知识转移对创新能力的影响：吸收能力与网络依赖的调节中介效应

李守伟，游宗君

(贵州财经大学贵阳大数据金融学院，贵州贵阳 550025)

1 问题提出

长期以来，创新一直被认为是企业价值、绩效和生存的关键因素之一［1］。技术创新是指在新技术、新工艺、新产品、新服务的开发中创造和应用新知识，使知识成为创新和发展的关键资源［2］。知识在各类企业中的分布极不平衡，表明了企业在知识体系、知识管理方法、吸收能力等方面存在着差异。随着技术创新复杂性的不断提高，企业所需的知识类型越来越多，迫切需要增加知识获取渠道。创新网络已成为知识获取重要渠道之一，可以为企业提供信息，促进知识转移［3］。因此，创新网络对知识转移具有重要意义。

企业间知识的有效沟通能力是影响企业创新过程和创新成功的关键。一些学者研究发现，知识转移能力是组织竞争优势的独特来源。社会网络理论表明，重复的交互作用导致个人之间信任的增加，这是参与创新的企业之间信息共享的一个重要因素。创新网络依赖在知识转移过程中起着关键作用。此外，根据Carolis等［4］的研究，网络和知识的结合能够成功地提高企业创新能力。然而，外部知识对创新能力的提升还受到企业消化吸收能力的影响，当企业可以有效地吸收从网络中获得的重要的技术或市场知识时，企业在提高创新能力方面更为成功。

无疑，创新网络中的知识转移对企业创新能力有积极的促进作用，但这个促进过程又受到企业对知识的吸收能力和对网络的依赖程度的影响。吸收能力和网络依赖在知识转移与创新能力之间扮演什么样的角色？起到了什么样的作用？这是本文所要研究的问题。本文尝试构建知识转移和创新能力之间可调节的中介模型，以分析吸收能力和网络依赖的作用机制。

因此，本研究可能的主要贡献如下：首先，通过心理学理论对创新能力的考察，拓展了以往的创新研究；其次，通过分析企业知识转移与创新能力的关系，探讨企业外部网络与创新绩效的关系，认为高度依赖网络的企业可能获得有用的知识以改进其研发活动，从而提高其在市场上的有效执行能力；第三，通过确定企业外部网络产生积极结果的因素来扩大创新能力。具体来说，本研究将网络依赖作为吸收能力和创新能力之间关系的调节因子，评估通过吸收能力的知识转移对创新能力的影响在多大程度上依赖于网络依赖来确定调节中介效应。本研究以创新理论和心理学理论为基础，从认知的角度对创新的研发过程进行研究，并提出如何有效利用创新机制的建议。

2 理论基础与研究假设

本研究提出了知识转移与创新能力之间的吸收能力和网络依赖的调节中介机制。建立这种调节中介效应有4个步骤：首先，预测因子与中介因子（第1步）、中介因子与结果（第2步）、预测因子与结果（第3步）之间的显著关系应得到满足；其次，在第4步中，如果在控制中介效应的同时第3步的强度显著降低，则会建立调节效应。

2.1 知识转移与创新能力

知识转移是企业创新活动成功的战略关键之一。基于资源的观点，知识被视为创新实现的主要资源。由于经常面临一个充满活力且多变的创新环境，企业不可能在创新决策过程的多个层面上拥有无可争辩的知识，因此应该将注意力转移到企业之外，以探索有用的知识。来自外部的实践知识可以通过促进科技的发展和提供对市场的洞察，使企业不太容易遭遇逆境。

众多学者对知识转移的概念和过程进行了研究。知识转移被认为是提升创新能力的关键过程之一。在两个或多个参与者（个人或组织）之间进行知识转移过程的目的是，使参与者能够获得另一个参与者的知识。组织通过不同的知识传递渠道，实现组织知识共享，以及有效利用现有知识。通过团体、组织单位甚至企业之间联合参与的社会实践，可以共享知识［5］，但是，随着组织全球化分散和组织间团队在研发上的协作，专业环境越来越虚拟化，这可能会使知识转移更加复杂［6］，因此，可以在研发项目的背景下部署不同的机制，如人员交互、专利披露、出版物、资产和服务交换等。可以采用的知识转移的定义是Christensen［7］提供的定义，他认为知识转移是识别已经存在的知识，获取并随后应用这些知识来开发新思想或增强现有思想，使过程/行动比原来更快、更好或者更安全的过程。因此，基本上，知识转移不仅是关于开发可利用的资源，即知识，而且是关于如何更好地获取和吸收知识，使事情更有效率。根据van de Vrande等［8］的观点，知识转移涉及到积极地与他人交流自己所知道的知识或经验，或者为了学习别人所知道的知识或经验而积极地咨询他人。成功的知识转移意味着会在组织中成功地创造和应用知识。许多研究人员使用不同的模型描述了知识转移的过程，其中最为著名的是由Noaka等［9］提出的区分隐性知识和显性知识的知识转移模型。

与其他企业相比，一个企业通常在一个或多个知识领域具有优势，但在其他知识领域却很薄弱。在技术创新过程中，由于创新的复杂性，只有少数或者部分领域的知识是不够的，企业还需要其他领域的知识作为补充，我们称之为补充型知识；随着知识的快速更新，企业的优势知识领域也需要不断扩展，这种扩展的知识在技术创新过程中起着辅助作用，我们称之为辅助型知识。前者是指与企业的优势知识有很大区别的异质性知识；后者是指与企业专业领域和经验相匹配的同质知识。这两种类型的知识转移都会影响企业的创新能力。

只有企业具备适当的创新能力，创新才能发生［10］。创新通常是根据企业引入市场的方式（产品/服务创新）以及企业创建和交付这些产品所采用的方法（流程创新）的变化来解释的。具有更高新颖性创新的企业通常使用更广泛的知识来源来开发其产品，因此，与不同合作伙伴拥有强大合作关系的企业更有可能发展更强大的创新能力［11］；这反过来可能使企业能够取得更大的成功，更高层次的合作创新增加了核心企业与其外部行动者之间的直接互动频率，从而大大加强了企业间战略资源的交流。因此，与外部行动者合作的企业处于更好的创新地位，因为这样的地位增加了他们获得开发新产品和新流程所需战略资源的机会。

技术的复杂性增加了创新的难度，通常，企业会采用渐进式创新来不断改进其技术，但有时，企业会打破惯例，使用颠覆性创新，发明新产品或提出新的商业模式。企业对渐进式创新所需的辅助型知识并不陌生，甚至有能力开发这些知识，然而，为了以较低的成本和较高的效率获得这些辅助知识，企业选择在网络中进行现有知识的深度、彻底的转移和整合，增加知识存量，扩展新知识，促进新旧知识的整合，促进企业创新能力提高。对于颠覆性创新，企业需要从不同领域获得新知识（即补充知识），企业往往没有这样的知识，他们不能依靠自己的能力在短时间内发展这种知识，需要依靠网络中合作伙伴的知识转移，通过不同知识背景的组织间的互补性知识转移，获得新的知识，有利于企业创新能力的提高。

从以上论据可作出以下假设：

假设1（H1）：企业间的知识转移对创新能力有积极影响。

2.2 吸收能力的中介效应

具有更高新颖性的创新的企业通常使用更广泛的知识来源来开发其产品。笔者认为，虽然与市场行动者的合作可以在企业的创新活动中发挥关键作用，但其最终影响可能取决于企业的吸收能力水平。作为成功创新决定因素之一，吸收能力是至关重要的［12］。虽然吸收能力最初是概念化的，主要用于处理外部知识，但研究人员认为，企业还应考虑其内部知识，以促进新知识的内部传播。本研究同意将内部和外部知识结合起来的系统观点，将吸收能力定义为“有助于识别、交流和吸收相关外部和内部知识的组织机制”［13］。

创新网络可以提高企业在外部环境中对不同参与者的知识资源的可获取性［14］，然而，只有当一个企业具有较高的吸收能力时，才能实现形成创新网络的协同优势。换句话说，在企业之间的合作中，有效学习需要足够的吸收能力，强大的吸收能力可以使企业能够识别、交流和吸收合作伙伴的知识资源。有研究认为，吸收能力提高了企业对外部环境中存在的知识资源的敏感性［15］；它还帮助企业利用、开发和重新配置获得的外部知识。因此，当吸收能力水平较高时，企业就处于更好的位置，可以搜索和应用通过创新网络获得的外部知识，从而提高创新能力。

相反，无论创新网络的规模和质量如何，吸收能力较差的企业都会降低向合作伙伴学习的能力，从而降低创新能力。一个企业如果不能有效地识别外部知识，有妨碍知识共享的沟通氛围，或者没有足够的知识来处理新的想法、过程或技术，可能会忽视外部知识的价值，从而变得不愿意或不能从外部参与者那里学习，这最终会降低其创新能力。即使获得了知识，低水平的吸收能力也意味着企业可能无法利用知识。换句话说，企业有效利用新获得的知识开发新产品和新工艺的能力是有限的，因为企业无法开发和重新配置这些资源。因此，本研究认为，通过提高企业的学习能力，吸收能力介导了创新网络中知识转移之间的联系。

从以上论据可作出以下假设：

假设2（H2）：企业的知识转移与吸收能力正相关。

以往的研究表明，积累知识有助于企业识别创新机会，例如，获取有关行业、市场和技术的知识可以增强企业实现创新的认知判断。知识作为衡量机遇可行性的标准，在开发原创商业理念方面发挥着重要作用。因此，获得的知识越广或越深，实现技术创新就越容易。

与以往的研究不同，本文通过研究如何获取知识并利用知识寻找创新资源来关注企业的创新过程。事实上，除了知识本身之外，吸收内外部知识的能力也影响着企业的创新能力。

企业观察外部世界的各种信息，并利用这些信息实现技术创新。在获取外部知识的活动中，企业能够开发和丰富与业务相关的模式，直到技术创新取得成功［16］。因此，企业通过整合知识的过程来提高创新能力，在获得的知识之间形成联系。

本研究假设企业将获得的知识应用于技术创新过程，得出以下假设：

假设3（H3）：企业的吸收能力与创新能力正相关。

笔者认为，企业的知识转移增加了吸收能力，对创新能力产生了积极影响。根据刺激-有机体反应（SOR）模型，一个有机体的心理过渡过程调节了环境刺激与反应之间的关系，即，来自其他企业的知识转移（外部刺激）对企业反应的影响可以通过吸收能力（内部刺激机制）来调节。在这方面，本研究提出在企业知识转移影响创新能力的过程中，吸收能力发挥了中介效应。知识转移可以丰富企业的吸收能力，特别是对于那些希望实现技术创新的企业。其他研究人员将知识作为技术创新的一部分也讨论了吸收能力中介作用的类似观点，认为吸收能力可以促进创新活动的知识积累，从而产生创新能力。从以上论据可作出以下假设：

假设4（H4）：企业的吸收能力介导了知识转移与创新能力的关系。

2.3 网络依赖的调节效应

网络依赖被认为是创新网络发挥创新绩效的重要预测因素之一［17］。网络依赖是强关系的关键特征之一。如果企业及其资源提供者相互依赖，那么更有可能与其信任的企业分享重要的知识。然而，有关网络依赖对创新绩效影响机制的问题仍然没有答案，因此，需要对网络依赖影响技术创新过程进行详细的研究。本研究定义网络依赖为企业愿意在多大程度上依赖和信任其合作伙伴的专业知识、目的和动机。

一方面，企业可以通过书籍、报纸或实验获得自己的有用知识，另一方面，企业可以通过与其他参与者的互动来获得知识。企业可以积累各种知识，并在与其他组织互动时有效利用这些知识。以前的研究认为企业的网络是网络依赖的决定因素，网络使企业能够获得他们不具备的有用知识，特别是对于那些缺乏商业知识的组织。

值得注意的是，企业会努力从网络中获取有用的信息，因此其会信任网络中的邻居。事实上，这种关系是建立在信任的基础上的，这样知识就可以很容易地转移给企业。此外，知识转移有助于企业完善网络依赖［18］。因此，如果企业从网络中获得成熟的技术和市场知识，他们就会高度依赖网络。

当自变量和因变量之间存在第3个变量时，就会产生调节效应，第3个变量叫做调节者（moderator），它改变了两个变量之间关系的强度或方向。在以前的研究中，当关系不一致时，通常会引入调节者。根据早期的调查，知识获取和创新能力之间的关系似乎是难以捉摸的。一些研究坚持认为，对客户或技术的事先了解提高了企业更有效地利用外部创新资源的能力；相比之下，其他研究则保持着一种消极的关系，描述了一家大型企业尽管拥有丰富的知识、管理经验和基础设施，但在新兴市场中未能表现出良好的创新能力。吸收能力和创新能力之间的这种模糊关系表明存在一个调节者。基于这一逻辑，本研究假设网络依赖可以改变吸收能力的强度，将网络依赖视为心理层面的调节者。这一观点符合工作特征理论，即环境特征对工作绩效的影响由心理因素调节。因此，本研究预测，当网络依赖度较高时，吸收能力与创新能力之间会有很强的关系。

基于以上的分析和推理，本研究提出如下的假设：

假设5a（H5a）：企业的网络依赖调节了吸收能力与创新能力之间的关系。对于高度依赖网络的企业来说，这种积极的关系更为牢固。

如果企业的网络依赖调节了吸收能力与创新能力之间的关系，那么企业的特征也可能有条件地影响知识转移与创新能力之间间接关系的强度。换言之，从知识转移中获得的知识对创新能力（中介效应）的影响可以通过网络依赖来调节，从而显示出适度的中介效应。当网络依赖度较高时，本研究假设吸收能力与创新能力之间有很强的关联性，期望网络依赖将积极调节中介效应。也就是说，当网络依赖度较高时，中介效应会更强。

基于以上的分析和推理，本研究提出如下假设：

假设5b（H5b）：企业的网络依赖调节了知识转移对创新能力的间接影响（通过吸收能力）。具体来说，当企业的网络依赖度较高时，吸收能力对间接效应有正向调节作用。

基于上述假设，本研究提出概念模型，如图1所示。

图1 本研究的概念模型

3 研究方法

3.1 研究样本和数据收集

中国超大规模集成电路（VLSI）行业包括原始设备制造商（OEM）、电子制造服务企业（EMS）、芯片设计企业、芯片制造商、电子设计自动化（EDA）工具企业、IP企业、设计服务企业、包装和测试验证企业以及装备制造企业。本研究以中国超大规模集成电路行业企业为研究对象，通过向中国集成电路行业的企业家、经理、首席执行官（CEO）、首席技术官（CTO）等发放调查问卷，将收集的数据作为样本进行研究。部分问卷以电子邮件方式发放，共收集236份问卷，根据箱线图分析排除缺失数据和异常值后，最终选择了218份有效问卷（以下简称“样本数据”）。

样本数据中，16名受访者为20～30岁（占7.3%），61名受访者为31～40岁（占28.0%），82名受访者为41～50岁（占37.6%），59名受访者大于50岁（占27.1%）；在所有受访者中，187人拥有学士学位或更高学历（占85.78%）；芯片设计是最受欢迎的工业子类别，占所有受访者所在企业类型的37.16%。调研对象的统计学信息如表1所示。

表1 样本数据的描述性统计

3.2 变量测量

（1）自变量：知识转移。基于Yli-Renko等［19］对知识转移绩效的研究，本研究提出了辅助型知识转移和补充型知识转移的10个测量问题，受访者被要求对他们所获得的技术和市场知识的质量进行评估。问题包括：“我获得了对未来业务至关重要的技术的新知识”“我从未来业务的初级市场中获得了新的第一手经验”“我获得了关于市场在未来业务中如何运作的新知识”等。回答基于五点Likert量表，即，从1为“强烈不同意”到5为“强烈同意”。这些问题的克朗巴赫（Cronbach）系数α值（以下简称“α值”）为0.92。根据Nunnally［20］的研究，α＞0.70时表明量表有较好的信度。因此，知识转移变量的测量具有良好的信度。

（2）因变量：创新能力。本研究利用Subramaniam等［21］、Govindarajan等［22］的测量结果，发现企业的颠覆性创新能力和渐进式创新能力是相关的。企业的渐进式创新能力主要体现在新产品模型的开发上，是在原有产品的基础上提高其技术水平，改进生产工艺，更新工具设备的能力；颠覆性创新主要体现在新产品、新技术、新设备和其他工具的开发上。因此，本研究提出了10个调查问题。回答基于五点Likert量表，范围从1为“强烈不同意”到5为“强烈同意”。这些问题的α值为0.89，这表明了创新能力的测量问卷具有较好的信度。

（3）中介变量：吸收能力。吸收能力的测量量表是由Flatten等［23］开发的，本研究以企业家的视角为基础修改了其中的问题，而不是在企业层面，当企业家代表企业回答这些问题时，这种修改似乎是可以接受的，因此，他/她的观点和意见代表着企业的观点和意见。回答基于五点Likert量表，范围从1为“强烈不同意”到5为“强烈同意”。这些问题的α值为0.86，这表明吸收能力的测量问题的信度较好。

（4）中介调节变量：网络依赖。衡量企业网络依赖性的依据是Choi等［24］提出的理论，受访者被要求对他们对自己的商业网络的依赖程度进行评分，其中包括“如果我们的关系中断，我们将面临更换困难”和“我们的商业网络是值得信赖的”。回答基于五点Likert量表，范围从1为“强烈不同意”到5为“强烈同意”。这些问题的α值为0.82，这表明网络依赖的测量问题的信度较好。

（5）控制变量。为了减少外生变量的影响，本研究引入了一些控制变量：有着悠久创新历史的企业往往会继续产生许多创新，因此，将企业年龄作为控制变量；企业的规模影响创新能力，大型企业往往有更多的资源来提高其创新能力，此外，大型企业在获得总部对业务运营和创新活动的支持方面也具有优势，因此，使用企业员工人数作为控制变量；在产业链的不同位置，企业的积极性也不同，芯片设计企业比其他企业有更多的创新热情，因此，将企业所在产业链的位置作为控制变量；不同地区的创新资源不同，这直接影响到企业的创新活动，因此，以企业地理位置作为控制变量。

4 研究结果

4.1 变量的描述性统计与相关分析

变量的平均值、标准差和相关系数如表2所示，可见知识转移的平均值大于4，说明知识转移具有较高的利用率；创新能力平均值约为4，说明企业具有较高的创新能力。在相关分析中，变量之间的相关系数在0.51～0.79之间，表明它们之间存在显著的正相关，初步验证了本研究假设。

表2 样本数据变量的平均值、标准差和相关系数

4.2 效度检验

在验证本研究假设之前，进行了两次有效性检验。首先，使用Amos23进行了验证性因素分析（CFA），以检验收敛性和判别有效性。结果表明，假设的四要素模型（由知识转移、创新能力、吸收能力和网络依赖性构成）与数据集具有良好的匹配性（(n=218，χ2=116.25，RMR=0.03，GFI=0.93，CFI=0.95，RMSEA=0.06）。此外，我们还检查了平均方差提取值（AVE）和组合效度（CR），AVE的值均大于0.8，CR的值均大于0.9，表明满足收敛效度，同时也满足了判别有效性的要求，因为AVE的范围在0.84～0.96之间，且各AVE均大于各项的平方相关系数。

接下来，我们将样本数据按随机顺序排列，然后进行Harman单因素检验，以避免常见的方法偏差。根据Podsakoff等［25］的研究方法，当单个因素解释总方差的50%以上时通常会出现方法偏差。对所有变量均采用主成分因子分析法进行测试，根据结果，在4个不同的因素中，第一个因素占总变异性的26.73%。这意味着没有常见的方法偏差。

4.3 假设检验

基于上述验证结果，我们使用SPSS process对所有假设进行了测试，总而言之，H1、H2、H3和H4代表一种间接效应，即知识转移和创新能力之间的联系由吸收能力介导。采用Baron等［26］提出的多步骤方法测试了这种中介效应。然而，最近的研究建议采用自助（Bootstrapping）分析法来确认显著的间接效应，因为这种方法在确定中介效应的统计显著性方面很有效。因此，除了Baron等［26］提出的方法外，我们还采用了自助分析法，以确认间接效应的重要性。在H5a和H5b中，我们假设了网络依赖的调节效应，采用层次回归分析法检验简单的调节效应，采用SPSS process确保了调节的中介效应。在验证H5a和H5b之前，对控制变量进行了虚拟编码，其他变量进行中心化处理以避免多重共线性。

（1）吸收能力的中介效应。我们采用Baron等［26］的建议来检验知识转移和创新能力之间吸收能力的中介效应（H1、H2、H3和H4），评估中介效应应满足4个要求：自变量X和中介变量M都应回归到因变量Y上；变量X也应回归到变量M上；如果变量X保持显著且在控制变量M的同时其效应变小，则确认部分中介效应；如果变量X不再显著，则发生完全中介效应。检验结果表明（见图2），知识转移分别与创新能力（β=0.52，t=8.21，P＜0.001）吸收能力（β=0.40，t=8.04，P＜0.001）呈正相关关系，吸收能力也与创新能力（β=0.48，t=7.20，P＜0.001）呈正相关关系，因此，在统计上支持H1、H2和H3；知识转移的效应仍然显著，但在控制吸收能力时其效应的大小会减小，从而证实了吸收能力的部分中介效应（β=0.21，t=3.52，P＜0.001），此外，自助法分析的结果还表明，知识转移对创新能力的间接影响是统计显著的（间接效应为0.146，95%的偏差校正CI介于［0.067，0.278］之间），因此，吸收能力在一定程度上介导了知识转移与创新能力的关系，也就是说支持H4。

图2 企业知识转移与创新能力间吸收能力的中介效应自助法分析结果

（2）网络依赖的调节效应。根据H5a假设，吸收能力对创新能力的影响对高度网络依赖的企业是积极的，本文使用层次回归分析检验H5a。以创新能力为因变量，模型1是只包含控制变量的回归模型，用于检验控制变量的显著性；在模型1的基础上，模型2引入吸收能力和网络依赖作为自变量，用于检验吸收能力与网络依赖的显著性；模型3是在模型2的基础上引入吸收能力与网络依赖的交叉项，用于检验网络依赖的调节效应。检验结果表明（见表3），当模型3的相互作用项包含在回归方程中时，模型的解释力增大（ΔR2=0.437，F=26.49，β=0.163，t=3.39，P＜0.01），吸收能力（β=0.139，t=8.12，P＜0.001）和网络依赖（β=0.348，t=3.28，P＜0.001）对创新能力的主要影响也很显著，每个变量的方差膨胀因子（VIF）均小于1.38。

表3 样本数据调节效应的层次回归分析结果

正如Aiken等［27］所建议的，本研究还进行了简单斜率检验，以确定这种调节效应的模式，结果如图3所示，与我们的预期相反，表明当网络依赖度较低时企业的吸收能力对于创新能力的影响更大（简单斜率为0.245，t=4.51，P＜0.001）；另一方面，对于高度依赖网络的企业来说，企业的吸收能力对于创新能力的影响相对较弱（简单斜率为0.076，t=1.45，P＜0.001）。因此，统计证实了吸收能力与网络依赖的相互作用效应。

图3 企业知识转移与创新能力间网络依赖的跨级调节效应

在确认了调节效应的支持后，我们进一步分析了调节中介效应（H5b），采用SPSS process计算了不同调节值下的调节中介效应，通过网络依赖度在平均值上下一个标准差上呈现其统计显著性，该分析的输出提供了交互效应的详细结果（见表5），这允许我们能够验证网络依赖值，其在P＜0.05条件下间接效应显著。检验结果表明，调节中介效应是正向的，且具有非零概率（β=-0.105，95%的偏差校正置信区间 ［-0.190，0.028］）；此外，当网络依赖度较低或等于标准化规模时，这种调节的中介效应是显著的，但当网络依赖度较高时则不显著（见表4）。与H5a类似，H5b得到部分支持，是因为调节的中介效应是统计显著的，尽管其方向与我们的预期不同。

表4 企业知识转移与创新能力间网络依赖的调节中介效应

5 讨论与结论

本研究旨在验证企业知识转移与创新能力之间吸收能力的中介效应与网络依赖的调节效应。首先，本文研究表明企业对社会资源的依赖可能通过特定渠道与创新活动正相关，而以往的研究主要确定了其直接影响。中介作用表明，吸收能力是解释知识转移如何激励创新能力的关键因素。具体地说，企业对社会资本所获得知识的感知是至关重要的，因为它介导了知识转移与创新能力之间的关系，通过验证这种中介效应，企业对吸收能力的感知成为创新能力的重要因素。其次，本文证实了一种调节效应，那些相信自己可以从网络中获得丰富知识的企业，在网络依赖度较低的情况下会更好地认识到商业机会。调节中介效应的结果是相似的，即当网络依赖度较低时，中介效果更强。这些结果表明，对于那些网络依赖度较低的企业来说，对获取商业相关知识的认知更为重要。本研究推测那些依赖网络较低的企业在做创新决策时不轻易依赖知识或网络，他们具有相当的自主性，更喜欢利用自己的资源，包括认知偏见或启发式思维，这意味着那些依赖网络较低的企业能够坚持自己的价值观而不是网络或业务信息获取。这与之前的研究一致，即在几乎所有企业都可能面临的不确定情况下，一些企业倾向于基于偏见而非理性作出决策。因此，对于高度依赖网络的企业来说，知识水平对创新能力的影响可能不大。相比之下，那些对网络依赖性高的企业，似乎严重依赖于他们对自己所拥有知识的感知，这是因为那些网络依赖度低的企业在从事创业活动时，试图从内部资源中学习，而不是从外部资源学习，因此，当他们相信自己拥有丰富的知识时，他们可以获得更好的创新能力。

本研究通过考察知识转移、吸收能力、网络依赖和创新能力之间的关系，丰富了创新理论的研究，证实了吸收能力在知识转移和创新能力之间起着中介作用；此外，本研究还发现，吸收能力和知识转移的间接效应影响了低网络依赖企业的创新能力。希望本研究能为今后的创新过程研究提供方向。