(2)探索式和利用式技术创新、环境动态性和竞争性的探索性因子分析。
我们将探索式技术创新和利用式技术创新的12个题项进行探索性因子分析后的Bartlett氏球体检验的结果显示卡方值为688.15(自由度为66,p<0.001),达到显著水平,KMO的检验结果为0.78,大于0.70,表示适合进行因子分析。但是发现有第1个题项和第12个题项出现了偏差,在删除这两个题项后再次进行探索性因子分析后,发现Bartlett氏球体检验的卡方值为377.42(自由度为45,p<0.001),达到显著水平,代表母群体的相关矩阵间有共同因素存在,KMO为0.83,大于0.80,表示适合进行因子分析,因子分析后各题项的载荷值也大于0.5,剩余10个题项可以明显地归结为2个因子,与理论假设也一致,表示该变量具有较好的结构效度。利用式技术创新最终由5个题项组成,该变量的Cronbach’s α系数是0.80,大于0.70的门槛值。探索式技术创新量表也由5个题项组成,该变量的Cronbach’s α系数是0.72,这表明这两个变量均具有较好的信度。
环境动态性、环境竞争性属于单维度变量,我们将两个变量所包含的9个题项一起进行探索性因子分析,如果效度好则9个题项可以清晰地归结为2个因子。Bartlett氏球体检验的卡方值为363.61(自由度为36,p<0.001),达到显著水平,代表母群体的相关矩阵间存在共同的因素,KMO为0.83,表示适合进行因子分析。但是分析结果显示环境动态性的第4题项出现了偏差,我们试着删除这个题项来进一步考察题项的聚集。在删除了环境动态性的第4个题项后再次进行因子分析,发现Bartlett氏球体检验的卡方值为349.11(自由度为28,p<0.001),达到显著水平,KMO为0.84,大于0.80,表示适合进行因子分析,因子分析后各题项的载荷值也大于0.5。并且剩余的8个题项也可以明显地区分为2个因子,表示这两个变量具有良好的结构效度。环境的动态性量表最终由4个题项组成,其Cronbach’s α系数是0.78。环境的竞争性量表也由4个题项组成,Cronbach’s α系数是0.86,表明这两个变量均具有良好的信度。
变量的维度及题项因子载荷信度
利用式技术创新
1.逐步提高产品/服务的可靠性0.66
2.逐步提高业务流程的效率0.84
3.重点调查老顾客的满意度0.73
4.适时调整产品/服务以更好满足老顾客的需求0.64
5.重点挖掘老顾客的价值0.60
探索式技术创新
6.能打破常规寻找新的技术/产品创意0.64
7.将探索新技术的能力作为公司成功的根基0.68
8.经常研制有价值的新产品(服务)0.77
9.尝试以新方式来满足顾客需求0.56
10.敢于开发全新的市场0.550.72
环境动态性
1外部环境变化程度很剧烈0.73
2顾客经常对产品(服务)提出新的需求0.73
3外部环境不断在发生变化0.79
4公司所在市场上的产品(服务)数量和种类不断在变化0.730.78
变量的维度及题项因子载荷信度
环境竞争性
1环境竞争非常激烈0.82
2竞争对手实力较强0.87
3市场竞争强度很高0.77
4公司所在的市场经常爆发价格战0.77
6.2大样本施测
6.2.1数据收集与样本描述
(1)数据收集程序。
在样本企业的选择方面,我们主要基于以下三个原则:第一,必须是独立的公司而不是分支机构或子公司,公司规模至少在100人以上;第二,成立时间至少在3年以上;第三,以制造业(行业门类:C)和IT业(行业门类:G)为主。之所以选择成立时间在3年以上的企业,是因为技术创新从创意的提出到最终的市场化需要一个过程,国际上学者对探索式技术创新和利用式技术创新的研究也大多是基于对过去3年时间内所进行的创新状况分析(He et al, 2004; Jansen et al, 2006; Lubatkin et al, 2006)。以制造业和IT业为主要调查对象是因为这两个行业中的创新活动更具有典型性,但是为了使得本研究的外部效度更高一些,我们也对金融行业中的部分企业进行了调研。之所以选择金融行业一方面是因为国外近年来对探索式和利用式技术创新进行研究的企业样本很多来自金融行业(Jansen et al,2006),并且金融产品也面临着持续创新的动力和挑战,另一方面是因为近年来我国金融改革使得金融业的产品创新活动更加频繁。
本文的数据来自中国内地的2个直辖市和10个省份,分别是:北京、天津、吉林、内蒙古、甘肃、河北、河南、山东、山西、浙江、江苏和广东。在调查方式上采取上门现场调研和邮寄调研相结合的方式,在调研之前先尽可能通过报刊、杂志、企业黄页、互联网(如中国科技部的官方网站中关于中国各地区技术创新的相关资料)以及公开的数据库,如中经网,资讯行、中国财经报刊数据库检索系统等以及人际网络的方式确定拟调查的企业名单。对于北京市以及近郊的企业,我们采取上门调查的方式,通过企业黄页、行业协会披露的企业名单及联系方式、人际网络、互联网搜寻等途径与被调研企业的高层领导人员联络后确认可以接受调查,然后派人上门进行现场问卷的发放,对于无法现场作答但承诺几天后会填写的高层领导者,我们数天后再次登门收取所填写的问卷。对于个别出差或请假的高层领导者,根据需要通过电子邮件将电子版的问卷发送过去以便在填写完毕后返回。关于北京市以外的企业,我们确认被调研企业符合本次的调研要求后,也是通过电话或电子邮件与该企业的高层领导者取得联系,确认可以调研后通过信件的方式邮寄出了本次的调查问卷,并附上写好本次调研接收地址并贴上邮票的回执信封,以尽量提高问卷的回收率。
本次调研共发放问卷700份,回收387份,剔除填答不完整或无法配对(包括CEO助理和人力资源副总填写完整而技术副总没有填写完整,或者前三个高层管理者填写完整了其调研子问卷但是财务副总没有填写,即要保证4份子问卷能够完整对应)的问卷88份和明显不认真作答的无效问卷52份,最终有效问卷是297份,有效回收率42.42%。对回收企业与没有回收的企业进行非回应偏差分析后发现两者并没有显著的差异,说明本次调研的企业中非回应偏差问题并不严重。虽然本文在研究设计中采取多种措施来降低同源误差的影响,但是为了数据的可靠性,我们仍然从统计上来检验是否之前的研究设计消除或削弱了同源误差的影响程度,最常用的检验方式是哈曼的单因子检验法(Harman’s single-factor test, Podsakoff et al,1986),它是通过对研究者采用的所有题项进行探索性因子分析来检验未被旋转的因子数目,如果从中萃取出一个因子并且这个因子解释了大部分题项的总体变异量,则说明同源误差依然存在。我们将本文变量的所有题项按照上述步骤进行因子分析后,发现第一个因子仅解释了18.954%的变异量,并没有解释绝大部分的变异量,这表明通过研究设计分开填写问卷的方式和其他辅助措施有效地避免了同源误差的影响。
(2)样本企业特征分析。
样本企业中,从企业的成立年限来看,其平均年龄大概为12.48年,说明本文的样本并不属于创业企业,企业的平均人数大概为485人;从所有制形式来看,我们将五种不同所有制形式归类为国有企业、外资企业和民营企业三个大类,这样国有企业共有56家,占18.90%,外资企业共有72家,24.20%,而民营企业共计169家,占总样本的56.90%,由于该变量属于类别变量,在后续分析中需要将其转化为虚拟变量,1代表国有企业,0代表非国有企业;我们对企业所处行业也进行归类处理,按照行业大类将其分为制造业、IT业和金融业三种类别,这样制造业中的企业共115家,占总样本企业的38.70%,IT业中的企业有155家,占52.20%,金融业中的企业有17家,占9.10%;样本企业中企业的研发强度平均为7.50%。从CEO的受教育程度来看,43.40%的企业中CEO拥有本科学历,33.30%的企业中CEO拥有硕士(包括MBA/EMBA和在职研究生)学历,说明本次调研中样本企业的CEO具有较高的文化素质水平;样本企业中CEO的平均年龄为43.35年,CEO任期平均为7.87年;样本企业中男性CEO占绝大多数,占到总样本量的90.60%,而女性CEO只占9.40%。
企业数量百分比(%)企业数量百分比(%)
成立年限组织规模
1~5年7224.20%100~200人14348.10%
6~10年11237.70%201~500人8026.90%
11~15年6020.20%501~1000人4314.50%
16~20年299.80%1001~2000人103.40%
20年以上248.10%2000人以上217.10%
TMT人数所有制形式
1~3人289.40%国有独资217.10%
4~6人11037.00%国有控股3511.80%
7~9人6622.20%中外合资3010.10%
10~12人4615.50%外资4214.10%
12人以上4715.80%民营16956.90%
CEO教育水平研发强度
高中及以下82.70%低于1%155.10%
大专227.40%1%~3%7324.60%
本科12943.40%4%~6%8428.30%
硕士9933.30%7%~9%6120.50%
博士及以上3913.10%10%以上6421.50%
CEO年龄CEO任期
35岁以下206.70%1~3年5418.20%
36~40岁9431.60%4~6年12341.40%
41~45岁10736.00%7~9年6722.60%
46~50岁5016.80%10~12年3411.40%
50岁以上268.80%12年以上196.40%
企业数量百分比(%)企业数量百分比(%)
CEO性别行业类别
男26990.60%软件业8829.60%
女289.40%机械、设备、仪表制造业8127.30%
电子计算机及相关设备制造业186.10%
电子元器件制造业4916.50%
生物医药制造业3411.40%
银行业279.10%
6.2.2聚合性检验
由于在研究设计中CEO领导行为是由三个不同的对象来进行测评,为检验三种测评结果之间是否具有一致性,即在一个由三个成员所构成的组中,组内成员所测评出的结果能否代表这个组的平均值,我们需要在合并之前进行数据的聚合性(aggregation)分析。通常有两种方法来衡量组间数据的一致性(agreement),一种是组内相关系数(Intraclass Correlation Coefficient, ICC),可以进一步分为ICC(1)和ICC(2)两种,运用方差分析(ANOVA)来判断组间方差是否大于组内方差,F值如果显著则说明可以将个体层的数值加总到团队层;另一种是评分者之间的信度(Interrater Reliability Coefficient, IRR),通常用Rwg来表示,即利用特定团队中系统性变异量相对于预期变量的比例来反映组内成员在评价题项中的趋同程度(James et al,1984)。
虽然本文对变革型和交易型领导行为的测量并不属于个体层向团队层次的聚合过程,但是要综合三个不同对象的评分值则也需要考察是否可以将这三个不同对象的填答结果进行平均,因此,之前也需要考察三个不同调研对象之间以及不同组之间的成员对项目评价的一致性程度,由此我们在合并数据之前需要采用Rwg、ICC(1)、ICC(2) 来判断数据合并的可能性。
(1)Rwg指标分析。
Rwg是用来评价组内成员评价的一致性程度,它是James(1982)等学者提出的评分者间信度系数法,代表当要求由不同的人来评估同一个题项时,从他们评分的情况来判断其评价是否可信。一般而言,Rwg的值越接近1越好。通常认为,Rwg 大于0.7比较好,表明适合将团队成员的评价值聚合到团队的层次(Bliese,2000)。但是James et al(1984)认为,Rwg的值介于0.5~0.7之间表示具有中度的一致性,也可以接受将组内成员的评价值聚合到团队层次。需要注意的是,在计算Rwg时不会涉及到组间的变异问题,研究者计算每个群体的Rwg值并报告他们研究样本的Rwg的平均数或中位数(于海波等,2004)。每个组都有一个Rwg值,这样本文样本企业总计有297个组,这样需要分别计算297个组内的Rwg值,然后取其平均值以判断是否可以将组内的评价值进行平均。
Rwg的指标可以分为单一选项指标和多重选项指标,单一选项指标适合于单个维度的变量,而本文中所要合并的变革型领导行为和交易型领导行为都属于多维度变量,因此需要采用多重选项指标来计算,其计算公式为:
Rwg(J)=J1-S2xj/σ2EUJ1-S2xj/σ2EU+S2xj/σ2EU
在这个公式中,Rwg(J)为团队评分者间的信度系数值,J是指量表中题项的数目,S2xj则为题项的方差,σ2EU是指题项均匀分配的期望变异量。James et al(1984)等学者认为,当要评估随机测量误差项时,可以由矩阵分配(rectangulr distribution)或均匀分配(uniform distribution)来计算,由Mood et al(1974)所提出均匀分配的期望变异量计算公式为:
σ2EU=A2-112