技术联盟成员的绩效评估与影响因素识别

□王道劬 [东南大学 南京 210096]

技术联盟成员的绩效评估与影响因素识别

□王道劬 [东南大学 南京 210096]

运用DEA模型，对江苏某技术联盟内成员的技术创新绩效进行评价，得到综合效率值、纯技术效率值和规模效率值，并对联盟前后企业技术创新效率进行了对比。为了识别相关因素对企业综合绩效影响大小，先用主成分分析法进行综合绩效评价，然后运用灰色关联分析得到相关因素与综合绩效值的关联度，最后进行了排序。结果表明，联盟的建立有利于企业技术创新效率的提高，技术投入对企业综合绩效影响最大。

技术联盟；绩效评估；影响因素

引言

企业加入技术联盟的动机、合作方式、合作中的投入等多种多样，技术联盟的产出结果不仅包括有形利益还包括大量无形利益，难以完全量化，再加上对于联盟绩效的测量方法并没有一致的意见，数据收集也存在困难，早期联盟的研究中对于绩效的研究进展不大，而联盟绩效合理且准确的评价关系到联盟的稳定性，因此如何较准确地评价联盟的绩效成为现在研究的重点之一。另外，对影响联盟绩效的因素进行识别有利于联盟为提高联盟绩效做出正确决策，因此，联盟的绩效受哪些因素影响也为很多学者所关注。

很多学者通过联盟的稳定性和持续性等指标来衡量联盟的绩效。Goodman和Dion认为联盟合作关系的绩效水平很大程度上可以通过联盟成员对联盟关系未来持续时间的预期来反映[1]，但这种方法也受到一些质疑。Inkpen和Beamish认为持续时间并非是联盟绩效的直接度量，而且联盟时间长并不一定意味着联盟绩效较好[2]。Parkhe指出联盟持续时间长与联盟绩效水平高并没有关系，而与管理者承诺和退出壁垒有关[3]。联盟成员作为不同的个体，联盟的绩效应以个体的收益率或增长率密切相关，可以以联盟成员的目标实现程度或成员对于联盟的满意程度来界定联盟的绩效[4～6]。

在联盟绩效影响因素的识别上，多数学者集中于通过理论和实证分析来探讨具体的某一个或几个因素对联盟绩效的影响。有学者从关系特征的角度进行了研究[7～9]。反过来也有学者利用关系特征解释其对联盟绩效的正面影响[10～11]。联盟的治理结构也与联盟绩效密切相关[3,12]。有学者通过引入关系资本、联盟能力、联盟管理等因素，研究联盟过程对于联盟绩效的影响[13～15]。此外，联盟治理结构的选择、资源互补和兼容、信任和承诺等能够极大地影响伙伴之间的关系质量，进而影响联盟的绩效[16,17]。

许多学者从不同角度出发对联盟绩效评价进行了评价，一般基于结果进行评价，涉及联盟过程的评价很少，因此很难解释联盟运行过程中的因素对联盟整体绩效的影响。研究方法上，主观评价法中不同的评价人得出的结果误差较大，客观评价法虽然客观，但是在实际研究中由于某些企业的商业秘密，不愿公开真实数据，增加了评价方法中全部使用客观指标的难度。本文研究联盟的绩效评价时，评价指标数据基本采用调查方式获取，指标少而精，数据较容易获得，并且对联盟成员在联盟过程中的绩效和结果的评价都适用。大部分学者对联盟绩效影响因素的研究主要集中于讨论相关因素对联盟绩效的正负相关影响。因此有必要综合分析影响联盟绩效的因素，对已经识别的影响联盟绩效的因素根据影响力大小进行排序。

一、技术联盟成员绩效评估模型

（一）技术联盟成员绩效评估的指标选取

技术联盟可以看作一个技术创新系统，是把创新人力资源和财力资源投入转化为创新产出的经济系统。技术联盟不同于一般的联盟，其重在技术转移与技术创新。许多技术联盟本身并不直接生产产品，技术联盟向联盟企业的母公司提供技术，由母公司生产产品，而母公司生产效率虽然和技术联盟成员的技术效率有关，但同时受到许多其他因素的影响。因为本文研究对象为技术联盟，所以将测度技术绩效。

在投入指标上，联盟成员技术上的投入包括资金投入与人力资本投入，分别用R&D支出经费和R&D人员数量。在产出指标上，将从技术成果以及技术成果的市场绩效两方面考察。专利较接近创新的商业价值的体现，而专利数据中发明专利授权量是较能体现科技含量的指标，故在技术成果方面选用专利发明授权量指标。新产品产值率指新产品带来的产值占总产值比重，可以用来反映企业科技产出及对企业发展的直接贡献。技术改进后，投资效率会发生变化，选用万元投资新增产值来反映新技术产出对投资效率的贡献。它与新产品产值率的高低反映出联盟的创新成果商业化应用是否成功。

综上所述，本文选取联盟成员R&D支出经费和R&D人员数量作为衡量联盟成员投入资金和人力资源的投入指标。选取发明专利授权量、新产品产值率、万元投资新增产值作为技术联盟成员产出能力的指标。

（二）技术联盟成员绩效评估的DEA模型

其中Xj为第 j个决策单元的投入量，Yj为第 j个决策单元的产出量，为相对于DMU重新构造一个有效DMU组合中第j个决策单元DMU的组合比例；n为决策单元DMU的个数，S—、S+为松弛变量，分别代表投入冗余和产出不足，θ为决策单元DMU的有效值，即投入相对于产出的相对效率，λj为某个DMU在重新构造的一个有效DMU组合中第j个决策单元DMUj的组合比例。

二、技术联盟成员综合绩效影响因素的识别方法

为了找出对技术联盟内成员绩效影响较大的因素，我们采用主成分分析与灰色关联分析相结合的方法作进一步探讨。

（一）技术联盟成员综合绩效的度量

（二）综合绩效影响因素的识别

用技术联盟成员的综合绩效评价得分序列与相关因素的序列数据做关联分析。Yi与Y0的关联度为：

上式中ρ为分辨系数，ρ∈ [0,1]，通常取0.5。根据相关因素序列与综合绩效得分序列的关联度大

小，得到相关因素对绩效影响大小的排序。

三、技术联盟成员绩效评价与影响因素识别的实证分析

我们选取某一个技术联盟为对象进行研究，对这个产业的技术联盟成员进行调查并根据得到的数据运用绩效评价模型进行实例分析，有一定的现实意义，并能进一步验证模型的实用性和有效性。

本文经验分析的对象为苏州IP通信产业联盟。该联盟成立于2007年，联盟的目的在于促进IP技术创新，促进相关成果的产业化。联盟自成立以来已经产生专利等自主知识产权40多项，其中多项技术已经进入产业化和市场化阶段。2009年末联盟已经有会员31家成员单位，其中核心会员11家。本文选取9家企业会员为研究对象，由于涉及保密，文中将不公开这些企业的具体名字，而用企业1，企业2，…，企业9来表示。通过问卷方式得到2004～2009年这些企业的运行数据。以此为例运用两个模型进行分析。将得到的企业技术创新效率分析的投入产出指标相应数据代入C2R与BC2模型，使用deap2.1软件求解,可分别求得各个单元决策的综合效率、技术效率和相应的投入冗余与产出不足S—、S+，如表1所示。

（一）综合效率分析

表1 各单元决策的综合效率、技术效率及冗余项Si-、产出不足项Sk+

θC2R用于评价DMU的技术和规模的综合效率，反映在给定投入的情况下DMU获取最大产出的能力或给定产出情况下DMU投入最小的能力值，体现了评价对象的整体有效性。表1显示，DEA有效的单元决策DMU分别有：2，3，5，9；非DEA有效的单元决策DMU分别为：1，4，6，7，8。企业2、3、5、9的运行综合效率是有效的，说明这四个企业的投入与产出已经达到最佳配置状态。表1中DEA有效的这四个企业投入冗余项和产出不足项都为0，这四家企业的人力投入和资金投入都得到充分利用，并且得到最优的技术创新产出，从而使得综合效率值达到了1。而企业1、4、6、7、8是非有效的。

就技术效率而言，表1中有5个企业的技术效率值为1，即技术有效，这表明这5家企业有效利用了人力和资金投入，实现了产出最大化。另外4个企业财政科技人力和资金的投入产出的有效转化率相对另外5个企业偏低，不过这4家企业的技术效益的DEA分值都在[0.85, 1]之间，如果企业能够想办法改善人力和资金的投入要素组合，对人力和资金加强管理，则可以提高DEA的技术效率。

（二）联盟成立前后成员绩效对比的实证分析

下面运用上述九个企业在2008～2009年的平均数据进行联盟组建后各成员的绩效评价。使用deap2.1软件求解，可分别求得各个单元决策的综合效率θC2R、技术效率θBC2，如表2所示。

表2 联盟前后各单元决策的综合效率、技术效率及排名的对比

表2显示，综合效率有效的企业没变，依然是企业2、3、5、9，但各自效率都有所增加，并且排名也发生了变化。企业7、8排名向前进步了。技术效率有效的企业由5个变为6个，企业8在加入技术联盟后技术效率由0.942变为有效，说明资源得到了有效利用。从技术联盟整体来看，由于有部分无效成员在加入联盟并且调整投入结构后变为有效，而有效的成员依然有效，并且平均综合效率值由0.937增至0.958，技术效率由0.971增至0.99，规模效率由0.966增至0.968，说明技术联盟整体的效率也提高了。

综上可知，原来九个企业的技术创新效率不尽理想，在加入技术联盟后效率有所改善，但由于技术创新投入后产出的时滞性，所以效率的改善尚不是特别明显。但技术联盟的建立提高了企业个体与联盟总体的技术创新的效率是毋庸置疑的。

（三）技术联盟成员绩效影响因素识别的实证分析

对技术联盟成员进行综合绩效评价时，加入三大检索论文数和万元产值节能量这两个产出指标。考察影响技术联盟成员绩效的影响因素时，重点关注成员自身的综合能力及投入情况，选取相关因素的指标为企业的产品标准、生产能力、市场能力、管理水平、财务能力、研发能力、员工的学习能力、资金投入、技术投入、专业人才投入。这些指标分别从管理、财务、生产、市场、员工、投入等各个方面反映成员自身的能力和投入，都与成员的绩效有关，但各自与绩效的关联程度到底如何，需要进一步探讨。

应用2008～2009年调查得到的数据进行绩效影响因素的识别。主要应用基于主成分分析法的综合绩效评价模型进行实证分析。得到2008～2009年九个企业的综合绩效的得分值，如表3所示。

表3 2008～2009年九个企业的综合绩效综合得分

九个企业对各自相关因素的打分，将相关因素序列与综合绩效得分做关联分析，得到关联度如表4。表4显示，虽然所选相关因素对综合绩效都有影响，但对综合绩效得分影响最大的是技术投入，其次是市场能力和生产能力、研发能力。产品标准和管理水平略高于资金投入和专业人才投入的关联度，最后是员工的学习能力和企业的财务能力。因此，若要提高联盟内成员的综合绩效，最重要的是提高企业的技术投入，相应的市场能力和生产能力做支撑，研发能力和产品标准作保障，其他方面能力做配合。

表4 绩效影响因素与综合绩效的关联度排序

四、结论与建议

本文基于对江苏省某技术联盟问卷调查所得数据，运用DEA模型对加入联盟前后企业技术创新效率进行了对比。然后用主成分分析法进行综合绩效评价，运用灰色关联分析得到相关因素与综合绩效值的关联度，最后对综合绩效的影响因素进行了排序，从而识别了相关因素对企业综合绩效影响大小。结果表明，联盟的建立有利于企业技术创新效率的提高，技术投入对企业综合绩效影响最大。具体结论如下。

第一，技术联盟提高了联盟成员个体与联盟整体的综合效率。从成员的综合效率和技术效率、规模效率及联盟的平均效率来看，联盟组建后总体投入有所减少，但产出增加，这与联盟组建后改变了资源的投入结构与比例有关，投入部分尽可能地发挥了较大的功效，因此，无论对成员还是联盟整体效率都有所增加。

第二，投入减少、产出增加并不代表企业发展状况良好，需优化投入比例。企业7是个投入减少产出增加但不利于企业发展的例子。加入联盟以后企业7在没有增加资本与人力投入的情况下，产出指标尤其是发明专利授权量大幅增加，表面看来效率大大提高，但是规模报酬却已经处于递减的状态，产出比例低于投入的比例，说明企业发展状况并不良好。投入的比例及与其他成员的技术合作方式等需要继续优化。

第三，企业需增大技术投入并提高市场、生产和研发能力来提高综合绩效。通过研究发现与企业综合绩效关联最大的是技术投入，它是企业产品的源泉，在这个前提下，有良好的市场开发能力与技术转化产品的生产能力作保障，研发能力做后盾，企业才能健康可持续的发展。

[1] GOODMAN L E, DION P A. The determinants of commitment in the distributor-manufacturer relationship[J].Industrial Marketing Management, 2001, 30: 287-300.

[2] INKPEN A C, BEAMISH P W. Knowledge, bargaining power and the instability of international joint ventures[J].Academy of Management Review, 1997, 22: 177-202.

[3] PARKHE A. Building trusts in international alliances[J].Journal of World Business, 1998, 33: 417-437.

[4] MOHR L, SPEKMAN R. Characteristics of partnership success partnership attributes, communication behavior, and conflict resolution techniques[J]. Strategic Management Journal,1994, 15: 135-152.

[5] LYLES M, BAIRD S. Performance of International Joint Ventures in Two Eastern European Countries: The Case of Hungary and Poland[J]. Management International Review,1994, 34: 313-329.

[6] ARINO A. Measures of strategic alliance performance:An analysis of construct validity[J]. Journal of International Business Studies, 2003, 34(1): 66-79.

[7] HATFIELD L, PEARCE J. Goal achievement and satisfaction of joint venture partners[J]. Journal of Business venturing, 1994, 9: 423-449.

[8] MJOEN H, TALLMAN S. Control and performance in international joint ventures[J]. Organization Science, 1997, 8:257-274.

[9] KOGUT B. The stability of joint: Reciprocity and competitive rivalry[J]. Journal of Industrial Economics, 2005,3 8: 183-198.

[10] INKPEN A C, CURRALL S C. The Coevolution of Trust, Control, and Learning in Joint Ventures[J]. Organization Science, 2004, 15(5): 586-599.

[11] LIU X, XIANG X F, LAN J. How to improve the performance of R&D alliance? An empirical analysis based on China’s pharmaceutical industry[J]. Frontiers of Business Research in China, 2010, 3(4): 130-147.

[12] FRYXELL G E, DOOLEY R S, VRYZA M. After the ink dries: The interaction of trust and control in us-based international joint ventures[J]. Journal of ManagementStudies,2002,39:865-886.

[13] DYER J H, SINGH H. The relational view: cooperative strategy and sources of interorganizational competitive advantage[J].Academy of Management Review, 1998, 23: 660-679.

[14] LAMBE C J, SPEKMAN R E, HUNT S D. Alliance Competence, Resources, and Alliance Success: Conceptualization,Measurement, and Initial Test[J]. Journal of the Academy of Marketing Science, 2002, 30(2):141-158.

[15] IRELAND R D, HITT M A. Alliance management as a Source of Competitive Advantage[J]. Journal of Management,2002, 28(3): 413-446.

[16]DYYSTER G M, HEIMERIKS K H. New frontiers in alliance research[C]. Proposal for Organization Science Winter Conference. Steamboat, Colorado, 2003.

[17] 凌丹, 庄万玉. 基于可信度的动态联盟伙伴评价方法[J]. 电子科技大学学报, 2007, 36(2): 322-324.

编辑 何 婧

Performance Evaluation and Recognition of Influence Factors of Technological Alliances Members

WANG Dao-qu
(Southeast University Nanjing 210096 China)

This paper establishes DEA model for performance evaluation of alliance members from the efficiency point of view and analyzes changes of members’ performance before and after alliance through a technological alliance in Jiangsu Province. We find that forming of alliance can enhance performance of the individual and the union. Then we use principal component method to evaluate performance of members after the establishment of alliance. We use the grey related method to identify factors that affect performance and obtain the sorts. Technical inputs associate with the enterprise performance mostly.

technological alliances；performance evaluation；influence factors

F270.7

A

1008-8105(2011)01-0055-05

2010 - 09 - 07

国家自然科学基金 “产业集群的国际间转移与中国企业对外直接投资中的产业集群链式效应研究”（70873019）

王道劬（1971 -）男，东南大学经济管理学院博士研究生.