高技术集群企业知识网络关系特征影响知识转移的实证研究

孙源

（北京交通大学经济管理学院，北京 100044）

基于社会网络理论视角，高技术集群企业通过对知识的经常性互动和交流形成知识链，知识链之间的交互和联结构成知识网络，企业间的知识活动都通过知识网络实现。知识网络的关系特征是从关系主义视角将知识网络看做知识和信息的载体，关注网络行为主体间的社会性粘滞关系和互动关系，通过关系强度、关系质量和关系稳定性等，解释网络中的资源路径和网络传染性特征。网络关系为企业带来信息收益。[1]知识转移是知识资源在知识网络不同行为主体之间有目的、有意识的动态传播和扩散。集群企业间知识转移是不均匀并具有选择性的，[2]知识转移的动机是解释知识转移问题的一个关键方面，[3]知识转移活动参与各方的转移动机最终决定知识转移是否能够顺利开展。

在组织理论中，对网络的分析是基于“联结对行为的影响往往大于节点的属性。此外，节点的行为不仅受其直接联结的影响，还受更大范围的网络结构和联接模式的制约。”[4]“个体行为是嵌入在一个具体、实时的社会联系系统中的”[5]的前提假设展开的。因此，在知识网络的组织情境中，参与知识转移的行动者的认知和个性等会影响网络行为主体的互动关系，但同时又会受到行为主体间互动关系的影响和制约。[6]现有关于集群企业知识转移的研究大都停留在个体的微观层面，或将集群企业视为一个整体，过度强调集群企业平等享受群内知识转移为其带来的收益。本研究将打破这一研究局限，重点探讨并实证分析在知识网络的组织情境下，网络关系特征通过企业双方知识转移动机的中介作用，对高技术集群企业知识转移效果的影响，弥补该领域理论研究和实证研究的不足。

一、理论基础与研究假设

1.关系强度与知识转移双方的动机。在知识网络的知识转移过程中，关系强度是参与转移的主体之间交互作用、情感强度和互惠对等程度的函数。它强调参与转移活动双方间一对一的联结关系，这种联结关系具体体现在两方面：一是知识互动的频率；二是知识交换的数量。集群企业间密切频繁的互动建立起的紧密联结，更容易使双方形成共同的信念、态度和观点，从而减少知识转移主体对知识转移过程中可能存在的风险的担忧，[7]增强企业知识转移的动机，[8]因此，关系强度通过知识转移双方的动机影响知识转移效果。基于了解的互动对知识发送方和接收方的知识转移动机具有正向影响，从而对转移的效果产生正向影响。由此提出如下假设：

H1：关系强度能增强知识发送方的发送动机，并最终对知识转移效果产生正向影响。

H2：关系强度能增强知识接收方的接收动机，并最终对知识转移效果产生正向影响。

2.关系质量对知识发送放和知识接收方的动机的影响。知识网络中的关系质量取决于网络节点间的信任关系。信任是基于对对方行为的预期，愿意承担对方有损自己的风险与代价[8]如果知识转移双方不存在信任，知识发送方和接收方就会因为恐惧、怀疑、警惕等因素而降低知识转移的动机，最终使知识转移以失败告终。因而，信任是高技术产业集群中非常重要的生产性社会资本，它通过影响转移双方的心理过程，降低参与知识转移的风险，提高预期的收益，从而增加双方的转移意愿。[9]高技术集群企业间信任程度越高，知识转移主体的知识转移动机越强，对知识转移效果的正向影响越显著。由此提出如下假设：

H3：关系质量能增强知识发送方的发送动机，并最终对知识转移效果产生正向影响。

H4：关系质量能增强知识接收方的接收动机，并最终对知识转移效果产生正向影响。

3.关系稳定性对知识发送放和接收方的动机的影响。知识网络节点企业间的关系稳定性是指企业双方的熟悉程度和彼此间知识交流与合作的持续程度。关系持久度越高，合作关系越紧密且持久。张志勇、刘益[10]认为网络稳定性的不断增强对参与知识转移的主体的转移动机有提升作用。Helmsing[11]指出，企业相信通过长期合作和知识的共享能够产生新价值，基于这种想法，企业之间更愿意互相分享有价值的知识，并承担在这种知识转移的过程中发生的风险。可见，长期稳定的合作关系，能有效减少知识转移中的障碍，降低沟通成本，促进转移主体间的合作和信任，提升知识转移双方的转移动机，进而影响知识转移的效果。由此提出如下假设：

H5：关系稳定性能增强知识发送方的发送动机，并最终对节点企业间知识转移效果产生正向影响。

H6：关系稳定性能增强知识接收方的接收动机，并最终对节点企业间知识转移效果产生正向影响。

二、研究设计

1.问卷设计。本研究的调查问卷是在大量文献研究和对相关企业进行深入实地访谈的基础上，征求学术团队和相关领域专家学者的意见进行设计的。然后将问卷发放到进行实地访谈的30家高新技术企业中，对负责企业知识管理的中高层管理人员进行预测试，根据预测试结果和反馈，修改问卷，最终形成用于大规模调研的正式问卷。问卷大致分为以下几个部分：（1）受调查企业的基本情况；（2）集群知识网络中节点企业间关系特征的评价；（3）知识转移双方动机的评价；（4）知识转移效果的评价。

2.样本来源。本文选取我国三个发展较为成熟的高技术产业集群：中关村科技园区、沈阳高新技术产业开发区和郑州高新技术产业开发区作为研究样本，筛选其中符合研究目标的企业进行调研。共发放问卷537份，收回440份，其中有效问卷345份，占回收问卷的78.4%。

3.变量测量。本问卷按照定性与定量相结合的方法进行设计采用七级李克特（7-Liket Scale）打分法由被调查者打分，对相关变量进行测量。

对关系强度的测量参考Reagans和McEvily[12]对关系强度测量指标的定义，从知识转移双方互动频率、互动时间、信任度和资源依赖度进行测量。对关系质量的测量参考Inkpen和Tsang[13]的研究，从知识转移双方是否可以交换机密信息、是否能积极协调解决问题和彼此信任度进行测量。对关系稳定性的测量参考Marsden[14]从双方的熟悉程度和关系持久度两方面进行测量。

知识发送方的发送动机从满足自身成就感、弥补自身知识缺陷、投入人财物和设定严格的风险管控机制四方面进行测量。知识接收方的接收动机从接收方面临较大的市场竞争压力、接收方知识水平和技术能力有限、接收方对发送方充分信任和投入人财物四方面进行测量。

参考Cumming和Teng[15]对知识转移效果的测量指标,从转移是否顺畅、接收方的满意感、接收方竞争优势和市场地位的提升以及知识转移双方知识能力和水平的提升这四方面进行测量。

4.信度和效度检验。对本研究各变量进行KMO样本测度和Bartlett球度检验，得出各项数据均适合做因子分析，然后采用主成分分析法和方差最大化旋转进行因子提取并估计因子载荷，得出提取的因子都能较好解释测量变量，本研究具有较好的效度。然后根据Cronbach's alpha系数对测量题目间的内部一致性指标进行测量，结果表明Cronbach's alpha系数均大于0.6，说明样本信度较好。

三、假设检验

为检验本文提出的假设，在进行回归假设检验前，先采用Pearson相关分析方法，对各研究变量进行相关性检验。结果如表1所示：

表1 各变量的描述统计和Pearson相关系数

由检验结果可知，高技术集群企业知识网络的关系强度与知识接收方的动机显著正相关（r=0.098，p<0.05），初步验证了假设H2；而关系强度和知识发送方的动机的相关系数不显著，与本研究的预期假设有所不同，所以假设H1没有得到支持。关系质量与知识接收方的接收动机显著相关（r=0.101，p<0.05）；关系质量与知识发送方的发送动机显著相关（r=0.102，p<0.05），初步验证研究假设H3和H4。知识网络的关系稳定性与知识接收方的动机呈显著正相关（r=0.097，p<0.05），初步验证了研究假设H6；而关系稳定性与知识发送方的动机的相关系数不显著，与本研究的预期假设不同，所以研究假设H5没有得到支持。

在本研究中，将知识转移双方的动机视为知识网络关系特征和知识转移效果之间的中介变量，中介变量的检验采用温忠麟等[16]给出的检验程序，对知识转移双方的转移动机在知识网络关系特征影响知识转移效果中的中介作用进行检验，设定如下回归模型，回归分析采用逐步多元回归分析：

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代表知识网络中的知识转移，KSM代表知识发送方的发送动机，KAM代表知识接收方的接收动机，RS代表关系强度，RQ代表关系质量，RST代表关系稳定性。a1、a2、a3分别代表知识网络关系特征即关系强度、关系质量和关系稳定性对知识转移效果的归回系数。b1、c1-c3分别代表集群知识网络的关系特征对知识转移双方的转移动机的回归系数。d1-d2分别代表知识转移双方的转移动机对知识转移效果的回归系数。a1'-a3'分别代表引入知识转移双方的转移动机变量后，知识转移双方的关系特征对知识转移效果的回归系数。e1-e4是各模型的随机误差项。

知识转移双方动机的中介效应检验结果如表2所示。

表2 知识网络关系特征、知识转移双方动机、知识转移效果的回归结果

根据表2，四个模型中各回归变量的VIF值均没有超过1.6，远远小于10，所以均在可接受的范围内，说明回归变量之间不存在严重的多重共线性。各模型的F值对应的P值均小于0.01，说明模型设定较为合理。进而可以根据模型的回归结果进行分析和验证前文提出的假设。

根据表2模型一中的回归结果可知，知识网络的关系特征对企业间知识转移效果的直接回归中，关系强度、关系质量和关系稳定性的回归系数均为正，且分别在0.01和0.05的水平下显著。根据模型二的回归结果可知，知识转移双方的关系质量对知识发送方的发送动机有显著的正向影响，回归系数在0.01的水平下显著。由模型三可知，知识网络的关系特征对知识接收方的动机有显著的正向影响，且回归系数在0.05水平下显著。由模型四综合回归的结果可知，知识转移双方的动机对知识转移效果的回归系数均为正，且在0.01的水平下显著。同时，对比模型一至三的回归结果可以看出，知识转移双方的动机的引入，使得知识转移双方的关系强度、关系质量和关系稳定性对知识转移效果的影响不再显著（显著性概率分别由0.00、0.038和0.042变为0.112、0.392和0.282）。由此可以判断，知识转移双方的知识转移动机在集群知识网络的关系特征对知识转移效果的影响中具有完全的中介作用。

由上述分析可知，本文提出的假设H2、H3、H4和H6得到了进一步验证。

四、结论和管理启示

本文的研究结果，对我国高技术集群企业知识网络的知识转移实践具有如下启示：（1）在知识经济和网络经济背景下，高技术集群企业管理者在管理实践中必须转变单一的管理模式和管理思维，充分考虑企业所处知识网络这一组织情境，通过与网络内其他企业组织的有效互动增进彼此了解，着力建立知识转移双方的信任关系，合理安排知识资源的分配和使用，为建立长期稳定的合作关系打好基础。（2）为使知识转移动机在知识转移过程中发挥良好的中介作用，知识转移双方应当努力提升知识学习和知识创新的能力，减少沟通成本和对转移过程中不确定因素的担忧，使知识转移达到良好效果。

[1]王晓娟.知识网络与企业竞争优势：浙江产业集群的经验研究[M].上海：上海科学院出版社，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.组织理论[M].北京：中国人民大学出版社，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，赵西萍，周密，等.人际信任、知识特性在知识转移作用机制中的调节效应研究[J].软科学，2012（9）：28-33.

[10]张志勇，刘益.基于网络视角的企业间知识转移研究[J].情报杂志，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]温忠麟，侯杰泰，张雷.调节效应与中介效应的比较和应用[J].心理学报，2005（2）：128-134.