何国文，赵 伟
（井冈山大学商学院，江西 吉安 343000）
创新是一项很难预测的活动， 包括许多“弯路”和“死胡同”。
产品创新是通过一个固有的复杂和模糊的过程开发的， 创新的技术和商业前景事先也很难被预料， 而产品创新对于以技术为基础的企业来说至关关键， 它代表了公司研发活动的商业潜力， 产品创新的成功需要网络合作伙伴提供的技术和专业知识[1]。
企业网络中的弱连接越广泛，其可利用的多样性知识、优势、能力的机会更多[2]。
相对于弱连接，Coleman 认为强关系有助于加深企业与网络合作伙伴的信任进而有利于企业与网络合作伙伴之间的创新资源的互动[3]。Obstfeld 认为强大的网络使得企业有更大的能力实施产品创新[4]。
从国外的文献来看，网络关系对产品创新绩效影响主要从不同的网络特征、 知识搜索等方面进行研究[5]。
基于中国情境的产品创新绩效提升的关系路径研究有如下几种：
从技术能力等视角展开研究，如卢艳秋等[6]；
从知识搜寻视角展开研究，如丛贞等[7]、司月芳等[8]、奉小斌[9]等；
从多主体参与视角展开研究，如蒋海萍等[10]、李勃等[11]；
从组织情绪视角展开研究，如李树文等[12]；
从战略导向视角展开研究，如张妍等[13]、曹勇等[14]；
从社会资本和网络视角研究产品创新绩效， 如熊捷等[15]、吴松强等[16]。
以往研究基本厘清了影响企业产品创新绩效的前被解释变量。
虽然以往研究有从网络关系强度等角度研究企业产品创新绩效的提升， 却并未从企业与网络合作伙伴之间的资源互动的视角展开， 尤其是从企业与网络合作伙伴之间的创新资源互动角度研究企业产品创新绩效的提升；
同时，以往研究也未从企业合作经验的角度研究企业网络连接与网络合作伙伴之间的创新资源互动进而促进企业产品创新绩效的提升。因此从创新资源互动和企业合作经验的角度探索企业网络连接对产品创新绩效影响的新路径。
（一）企业网络连接与产品创新绩效
产品创新是企业生存和持续发展的动力源泉， 但产品创新的复杂性和资源的有限性使企业陷入了“创新难”的困境[17]。
企业网络作为一种关键的企业知识、技术、信息的渠道来源，是产品创新过程中寻求知识和技术支持、 增加市场份额的有效途径， 对企业的产品创新绩效有着积极的影响。
Granovetter 认为企业与合作伙伴之间的关系可以分为强关系和弱关系。
强关系是指双方合作是建立在频繁互动的基础上，合作双方相互信任，信息资源传递效率较高[2]。
与之相反，弱关系表明企业与合作伙伴之间的关系互动性不强， 双方信任度较低，信息资源传递效率不高，但是可以减少企业的资源投入， 使得企业接触更多异质性合作伙伴[18]。
Cui，Wei 认为积极融入创新网络，充分整合创新网络的力量， 已成为企业实现转型升级和提升竞争能力的重要选择。其研究发现，“结构洞”可以积极提升市场竞争力， 而强联系起到了中介效应[19]。
强网络连接可以为企业带来丰富的情感资源， 加强企业与网络合作伙伴之间的信任关系，促进他们之间知识、信息、技术等资源的传递和共享，进而增进了企业与网络连接合作伙伴之间的资源共享效率，有利于提高企业的产品创新绩效[20]。
强网络连接固然可以提高企业与网络连接合作伙伴之间的信任，提高他们之间知识、信息、技术等资源的传递效率， 但是强网络连接也易于使得企业对于其构建的企业网络“过度嵌入”，造成整个强连接网络形成封闭， 无法获取网络合作伙伴以外的多样化和异质性资源， 不利于获取企业关于产品创新更加广泛的知识和技术资源[21]。Burt基于其提出的结构洞理论认为， 虽然弱网络连接为企业提供的情感资源质量不如强网络连接获取高， 但弱网络连接是可以获取强网络关系伙伴以外的多样化和异质性资源、信息、知识等的有效途径， 而且不需要像强关系网络连接那样需要企业较多资源的投入。
随着网络连接成员的异质性增加，观点和信息的范围和多样性也随之增加[22]。
这扩大了企业对现有产品创新方案的资源范围，并增加了以往强关系网络连接带来的新事物的可能性，非冗余的、多样化的和异质性资源、信息、知识等的获取， 可以为企业在产品技术的创新上提供优势，利于提高企业的产品创新绩效。Hhh 等人认为在推动产品增长方面最有效的WOM 是由强而非弱的关系创建的。这背后的理由很简单：广告在全球传播信息时与弱联系竞争，正是这种全球影响力被广泛认为是弱联系胜过强联系的重要力量[23]。Yao ，Zhang 以关系类型为研究对象，研究了企业在关系依赖上的差异。
基于对“弱关系强度”假设和“强关系强度”假设的回顾，认为强关系和弱关系都是企业重要的关系类型， 并假设结构和组织因素是影响企业对不同关系类型依赖的关键决定因素。
用250 家公司的分析为这些假设提供了支持[24]。
基于此，提出如下假设：
H1: 企业的网络连接正向影响其产品创新绩效；
H1a:企业强连接对产品创新绩效起正向影响作用；
H1b:企业弱连接对产品创新绩效起正向影响作用。
（二）创新资源互动的中介效应
创新资源互动这个变量是基于对资源互动的理论研究，Bocconcelli ，Carlborg 等人开发了一套知识体系以了解企业如何将资源组合起来， 在商业网络中创造价值。我们称之为“资源互动”[25]。霍丽莎等人认为资源互动是“企业与网络合作伙伴之间互动中的资源整合与共同培育”。其认为的资源指的是企业中的普通资源， 而非异质性的独特知识、 技术等对组织创新有重大贡献的创新性资源[26]。
创新资源是指那些对于企业的创新提供直接价值或者可以大幅度降低企业在研发过程中的风险或者总成本的关键资源。
侯广辉等人认为企业与网络合作伙伴之间创新资源互动提升， 可以更好地帮助企业集成研发和运营， 提高通过自身条件无法获取的产品创新绩效， 提升企业综合竞争优势[27]。此外，企业通过连接构建自身网络可以保证企业与连接的网络合作伙伴形成稳定的合作关系， 基于信任与承诺形成良好的合作生态系统促进企业自身资源与连接网络资源的有机组合[28]。因此认为：
创新资源互动是企业基于其与网络连接合作伙伴之间的合作关系， 对连接成员在产品创新绩效互动中展开独特知识、信息、技术等的共享、转移、整合与共同培育。
创新资源互动可以为企业与网络连接合作伙伴之间进行资源整合，异质性的独特知识、 信息技术等只有通过有效的整合才能更好的发挥其独特的价值。
异质性的独特知识、信息、技术等的有效整合和在企业内部转移可以加速企业产品创新绩效。
企业与网络连接合作伙伴之间进行的公正、 平等的交流互动有利于彼此之间信任的产生和双方之间知识、信息、技术等的共享、转移和整合，提升了双方之间资源的优化配置，并基于独特知识、信息、技术等互动带来产品创新绩效提升[29]。
企业与网络连接合作伙伴之间通过正式和非正式的连接沟通可以使得双方充分表达各自的需求意愿，提高双方之间知识、信息、技术等的共享、转移和整合的质量。
强连接与弱连接为企业与连接的网络合作伙伴形成了有效的合作机制， 也为创新资源的互动提供了有效的渠道，丰富了企业与网络连接合作伙伴之间知识、信息、技术等的组合方式，减少了合作各方创新资源互动的阻碍。
李拓晨等认为企业与网络连接合作伙伴之间进行的交流互动可以有效提升双方合作信任水平， 增强了合作方对于某些资源交流互动的意愿，降低了企业整合创新资源的成本，并且可以减少双方合作过程中的机会主义的产生，对于创新资源互动的效果有良好的促进作用[30]。
基于此，提出如下假设：
H2: 创新资源互动在企业的网络连接与产品创新绩效之间具有中介作用；
H2a:创新资源互动在强连接与产品创新绩效之间具有中介作用；
H2b:创新资源互动在弱连接与产品创新绩效之间具有中介作用。
（三）合作经验的调节作用
基于组织学习理论的观点， 企业通过与网络合作伙伴合作将经验内化获得合作经验， 通过经验促进合作的专门知识， 从而为未来的合作利益做出贡献以实现企业与网络合作伙伴之间资源互动交流[31]。
企业与网络合作伙伴之间通过互动交流获得知识、信息和技术，利用“干中学”、“学中干”获得与网络合作伙伴合作的经验知识。合作经验是促进企业与网络合作伙伴之间协同合作的专门知识， 有利于企业在合作中获得自身所需要的资源进行产品创新。
企业通过网络连接形成的与网络成员之间的合作机制为企业提供了获取合作经验与知识、信息、技术的渠道。
这种通过合作积累的知识有利于企业与网络连接合作伙伴之间进行创新资源的互动交流， 不断加强自身产品的技术创新。
在产品创新绩效的网络情境下合作经验越丰富越有利于企业与网络连接合作伙伴之间合作。
路畅等认为丰富的合作经验能够加强企业与网络合作伙伴之间的信任， 避免合作各方之间的矛盾甚至冲突， 实现提升企业与合作伙伴之间的协同效应， 并且增加企业合作过程之中双方的创新资源互动[32]。
孙玉涛等研究发现合作经验越丰富，合作双方的协同效应越好，合作双方的创新绩效均会提升。
合作经验的累积为企业与网络合作伙伴产品创新提供了积极因素， 避免了企业构建的网络环境的动荡， 进一步促进了企业与网络合作伙伴之间在创新资源之间的活动交流[33]。
基于此，提出如下假设：
H3：合作经验企业的连接与创新资源互动之间起正向调节作用；
H3a:合作经验企业的强连接与创新资源互动之间起正向调节作用；
H3b:合作经验企业的弱连接与创新资源互动之间起正向调节作用。
（四）假设模型
根据以上文献分析和假设， 提出企业网络连接对产品创新绩效影响的假设模型， 根据假设模型：一方面，企业网络连接对企业的产品创新绩效产生正向影响；
另一方面，企业网络连接通过企业的创新资源互动对企业的产品创新绩效产生正向影响， 合作经验在企业网络连接与创新资源互动之间起正向调节作用，如图1 所示。
图1 企业网络连接对产品创新绩效的影响假设模型
（一）研究样本和数据采集
运用结构化访谈、 半结构化访谈和问卷调查方法收集数据，根据研究需要，这次的数据采集对象主要针对在企业工作三年以上的企业中高层管理者。首先，借鉴国内外权威期刊上用过的成熟量表展开问卷设计；
然后，通过小规模收集78 份企业样本展开预测试，检验量表的信效度，并通过与企业高管和专家学者的访谈进行量表的修改；
最后， 对400 多家我国中东部地区企业中高层管理者进行问卷调查。
问卷调查时间是：2022 年8 月至2022 年10 月， 本次调研线上线下同时进行，总共回收的样本数量为269 份，除去有数据缺失样本39 份， 总共收集230 份有效样本， 有效率57.5%。
从企业规模描述可以看到，100 人以下109 家（47.39%）、 100-500 人43 家 （18.7%）、500～1000人23 家（10%）、1000-2000 人13 家（5.65%）、2000人以上42 家（18.62%）。
具体如表1 所示。
表1 有效样本的特征
（二）变量测量
依据国外已使用的成熟量表， 通过外文翻译成中文并且经过与高校专家和企业中高层的讨论，再通过回译最终成为各个变量的测量量表，包括控制变量、解释变量（强连接和弱连接）、被解释变量（产品创新绩效）、中介变量（创新资源互动）和调节变量（合作经验）。
通过李克特7 级量表对各个变量的构念进行测量。对于解释变量（强连接和弱连接）的测量，主要借鉴Tiwana[18]研究，其中关于强连接的测量包括“本企业与网络合作伙伴在多个层面上都有密切的互动” 等5 个题项进行测量，弱连接的测量包括“我们与网络合作伙伴之间的业务领域差异很大”等3 个题项进行测量。
对于中介变量（创新资源互动），主要参照杜丹丽等[34]的研究，采用“本企业与网络合作伙伴在合作期间进行频繁的创新资源交流”等6 个题项进行测量。对于被解释变量 （产品创新绩效）， 主要参照Atuahene—Gima[35]和奉小斌[9]等的研究，采用“相对竞争对手而言，本企业的新产品开发数量更多”等4 个题项进行测量。对于调节变量（合作经验），主要采用参照参考Zeynepemden[36]和马蓝[37]等的研究，采用“我们进行定期评审，明白我们正在做正确的事和我们在哪里出错了” 等4 个题项进行测量。
对于控制变量采用：①企业员工数，不同的企业员工数量代表企业不同的规模， 不同规模的企业对本企业的产品创新绩效的影响是有差异的；
②企业成立时间，一般来说企业成立的时间越长其网络资源越丰富，产品创新绩效也可能越好；
③企业的性质， 国有控股企业与民营企业等企业性质也会对产品创新绩效产生影响。
④企业的研发投入，企业对产品研发的投入越大，企业的产品创新绩效也往往越好。
（三）信度、效度检验
首先对企业规模、企业年龄、企业性质、企业的研发投入的数据基于时间分为两份展开T 检验，其检验结果不显著，说明可以忽略无响应偏差对结果的影响， 然后借鉴Harman 单因子法检验共同方法偏差， 测得第一个因子解释的变异量为23.86%，小于临界标准30%，说明不存在严重的共同方法偏差。采用SPSS 21.0 对各个变量的信、效度展开分析如表2 所示，根据表2 可知，各个变量的因子荷载全部超过0.7，KMO 值全部超过0.6，可以开展因子分析，各个变量的Cronbach’sα系数的值均超过0.6，CR 的值均超过0.7， 说明强连接、弱连接、创新资源互动、合作经验、产品创新绩效的组合信度良好， 各个维度的AVE 的值均超过0.5，说明各变量的效度符合要求，因此，各变量的信、效度良好。
并且，利用Mplus 进行验证性因子分析 （x2/df=2.981<3，TLI=0.901>0.9，CFI=0.928 >0.9，RMSEA =0.078 <0.08，SRMR =0.075 <0.08）表明测量模型的拟合度符合要求。
表2 变量信、效度检验结果
（四）相关性分析
对各变量之间的关系检验之前， 首先展开相关性分析。
对解释变量（强连接、弱连接）、中介变量（创新资源互动）、调节变量（合作经验）、被解释变量（产品创新绩效）和控制变量（企业年龄、企业性质、企业规模、研发投入）展开Pearson 相关性分析如表3 所示。根据相关性分析结果显示：强连接、弱连接、创新资源互动、合作经验、产品创新绩效两者之间均存在显著的相关关系（在0.01 的水平下显著），从而为通过回归模型的验证提供了基础。
表3 描述性统计及相关系数矩阵
（一）直接效应与中介效应检验
首先对各个维度通过主成分分析方法降维处理， 然后对各个理论假设采用多元回归分析予以检验。
构建了7 个回归模型检验强连接与弱连接对企业产品创新绩效的直接效应以及创新资源互动在强连接、 弱连接与产品创新绩效之间的中介效应，如表4 所示。
具体而言，模型1 的回归结果表明：企业网络中的强连接（β=0.629，P＜0.001）对产品创新绩效的影响具有统计显著性， 假设H1a得到支持；
模型2 的回归结果表明：企业网络中的弱连接（β=0.496，P＜0.001）对产品创新绩效的影响具有统计显著性，假设H1b 得到支持。
因此，假设H1 得到验证。
表4 直接效应与中介效应检验回归结果
基于Baron 和Kenny 所提出的中介效应检验步骤[38]对创新资源互动在强连接、弱连接和企业产品创新绩效之间的中介效应展开检验。
模型1的回归结果表明：企业网络中的强连接（β=0.629，P＜0.001） 对产品创新绩效的影响具有统计显著性；
模型3 的回归结果表明企业网络中的强连接（β=0．667，P＜0.001） 对创新资源互动的影响具有统计显著性；
模型5 的回归结果表明企业与网络合作伙伴之间的创新资源互动 （β=0.292，P＜0.001） 对产品创新绩效的影响具有统计显著性；
模型6 的回归结果表明在增加中介变量后， 企业网络中的强连接（β=0.240，P＜0.001）对其产品创新绩效的影响系数显著变小， 由此可得出创新资源互动在强连接与企业产品创新绩效之间具有部分中介效应，假设H2a 得到支持。
同理，就创新资源互动在弱连接与产品创新绩效之间的中介效应而言：
模型2 的回归结果表明企业网络中的弱连接（β=0.496，P＜0.001）对产品创新绩效的影响具有统计显著性；
模型4 的回归结果表明企业网络中的弱连接（β=0.575，P＜0.001）对创新资源互动的影响具有统计显著性；
模型5 的回归结果表明企业的创新资源互动（β=0.292，P＜0.001）对产品创新绩效的影响具有统计显著性；
模型7 的回归结果表明在增加中介变量后， 企业网络中的弱连接（β=0.108，P＜0.05）对产品创新绩效的影响系数显著变小， 由此可得出创新资源互动在弱连接与企业产品创新绩效之间具有部分中介效应， 假设H2b 得到支持。因此，假设H2 得到支持。此外，所有回归模型的DW 值均在2 左右，各个回归模型中的VIF 均小于2，符合要求。
（二）中介效应的稳健性检验
借鉴Preacher 和Hayes 开发的PROCESS[39]，使用Bootstrap 方法对企业与网络合作伙伴的创新资源互动在企业网络连接与产品创新绩效之间的中介效应进行稳健性检验。由表5 可知，创新资源互动在强连接与产品创新绩效间起部分中介效应（LLCI=0.344，ULCI=0.637）。创新资源互动在弱连接与企业绩效起部分中介效应 （LLCI=0.325，ULCI=0.559）。
通过中介效应进行稳健性检验，进一步证明在企业网络中， 企业的企业网络连接通过创新资源互动正向影响其产品创新绩效。
表5 Bootstrap 中介效应检验
（三）合作经验的调节效应检验
首先对强连接、 弱连接与合作经验进行中心化处理，然后计算其交互项。
如表6 所示，模型8的回归结果表明企业的强连接 （β=0.667，P＜0.001） 对创新资源互动的影响具有统计显著性；
在增加调节变量合作经验后， 模型9 的解释程度显著提升（△R2=0.265，P＜0.001），且合作经验（β=0.718，P＜0.001）与企业创新资源互动的影响具有统计显著性；
在此基础上，增加合作经验与强连接的交互项， 模型10 的回归结果表明交互项 （β=0.115，P＜0.01） 对企业创新资源互动的影响具有统计显著性。
这表明，随着合作经验的增多，强连接对创新资源互动的正向影响也会增强。因此，假设H3a 得到支持。
模型11 的回归结果表明企业的弱连接（β=0.575，P＜0.001）对创新资源互动的影响具有统计显著性；
在增加调节变量合作经验后， 模型12 的解释程度显著提升（△R2=0.369，P＜0.001），且合作经验（β=0.727，P＜0.001）与企业创新资源互动的影响具有统计显著性；
在此基础上，增加合作经验与弱连接的交互项，模型13 的回归结果表明交互项（β=0.050，P >0.1）与企业创新资源互动的影响不具有统计显著性。因此，假设H3b 未得到支持。
表6 合作经验的调节效应检验
（一）主要结论
借鉴网络理论、资源互动理论，从强连接和弱连接两个维度研究网络连接对企业产品创新绩效的作用机制， 并综合考虑合作经验在网络连接与企业与网络合作伙伴在创新资源互动中的调节作用。得到如下结论：①网络连接中的强连接和弱连接对产品创新绩效的影响均具有统计显著性；
②创新资源互动在强连接与企业产品创新绩效之间起部分中介效应， 同时创新资源互动在弱连接与企业产品创新绩效之间同样起部分中介效应；
③合作经验在强连接与企业与网络合作伙伴在创新资源互动起正向调节作用、 在弱连接与企业与网络合作伙伴在创新资源互动起正向调节作用不具有统计的显著性。
研究过程中对企业样本数据进行实证分析存在以下三个方面的不足：
①只是基于我国中东部地区的企业， 尚未收集西部地区企业样本，一定程度上影响了结论的普适性；
②基于230 份样本整体展开分析并没有对单个企业展开研究。③研究的强连接、弱连接、创新资源互动、产品创新绩效、 合作经验等相关变量全部采用调研对象的主观测评收集数据， 由于调研对象的主观偏差可能会影响问卷收集数据的质量。因此，在未来的研究中可以考虑采用客观数据， 或者客观数据与调研对象主观测评相结合的方法进行数据收集，使得研究结论更具普适性。
（二）实践启示
在传统网络理论研究基础上将创新资源互动理论纳入分析框架， 有望弥补以往研究只关注静态资源特征、资源类型等因素的缺陷。①基于企业网络连接在提升企业产品创新绩效中起到了重要的作用， 认为企业在提升产品创新绩效的整个过程中需要不断地与网络合作伙伴进行资源上的互动交流， 在这个过程中企业的网络连接直接影响了企业产品创新绩效。提出强网络连接、弱网络连接均会影响企业产品创新绩效。
有利于厘清强网络连接、 弱网络连接在企业产品创新绩效表现上存在的具体差异， 并且可以帮助企业更好的在企业产品创新过程中解决相关知识、能力、信息和技术短缺与组织之间合作过程知识、能力、信息和技术的渠道问题， 为网络理论在具体实践中提供了新的应用情景以及新的研究思路， 同时为学者研究企业产品创新绩效提供新的切入点。
②基于创新资源互动理论， 认为企业的产品创新绩效的重要决定因素是企业能够和网络合作伙伴展开资源交流，协同合作。
在创新资源互动理论的基础上，考察企业如何与网络合作伙伴展开充分的创新资源互动实现企业的产品创新绩效， 同时避开行业中的产品同质化现象，进而提升企业的竞争能力。将企业网络强连接、 弱连接与企业产品创新绩效的关系链条进一步完善， 为企业产品创新绩效的提升提供了全新的路径。
③考察了企业与网络合作伙伴的合作经验在网络连接与创新资源互动过程中的调节作用， 在企业合作经验丰富程度不同的情境下，企业网络强连接、弱连接对企业与网络合作伙伴之间创新资源互动发生怎样的变化，拓展了合作经验在具体应用中新的研究范围以及新的研究思路，并且深化了对企业合作经验的认识。
通过实证研究， 对企业产品创新绩效的提升具有3 个方面的管理启示。第一，网络连接对企业实现产品创新具有战略意义， 企业需要从网络合作伙伴合作角度重新定位企业的产品创新策略。对企业而言， 网络连接有利于其实现企业产品创新绩效， 企业可以积极拓展网络连接加速开发全新产品提高企业市场优势。第二，企业需要考虑与网络合作伙伴进行创新资源互动， 合作双方之间的创新资源互动越充分， 企业的产品创新绩效越好。第三，企业与网络合作伙伴合作过程中的合作经验越丰富合作各方的创新资源互动越充分，企业的产品创新绩效越好。
猜你喜欢网络连接合作伙伴经验分不开的合作伙伴金桥(2022年8期)2022-08-242021年第20期“最值得推广的经验”评选党课参考(2021年20期)2021-11-04聚焦IBIS全球合作伙伴——Carstar及Mitchell公司汽车维修与保养(2020年11期)2020-06-09美印合作伙伴上海包装(2019年6期)2020-01-14个性化设置 Win10 的网络连接信息电脑报(2019年5期)2019-09-10运动想象的大尺度动态功能网络连接中国生物医学工程学报(2019年4期)2019-07-16经验小哥白尼(军事科学)(2019年6期)2019-03-142018年第20期“最值得推广的经验”评选党课参考(2018年20期)2018-11-09CHIP全球合作伙伴CHIP新电脑(2017年6期)2017-06-19当你遇见了“零经验”的他都市丽人(2015年4期)2015-03-20