知識(shí)聯(lián)系對(duì)企業(yè)創(chuàng)新績效的影響(參考版)
2025-07-01 05:16本頁面
【正文】 s[J]. Ramp。s[J]. Ramp。（3）本研究的所有研究樣本來源于軟件行業(yè)，其研究結(jié)論尚需要在其他行業(yè)領(lǐng)域內(nèi)進(jìn)行驗(yàn)證和發(fā)展，以進(jìn)一步拓寬研究成果的適用性。由于本研究所涉及的變量較多，為了簡化問卷，將部分題項(xiàng)進(jìn)行了合并，從而降低了變量之間的內(nèi)在一致性。盡管研究問卷調(diào)查及樣本量基本滿足的信度和效度檢驗(yàn)，但是由于問卷調(diào)查工作困難，本研究實(shí)證分析仍非真正意義的大樣本研究，沒有完全達(dá)到結(jié)構(gòu)方程模型的需要，雖然本研究利用因子分析和相關(guān)分析對(duì)于結(jié)構(gòu)方程模型進(jìn)行了初步簡化，以降低其對(duì)于樣本數(shù)量的要求，但是對(duì)于研究結(jié)論產(chǎn)生了一定的影響和制約。盡管本研究取得了一些有意義的結(jié)論，但是研究過程中仍然存在不足，許進(jìn)一步深化。聯(lián)系是構(gòu)成網(wǎng)絡(luò)的基本要素之一，因此直接影響到組織知識(shí)網(wǎng)絡(luò)的結(jié)構(gòu)。企業(yè)可以通過改善知識(shí)聯(lián)系來促進(jìn)知識(shí)網(wǎng)絡(luò)的形成和發(fā)展，從而提高企業(yè)的創(chuàng)新績效。在從而對(duì)于企業(yè)的技術(shù)創(chuàng)新績效產(chǎn)生巨大的影響。企業(yè)的知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)是指網(wǎng)絡(luò)的多元化、規(guī)模、外向度和居間度等的程度，它反映了企業(yè)外部網(wǎng)絡(luò)的整體形態(tài)和質(zhì)量。雖然產(chǎn)業(yè)整體的園區(qū)化、集群化發(fā)展的趨勢非常明顯，但是地理上的集聚并沒有更多地催生出密集而高效的企業(yè)網(wǎng)絡(luò)和知識(shí)網(wǎng)絡(luò)。對(duì)于處于發(fā)展階段的我國軟件企業(yè)來說，更加需要廣泛而深入的利用各種外部技術(shù)資源，形成協(xié)同創(chuàng)新優(yōu)勢以提升核心競爭能力。對(duì)企業(yè)知識(shí)網(wǎng)絡(luò)的創(chuàng)新績效構(gòu)建機(jī)制的作用機(jī)理和路徑聯(lián)系進(jìn)行了分析，得到如下主要結(jié)論：（1） 在網(wǎng)絡(luò)化創(chuàng)新模式之下，通過構(gòu)建外部知識(shí)網(wǎng)絡(luò)，企業(yè)可以更加廣泛而深入的引入外部技術(shù)資源，知識(shí)網(wǎng)絡(luò)成為處在發(fā)展階段的我國軟件企業(yè)獲得協(xié)同創(chuàng)新能力的關(guān)鍵。此外，部分知識(shí)聯(lián)系之間也存在著相互影響。即聯(lián)系質(zhì)量與知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)密切相關(guān)。假設(shè)H1驗(yàn)證：企業(yè)的聯(lián)系質(zhì)量與知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)密切相關(guān)。如表9所示，臨界比（.）， 的顯著性水平下顯著，假設(shè)H1 成立。表10修正模型的擬合檢驗(yàn)結(jié)果模型擬合統(tǒng)計(jì)值測量模型取值判別標(biāo)準(zhǔn)χ2靠近自由度.74越大越好顯著性概率=χ2/ .=2擬合優(yōu)度指數(shù)（GFI）=調(diào)整擬合優(yōu)度（AGFI）=近似誤差均方根殘差（RMSEA）=Turker－Lewis 指數(shù)（TLI）=比較擬合優(yōu)度指數(shù)（CFI）=增值擬合優(yōu)度指數(shù)（IFI）=簡約規(guī)范優(yōu)度指數(shù)（PNFI）=簡約擬合優(yōu)度指數(shù)（PGFI）=表11 修正SEM結(jié)構(gòu)模型中的參數(shù)估計(jì)Estimate..PSR.2655485.0489697***R1R.6411643.1198848***PS.4795321.0991209***R6RR5R.1228369***R4R.1403303***R3R.9765157.1197029***R2R.6287037.1242951***S1SS2S.9701579.0838106***S3S.6828837.1081931***S4S.5184483.1154821***P1PP2P.1802003***P3P.1655392***P4P.9956408.2078122***P5P.1951551***R2R1.4829086.1002410***（4） 數(shù)據(jù)結(jié)果對(duì)研究假設(shè)的驗(yàn)證根據(jù)表11顯示的修正模型中各潛變量之間路徑聯(lián)系系數(shù)的標(biāo)準(zhǔn)化估值、臨界比（.）、以及路徑聯(lián)系系數(shù)的顯著性檢驗(yàn)結(jié)果，進(jìn)行各項(xiàng)研究假設(shè)的驗(yàn)證。模型的內(nèi)在結(jié)構(gòu)擬合檢驗(yàn)主要考察模型中顯變量是否能合適地反映對(duì)應(yīng)的潛變量以及理論模型的因果聯(lián)系是否成立。模型的基本擬合標(biāo)準(zhǔn)包括的內(nèi)容主要有：測量誤差（.）不能有負(fù)值，因子載荷適中，且達(dá)到顯著性水平。從表10可以看出，反映修正模型增量擬合情況的TLI 、CFI 、IFI ，表明修正SEM 的增量擬合優(yōu)度良好。因此，表明模型的絕對(duì)擬合效果總體符合標(biāo)準(zhǔn)。如表10所示，修正SEM 的χ2 ， 的水平；χ2/ ，小于2；RMSEA ，；。模型的整體擬合情況反應(yīng)模型結(jié)構(gòu)與樣本數(shù)據(jù)的擬合程度。根據(jù)AMOS 運(yùn)行結(jié)果中的Modification Indices，在初始模型中增加了如表9所示的殘差間的協(xié)方差聯(lián)系和變量間的路徑聯(lián)系。AMOS 不僅模型的檢驗(yàn)結(jié)果， 同時(shí)還給出了修改指標(biāo)（ ModificationIndices），若干變量的修改指標(biāo)比較大，說明原來假設(shè)的模型沒有考慮到這幾個(gè)變量的強(qiáng)相關(guān)聯(lián)系，使得路徑分析的條件無法達(dá)到，需要對(duì)模型做出修改，以承認(rèn)這些變量之間的聯(lián)系，主要是增加殘差間的協(xié)方差聯(lián)系。從表8可以看出，只有少量指標(biāo)顯示可以接受初始模型，大部分指標(biāo)顯示拒絕初始模型。模型整體擬合優(yōu)度指標(biāo)主要有三類：絕對(duì)擬合優(yōu)度指標(biāo)（χχ2/ .、GFI、AGFI、RMSEA）；增量擬合優(yōu)度指標(biāo)（TLI、CFI、IFI）；簡約擬合優(yōu)度指標(biāo)（PNFI、PGFI）。圖2 初始結(jié)構(gòu)方程模型路徑圖（2） 初始SEM檢驗(yàn)與修正模型評(píng)價(jià)的核心內(nèi)容是模型擬合性，即模型輸出的各種擬合指標(biāo)需要滿足要求。其中知識(shí)聯(lián)系為外生變量，企業(yè)網(wǎng)絡(luò)結(jié)構(gòu)機(jī)制和企業(yè)創(chuàng)新績效為內(nèi)生變量。根據(jù)本章因子分析的最終結(jié)果，及本研究在概念模型的基礎(chǔ)上， 軟件的初始結(jié)構(gòu)方程模型，圖2為初始結(jié)構(gòu)方程模型的路徑圖。SEM 可以為每個(gè)估計(jì)的參數(shù)值的適合程度進(jìn)行顯著性檢驗(yàn)，以及如果該參數(shù)在自由估計(jì)的情況下所導(dǎo)致的顯著性改變和模型整體適合度的變化，其中包括了對(duì)能夠解釋若干組觀測變量協(xié)方差的潛變量的檢驗(yàn)。（1） 初始 SEM 模型的確立本研究應(yīng)用結(jié)構(gòu)方程（SEM）來驗(yàn)證知識(shí)網(wǎng)絡(luò)的構(gòu)建機(jī)制和運(yùn)轉(zhuǎn)機(jī)制。傳統(tǒng)的統(tǒng)計(jì)分析方法由于要求不存在測量誤差的可觀察變量，難以妥善處理社會(huì)科學(xué)研究中存在測量誤差的潛在變量。結(jié)構(gòu)方程分析，也常稱為結(jié)構(gòu)方程建模（Structural Equation Modeling，SEM），是基于變量的協(xié)方差來分析變量之間聯(lián)系的一種統(tǒng)計(jì)方法，是一種非常通用的線型統(tǒng)計(jì)建模技術(shù)。經(jīng)過征詢，對(duì)調(diào)查問卷一持肯定評(píng)判意見的人數(shù)23 人，即本次調(diào)查的CVR ， 以上就屬于高效度，可見調(diào)查問卷的內(nèi)容效度較好，所得數(shù)據(jù)可靠有效，可以據(jù)此進(jìn)行下一步分析。α系數(shù)信度較高與客戶聯(lián)系質(zhì)量0．864與其他相關(guān)企業(yè)聯(lián)系質(zhì)量0．854與中介服務(wù)機(jī)構(gòu)聯(lián)系質(zhì)量0．870網(wǎng)絡(luò)結(jié)構(gòu)0．823創(chuàng)新績效0．848（2） 效度檢驗(yàn)在問卷調(diào)查結(jié)束以后，為了保證調(diào)查的有效性，需要對(duì)問卷采取調(diào)查效度檢驗(yàn)，本研究將借助內(nèi)容效度方法，即測量項(xiàng)目在多大程度上表示了所要測定的特征范疇進(jìn)行調(diào)查問卷效度檢驗(yàn)，采用內(nèi)容效度比(Content Validity Ratio，簡稱CVR)指標(biāo)進(jìn)行衡量。α系數(shù)Cronbach180。問卷各部分內(nèi)容調(diào)查信度檢驗(yàn)具體下表7所示。 ，則認(rèn)為問卷內(nèi)在信度不太高，問卷設(shè)計(jì)存在一定問題但仍有參考價(jià)值；如果Cronbach180。則認(rèn)為問卷內(nèi)在信度很高，問卷設(shè)計(jì)很好；如果Cronbach180。α系數(shù)為評(píng)判標(biāo)準(zhǔn)，α的值越大表示該因素內(nèi)部各題項(xiàng)之間的聯(lián)系越大，即該因素的內(nèi)部一致性越高。在李克特態(tài)度量表法中常用的信度檢驗(yàn)方法為“Cronbach α”系數(shù)以及“折半信度”（Splithalfreliability）。信度越大，說明用于解釋一個(gè)潛變量的各觀測變量具有共方差的程度越高。信度所關(guān)注的是研究結(jié)果的一致性（ consistency ）、穩(wěn)定性（stability）和可復(fù)制性。（1） 信度檢驗(yàn)在因素分析之后，為進(jìn)一步了解問卷的可靠性與有效性，要做信度檢驗(yàn)。表6 知識(shí)聯(lián)系子量表因子分析結(jié)果因子題項(xiàng)旋轉(zhuǎn)后的因子載荷特征值方差貢獻(xiàn)率（％）因子命名R1R2R3R4R5R6R1R11客戶聯(lián)系R21R31R41R2R12供應(yīng)商聯(lián)系R22R32R42R3R13其他相關(guān)企業(yè)聯(lián)系R23R33R43R4R14大學(xué)研究機(jī)構(gòu)聯(lián)系R24R34R44R5R15中介服務(wù)機(jī)構(gòu)聯(lián)系R25R35R45
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1