供应链协同技术创新与企业绩效关系的实证研究

王 宁

引 言

经济全球化和信息技术的快速发展促使市场需求向着多元化、个性化的方向发展，创新成为了制造业满足市场需求的主要渠道，而实现高效的创新则需要供应商、制造企业、客户三者构建亲密的伙伴合作关系（Kinkel 和Som，2010［1］）。社会之中的企业本质上处于特定的供应链之中，因此供应链协同创新能够创造企业自身无法创造的价值。社会经济的快速发展使创新成为了当前增强企业市场竞争力的主要方法，但单一企业在创新的过程之中存在诸多的局限性和不确定性（Chen 等，2009［2］）。若制造业能够充分发挥自身在供应链之中的产业位置优势，整合供应链上下游资源，进而实现供应链协同创新，将有效地克服单一企业在创新的过程之中面对的种种困难。供应链创新同企业个体创新相比较，存在主体多样复杂的基本特点,因此在实践之中未得到广泛的应用。随着市场竞争的白热化，如何借助供应链创新，有效地提升企业自身的创新绩效已经成为了当前学术研究和产业研究的热点（Nieto 和Santamaría，2007［3］）。

企业开展供应链协同创新的本质是构建一个交流学习的平台，并以此为基础实现各方知识的有效协同创新，因此供应链创新的关键是对知识进行有效地管理［5］。关于供应链协同的相关研究文献论证了企业协同中各个要素对协同创新绩效的影响，但缺少从知识管理的角度对供应链协同创新影响路径的研究。当前制造业企业已经认识到自身在创新方面存在的局限性，供应链协同创新的重要性，但在实践中受理论知道匮乏等多种因素的影响，大部分企业无法成功的参与到供应链协同创新之中（Peters 等，2010［4］）。基于以上背景本文研究动机是针对供应链协对创新绩效影响的路径进行深入分析。尽管部分学习了创新型企业的先进经验，但其在实践之中未收获较高的创新绩效，这同企业管理存在密切的联系。创新之中最核心的战略资源之一是知识，因此企业必须认识到获取创新知识的重要性。供应链是企业创新知识的重要来源之一，对该部分知识管理的差异可能导致创新绩效的差异（Pawlowsky 和Schmid，2012［5］）。综上所述本文从知识管理角度出发深入研究“制造企业如何通过供应链协同获得创新绩效”，并解决供应链协同能否提升创新绩效？供应链创新如何带来创新绩效两个问题。

1 相关研究

1.1 知识基础理论

关于知识基础理论的形成及其对企业竞争优势的影响，迈克尔波特和Wernerfelt 是这一理论的重要贡献者。迈克尔波特在20 世纪80 年代出版了《竞争战略》和《竞争优势》等著作，探讨了企业竞争优势的问题。与此同时，Wernerfelt 提出了资源基础理论，强调企业竞争优势源自于特殊、有价值且不可替代的资源能力。然而，直到1986 年Barney 的研究才使得资源基础理论受到广泛关注。根据资源基础理论，企业需要获取优势资源，并在管理决策中充分利用这些资源来形成独特的竞争优势。同时，企业还应重视资源的质量，特别是那些有价值、稀缺、难以替代和不可复制的资源，这些资源对于企业形成独特能力至关重要。供应链协同是企业获取和维持竞争优势的手段之一，通过与上下游企业建立紧密的合作关系，集中各方资源，实现资源的互补和优势共享。此外，供应链协同还提供了学习和创造的环境，有助于企业加强自身的能力，并促进新知识资源的产生。整合外部和内部资源能够使企业在竞争中更加灵活，并维持长期的竞争优势和行业地位。

在资源基础理论的基础上，进一步演变出了能力基础理论和知识基础理论，并探讨了知识对企业竞争优势的作用（张璐等，2021［7］）。能力基础理论认为企业的竞争优势来自于其在资源开发、配置和保护上的能力。随着科技和信息化的发展，知识对企业竞争优势的重要性得到关注，因此知识基础理论产生。知识基础理论认为企业竞争优势源自于对知识的积累、利用和创造，并强调企业在这一过程中加强自身的竞争优势。资源基础理论认为企业的资源是异质的，正是由于资源具有独特性、价值性、稀缺性和不可复制性，使企业能够与竞争对手区别开来。知识基础理论在资源基础理论的基础上进一步发展，将焦点放在了知识这种特殊资源上。相较于其他有形物质资源，知识的价值难以衡量，难以替代和复制。然而，要发挥知识的作用，关键在于企业是否能充分利用知识。随着对知识的进一步理解，学术界也开始关注不同类型知识对企业创新的影响。同时，学者们认识到早期知识基础理论的缺陷，认为知识资源难以直接为企业带来绩效，需要进行有效的知识管理活动。因此，知识共享、存储、应用、整合、转移和创造等知识管理活动受到了学术界的关注，并涌现了越来越多关于知识管理对创新绩效作用的研究。

以知识基础理论为基础，将创新视为企业将多种来源、多种类型的知识整合起来，不断创造新知识并应用于改进和创造新产品和服务的过程（吴钊阳等，2020［8］）。知识的来源可分为内部和外部，内部来源包括企业自身的经验、过去项目中获得的教训和知识产权等，外部来源包括客户、供应商、竞争对手和科研机构等。企业可以被视为多种生产要素的组合，同时也是一个具有较大能动性的知识仓库。企业可以利用已有的知识吸引外部知识，并与外部知识源进行交流和学习，从而丰富知识库的储备量。在信息高度发达的时代，越来越多的学者和企业家开始关注知识的作用，并不断探索与外部知识相关的活动。面对不断变化的外部环境，企业家意识到外部知识是企业适应环境、满足市场需求进行创新转型的必要条件。要将知识资源转化为创新绩效，除了需要充足的内外部知识积累，还需要着重在知识整合和利用方面下功夫。因此，知识的储备量和利用程度是影响企业创新绩效差异的关键因素。

1.2 协同理论

协同学理论和供应链协同理论为企业创新发挥了重要作用。协同学理论强调系统内部各部分相互协作产生的协同效应，通过协同可以调和系统内部的矛盾，实现超越简单总和的效果（沈颂东和亢秀秋，2018［9］）。供应链协同观念的形成和发展标志着供应链管理进入了一个新的阶段，协同供应链被认为是新一代的供应链战略，它能够优化资源配置、群策群力，解决创新速度和成本等问题。

在互联网技术的发展下，企业面对全球竞争对手，实时获取信息对快速响应市场至关重要。企业意识到创新对创收的重要性，但高投入和资源冲突等问题限制了创新的发展。协同理论提供了指导，供应链协同统一各企业之间的资源，优化资源配置，解决了创新速度和成本等问题。

此外，安索夫在20 世纪60 年代对协同进行了定义和解释，认识到协同在管理中的重要性，特别是在大规模和多元化的企业中。他的协同理念为企业决策者在制定多元化发展战略时提供了依据。总体价值大于部分价值之和的原理也更加清晰，使得协同成为制定多元化发展战略的基本原则之一。

1.3 供应链协同创新

1.3.1 供应链协同创新的概念

供应链协同（Supply Chain Collaboration，SCC）的概念指的是通过整合目标、行动、决策、信息、知识、资金和人才等要素来实现供应链整体目标。该概念于90 年代提出，并经过Malone 和Crowston 的研究进行进一步整理和定义。供应链协同是指两个或两个以上相互关联的企业通过共享业务数据、市场预测和产品开发等工作的合作来更好地满足客户需求（梅强等，2023［10］）。

1999 年4 月，《协同供应链：新的前言》正式提出了“新一代的发展战略是供应链协同”的理念，引起了广泛关注和认同，推动了供应链协同理论的进一步发展。供应链协同是管理学和实践领域研究的热点和重要方向。然而，供应链协同涉及的内容广泛复杂，不同学者对其理解存在差异。

目前，许多研究者从不同角度解释了供应链协同的含义，其中包括从过程角度解释和从关系角度给出的观点。从过程角度来看，供应链协同是指两个或两个以上的供应链成员为了共同的目标而协同工作。从关系角度来看，供应链协同可以被视为一种紧密的、长期的组织间关系，参与协同的各方共同投入资源、实现目标、共享信息资源和回报、共同承担责任，并共同决策和解决问题。综合这两种观点，本文将供应链协同定义为一个基于伙伴关系的密切合作过程，在该过程中，两个或两个以上的企业密切合作，共享信息、激励一致，并进行联合决策，以创造竞争优势或获得比单独行动更高的利润。

根据企业实施供应链协同的战略目的不同，可以将供应链协同划分为以运营、创新和绿色为目的的三种类型。其中，供应链协同创新是以创新为目的的供应链协同。随着互联网的飞速发展，全球竞争加剧，市场竞争模式发生了变化。

首先，单一企业的竞争优势减弱，供应链竞争逐渐取代了过去企业间的单一竞争。越来越多的企业倾向于与供应链上的其他企业建立紧密的协同伙伴关系，共同竞争。制造企业的利益影响了上下游企业，为了自身利益的需要，企业需要进行供应链协同。例如，当企业要实现零库存管理、改进库存管理方法时，掌握供应商的供货情况对库存管理效果至关重要。同时，独立竞争的企业如果想在库存管理上改进，对供应商的供货时间、质量、成本提出要求，会增加供应商的压力，导致企业与供应商的关系紧张。供应链协同使企业能够更好地应对市场竞争，它是应对市场竞争的产物。

其次，过去企业通过价格战获得竞争优势，现在企业意识到创新的重要性，更多地从创新中寻求优势。以上两点推动了企业开展以创新为目的的供应链协同。这种创新模式将制造企业与供应链成员联系起来，避免各个企业只考虑自身利益而忽视其他企业的利益。紧密的协同关系促使协同成员进行知识共享、共同决策和行动，以实现一致的创新目标。

供应链协同创新的产生有以下三个原因。首先，制造企业自身的知识储备不足以支持创新活动，所以与供应链成员建立密切关系以及时获取充分的、有价值的知识资源是必要的。其次，制造企业的创新资源有限，而供应链上的其他企业可以提供丰富的资源，通过与供应链成员达成协同关系进行资源共享可以解决创新资源有限的问题。此外，制造企业面对创新中的未知风险能力偏弱，与供应链成员分担创新风险可以缩短创新周期并共同获得收益。综合而言，供应链协同创新是为了应对多变的市场环境和多样的市场需求，与供应链上的其他企业建立密切的协同关系，在实现各自目标的同时实现供应链企业间的合作共赢。

1.3.2 供应链协同创新的主体

以创新为目的的供应链协同可以在企业内部发生，也可以与外部组织建立协同关系。研究表明，内部协同是外部协同的前提，即在考虑与外部组织建立协同关系之前，企业需要先进行内部协同工作。外部协同对企业自身、协同对象以及双方之间的协作能力都是一个巨大的考验（卢强等，2021［11］）。因此，在追求外部协同之前，企业需要确保内部协同的有效实施。此外，外部协同可能会对企业在内部协同方面所取得的成就造成损害。然而，由于外部协同带来的利益极具吸引力，许多企业希望通过与其他组织建立协同关系来获得新的市场机会。

a.内部协同

内部协同指各部门之间跨越壁垒，协调决策和实践，协同完成任务。企业内部通常设置有采购、物流、生产、营销等部门，部门之间分工明确但沟通不畅。高度的内部协同意味着部门之间的知识传递顺畅，成员之间的交流合作频繁，对企业战略有统一认识。内部协同对运营绩效的促进已得到实证支持，能提高流程效率、改善需求和物料管理。此外，内部协同可以促进知识在企业内的流动和充分利用，帮助制定更好的决策。已有研究表明，内部协同可以使制造商在新产品上市时间、开发成本、产品质量和成本等方面受益。

学术界还探索了内部协同与外部协同的关系以及它们对企业绩效的作用。内部协同与外部协同是两个关联的过程，内部协同有助于各部门的学习交流和资源合理分配，避免工作重复，加快工作进度。在企业绩效方面，供应商协同和客户协同对企业绩效均具有正向影响。制造企业与供应商和客户保持高度协同是提高企业绩效的关键。

总结来说，内部协同在企业内部实现部门间协作，提高运营绩效和创新绩效；同时，与外部组织建立协同关系也能带来新的市场机会。建立和发展内部协同以及与外部协同形成良好互补关系是企业取得成功的重要因素。

b.供应商协同

供应商协同对企业具有重要意义和价值。供应商协同意味着企业与供应商建立密切的伙伴关系，通过信息共享、协同决策和激励机制的一致性来实现合作。无论是为了提高经营绩效、实现创新还是其他目的，供应商协同的重要性是不言而喻的。在追求有效的供应链管理以提高经营绩效时，与供应商建立合作关系对于实现需求和供应的平衡至关重要。与供应商的伙伴关系本身并不一定带来竞争优势，重要的是如何开发供应商、维持双方的关系以最大化利益。首先，供应商作为产品原材料和零部件的供应者，对企业的产品质量、成本和速度会产生直接或间接的巨大影响。通过供应商协同，企业与供应商之间进行高度互动，共享信息，双方能够及时、准确地了解彼此的需求和供应能力，这对于提升产品质量和响应能力非常有帮助。其次，让供应商参与企业决策过程有助于企业做出更好的决策。根据信息处理理论，单个实体无法具备与决策有关的全部知识。通过与供应商协同进行问题规划和解决，能够制定出更好的决策，从而提高企业的经营绩效。除了提高经营绩效，供应商协同对于提升创新绩效也非常重要。制造环境的变化和技术的发展使得制造企业的战略重点由生产向创新转变。在产品开发周期缩短、产品质量提高、成本降低等方面进行创新是制造企业的挑战。因此，与供应链上的其他企业进行协同创新成为制造企业的选择，以在产品、技术、过程和管理等方面保持竞争优势。综上所述，供应商协同能够帮助企业建立密切伙伴关系，实现需求和供应的平衡关系，并促进经营绩效和创新绩效的提升。

学术界和实践界已经认识到供应商协同对于企业实现创新重要性。研究表明，供应商参与协同创新能够带来更好的市场反响和产品质量保障，降低创新风险，提高供应链柔性，并提升企业的创新能力和创新绩效。成功的企业协同创新实践表明，制造企业和供应商之间存在着双赢的区域。当制造企业与供应商的目标和利益一致时，建立协作依赖关系进行创新是一种理性的选择。制造企业和供应商通常处于相同的行业领域，特别是对于提供定制零部件和产品的供应商来说，它们会保持密切且稳定的关系。大多数制造企业倾向于维持一定数量的供应商，并通过信息系统和准时制供应等实践来实现与供应商的紧密关系，为资源和能力互补创造有利条件。作为供应链上游的知识来源，供应商能够为制造企业提供独特的专业技能和有价值的新知识。企业可以依靠供应商的专业技能和知识来改进产品，创造出更符合消费者需求的新产品，实现产品创新。无论是推出全新理念的产品还是改进产品性能，新产品的开发往往与一些系列技术相关联。供应商协同可以利用供应商的技术，避免制造企业做重复性工作。供应商协同在过程确定、新设备引进、生产技术提高等方面发挥协同作用。在协同的过程中，信息和货物流动无缝，促进了专业化的制造过程系统的研发，有助于企业的过程创新。企业与供应商在过程创新方面的协同也能带来质量的改进和成本的降低。综上所述，供应商协同对于企业实现创新具有重要作用，能够提高产品质量、降低创新风险、增强供应链柔性，并促进企业的创新能力和创新绩效的提升。

c.客户协同

客户协同指的是企业和客户为实现共同目的进行信息共享、联合决策和激励一致的协同活动。对于大多数制造企业来说，客户是产品分销系统中的一个渠道，是将产品传递给终端消费者的渠道。因此，企业与客户建立协同关系是为了实现对渠道的有效管理，提高产品或服务流程的可视性。研究表明，客户协同有助于企业获取市场信息、识别市场机会，也能够帮助企业迅速、准确地了解客户的需求以及对企业产品和服务方面的意见，使企业的创新更加有针对性。与供应商相比，客户能够为企业提供更广泛的对产品创新有帮助的知识。根据柯恩等人（2002）的研究，90%的企业表示客户提供的知识有助于开展新的研发项目。客户位于供应链的下游，更接近终端消费者，因此更了解消费者的需求和偏好，也更清楚创新机会可能从何处产生。通过与客户协同，倾听消费者的声音可以帮助制造企业了解消费者当前和潜在的需求。企业根据客户提供的信息进行创新，可以使创新出的产品和服务更符合消费者的需求，也可以避免时间和资金的浪费。对于过程创新而言，一些领先用户为了满足自己的需求创造出自己的过程，从而促进了制造企业对其生产过程的改进。然而，关于客户协同对过程创新的积极作用存在质疑。基于知识距离的观点，Un 和Asakawa（2015）［6］提出客户协同对于过程创新的作用受到知识距离的限制。他们的研究认为，客户与制造企业的运营环境存在差异，客户关注的是市场和消费者，更关注企业的产品输出是否满足消费者需求，而较少关注制造企业的投入和产品的生产过程，这与制造企业的运营和创新环境存在较大差异。因此，运营环境的差异限制了企业与客户协同进行过程创新的能力，这也解释了客户协同在产品创新领域比在过程创新领域发挥的作用更大。

制造企业可以通过建立多种协同关系来促进知识共享和扩充知识库，从而提升创新能力。然而，这也给企业管理带来了挑战。协同网络可以根据协同对象的不同维度进行分类，包括供应商、客户、竞争对手、大学和研发机构。研究发现，供应商协同有助于企业的流程创新，但需要企业具备较高的吸收能力。与竞争对手协同可以促进知识共享，但由于存在利益冲突，企业可能受到机会主义行为的损害，失去竞争优势。因此，企业往往不愿意与竞争对手分享敏感信息，这削弱了竞争对手协同对过程创新的积极作用。相比之下，大学和研究机构是唯一可以显著提高企业产品和过程创新能力的协同对象。然而，研究表明，大学和研究机构对企业的作用需要企业具备较高水平的吸收能力才能显现。此外，研究还发现，与供应商或大学的研发合作相比，与客户或竞争对手的研发合作对于产品创新没有积极影响甚至可能有负面影响。在技术和产品快速发展的行业中，研发密集型企业更倾向于与大学合作，而对工艺创新感兴趣的制造企业更倾向于与供应商合作，对产品创新感兴趣的企业更倾向于与客户合作。

1.4 供应链协同中的知识管理

1.4.1 知识管理的概念与维度

知识概念最早可以追溯到一百六十多年前，Bertrand 在其著作《人类的知识》中指出了知识的片面性和模糊性。接着，彼得德鲁克将知识归类为信息资源，并认为以知识为主题的信息不仅包括实践方法和操作指导，还涉及企业和个人处理信息的行为。Lewis 在2004 年提出了知识包括企业和个人在过去的业务活动中获得的经验。此外，韦伯词典认为知识是一种可以通过先天知觉感知或后天学习交流掌握的抽象事物。而我国现代汉语词典将知识定义为人类在改造现实世界的实践中所获得的认知和经验的总和。这些学术观点从不同角度探讨了知识的本质和特征。

20 世纪70 年代，彼得德鲁克作为管理大师早早认识到知识的重要作用，并指出未来知识将成为企业竞争优势的关键来源，1988 年他首次提出了知识管理的概念。接着，在80 年代末，《斯隆管理评论》发表了第一篇关于知识管理的文章，引起了广泛的学术界关注。90 年代，学术界和一些企业开始对知识管理进行深入研究和探索。此外，关于知识管理的概念，许多学者从不同的研究角度提出了自己的观点。狭义的知识管理涉及对知识本身的管理，包括知识的挖掘获取、加工、传递、拓展和运用等方面；广义上，除了知识本身，还需要组织和开发与知识相关的各种资源和各个方面，以更好地利用知识，最大限度地发挥知识的价值。这些学术观点探讨了知识管理的历史演进和其定义的范畴（吴冰和刘仲英，2007［12］）。

在维度划分上，知识管理分为纵向层次和横向层次。纵向层次包括知识获取、利用和创新，而横向层次包括信息、无形资产、员工教育和培训、经营战略决策等方面的管理。此外，Swan 和Scarbrough 在2001 年将知识管理划分为知识特性、知识组织管理和知识管理方法三个维度进行研究，并从狭义和广义的角度概括了知识管理的内容。狭义的知识管理涉及具体的管理活动，如知识的采集、加工、储藏、积累、传播和共享；广义的知识管理涉及较宏观的内容，包括知识的运营组织活动、知识学习活动和知识人员管理等。从供应链的视角来看，企业产品中的知识含量越高，企业在供应链中的地位就越依赖于其获取、学习和创造知识的能力。知识不仅存在于企业内部，也存在于企业之间，供应链不仅是有形资源的流动通道，还是知识流动的链条。供应链成员企业的知识在协同环境中相互流动，其他企业的非核心知识可能对某些成员企业非常有价值。因此，知识管理是有效集成和管理这些异质且互补的知识的手段，供应链各成员企业可以共同受益。这些观点阐述了知识管理的维度划分以及在供应链中的重要作用。

1.4.2 供应商协同中的知识管理

供应商在制造企业的协同创新中扮演着关键角色，建立长期的协同关系是供应链管理中的一个重要问题。通过供应商协同，制造企业与供应商建立战略性联盟关系，共享信息、联合决策和激励一致。供应商协同使得企业能够实时交流并共享生产运作信息和物流信息，使双方能够根据市场变化和具体情况及时调整和规划生产和物流，减少由于沟通不畅引起的冲突。此外，物料信息也是重要的共享内容之一。协同关系有助于企业和供应商全面了解双方的采购、生产和库存计划，从而做出科学有效的决策。企业与供应商的协同能够促进双方平等分担和共享协同带来的风险和收益，引导双方实现互惠互利。

供应商与制造企业的运营环境相似，知识距离较近，且联系更为紧密。供应商能够从运营、技术、设备等多个方面向制造企业提供兼容性强的知识。当采购对于制造企业而言不仅是边缘性活动，而是战略性活动时，企业与供应商之间的关系更加稳定。尤其是在制造企业为客户提供定制产品的情况下，企业与供应商之间的联系更为密切。因此，在大多数情况下，制造企业与供应商具有相似的行业背景、组织环境和知识转移系统，这些相似性使得供应商的知识对于创新具有重要价值，并且对管理供应商协同中的知识也具有必要性。总之，这段话强调了供应商与制造企业之间的相似性以及供应商知识在创新中的价值，同时也强调了对供应商协同中知识的管理的必要性。

1.5 供应链协同中的知识管理与创新绩效

创新绩效是衡量组织创新活动成效的重要指标，可以分为广义和狭义两种理解。广义创新绩效包括整个创新过程，从研发到产品投入市场。狭义创新绩效主要指产品创新绩效。企业创新绩效包括技术创新绩效、产品创新绩效和管理创新绩效。本研究关注的是产品创新绩效，主要从产品的创新要素和市场结果对其进行度量。创新要素包括产品的新颖性、专利数量以及在质量、成本、研发时间等方面的成果。市场结果包括销售数量和销售额。不同学者用不同指标对创新绩效进行度量，如新颖独特性、专利数量、新产品销售比率、新产品和服务的营业收入、企业投入市场产品的销售数据等。总之，这段话强调了创新绩效在衡量创新活动中的重要性以及不同指标对其进行度量的方法。

知识存量在企业资源中占据重要战略地位，对企业持续创新和创新绩效提升具有重要意义。大多数实证研究肯定了知识存储对创新的价值，支持知识的累积对创新绩效具有正向影响。然而，学术界存在对知识存储对创新绩效促进作用的不同声音，一些学者认为知识存储需要通过某种中介变量才能转化为创新绩效，还有一些负面影响，如搜索成本、交易成本、知识冗余和知识折旧等风险。协同学习对创新绩效有积极影响，企业与供应商和客户之间的有效学习有助于获取核心和独有知识。协同学习过程还有助于信任的培养和共同命运意识的建立，对最终协同创新的成功起到推动作用。目前大多数关于组织学习与创新绩效的研究支持组织学习对提升创新绩效的作用，但在协同环境下的实证研究仍较少。协同创造和创新绩效的关系强调了企业层面的互动交流对创造力的提高和创新成果的获得具有积极影响。企业与协同伙伴的多元性、异质性知识互动交流能够促进整体创造力的提升，进而推动创新绩效的提高。

1.6 研究述评

通过对供应链协同、知识管理和创新绩效的相关文献进行分析，已有学者对供应链协同与创新绩效以及知识管理与创新绩效的关系进行了研究，并证实了供应链协同和知识管理对创新绩效的正向影响。在知识管理对创新绩效的研究中，学者们将知识管理划分为不同的维度来研究其对创新和创新绩效的影响，虽然得出的结论略有差异，但大多数学者认为知识管理能够促进企业提高创新绩效。在供应链协同与创新绩效的研究中，学者们从不同的角度研究了供应链协同对双元创新、创新能力和创新绩效等的差异化影响。目前，虽然协同创新引起了广泛关注，但实证研究仍需加强。此外，虽然供应链协同和知识管理在理论上具有重要价值和实际意义，但少数制造企业能够通过供应链协同成功实现创新，能够有效运用知识管理的制造企业也较少。这说明供应链协同对创新绩效的影响路径尚不明确，知识管理在其中的作用仍需进一步探讨，为企业提供切实可行的建议。

2 模型与假设

2.1 供应链协同创新与企业绩效

协同论认为，如果系统内各部分能够相互协作、调和矛盾、有机结合，就能产生超越简单总和的效果。基于这一理论，制造企业与供应商和客户进行信息共享、联合决策、激励一致等活动，可以获得超越单个企业创新所能获得的效益。供应链协同意味着打破壁垒，将诸多要素有机结合，实现供应链各方互利共赢、整体效益最优。协同创新是一种多元主体协同互动、网络化、开放性的创新方式，企业选择与其他企业合作研发，以实现共同利益。

供应链协同是一种越来越常见的创新模式，其原因在于创新的复杂性和协同创新的优势。创新涉及到知识、能力和商业化等多个方面，需要广泛的知识库和采用实施新观念、流程、产品和管理的能力。创新是一个迭代的过程，包括问题发现、创意产生、测试、评估和解决问题等环节。为了实现创新并享受创新带来的效益，企业需要具备资源和能力，因此一些重大创新往往是多个企业共同完成的。

除了创新的复杂性迫使企业进行协同外，协同带来的利益也吸引越来越多的企业选择通过整合外部资源来实现创新。协同提供了便利条件，包括信息共享和沟通，丰田汽车成功的案例表明了有效的供应商协同对于实现创新的重要性。研究表明，50%的联盟是在合作的过程中相互获取知识，供应商协同对于创新具有积极影响。供应商拥有对企业绩效有价值的生产和经营方面的知识，可以成为重要的创新想法来源，并通过协同实现产品和服务的改进。此外，供应商还可以通过研发活动分担企业的研发成本。

供应商和客户在企业的产品开发和提高创新绩效中起到重要作用。客户了解消费者需求，对企业的产品和服务提出要求，并推动企业不断调整、改进甚至开发新的产品和服务，以提高新产品质量和市场满意度。客户协同可以缩短产品创新周期并提升市场满意度。此外，供应链协同能够降低创新成本。供应链将多个企业联系在一起，各个企业都可能成为知识源，为了降低整体成本，各企业有可能提供关键知识，以寻找降低供应链成本的最优方式。

H1a：供应商协同对创新绩效有显著正向影响

H1b：客户协同对创新绩效有显著正向影响

2.2 供应链协同与知识管理过程

企业竞争优势来自于具备的难以模仿、不可替代、稀缺、有价值的知识资源。知识经济时代使得知识成为最关键的资源，企业需要进行创新来适应市场变革并生存下来。创新需要付出高额成本，而科技进步加快了产品更新换代速度，增加了企业的压力。为获得创新成果，企业需要大量资金投入，并保证自身知识增长速度超过需求增长速度。在这样的压力下，供应链协同成为企业的理智选择，通过与供应商和客户协同，获得更多互补性知识，并满足创新所需的资金、技术、人力和知识，提高竞争力和获得竞争优势。

创新活动与知识紧密相关，协同创新是对多样化、多来源知识进行获取、整合和应用的过程。有效管理知识活动可能是促进企业创新和提高创新绩效的方式。知识管理涉及对知识本身的管理，其中协同知识存储、协同学习和协同创造是研究其与创新绩效关系的三个过程。

在供应链协同的过程中，协同知识存储是企业不断积累集体洞察力、信念、惯例、策略等知识的过程，这些知识由合作伙伴组织共享。知识基础理论认为吸收外部知识资源是创新过程的关键。企业的知识存量对创新能力有很大影响，缺乏相关知识将限制企业创新。供应链是重要的知识来源，企业可以从供应商和客户处获取相关知识。在协同的过程中，企业可以利用供应链转移和吸收合作伙伴的知识，最终形成企业自身的知识存量，而与客户协同可以提供产品创新所需的信息支撑。

协同学习是指在供应链协同关系中，合作伙伴之间交换和学习知识、信息和技能的过程。与协同知识存储不同，协同学习是吸收和重组获得的知识的动态过程。组织学习理论认为企业要保持竞争优势需要不断学习。供应链协同创造了学习环境，使企业有机会获得供应商和客户的知识。知识是企业能力和可持续竞争优势的基础。供应链上的企业拥有不同的知识和技能，相互碰撞有利于创造新颖有价值的想法，共同构成知识库。供应链协同为企业提供更多的学习机会，帮助企业提高学习质量、可靠性和效率。协同学习有利于培养协同文化，从而促进协同学习进程。

协同创造是企业在协同中产生新颖、独特、有价值构想的过程。创造是指产生新颖有用产品、工艺和服务的构想，为创新奠定基础。创新则是将新概念成功实施和应用的结果，是创造过程的价值体现。供应链协同能帮助企业打破组织边界，接触到非认知惯性的知识，不同知识的碰撞促使新思维的产生。通过与供应商和客户建立协同关系，企业能在内部产生新的有用想法，推动产品、工艺、服务和管理创新。供应链协同还能激发企业创造力，使企业摆脱传统思维和行为方式的限制，从而促进协同创造。据此提出研究假设：

H2a：供应商协同对协同知识存储具有显著正向影响

H2b：供应商协同对协同学习具有显著正向影响

H2c：供应商协同对协同创造具有显著正向影响

H3a：客户协同对协同知识存储具有显著正向影响

H3b：客户协同对协同学习具有显著正向影响

H3c：客户协同对协同创造具有显著正向影响

2.3 知识管理过程与创新绩效

知识管理的目标是最大化知识的价值。企业在创新过程中会受到资源和能力的约束，为了克服这些不利因素，从外部获取新知识成为企业的合理选择。企业通过获取外部新知识来扩大视野、促进新想法的产生，并将其应用于产品研发中，以提高创新绩效。因此，知识在企业创新中起着越来越重要的作用，知识管理也应成为企业管理的重要内容。企业持续创新依赖于有效的知识管理，而知识存量的积累是实现创新的必要条件。大多数研究认为充足、有价值的知识有利于企业实现创新和创新绩效的提升。隐性知识在企业创新中比显性知识更有价值，但由于难以交流，需要进行存储以保障企业持续创新。

协同知识存储是指在协作环境中积累隐性和显性知识。知识存储包括静态积累和动态积累两种形式。有效的知识存储和丰富的知识存量是企业进行创新活动的前提。企业的创新能力依赖于知识存量，同时也影响着企业的适应能力、资源更新和创新绩效。获取充足、有价值的知识是第一步，而学习则是对知识存储的激活和知识流动的推动。协同学习通过团队学习促进不同知识和技能的传递和共享，为新知识的产生创造有利的环境。在协同环境中学习对于提高企业创新至关重要，有助于整合外部和现有知识，并促进有序的知识创造和应用活动。

学者们对创造力的内涵进行了不同的解释，有些认为它是一种特定的品质，有些则从产品的角度定义。本文关注创造力在供应链协同创新中的作用，将其视为企业实现创新的一种活动，用创造这一动词代表该活动。协同创造是企业在供应链协同中产生新颖、独特、有价值想法的过程。创造与创新不同，但是创造是创新的起源。企业将创造过程中的新颖有用的想法转化为实际成果，即为创新。创新是创造价值的体现，而企业的协同创新潜力主要取决于开发、整合和传播想法的能力。基于以上分析，此提出如下假设：H4a：协同知识存储对创新绩效有正向影响。

H4b：协同学习对创新绩效有正向影响。

H4c：协同创造对创新绩效有正向影响

2.4 知识管理过程的中介作用

在多元化、全球化的市场经济下，企业通过供应链协同实现创新绩效的提高。供应链协同可以为企业提供多种外部知识源，丰富企业的知识库。同时，供应链协同创造了沟通和交流的环境，不同知识的碰撞促进了创造性想法的产生，隐性知识也能够从协同过程中获取。通过供应链协同，企业增加了对外部环境的了解，识别了机遇，推动了成功创新，提高了创新绩效。在供应链协同与创新绩效之间，知识管理过程起到了重要的桥接作用，有效管理和应用获取的知识。

知识既是一种必要的生产要素，也是一个流动的过程。企业要实现创新需要通过知识的积累、更新和应用来进行知识流动。供应链协同被认为是实现创新的重要途径，无论是内部研发还是外部合作都依赖于协同合作。供应链协同的目标是获取知识，并为企业提供组织学习的环境和渠道。通过与供应商和客户的协同学习，企业可以积累大量的创新知识，并将其转化为创新成果。同时，知识会存在折旧和老化的问题，因此企业需要持续学习和与合作伙伴交流，以保持知识的更新和价值的创造。

与客户协同合作对于企业创新至关重要，可以获取市场相关的知识，分析消费热点和趋势。通过与客户的合作，企业可以预测原材料的未来趋势，并向供应商提出最新的需求，提高市场响应能力。然而，创新存在很大的风险性，供应链企业可能因为不确定市场对创新产品的接受程度而抵触新产品的推广。供应链协同增加了制造企业与供应商和客户之间的合作交流，有助于加深对彼此的理解，更容易利用综合知识找到新的市场机会，激发创造性思维的产生。开放式创新需要积极与其他企业协同合作，这种积极的协同过程增加了企业找到突破常规思维的新想法的机会，使企业更有可能实现创新。因此，知识管理过程可以帮助企业获取和整合创新所需的外部资源，从而获得创新成果。基于以上分析，提出如下假设：

H5a：协同知识存储在供应链协同和创新绩效的关系中具有中介效应。

H5b：协同学习在供应链协同和创新绩效的关系中具有中介效应。

H5c：协同创造在供应链协同和创新绩效的关系中具有中介效应。

3 研究设计

3.1 变量测量

为了研究供应链协同、协同创造、协同学习和协同知识存储的变量，我们选择了已有的成熟量表，而不是开发新的量表。因此，我们的工作重点在于选取和修正这些量表。具体步骤如下：（1）梳理各变量相关研究，选择多次引用的经典文献中的量表。对于外文文献，根据情境合理翻译；（2）根据研究背景、问题和目的，修改选取的量表。

3.1.1 供应链协同的测量

供应链协同的测量方式因学者研究目的而异。学者们根据协同的内容将供应链协同划分为不同的维度。例如，Cao 和Zhang（2011）将供应链协同划分为信息共享、目标一致、联合决策、激励一致、资源共享、协同沟通以及联合知识创造七个维度，并对它们进行测量。Kampstra 等学者（2006）则从战略目标和价值取向的一致性、合作的长期性、制定生产计划和物流计划、开发市场、解决问题方面的协调程度来度量供应链协同。此外，还有学者通过了解企业与协同伙伴继续协同关系的意愿来评估供应链协同的情况。大多数认同供应链协同是企业间的一种联盟形式，通过与供应链上的企业紧密合作实现共同的目标。基于Simatupan 和Sridharan（2003）的理解，将供应链协同定义为两个或两个以上的企业通过信息共享、联合决策和激维度，并从信息共享、联合决策和激励一致三个内容对它们进行具体测量。信息共享指协同各方之间交换相关、及时、准确、完整和机密的信息；联合决策包括产品规划、产品工艺、设计和操作过程；激励一致表示合作伙伴分享收益和损失。这三个维度都包含在Cao 和Zhang（2011）所划分的七个维度中（冯檬莹等，2023［13］）。最终，所有的题项都来自Cao 和Zhang（2011）的量表，测量的具体内容可参考表3-1。

表3-1 供应链协同量表

3.1.2 协同知识存储的测量

协同知识存储是企业在供应链协同过程中不断积累并共享洞察力、信念、惯例、策略等知识的过程。为了全面测量协同知识存储，需要对获得的知识进行分类。这些知识来自于多个不同企业、多种类型的复杂知识，对实现创新、应对市场环境以及与供应链成员协同创新都至关重要。在协同过程中需要频繁的交流互动，并具备协商、规划、实施、管理和解决矛盾等知识储备。互动知识包括与协同过程中的互动、协商、冲突管理和实施相关的知识，有助于维系与客户和供应商的良好关系。期望互动知识存储能够拓展关系组合中的类型，促进探索和开发创新。功能知识库由与价值链功能相关的知识积累而成，来源于合作伙伴间的信息交流。环境知识存储由企业对外部环境的了解组成，包括竞争对手、客户、法律和法规等方面的知识。最终通过12 个测量题项对协同知识存储进行具体测量，详见表3-2。

表3-2 协同知识存储量表

3.1.3 协同学习的测量

在上一章中，协同学习的定义侧重于企业与合作伙伴之间的知识和技能交换、学习和更新。因此，在测量协同学习时，需要考虑企业与供应商和客户之间的知识和技能交换，以及对所获取知识的消化和不断更新知识库这三个关键点。研究发现，Selnes 和Sallis 的关系学习测量包含了这三个要素，他们从信息交流、共同理解和特定关系记忆三个维度对协同学习进行度量（叶传盛和陈传明，2022［14］）。因此，可以借鉴Selnes 和Sallis 开发的量表，并适当进行调整，得到协同学习的测量量表（表3-3），其中包括12 个题项。

表3-3 协同学习量表

3.1.4 协同创造的测量

国内外关于协同创造的实证研究很少，对企业创造和组织创造的研究也不多。因此，协同创造的测量主要建立在对创造力的测量方式上。不同学者对创造力的内涵和维度有不同见解。一些学者将创造力视为特殊人格特质或能力，而另一些学者则从创造性产品的新颖性、独特性和价值性出发进行评判。还有学者关注创造的结果，通过测量企业所创造的专利、技术和产品数量等来评估创造水平。本文将协同创造视为企业活动的一个过程，在这个过程中，企业与供应商和客户共同促进新颖、有价值的产品、过程和服务的构想产生。为了避免混淆，本文采用了创造一词。Maier 和Sinclair（2010）与本文的理解一致，他们认为协同创造是一个协同环境中产生新颖、有价值的想法的过程。因此，针对协同创造的测量题项应该反映企业与其他供应链企业在协同过程中采取的促进有价值创造性想法形成的活动。Shahzad 等人（2016）提出了与组织创造力相关的测量量表，包括“本公司产生了许多新颖有用的想法”、“本公司培养了有助于新想法产生的环境”、“本公司在创造新想法上投入大量时间”、“本公司将产生新想法视为重要的企业活动”和“本公司积极生产有价值的新想法”。尽管该研究关注的是组织创造力，与本文的研究对象稍有不同，但其对创造力的理解是一致的（叶传盛和陈传明，2022［14］）。因此，可以借鉴该研究对企业创造力的测量，适当调整原有的测量，并设定5 个测量题项，具体量表见表3-4。

表3-4 协同创造量表

3.1.5 创新绩效的测量

创新绩效是企业创新的结果。广义的创新绩效包括创意产生到产品市场反馈的整个过程，狭义的创新绩效关注企业将创新产品投入市场后的获得。本文研究狭义的创新绩效，通常用新产品数量、销售额占比、开发速度和成功率等指标来衡量。已有研究提出了一些较成熟、被广泛引用的测量方法，可以分为两类：一类是从产品特点入手，如新颖性、使用的专利数量等；另一类是从市场反响入手，如新产品的销售额等。Falasca 等人（2010）采用第一类方法，通过开发频率、速度、首次推出市场与质量等方面测量产品创新绩效。钱锡红等人（2010）在国外学者的基础上，通过新技术专利数、推出速度、市场反应、先进技术应用和开发成功率等五个题项来测量创新绩效。章威参考Hagedoorn 和Cloodt（2003）、Laursen 和Salter（2006）的方法，从新产品数量、成功率、市场速度和销售额比率四个方面测量企业创新绩效。在测量指标中，专利数量存在争议，本文认为专利是企业创新结果，应该纳入量表中（王晓玉等，2018［15］）。因此，本文将新产品数量、成功率、速度、成本、销售额占比以及专利申请数量作为衡量企业创新绩效的六个指标，具体内容见表3-5。

表3-5 创新绩效量表

3.1.6 控制变量的测量

除了供应商协同和客户协同以及知识管理过程，其他因素也可能会对创新绩效产生影响。行业类型是一个重要的控制变量，不同行业在协同的对象、要素和程度方面存在差异，对企业创新绩效可能有较大影响。因此，在研究中需要将行业类型作为控制变量，并对制造行业进行细分。企业规模也是一个需要考虑的因素。大型企业在资金、技术和抗风险能力等方面具有优势，能够更好地获取互补性创新资源来促进新产品的商业化，从而获得更好的创新绩效。而小型企业则更富有灵活性和创造力。因此，在研究中需要对企业规模进行控制，以确保结果的准确性。被调查者的工作职务也会对研究结果产生影响。不同工作职务对企业的协同创新情况有不同程度的了解，一些部门（如行政、财务、人事等）对企业的协同创新情况了解可能不全面。因此，需要将工作职务作为控制变量来考虑。

3.2 问卷设计与数据收集

3.2.1 问卷设计

问卷的内容必须符合研究的目的和需求，语言和形式可以起到辅助作用，但内容的可行性和科学性才是最重要的。为了让不同层次的企业人员都能理解和回答问题，问卷设计时应尽量使用通俗易懂的语言，避免过于书面化或晦涩难懂。在问卷设计时应注意保护被调查者的个人隐私，避免涉及敏感信息或过于私人的问题。

在问卷中，各个问题之间应该相互独立，前面的问题不能对后面的问题造成影响，以确保问卷的有效性和准确性。开放性问题可能难以数字化和分析，增加了数据收集和处理的复杂度，因此在问卷中不宜包含过多的开放性问题。在正式调研之前，应对问卷的可行性进行测验。通过与企业管理者和资深从业者的深入讨论，对问卷进行修改和完善，以确保题项能够准确度量各个变量。在问卷的具体设计中，可以包括问卷说明部分、企业基本情况部分和具体题项部分。

问卷说明部分描述了问卷的调查目的、主要用途、保密承诺、填写提示以及作者联系方式等；企业基本情况部分主要涉及被调查者个人及所在企业的基本情况，如企业名称、行业、规模以及被调查者的职务；具体题项部分则包括了供应链协同、协同知识存储、协同学习、协同创造和创新绩效这五个变量的测量指标体系。在具体题项部分，各个变量的指标采用了Likert 五点量表，即被调查者根据自身所在企业情况选择与描述相符的选项，刻度为1 至5，代表不同程度的同意或不同意。这种量表形式便于数据收集和量化分析。

3.2.2 样本选择与数据收集

在研究中，为了确保调查对象符合条件，并保证研究结果的真实性和普遍性，应选择中国具备供应链协同创新实践经验的制造企业作为主要调查对象。在发放问卷时，应保证行业类型和规模的多样性，涵盖通用设备、专用设备、通讯设备、计算机及电子设备等多个行业，同时包括微、小、中和大四种规模的制造企业。考虑到行政、人事等部门可能没有对供应链协同创新实践内容有太深入了解，主要需要对采购、供应、研发、生产等部门进行调研。此外，由于一些信息只有企业的中高层管理人员才可能了解得比较全面，因此尽可能选择这些部门的中高层管理人员填写问卷。

问卷调查工作可以从2023 年6 月开始，并采取多元化的渠道进行问卷发放。其中，第一种方式是在对企业进行深入调研时，对企业管理人员现场发放问卷；第二种方式是向本校MBA 或EMBA 院校学生发放问卷，并要求填写问卷的学生需具有5 年以上的制造企业工作经验，并对企业的供应链活动有深入了解；第三种发放方式是委托课题合作单位的负责人代为发放问卷；第四种方式是利用作者个人以及科研团队的社会关系，委托朋友向有效对象发放并回收问卷。具体的问卷发放方式可以包括问卷星网站、邮件、面对面等几种方式。问卷星和邮件形式能够避免地域和时间的限制，降低回收成本，提高数据统计的便捷性。但同时也存在难以保证问卷回收率和质量的缺点。面对面现场发放问卷能够确保调研质量，当场回收问卷，但成本较高，花费时间较长，并且结果不便于统计。为了在保证数据数量的同时最大限度确保数据的有效性，可以综合使用这几种方式，以弥补各自的缺陷。

在数据收集的过程中，为避免因同一企业的统一岗位而带来较高的样本雷同性，可以尽量覆盖多个岗位对同一企业发放问卷，并对同一岗位的问卷发放数量进行控制。这样能够确保样本的多样性和相关数据的有效性。

3.3 问卷回收

自2023 年6 月到7 月，共发放问卷597 份，回收434 份，回收率为72.7%。在收到问卷后，首先进行了阅读和筛选工作。整理后得到有效问卷374 份，有效率为89.8%。

4 数据分析

4.1 数据分析方法与步骤

在研究中，数据分析方法对于验证概念模型和研究假设的可靠性和科学性起着重要作用。为了精确验证供应链协同、知识管理过程和创新绩效之间的关系，需要选择科学和合适的数据分析方法。在探究多个因变量之间的关系时，可以使用SPSS（版本22.0）和AMOS（版本24.0）软件工具进行分析。这两个软件工具在统计分析和结构方程建模方面具有广泛的应用。

4.2 描述性统计分析

行业类型：根据收集到的有效问卷数据结果（表4-1），样本涵盖了我国制造业的大部分典型类别。通讯设备、计算机及电子设备制造占样本总量的17.9%，精密仪器制造及办公用品制造占15.2%，电气机械及器材制造、交通运输设备制造、通用设备制造、专用设备制造所占比重较为接近，分别为13.9%、13.9%、13.4%、13.4%，而家电产品制造所占比重相对较小，为12.3%。从比重上看，样本中的行业分布较为均匀，没有较大的差异。

表4-1 量表信效度检验

表4-2 供应商和客户协同量表验证性因子分析拟合指标

企业规模：根据调查对象所在企业的员工人数进行了划分。根据划分标准，人数不足20 人的企业有72 家，占有效样本数的19.3%；人数在20 到300 人区间的企业有143 家，占比38.2%；人数在300 人以上1000 人以下的企业有98 家，占比26.2%；人数在1000 人以上的企业有61 家，占比16.3%。总体上看，样本在各个企业规模区间的分布相对均匀。

工作职务：根据被调查者所担任的职务进行描述性统计分析（表4-3）。根据数据结果，包含了从采购、生产、销售到战略管理等多个工作岗位。占有效样本总量百分比最高的是生产工艺人员，占27.8%，其次是采购和供应商管理人员，占21.7%，销售人员占20.0%，技术管理人员占13.6%，发展规划人员占8.6%，产品研发人员占8.3%。

表4-3 供应商和客户协同量表组合信度

4.3 量表信度与效度检验

对于信效度检验，使用了374 份正式调查问卷，并采用SPSS22.0 软件和AMOS24.0 软件进行分析。

4.3.1 量表信度检验

研究采用了内部一致性方法，即使用Cronbach’s α 值来评估各个量表的内部一致性水平。Cronbach’s α 是一种常用的信度系数，它衡量了测量工具中各项之间的相关性。Cronbach’s α 的数值范围在0 到1 之间，数值越大表示量表的内部一致性越强。通常情况下，当Cronbach’s α 大于0.7 时，可以认为量表具有较高的信度；当Cronbach’s α 在0.6 到0.7 之间时，可以接受；而当Cronbach’s α 小于0.6 时，则表示量表的信度较差，需要考虑重新编写问卷。根据数据表4-4，供应商协同、客户协同、协同知识存储、协同学习、协同创造和创新绩效量表的Cronbach’s α 值均在0.8 以上。这意味着这些量表在研究中具有很强的内部一致性，说明量表在测量相关概念时是可靠的。

表4-4 知识管理过程量表验证性因子分析拟合指标

表4-5 知识管理过程量表组合信度

4.3.2 量表效度检验

a.供应链协同的效度检验

图4-1 显示了供应商协同与客户协同量表的验证性因子分析模型。

图4-1 供应商与客户协同量表的验证性因子分析模型

表4-2 是供应商和客户协同量表的验证性因子分析结果，而表4-3 则显示了载荷数和平均变异数。从表4-2的验证性因子分析指标来看，CMIN/DF 的值为1.135，处于合适的范围内（1-3 之间），表示模型的配准度良好。同时，GFI、AGFI、NFI、TLI 和CFI 的值都在0.9 以上，满足大于0.9 的适配要求，说明模型的整体适配度较好。此外，RMSEA 的值为0.078，符合良好适配的标准。从表4-6 的载荷数和平均变异数来看，在供应商协同和客户协同量表中，题项的载荷数均在0.8以上，表明各个题项与其对应的因子具有较高的相关性。而供应商协同和客户协同的平均变异数抽取量分别为0.711 和0.710，均大于0.5，表明这两个量表具有较好的效度，即能够有效地测量所要评估的概念。

表4-6 创新绩效量表验证性因子分析拟合指标

表4-7 创新绩效量表组合信度

表4-8 Pearson 相关分析结果

b.知识管理过程的效度检验

图4-2 为知识管理过程量表的验证性因子分析模型。

图4-2 知识管理过程量表的验证性因子分析模型

图4-3 创新绩效量表的验证性因子分析模型

图4-2 中包含了协同知识存储（XZC）、协同学习（XX）和协同创造（XC）量表的测量题项。根据表4-4的验证性因子分析指标，CMIN/DF 的值为1.147，处于合适的范围内（1-3 之间），表示模型的配准度良好。同时，GFI、AGFI、NFI、TLI 和CFI 的值都在0.9 以上，满足大于0.9 的适配要求，说明模型的整体适配度较好。此外，RMSEA 的值为0.068，达到良好适配的标准。综合来看，基于验证性因子分析的结果，可以得出结论：图4-2 中的分析模型具有很好的拟合度。使用的协同知识存储、协同学习和协同创造量表是可靠且有效的工具，能够准确地测量相应的概念。

表4-5 中显示了知识管理过程三个维度（协同知识存储、协同学习和协同创造）的标准化载荷系数、平均变异数抽取量（AVE）和组合信度。标准化载荷系数是衡量观测指标与潜变量之间关系强度的指标。三个维度的标准化载荷系数均在0.8 以上，这意味着观测指标与对应的潜变量之间的关系非常强，超过了0.5 的可接受范围。这说明协同知识存储、协同学习和协同创造的测量指标能够很好地反映相应潜变量的特征。平均变异数抽取量（AVE）是衡量潜变量解释观测指标方差的比例。每个维度的AVE 值都大于0.5，这说明潜变量解释了观测指标方差的相当比例，进一步验证了量表的效度。组合信度是衡量观测指标内部一致性的指标。每个维度的组合信度均超过0.7，这意味着观测指标之间具有较高的一致性，增强了量表的可靠性。

c.创新绩效的效度检验

针对创新绩效（IP）量表的6 个题项（IP1、IP2、IP3、IP4、IP5、IP6），进行了验证性因子分析，并得到了相关结果。首先，通过观察表4-9 中的拟合度指标，我们可以看到CMIN/DF 值为1.616，处于1～3 的理想范围内，RMSEA 值为0.039，小于0.5，这说明模型的拟合度较好。同时，GFI、AGFI、NFI、TLI 和CFI 这些指标均在0.9 以上，进一步验证了模型的拟合度较好。其次，创新绩效（IP）量表的6 个题项（IP1、IP2、IP3、IP4、IP5、IP6）的标准化载荷系数均在0.8 以上，说明它们与对应的潜变量之间的关系非常强，符合接受的范围要求。最后，创新绩效的平均差异数抽取量（AVE）为0.692，说明潜变量解释了观测指标方差的相当比例，也处于0.5 以上的可接受范围内。根据表4-9 和相关检测结果，创新绩效（IP）量表的验证性因子分析结果显示其拟合度较好，观测变量的标准化载荷系数和平均差异数抽取量也符合要求。因此，可以说该量表的效度较好，可以使用这些数据进行下一步的回归分析来实证检验相关研究问题。

表4-9 供应链协同与创新绩效假设检验分析表

4.4 Pearson 相关性分析

利用SPSS22.0 对调查数据进行相关分析，并得到了表格4-8 中的分析结果。表格中显示了各变量的平均值、标准偏差以及Pearson 相关系数。根据这些分析结果，可以对前期提出的假设关系进行初步判断。首先，Pearson 相关系数可用于衡量两个数据集合之间的线性关系程度。当相关系数为正数时，表示两个变量呈正相关关系；当相关系数为负数时，表示两个变量呈负相关关系。相关系数在-1 到1 之间取值，绝对值越大则表示变量之间的相关性越强。其次，使用了**代表P＜0.01，说明达到了0.01 显著水平。这意味着相关系数的值具有统计显著性，可以排除随机差异的影响。最后，判断标准是一般认可的经验规则。相关系数小于0.2 被认为是极弱相关或不相关，0.2 到0.4 之间被认为是弱相关，0.4 到0.6 之间被认为是中等相关性，大于0.6 被认为是强相关。

1.供应商协同和客户协同与创新绩效之间呈显著正相关关系。这意味着供应商协同和客户协同对于创新绩效的提升具有积极影响。具体而言，供应商协同与环境绩效以及客户协同与环境绩效之间的相关性较强，初步验证了相关研究假设H1a 和H1b。

2.供应商协同和客户协同与知识管理过程的三个维度（协同知识存储、协同学习、协同创造）之间也呈显著正相关关系。这表明供应商协同和客户协同对于知识管理过程的各个方面都起到推动作用。具体而言，供应商协同与协同知识存储、协同学习、协同创造之间的相关性较强，并且客户协同与这些知识管理过程之间也存在显著正相关关系。这初步验证了相关研究假设H2a、H2b、H2c、H3a、H3b、H3c。

3.创新绩效与知识管理过程的三个维度之间也呈显著正相关关系。具体而言，创新绩效与协同学习和协同创造之间的相关性较强，初步验证了相关研究假设H4b、H4c。然而，创新绩效与协同知识存储之间的相关系数较弱，需要进一步验证。这些结果说明知识管理过程对于创新绩效具有积极影响。

需要注意的是，Pearson 相关系数分析只能表明变量之间存在相关性，并不能确定因果关系。要准确分析供应商协同与客户协同对于创新绩效的影响以及知识管理过程在其中是否起到中介作用，还需要进行回归分析等进一步的研究方法来验证。

4.5 回归分析

在回归分析中，为了确定供应链协同、知识管理过程和创新绩效之间的因果关系，通过一下指标进行分析：

1.R²值：R²值表示自变量对因变量的解释度，介于0 和1 之间，越接近1 说明模型的解释度越高。

2.调整R²值：调整R²值考虑了自变量个数的影响，可以更准确地评估模型的解释度。

3.F 值：F 值用于检验整体线性回归模型的显著性，当F 值的显著性小于0.05 时，可以认为模型的整体线性回归效果显著。

4.VIF 值：VIF（方差膨胀因子）用于评估自变量之间是否存在多重共线性。一般认为，当自变量的VIF 值大于10 时，存在多重共线性问题。

5.容忍度：容忍度是VIF 值的倒数，用于衡量自变量之间的相关性。一般而言，当容忍度小于0.1 时，表示变量之间存在多重共线性现象。

4.5.1 供应链协同与创新绩效的回归分析

在供应商协同和客户协同这两个维度上，供应链协同对创新绩效有着较好的预测能力。具体来说，供应链协同可以解释创新绩效的64.3%。这个模型的F 值为14.988，显著性水平是0.000，说明该模型具有较高的预测能力。根据统计量分析，供应链协同和创新绩效之间不存在严重的共线性现象，说明它们各自的维度相互独立。同时，回归系数的分析表明，供应商协同与创新绩效之间的回归系数β 值为0.487，P 为0.000，在0.001 的水平上显著；供应商协同与创新绩效之间的回归系数β 值为0.339，P 为0.000，同样在0.001 的水平上显著。供应商协同和客户协同与创新绩效之间存在显著的正向关系，验证了假设H1a 和H1b。

4.5.2 供应链协同与知识管理过程的回归分析

（1）供应链协同与协同知识存储的回归分析

通过回归分析探究供应商协同和客户协同对协同知识存储、协同学习和协同创造的影响。结果显示，供应商协同和客户协同与协同知识存储之间存在显著的正向关系，供应商协同与协同知识存储之间存在显著的正向关系（β=0.488，P=0.000＜0.001）；客户协同与协同知识存储之间存在显著的正向关系（β=0.471，P=0.011＜0.05），验证了相关假设H2a、H3a。同时，共线性统计量表明各变量之间不存在严重的共线性现象，模型能够较好地预测创新绩效。

（2）供应链协同与协同学习的回归分析

Model2 的R2 为0.494，调整后的R2 为0.493，说明该模型对协同学习的解释率为49.3%。也就是说，模型中的自变量能够解释因变量变异的近一半。F 值为16.751，显著性水平是0.000，说明该模型能够较好地预测创新绩效。F 值反映了模型整体的显著性，这个值越大越好。而显著性水平则表示了观察到的关联是否具有统计上的显著性。显著性水平小于0.05，说明我们可以拒绝零假设，即变量之间存在关联。从共线性统计量来看，容忍度最小为0.218，符合＞0.1 的要求，最大的VIF 值也远远小于10，说明变量之间不存在共线性关系。共线性是指自变量之间存在高度相关性的情况，会对回归结果的稳定性和解释能力产生负面影响。因此，这些结果表明在模型中不存在共线性问题。从标准系数β 值看，供应商协同的β 值为0.482，在sig.=0.000（＜0.05）的水平下显著；客户协同的β 值为0.493，在sig.=0.000（＜0.05）的水平下显著。这表明供应商协同和客户协同对协同学习有积极影响。sig.值小于0.05 表示变量与因变量之间存在显著关系，而β 值则表示该关系的方向和强度。因此，H2b 和H3b 得到了验证，即供应商协同和客户协同对协同学习具有积极的影响作用。

（3）供应链协同与协同创造的回归分析

根据模型3 的结果显示，该模型对协同创造的解释率为43.8%。F 值显著性水平为0.000，说明该模型能够很好地预测协同创造。同时，共线性统计量显示变量之间没有严重的共线性。供应商协同与协同创造之间存在显著的正向关系（β=0.486，P=0.000＜0.001），客户协同与协同创造之间也存在显著的正向关系（β=0.458，P=0.000＜0.05）。

假设H2c、H3c 得到验证。

4.5.3 知识管理过程与创新绩效的回归分析

在Model6 中，知识管理过程的三个维度作为自变量，创新绩效作为因变量。模型的R2 为0.421，调整后的R2 为0.418，说明知识管理过程各维度与创新绩效的回归方程对创新绩效的解释率为41.8%。也就是说，模型中的自变量能够解释因变量变异的近42%。F 值为20.552，显著性水平是0.000，说明该模型能够较好地预测创新绩效。F 值反映了模型整体的显著性，这个值越大越好。而显著性水平则表示了观察到的关联是否具有统计上的显著性。在这个模型中，P 值小于0.05，说明自变量与因变量之间存在显著关系。从共线性统计量来看，知识管理过程的三个维度与创新绩效之间的容忍度最小为0.131（＞0.05），VIF最大为7.693（＜10），这说明知识管理过程的三个维度与创新绩效之间不存在严重的共线性现象。共线性是指自变量之间存在高度相关性的情况，会对回归结果的稳定性和解释能力产生负面影响。从回归系数看，协同学习与创新绩效之间存在显著的正向关系（β=0.482，P=0.000＜0.001）；协同创造与创新绩效之间存在显著的正向关系（β=0.379，P=0.000＜0.001）。这表明协同学习和协同创造对创新绩效有积极的影响，并且这种影响具有统计上的显著性。因此，H4b 和H4c 得到了验证。协同知识存储与创新绩效之间的β 值为0.347，P=0.015（＞0.05），这说明协同知识存储与创新绩效之间的关系不显著。也就是说，协同知识存储对创新绩效的影响不具有统计上的显著性。因此，H4a 没有通过验证。

4.5.4 知识管理过程的中介效应检验

首先要确认供应链协同（X）对创新绩效（Y）是否存在显著影响（路径c）。这可以通过回归分析来进行，将供应链协同作为自变量，创新绩效作为因变量进行回归分析，检验回归系数的显著性。确认供应链协同（X）对知识管理过程（M）是否存在显著影响（路径a）。同样，这也可以通过回归分析来进行，将供应链协同作为自变量，知识管理过程作为因变量进行回归分析，检验回归系数的显著性。确认知识管理过程（M）对创新绩效（Y）是否存在显著影响（路径b）。同样地，使用回归分析，将知识管理过程作为自变量，创新绩效作为因变量进行回归分析，并检验回归系数的显著性。当控制中介变量知识管理过程时，再次分析供应链协同（X）对创新绩效（Y）之间的关系（路径c），观察该路径的显著性是否减小或消失。若路径c不再显著存在，或显著减小，即表明知识管理过程（M）在供应链协同（X）和创新绩效（Y）之间起到了中介作用。

在具体操作上，可以使用逐步进入的方式进行回归分析。首先，将供应链协同的各维度与创新绩效进行回归分析，并观察系数的变化。然后，逐个加入知识管理过程的各维度进行回归分析，并再次观察供应链协同和创新绩效系数的变化。根据系数的变化趋势来判断知识管理过程是否具有中介效应。

a.知识管理过程在供应商协同和创新绩效关系间的中介效应检验

在Model1 中，考察了控制变量对创新绩效的影响，在Model2 中，进一步加入了自变量供应商协同。相关系数0.769***表示供应商协同对创新绩效有显著的正向影响。在Model3 中，加入了中介变量协同知识存储。此时，供应商协同和创新绩效之间的相关系数降为0.105***，说明协同知识存储在供应商协同和创新绩效的关系中具有部分中介效应。在Model4 中，又加入了中介变量协同学习。在加入协同学习后，供应商协同和创新绩效之间的相关系数降为0.057***，这说明协同学习在供应商协同和创新绩效关系中起到部分中介作用。在Model5 中，进一步加入了中介变量协同创造。加入协同创造后，供应商协同对创新绩效的标准化β 值由0.769***降为0.119***，说明协同创造在供应商协同和创新绩效的关系中具有部分中介效应。根据以上结果，可以得出结论：知识管理过程中的协同知识存储、协同学习和协同创造对供应商协同与创新绩效之间的关系具有部分中介效应。这意味着，部分供应商协同对创新绩效的影响是通过协同知识存储、协同学习和协同创造来实现的。

b.知识管理过程在客户协同和创新绩效关系间的中介效应检验

在Model6 中，检验了客户协同对创新绩效的影响。相关系数为0.686***，表明客户协同对创新绩效有显著的积极作用。在Model7 中，加入了中介变量协同知识存储。此时，客户协同和创新绩效之间的相关系数降为0.163**，说明协同知识存储在客户协同和创新绩效的关系中具有部分中介效应。在Model8 中，又加入了中介变量协同学习。在加入协同学习后，客户协同和创新绩效之间的相关系数降为0.161**，说明协同学习在客户协同和创新绩效关系中起到部分中介作用。在Model9 中，进一步加入了中介变量协同创造。加入协同创造后，客户协同对创新绩效的标准化β 值由0.686***降为0.210***，说明协同创造在客户协同和创新绩效的关系中具有部分中介效应。根据以上结果，知识管理过程中的协同知识存储、协同学习和协同创造对客户协同与创新绩效之间的关系具有部分中介效应。这意味着，部分客户协同对创新绩效的影响是通过协同知识存储、协同学习和协同创造来实现的。

综合以上两种验证方法的验证结果可知，协同知识存储、协同学习和协同创造部分中介了供应链协同对创新绩效的作用，假设H5a、H5b、H5c 得到验证。

4.6 研究结果汇总

首先，本文进行了描述性统计分析、量表信效度检验和相关性分析，结果显示数据的信度、效度以及模型构建的可靠性都满足要求。这意味着所使用的测量工具是可靠且有效的，数据的质量可以支持后续的分析。在进一步的分析中，运用了分层回归方法对提出的5 个假设进行了检验。其中，供应链协同对创新绩效有显著的正向影响，这与假设H1 的预期一致。此外，知识管理过程在供应链协同和创新绩效之间具有中介效应，这也支持了假设H3 的预期。这说明知识管理过程在促进供应链协同对创新绩效的影响中起到了一定的中介作用。然而，假设H4a 关于协同知识存储对创新绩效的正向影响没有通过验证。具体原因需要进一步分析，可能是由于其他因素的干扰或样本特征等原因导致。根据以上结果，可以得出结论：供应链协同对创新绩效具有显著的正向影响，知识管理过程在二者之间起到中介作用。但是，协同知识存储对创新绩效的正向影响没有通过验证，可能需要进一步研究和探讨。

5 结论

5.1 研究结论

5.1.1 供应链协同与创新绩效

假设 H1a、H1b 通过验证，供应链协同对创新绩效有显著的正向影响。制造企业与供应商和客户之间的紧密协同可以帮助企业获得更好的创新绩效。具体来说，该研究通过回归分析得出，供应商协同和客户协同与创新绩效之间存在正向关系，其中供应商协同对创新绩效的提升作用更大。通过与供应商和客户的协同，制造企业能够获取外部知识，获得行业前沿信息、先进技术和管理经验等，从而提高创新绩效。此外，客户还对企业创新产生直接和间接的价值，包括增加创新知识存量、准确市场定位、缩短产品开发周期、提高产品销量和提升产品的新颖性。然而，该研究并未区分不同类型创新对供应商协同和客户协同的影响，需要进一步讨论和研究。

5.1.2 供应链协同与知识管理过程

假设 H2a、H3a 通过验证，供应商协同和客户协同对协同知识存储有显著的正向影响。根据知识基础理论，企业是知识的仓库，供应商和客户可以被视为企业外部的知识存储点。在供应链协同创新过程中，制造企业与供应商和客户之间频繁交流互动，有助于隐性知识的传递。从知识背景的角度来看，由于供应商与制造企业的知识距离较近，双方的行业背景和企业文化更相似，因此制造企业与供应商在知识存储，尤其是隐性知识存储方面可能更出色。

假设 H2b、H3b 通过验证，供应商协同和客户协同对协同学习有显著的正向影响。协同学习是指在合作环境中进行知识共享和互动学习的过程。协同学习的有效性受到共享的专业知识基础的影响。换言之，当企业与供应商和客户之间具有相似的知识基础时，他们更可能对彼此的知识产生兴趣，并且能够迅速理解对方的知识。这种情况下，协同成员能够更深入地了解协同过程中存储的知识。因此，可以得出结论：供应商协同和客户协同在协同学习中起到促进作用，通过共享相似的专业知识基础，促进协同成员对知识的理解和应用。

假设 H2c、H3c 通过验证，供应商协同和客户协同对协同创造具有显著的正向影响。协同创造是指在合作过程中共同创造新的想法、观点和见解的过程。从互动频率来看，制造企业在协同过程中进行频繁的交流，这促使不同的思想进行碰撞、交流，并激发新的思想和新的见解的产生。通过频繁的交流与互动，供应商和客户之间的合作能够打破传统思维模式，开拓新的思路，从而促进创新和创造力的发挥。当不同的思想相互交流并碰撞时，可能会引发新的想法和见解的产生，从而为协同创造提供了新的可能性。因此，可以得出结论：供应商协同和客户协同在协同创造中起到促进作用，通过频繁的交流与互动，激发新思想和新见解的产生，从而推动协同创造的发展。

5.1.3 知识管理过程与创新绩效

在知识管理过程中，协同学习和协同创造对企业创新绩效有显著积极影响，而协同知识存储对创新绩效的影响不明显。此外，协同学习对创新绩效的影响比协同创造更大。虽然这与一些关于知识积累与创新绩效关系的研究结论有所出入，但在供应链协同创新环境下，制造企业从供应商和客户处获得的知识难以完全消化和应用，可能由于知识吸收能力不足。因此，协同知识存储仅仅建立共享库，在没有足够的知识吸收能力时无法促进创新绩效。这与之前的研究结果一致。

环境动荡性可能在供应链协同与创新绩效的关系中起到调节作用。研究发现，在进行渐进性创新时，环境动荡性对协同知识存储与创新绩效的关系具有负向调节作用。高环境动荡性意味着行业产品更新速度快，消费者偏好和行为变化大，企业原有知识无法满足市场需求，知识折旧率高。因此，对于渐进性创新来说，高环境动荡性会削弱协同知识存储的积极作用，反而促使企业寻求外部资源，重构知识基础，从而推动突破性创新的实现。此观点与其他学者的研究结果一致。

协同学习对创新绩效有促进作用，企业需要持续学习以提高创新绩效。研究结果与现有研究一致，指出在技术迅速发展、市场环境急剧变化的情况下，企业需不断学习以避免知识折旧。通过协同学习，企业能理解并丰富更新知识库，提高知识储备。这是高效利用资源、降低创新风险和不确定性的过程。有学习行为的企业注重团队合作，对创新绩效有正向影响。此外，协同学习帮助企业获取异质资源，提升创新绩效。协同创造是实现创新必要条件，而创新绩效是企业创新成果的重要内容。提高创新绩效需产生创造性想法，并有效实施转化。

5.1.4 知识管理过程的中介作用

H5a、H5b、H5c 通过验证说明知识管理过程在供应链协同和创新绩效的管理中起中介作用。对供应链协同和创新绩效进行回归分析发现，供应商协同和客户协同都能促进创新绩效。在知识管理过程的三个维度中，供应链协同对创新绩效的直接作用减弱，但仍然显著正相关，表明三个维度都起到了部分中介作用。研究结果显示，协同学习在供应链协同和创新绩效之间具有最强的中介效应，其次是协同创造，协同知识存储的中介作用最弱。这是因为协同学习可以高效利用和更新知识，协同创造为企业提供了创新的环境和机会，而外部获得完备的创新知识对提高创新绩效影响较小，因为通过协同学习和协同创造，企业已经深入理解所获得的知识，并且与供应商和客户的交流也可以获取知识。

5.2 理论贡献

从研究的角度来看，本研究以供应链协同创新中的知识管理为起点，探讨了供应链协同、知识管理过程和创新绩效之间的作用机制。众所周知，创新对于企业提高创新绩效并获取竞争优势具有显著作用，因此供应链协同创新也成为一个备受关注的热门议题。目前，关于供应链协同和知识管理的研究日益增多，但大部分研究都将这两个变量视为自变量或因变量，并研究它们对经营绩效和创新绩效等方面的影响因素，而较少有研究从知识管理的视角探究供应链协同如何为企业带来创新绩效。因此，本研究引入知识管理过程作为中介变量，将供应链协同划分为供应商协同和客户协同，并分析供应链协同对创新绩效的作用机理。通过此研究，不仅可以为供应链协同创新提供理论贡献，同时还能为制造企业在供应链协同创新方面提供指导。

5.3 研究不足与展望

虽然本文对制造企业的供应链协同创新实践进行了一定的研究，但仍存在一些需要改善的方面。首先，在数据收集方面，本文主要关注制造行业的供应链协同创新问题，并针对制造企业进行了问卷调查。这样的选择虽然有利于为制造企业提供实用的指导，但却限制了其他行业的借鉴价值。此外，考虑到供应链协同创新的战略地位，被调查者可能在回答问卷时不会完全如实反映，从而对调查结果产生影响。

其次，在模型构建方面，本文将知识管理过程引入作为供应链协同与创新绩效之间的中介变量。然而，未能确定供应链协同和创新绩效关系中是否存在其他中介变量，需要进一步的研究和分析。

第三，在变量测量方面，本文使用了以往研究中成熟的量表作为基础建立最终的量表。尽管在选择量表时尽可能选取符合本文研究背景和内容的成熟量表，但不同学者对问题的理解可能存在差异，在反映概念内涵时与本文存在差别。学者们对变量内涵的重视程度及所选择的测量题目也会有所不同，因此最终的实证结果可能存在偏差。

因此，建议今后的研究可以在数据收集上扩大样本覆盖范围，包括其他行业，以提高研究的普适性和可推广性。在模型构建方面，可以进一步探究供应链协同和创新绩效关系的中介机制。在变量测量方面，可以根据研究目的和内容设计更精确的量表，以减少偏差并增强研究的可信度。