知识共享对战略联盟绩效影响的研究

余美娇 李鹏举

(上海工程技术大学,上海 201620)

1 理论基础与研究假设

学术界对于知识管理过程中潜在的不同概念的定义仍然存在混淆，例如知识获取、知识转移、知识共享和学习，各学者对其概念的定义也是结合自己所研究的问题，本文章主要研究知识共享与战略联盟绩效之间的关系，联盟涉及资源共享，这种资源共享可能对联盟公司产生各种影响。当一家公司选择分享其知识时，在适当的情况下，合作伙伴可以从焦点公司获得该知识。换句话说，知识从一家公司流向合作公司：这可以被视为知识共享。因此，知识共享依赖于两个维度：企业向联盟贡献知识的能力和企业从联盟获取知识的能力[1]。

无论联盟的目标是企业自身学习还是有利于各方的价值创造的工具，学习都是必不可少的，要学习，一家公司必须访问合作伙伴的知识库。在过去的几十年里，一些学者试图找出影响战略联盟中企业间知识转移的因素。在先前的理论和研究中，很多学者谈到知识共享与联盟绩效之间存在积极的关系。遵循这一结论，合作企业之间的知识共享越多，联盟的绩效就越好。

通过关注大量知识共享的研究和分析，找出了影响知识共享的一些因素。如，Inkpen确定了一些影响可及性和知识获取效率的子变量,以及竞争重叠、信任、关系开放和知识默契是影响知识获取效率的可及性的主要因素[2]。Khamsheh和Jolly已经将知识转移的影响因素分为4类：合作伙伴行为间的相互作用、知识的性质和特点、联盟的目标、合作伙伴的吸收能力[3]。因此，本研究中确定的因素在被归类为类似的维度，因为本研究关注的是知识共享，而不是知识获取，所以较少强调第4类吸收能力。

1.1 相互的行为

合作伙伴间信任与战略联盟绩效。当联盟伙伴之间存在高度信任时，将共享更多的知识，因为不存在(或更少)担心共享的知识将被用于“对抗”可能损害其竞争力的合作公司。低水平的信任将导致更少的知识共享。Kale等对参与战略联盟的212家美国公司进行了研究。研究结果表明信任会影响知识共享的效度[4]。因此，提出假设1。

H1：企业与合作伙伴之间的信任度越高，联盟绩效越好。

竞争重叠与战略联盟绩效。有人声称，在战略联盟中，知识外溢是不可避免的。人们只能尽最大努力将溢出物最小化。当合作伙伴公司是彼此的竞争对手时，这一点尤其可取，因为人们不想贡献能够增强竞争对手竞争优势的知识。然而，事物都有两面性。虽然一家公司有可能向联盟伙伴外溢知识，但联盟伙伴也会有知识泄漏，这一家公司同时也可以利用合作伙伴的知识外溢。这里的诀窍是从合作伙伴那里获得更多的知识，而不是把你的知识泄露给你的合作伙伴。总体而言，Inkpen认为，合作组织之间的重大竞争重叠与合作组织之间转移的知识存在负相关[2]。在竞争性结盟的情况下，保护性和知识转移之间存在着直接的关系，这与两个非竞争对手合作的情况不同。综上所述，有理由认为，合作企业之间竞争重叠程度越低，联盟绩效越好。提出假设2。

H2：合作企业之间的竞争重叠程度越低，联盟绩效越好。

保护性与战略联盟绩效。企业管理其保护性的一个明显方式是通过正式协议，如合同、政策、治理。然而，在实践中，这似乎更为复杂。Hamel反对积极保护，因为这挑战了合作伙伴对公司的信心，而反过来，这又可能导致合作伙伴的开放性降低。Simonin调查了合作伙伴的保护性与知识模糊性之间的关系，证明了之间存在线性关系[5]。这些结果表明，更多的保护性会导致较低的知识转移，提出假设3。

H3：企业的保护程度越低，联盟绩效越好。

合作伙伴的学习意图与战略联盟绩效。一个组织要想向联盟伙伴学习，就必须有强烈的学习意图。当战略联盟公司感知到高的合作伙伴的学习意图时，它可能已经以一种更具保护性的方式行事，从而减少知识外溢。Norman 的研究结果甚至表明，比起信任和隐含性，这种对合作伙伴学习意愿的感知对保护性的影响更大。因此提出假设4。

H4：较低合作伙伴的学习意图将导致更好的联盟绩效。

1.2 知识特征

隐含性与战略联盟绩效。合伙人容易掌握的知识被认为是明确的或有形的知识，反之为隐性知识。Norman研究证明隐性知识可能与企业的核心竞争力更为相关，当这种知识被利用时，可能会损害企业的竞争地位[6]。高等级的隐性知识意味着较少的知识将被分享，这对联盟的绩效是有害的。因此，提出了假设5。

H5：提供的知识越明确而非隐含将导致更好的联盟绩效。

核心性与战略联盟绩效。Norman认为当分享的知识与公司的核心知识高度相关时(本文中也称为核心性)，公司的保护行为就会增加。最终，这被认为会导致知识共享的减少。因此，提出假设6。

H6：贡献的知识与企业核心知识关联度较低,将产生更好的联盟绩效。

1.3 联盟的目标

March将联盟目标定义为探索和开发知识。探索是指合作伙伴公司将他们的知识结合起来投资于新知识以创造价值[7]。开发是指合作伙伴将现有知识结合起来创造价值。探索需要合作伙伴之间有更大的知识流动，以实现他们的知识创造目标。这意味着有必要采取更为开放的行为。同样，当开发是联盟伙伴的目标时，保护将占上风，因为为了实现联盟的目标，没有必要对伙伴非常透明。提出假设7。

H7：具有探索性而非开发性特征的联盟目标将具有更好的联盟绩效。

1.4 控制变量

除了知识共享，还存在以下几个因素影响战略联盟绩效。它们减轻或放大知识共享与联盟绩效之间的关系。 ①联盟经验。Anand 和 Khanna指出，联盟经验可能是取得成功联盟绩效成果的最重要因素。他们发现，与联盟经验较少的公司相比，可以依靠先前的联盟经验的公司更容易通过股票市场评估形成成功的联盟[8]。② 学习与知识获取。Gnyawali and Grant认为遵循特定学习步骤的风险投资更像是充分利用组织内部的学习机会，实现更好的联盟绩效[9]。Kumar and Nti支持将学习视为成功因素的观点。他们发现，联盟公司的吸收能力增强了利用联盟固有机会的能力[10]。③ 联盟结构。Anand 和Khanna指出，在学术界的强调下，确定联盟范围是联盟实践者承担的最重要任务之一。这段引文解释并证明了分析特定联盟结构的重要性和必要性。例如使用了非股权联盟的期限承包联盟，当合适的危险被认为是相当低的时候，这些类型的联盟往往被选择，而另外，一个更低等级的结构是首选的。由于股权联盟具有更正式、更具冒险性的特点，风险投资公司在这种联盟中贡献了更多的知识和技能，因此利用合伙人隐性知识的机会更高。④公司规模。一些研究人员强调，企业规模也是战略联盟的一个相关因素。Khamsheh和Jolly指出，企业规模与联盟活动正相关。

根据以上论述，构建如图1所示的理论模型。

图1 理论模型

2 研究设计

2.1 变量选择

首先，为了确保问卷的信度和效度本文主要采用了国外对该领域有深度研究学者的量表，其次在完成问卷设计后，向德国的一位该领域专家发送了一份初步的试点版本，目的是获得关键反馈，以改进问卷。最后在几家企业进行了预调研，对出现歧义的问题进行了修改。本量表采用的是李克特的7点记分法(见表1)。

2.2 数据来源

本文以欧洲制造业公司为样本，特别关注微观和纳米尺寸的制造。制造业被认为是高度研发密集型行业，特别关注微观和纳米制造业，因为它很年轻，因此发展迅速。我们首先对欧盟地区制造业公司进行随机抽取，共抽取了492家公司进行调研。问卷是以电子方式发送给负责联盟管理的管理者，因此受访者只需点击网页链接即可访问问卷。其中60人回答了调查，结果回答率为12%。但是，10名受访者没有完全完成问卷调查，因此必须排除这些观察结果。因此，最终可纳入分析的公司数量为50家(10%)。

3 实证分析

3.1 信度和效度分析

在进行数据分析前，我们还对研究中所涉及的自变量进行了信度与效度分析，以确保内部的一致性。如表2所示，各变量的cronbach’s α系数均满足不小于0.7的要求，基于一阶验证性因子分析结果所得出的各变量的组合信度也全部大于0.7，表明本文中所用量表均具有较好的内部一致性，量表的信度得到检验。在回归分析中分析概念之前，必须考虑概念的有效性。首先，考察了一个概念指标之间的相关性的收敛有效性。经验法则表明，这种相关性应超过r=0.50的分数。所获得的相关性从0.67到0.91不等，从而保证了收敛有效性(见表2)。

表2 信度与效度分析

3.2 相关性分析

表3显示6个变量与联盟绩效显著相关。首先，很明显，一家公司对合作公司的信任程度与联盟的绩效呈正相关(r=0.33，p<0.01)。第二，所共享知识的隐含程度很重要。这个变量意味着共享知识中较低水平的隐含性与联盟绩效正相关(r=0.34，p<0.01)。在较低程度上，核心性和保护性与因变量呈正相关,r=0.23(p<0.10)、r=0.20(p<0.10)。关于控制变量，可以注意到两个更显著的相关性。与联盟绩效最相关的变量是企业在联盟中的经验量,r=0.40(p<0.01)。最后一个重要的变量是一家公司在联盟期间经历的学习机会。这与联盟绩效呈正相关，r=0.27(p<0.05)。对于模型中的其他变量，与联盟绩效没有显著关系，但是还有一些其他变量间相关性将在后面的研究中讨论。

表3 相关性分析

注:Pearson’r one-tailed.；N=50；*p<0.01；**p<0.05；p<0.10

3.3 回归分析

本研究采用多元回归，因为模型显示了超过一个(实际上是10个)预测变量。首先，仅使用与因变量相关的控制变量进行回归分析(见表4)。这导致R2值为0.26，这意味着联盟绩效的方差是由控制变量(p<0.01)造成的，占26%。当评估个别控制变量时，可以注意到联盟经验对决定因变量的影响最大，而其他控制变量对决定因变量的作用不大。然后包括自变量，回归分析的结果自然会发生变化(见表5)。模型的R2值为0.48(p<0.01)，表明联盟的绩效现在受到模型中包含的变量的48%的影响。这意味着该模型解释了因变量中几乎一半的方差。当考虑到因样本大小而改变的调整后的R2时，第一步的结果被调整为R2=0.19，当包含自变量时，调整后的R2=0.33。

表4 回归分析

注:R2=0.26*；N=50；*p<0.01；**p<0.05；p<0.10

表5 回归分析

注:R2=0.48*；N=50；*p<0.01；**p<0.05；p<0.10

关于自变量，可以得出结论，7个变量中有3个具有统计学意义。共享知识的隐含性(β=0.32，p<0.05)是这些变量的一个影响因素，H2得到了支持。第二个是共享知识与企业核心知识的相关性(β=0.39，p<0.01)。第三个是合作伙伴间信任(β=0.23，p<0.10)，H1成立。除了这些自变量外，还有四个与联盟绩效没有显著关系的变量：保护性、竞争重叠、合作伙伴意图和联盟目标。由于这些变量之间的关系不能证明是显著的，因此必须得出结论：H3、H4、H5、H6和H7不受支持。

4 结 论

研究揭示战略联盟中的知识共享现象，即知识共享的不同方面和特点，以及它与战略结果的关系。通过研究该领域的文献，归纳总结了本文模型，通过实证分析支持了3个研究假设，知识的隐含性和相关性以及合作伙伴间信任对联盟绩效有重大影响。其他自变量没有统计学意义。控制变量中学习和联盟经验对因变量也有着显著影响。

联盟伙伴之间的高度信任提高了联盟的成果。尽管这似乎是一个相当明显的结论，但必须明确指出的是，在一个基于研发的联盟中，在高度交流知识的情况下，对合作伙伴完整性的信任对于联盟的成功至关重要。对于核心性，研究表明，被调查的公司对保护核心知识的重视程度较低，但对合作伙伴的核心竞争力的协调程度较低，因此预期会产生更高的创造价值。因此，为了提高联盟成功的可能性，合作公司不应主要关注其核心知识的潜在保护方法，而应专注于寻找联盟活动的最佳合作伙伴，以实现联盟中的高价值创造。管理者的任务是分析和评估合作伙伴和自己公司的所分享知识的隐含性，并决定加入或创建联盟是否合理，因为隐含性的高水平预示着对联盟绩效的负面影响。联盟经验对联盟的成功有很大的影响，即公司在结盟中获得的经验越多，预期联盟的表现越好。此外，战略联盟中的学习和知识获取过程也会影响对联盟绩效满意的认知。通常，公司加入联盟的主要目的之一是获取新知识。因此，管理者的任务是负责实现这一战略目标。