高技術集群企業知識網絡關系特征影響知識轉移的實證研究

孫源

（北京交通大學經濟管理學院，北京 100044）

基于社會網絡理論視角，高技術集群企業通過對知識的經常性互動和交流形成知識鏈，知識鏈之間的交互和聯結構成知識網絡，企業間的知識活動都通過知識網絡實現。知識網絡的關系特征是從關系主義視角將知識網絡看做知識和信息的載體，關注網絡行為主體間的社會性粘滯關系和互動關系，通過關系強度、關系質量和關系穩定性等，解釋網絡中的資源路徑和網絡傳染性特征。網絡關系為企業帶來信息收益。[1]知識轉移是知識資源在知識網絡不同行為主體之間有目的、有意識的動態傳播和擴散。集群企業間知識轉移是不均勻并具有選擇性的，[2]知識轉移的動機是解釋知識轉移問題的一個關鍵方面，[3]知識轉移活動參與各方的轉移動機最終決定知識轉移是否能夠順利開展。

在組織理論中，對網絡的分析是基于“聯結對行為的影響往往大于節點的屬性。此外，節點的行為不僅受其直接聯結的影響，還受更大范圍的網絡結構和聯接模式的制約。”[4]“個體行為是嵌入在一個具體、實時的社會聯系系統中的”[5]的前提假設展開的。因此，在知識網絡的組織情境中，參與知識轉移的行動者的認知和個性等會影響網絡行為主體的互動關系，但同時又會受到行為主體間互動關系的影響和制約。[6]現有關于集群企業知識轉移的研究大都停留在個體的微觀層面，或將集群企業視為一個整體，過度強調集群企業平等享受群內知識轉移為其帶來的收益。本研究將打破這一研究局限，重點探討并實證分析在知識網絡的組織情境下，網絡關系特征通過企業雙方知識轉移動機的中介作用，對高技術集群企業知識轉移效果的影響，彌補該領域理論研究和實證研究的不足。

一、理論基礎與研究假設

1.關系強度與知識轉移雙方的動機。在知識網絡的知識轉移過程中，關系強度是參與轉移的主體之間交互作用、情感強度和互惠對等程度的函數。它強調參與轉移活動雙方間一對一的聯結關系，這種聯結關系具體體現在兩方面：一是知識互動的頻率；二是知識交換的數量。集群企業間密切頻繁的互動建立起的緊密聯結，更容易使雙方形成共同的信念、態度和觀點，從而減少知識轉移主體對知識轉移過程中可能存在的風險的擔憂，[7]增強企業知識轉移的動機，[8]因此，關系強度通過知識轉移雙方的動機影響知識轉移效果。基于了解的互動對知識發送方和接收方的知識轉移動機具有正向影響，從而對轉移的效果產生正向影響。由此提出如下假設：

H1：關系強度能增強知識發送方的發送動機，并最終對知識轉移效果產生正向影響。

H2：關系強度能增強知識接收方的接收動機，并最終對知識轉移效果產生正向影響。

2.關系質量對知識發送放和知識接收方的動機的影響。知識網絡中的關系質量取決于網絡節點間的信任關系。信任是基于對對方行為的預期，愿意承擔對方有損自己的風險與代價[8]如果知識轉移雙方不存在信任，知識發送方和接收方就會因為恐懼、懷疑、警惕等因素而降低知識轉移的動機，最終使知識轉移以失敗告終。因而，信任是高技術產業集群中非常重要的生產性社會資本，它通過影響轉移雙方的心理過程，降低參與知識轉移的風險，提高預期的收益，從而增加雙方的轉移意愿。[9]高技術集群企業間信任程度越高，知識轉移主體的知識轉移動機越強，對知識轉移效果的正向影響越顯著。由此提出如下假設：

H3：關系質量能增強知識發送方的發送動機，并最終對知識轉移效果產生正向影響。

H4：關系質量能增強知識接收方的接收動機，并最終對知識轉移效果產生正向影響。

3.關系穩定性對知識發送放和接收方的動機的影響。知識網絡節點企業間的關系穩定性是指企業雙方的熟悉程度和彼此間知識交流與合作的持續程度。關系持久度越高，合作關系越緊密且持久。張志勇、劉益[10]認為網絡穩定性的不斷增強對參與知識轉移的主體的轉移動機有提升作用。Helmsing[11]指出，企業相信通過長期合作和知識的共享能夠產生新價值，基于這種想法，企業之間更愿意互相分享有價值的知識，并承擔在這種知識轉移的過程中發生的風險。可見，長期穩定的合作關系，能有效減少知識轉移中的障礙，降低溝通成本，促進轉移主體間的合作和信任，提升知識轉移雙方的轉移動機，進而影響知識轉移的效果。由此提出如下假設：

H5：關系穩定性能增強知識發送方的發送動機，并最終對節點企業間知識轉移效果產生正向影響。

H6：關系穩定性能增強知識接收方的接收動機，并最終對節點企業間知識轉移效果產生正向影響。

二、研究設計

1.問卷設計。本研究的調查問卷是在大量文獻研究和對相關企業進行深入實地訪談的基礎上，征求學術團隊和相關領域專家學者的意見進行設計的。然后將問卷發放到進行實地訪談的30家高新技術企業中，對負責企業知識管理的中高層管理人員進行預測試，根據預測試結果和反饋，修改問卷，最終形成用于大規模調研的正式問卷。問卷大致分為以下幾個部分：（1）受調查企業的基本情況；（2）集群知識網絡中節點企業間關系特征的評價；（3）知識轉移雙方動機的評價；（4）知識轉移效果的評價。

2.樣本來源。本文選取我國三個發展較為成熟的高技術產業集群：中關村科技園區、沈陽高新技術產業開發區和鄭州高新技術產業開發區作為研究樣本，篩選其中符合研究目標的企業進行調研。共發放問卷537份，收回440份，其中有效問卷345份，占回收問卷的78.4%。

3.變量測量。本問卷按照定性與定量相結合的方法進行設計采用七級李克特（7-Liket Scale）打分法由被調查者打分，對相關變量進行測量。

對關系強度的測量參考Reagans和McEvily[12]對關系強度測量指標的定義，從知識轉移雙方互動頻率、互動時間、信任度和資源依賴度進行測量。對關系質量的測量參考Inkpen和Tsang[13]的研究，從知識轉移雙方是否可以交換機密信息、是否能積極協調解決問題和彼此信任度進行測量。對關系穩定性的測量參考Marsden[14]從雙方的熟悉程度和關系持久度兩方面進行測量。

知識發送方的發送動機從滿足自身成就感、彌補自身知識缺陷、投入人財物和設定嚴格的風險管控機制四方面進行測量。知識接收方的接收動機從接收方面臨較大的市場競爭壓力、接收方知識水平和技術能力有限、接收方對發送方充分信任和投入人財物四方面進行測量。

參考Cumming和Teng[15]對知識轉移效果的測量指標,從轉移是否順暢、接收方的滿意感、接收方競爭優勢和市場地位的提升以及知識轉移雙方知識能力和水平的提升這四方面進行測量。

4.信度和效度檢驗。對本研究各變量進行KMO樣本測度和Bartlett球度檢驗，得出各項數據均適合做因子分析，然后采用主成分分析法和方差最大化旋轉進行因子提取并估計因子載荷，得出提取的因子都能較好解釋測量變量，本研究具有較好的效度。然后根據Cronbach's alpha系數對測量題目間的內部一致性指標進行測量，結果表明Cronbach's alpha系數均大于0.6，說明樣本信度較好。

三、假設檢驗

為檢驗本文提出的假設，在進行回歸假設檢驗前，先采用Pearson相關分析方法，對各研究變量進行相關性檢驗。結果如表1所示：

表1 各變量的描述統計和Pearson相關系數

由檢驗結果可知，高技術集群企業知識網絡的關系強度與知識接收方的動機顯著正相關（r=0.098，p<0.05），初步驗證了假設H2；而關系強度和知識發送方的動機的相關系數不顯著，與本研究的預期假設有所不同，所以假設H1沒有得到支持。關系質量與知識接收方的接收動機顯著相關（r=0.101，p<0.05）；關系質量與知識發送方的發送動機顯著相關（r=0.102，p<0.05），初步驗證研究假設H3和H4。知識網絡的關系穩定性與知識接收方的動機呈顯著正相關（r=0.097，p<0.05），初步驗證了研究假設H6；而關系穩定性與知識發送方的動機的相關系數不顯著，與本研究的預期假設不同，所以研究假設H5沒有得到支持。

在本研究中，將知識轉移雙方的動機視為知識網絡關系特征和知識轉移效果之間的中介變量，中介變量的檢驗采用溫忠麟等[16]給出的檢驗程序，對知識轉移雙方的轉移動機在知識網絡關系特征影響知識轉移效果中的中介作用進行檢驗，設定如下回歸模型，回歸分析采用逐步多元回歸分析：

EKT=a1*RS+a2*RQ+a3*RST+e1

KSM=b1*RQ+e2

KAM=c1*RS+c2*RQ+c3*RST+e3

EKT=a'1*RS+a'2*RQ+a'3*RST+d1KSM+d2KAM+e4

其中，EKT代表知識網絡中的知識轉移，KSM代表知識發送方的發送動機，KAM代表知識接收方的接收動機，RS代表關系強度，RQ代表關系質量，RST代表關系穩定性。a1、a2、a3分別代表知識網絡關系特征即關系強度、關系質量和關系穩定性對知識轉移效果的歸回系數。b1、c1-c3分別代表集群知識網絡的關系特征對知識轉移雙方的轉移動機的回歸系數。d1-d2分別代表知識轉移雙方的轉移動機對知識轉移效果的回歸系數。a1'-a3'分別代表引入知識轉移雙方的轉移動機變量后，知識轉移雙方的關系特征對知識轉移效果的回歸系數。e1-e4是各模型的隨機誤差項。

知識轉移雙方動機的中介效應檢驗結果如表2所示。

表2 知識網絡關系特征、知識轉移雙方動機、知識轉移效果的回歸結果

根據表2，四個模型中各回歸變量的VIF值均沒有超過1.6，遠遠小于10，所以均在可接受的范圍內，說明回歸變量之間不存在嚴重的多重共線性。各模型的F值對應的P值均小于0.01，說明模型設定較為合理。進而可以根據模型的回歸結果進行分析和驗證前文提出的假設。

根據表2模型一中的回歸結果可知，知識網絡的關系特征對企業間知識轉移效果的直接回歸中，關系強度、關系質量和關系穩定性的回歸系數均為正，且分別在0.01和0.05的水平下顯著。根據模型二的回歸結果可知，知識轉移雙方的關系質量對知識發送方的發送動機有顯著的正向影響，回歸系數在0.01的水平下顯著。由模型三可知，知識網絡的關系特征對知識接收方的動機有顯著的正向影響，且回歸系數在0.05水平下顯著。由模型四綜合回歸的結果可知，知識轉移雙方的動機對知識轉移效果的回歸系數均為正，且在0.01的水平下顯著。同時，對比模型一至三的回歸結果可以看出，知識轉移雙方的動機的引入，使得知識轉移雙方的關系強度、關系質量和關系穩定性對知識轉移效果的影響不再顯著（顯著性概率分別由0.00、0.038和0.042變為0.112、0.392和0.282）。由此可以判斷，知識轉移雙方的知識轉移動機在集群知識網絡的關系特征對知識轉移效果的影響中具有完全的中介作用。

由上述分析可知，本文提出的假設H2、H3、H4和H6得到了進一步驗證。

四、結論和管理啟示

本文的研究結果，對我國高技術集群企業知識網絡的知識轉移實踐具有如下啟示：（1）在知識經濟和網絡經濟背景下，高技術集群企業管理者在管理實踐中必須轉變單一的管理模式和管理思維，充分考慮企業所處知識網絡這一組織情境，通過與網絡內其他企業組織的有效互動增進彼此了解，著力建立知識轉移雙方的信任關系，合理安排知識資源的分配和使用，為建立長期穩定的合作關系打好基礎。（2）為使知識轉移動機在知識轉移過程中發揮良好的中介作用，知識轉移雙方應當努力提升知識學習和知識創新的能力，減少溝通成本和對轉移過程中不確定因素的擔憂，使知識轉移達到良好效果。

[1]王曉娟.知識網絡與企業競爭優勢：浙江產業集群的經驗研究[M].上海：上海科學院出版社，2009：79-105.

[2]E GIULIANI，M BELL.The micro-determinants of meso-level learning and innovation：evidence from a Chilean wine cluster[J].Research Policy，2005，34（1）：47-68.

[3]MORTEN T，HANSEN.The Search-Transfer Problem：The Role of Weak Ties in Sharing Knowledge across Organization Subunits[J].Administrative Science Quarterly，1999，44（1）：82-111.

[4]W RICHARD SCOTT，GERALD F DAVIS.組織理論[M].北京：中國人民大學出版社，2011：298-323.

[5]M GRANOVETTER.Economic action and social structure：the problem of embeddedness[J].American journal of sociology，1985，91（3）：481-510.

[6]BRIAN UZZI，RYON LANCASTER.Relational Embeddedness and Learning：The Case of Bank Loan Managers and Their Clients[J].Management Science，2003，49（4）：276-290.

[7]MICHEAL H LUBATKIN，ZEKI SIMSEK，YAN LING et al.Ambidexterity and Performance in Small-to Medium-Sized Firms：The Pivotal Role of Top Management Team Behavioral Integration[J].Journal of Management，2006，32（5）：646-672.

[8]MAYER R C，DAVIS JH，SCHONAN F D．An Integration Model of or ganizational Trust[J].Academy of Management Review，1995（20）：709-734.

[9]汪永星，趙西萍，周密，等.人際信任、知識特性在知識轉移作用機制中的調節效應研究[J].軟科學，2012（9）：28-33.

[10]張志勇，劉益.基于網絡視角的企業間知識轉移研究[J].情報雜志，2007（11）：72-74.

[11]B HELMSING.Externalities，learning and governance：new perspectives on local economic development[J].Development and Change，2001，32（2）：277-308.

[12]REAGANS R E，B MCEVILY.Network structure and knowledge transfer：The effects of cohesion and range[J].Administrative Science Quarterly，2003（48）：240-267.

[13]INKPEN A C，TSANG E W K.Social capital，networks，and knowledge transfer[J].Academy of management review，2005，30（1）：146-165.

[14]PETER V MARSDEN.Network Data and Measurement[J].Annual Review of Sociology，1990（16）：435-463.

[15]CUMMING J L，TENG B S.Transferring R&D knowledge:The keys factors affecting knowledge transfer success[J].Journal of engineering and technology management，2003（20）：39-68.

[16]溫忠麟，侯杰泰，張雷.調節效應與中介效應的比較和應用[J].心理學報，2005（2）：128-134.