战略性新兴产业知识共享影响因素分析

徐芳

[摘要]在借鉴现有研究成果的基础上，构建战略性新兴产业知识共享影响因素初始集合；采用问卷调查法获取相关数据，并利用SPSS17.0统计软件，采用因子分析法对样本数据进行分析。研究结果表明：共提取到战略性新兴产业知识共享影响因素的3个公因子：知识共享者自身因素、知识内容本身因素以及知识共享环境因素。研究结果可以为战略性新兴产业知识共享效率的提升提供支持。

[关键词]战略性新兴产业；知识共享；影响因素；因子分析

战略性新兴产业日益成为新的经济生长点，美、英、法、德以及中国都纷纷制定战略性新兴产业的发展计划。我国各省对战略性新兴产业也给予高度重视，其中《江苏省“十二五”培育和发展战略性新兴产业规划》确立了包括新能源、新材料、生物技术和新医药等在内的十大战略性新兴产业。戰略性新兴产业属于知识密集型产业，知识是创新的源泉与基础，而知识共享能够使知识在一定范围内自由流动和使用，节约知识获取成本，提高知识生产率与利用率。因而，深入分析与研究战略性新兴产业知识共享现状、规律与机理，提出实现知识共享对策成为影响战略性新兴产业发展的重要课题。

关于战略性新兴产业知识共享的相关研究主要体现在：战略性新兴产业知识共享的影响因素、战略性新兴产业的知识共享平台、战略性新兴产业知识信息保障、战略性新兴产业知识服务模式、战略性新兴产业知识需求分析。文献调查表明：国内外有一些关于战略性新兴产业知识共享问题的相关研究；对知识共享的模式、动机、行为、个案、技术、信任问题以及隐性知识共享等进行了一定程度的研究，但鲜有同时包括显性知识和隐性知识共享的研究。另外，网络调查表明2013年苏州新命名12个战略性新兴产业基地（原有17个），而苏州工业园区一直关注对战略性新兴产业的培养和扶持且已经形成以纳米技术为引领、以五大新兴产业（纳米光电新能源、生物医药、融合通信、软件与动漫游戏和生态环保）为支撑的战略性新兴产业链。2014年苏州工业园区纳米产业园等7家企业通过了省级战略性新兴产业、自主创新、高新技术标准化验收。所以本研究选择苏州工业园区战略性新兴产业中的企业为调查对象。本研究在借鉴现有研究成果的基础上，构建战略性新兴产业知识共享影响因素初始集合；采用问卷调查法获取相关数据，并利用SPSS17.0统计软件，采用因子分析法对样本数据进行分析。研究结果表明：共提取到战略性新兴产业知识共享影响因素的3个公因子：知识共享者自身因素、知识内容本身因素以及知识共享环境因素。研究结果可以为战略性新兴产业知识共享效率的提升提供支持。

1数据获取

1.1知识共享影响因素

在借鉴现有研究成果的基础上（参考文献1-15），本研究确定了战略性新兴产业知识共享的影响因素，如表1所示。

1.2问卷设计与调查

在文献调查和专家访谈的基础上，本研究设计了包括25个问项的初步的战略性新兴产业知识共享影响因素调查问卷，邀请图书情报学专业的专业教师、博士、硕士研究生以及从事知识管理相关工作的企业管理人员共19人进行了预调查。在预调查的基础上，对调查问卷进行了修正，确定了包括20个问项的正式的调查问卷，采用通行的5点LIKERT量表进行量化。调查对象填写的数字1-5，其中：“1”表示很不重要，“2”表示不重要，“3”表示一般，“4”表示重要，“5”表示很重要。

问卷调查工作在2017年1月6日到2月18日期间进行。样本的选择采取随机抽样的方式进行，调查问卷的发放形式则采用网络、电子邮件、现场填写等相结合的方式进行。为了保证样本的代表性与有效性，在问卷发放的过程中考虑了调查对象所在企业的规模、所属行业、企业性质以及企业的发展阶段等因素。最终共收到有效问卷156份，基本符合预定的样本规模。

1.3样本数据的描述性统计

描述性统计分析可以发现战略性新兴产业知识共享影响因素样本数据的内在规律，通常在进行因子分析、相关性分析以及主成分分析等分析时，先对调查样本数据进行描述性统计分析，以便判断样本数据是否适合作进一步的分析以及判断应该选择怎样的数理统计分析方法。描述性统计分析通常需要对调查样本总体的全部变量做统计性描述，统计指标有样本数据的频数分析、集中趋势分析、数据离散程度分析、数据的分布以及一些基本的统计图形，等等。本研究主要分析知识共享影响因素每个观测变量的均值、方差、偏度值和峰度值等。本研究采用SPSS17.0数据分析软件对本次调查的156份有效问卷的观测变量的数据进行描述性统计分析，如表2所示。

从统计学的角度来看，当样本数据的偏度绝对值小于3，样本数据的峰度绝对值小于10时，表示调查的样本数据基本符合正态分布。表2的数据显示，战略性新兴产业知识共享影响因素调查的样本数据服从正态分布，适合做进行进一步的分析。信度（Reliability）即可靠性，指采用同样的方法对同一对象重复测量时所得结果的一致性程度，一般多以内部一致性来表示样本数据信度的高低；而“内部一致性信度”检验特别适合Liken量表，目前普遍采用计算样本数据的Cronbachs a系数来衡量样本数据的信度，因此本研究还使用SPSS17.0软件计算了战略性新兴产业知识共享影响因素调查样本数据的Cronbachs a系数。根据统计学的指数，在实际的应用中样本数据的Cronbachs a系数值至少应该大于0.5，最好能大于0.7菜比较理想。本研究战略性新兴产业知识共享影响因素调查样本数据的Cronbachs a系数为0.904，表明样本数据的信度水平非常高，调查问卷所设置的观测指标准确地测量了战略性新兴产业知识共享的影响因素。

2战略性新兴产业知识共享影响因素的因子分析

2.1适用性分析

因子分析的本质是对多变量的平面数据进行最佳综合和简化，即在保证数据信息丢失较少的原则下，对高维变量空间进行降维处理，以便能够从众多的原始变量中构造出少数几个具有代表意义的公共因子变量，即关键影响因素。从统计学的角度讲，因子分析法应用于样本数据时有一个潜在的要求，原有变量之间具有比较强的相关性，这样才能找到主成分分析方法找到公共因子。在数据统计与分析的实践中，因子分析的主要统计检验方法有巴特利特球形检验（Bartlett's Test of Sphericity）、KMO（Kaiser-Meyer-Olkin）检验等，并且KMO的取值范围在0和l之间。如果KMO值越接近于1，则所有变量之间的简单相关系数平方和远大于偏相关系数平方和，样本适合于做因子分析。Kaiser的研究给出了KMO检验的适用范围：KMO>0.9，非常适合；0.8