241X3－0.265X4－0.583X5

+0.163X6+0.447X7+0.292X8－0.266X9－0.406X10 （8－2）

式中，因变量Y代表服务外包风险，X1代表控制变量企业规模，X2，……，X10代表各种风险控制机制自变量。