刘晓婷 佟泽华 姜子元

摘 要 个体知识协同行为（Id-KCB）和团队知识协同行为（T-KCB）在组织的网络规模对创新绩效的影响过程中具有一定的中介效应，探讨其内在机理对组织有着重要的意义。本文通过数据调查并利用结构方程模型剖析了网络规模对创新绩效影响过程中的Id-KCB、T-KCB的中介效应。研究表明，网络规模对Id-KCB和T-KCB均有显著的正向促进作用;T-KCB对创新绩效具有很强的正向促进作用，而Id-KCB对创新绩效的作用并不显著;T-KCB在Id-KCB对创新绩效的影响过程中起中介作用。

关键词 网络规模 个体知识协同行为 团队知识协同行为 创新绩效

分类号 G350

DOI 10.16810/j.cnki.1672-514X.2019.08.009

Abstract Individual Knowledge Collaboration Behavior （Id-KCB） and Team Knowledge Collaboration Behavior （T-KCB） play an mediating role in the process of organizational Network Scale （NS） on innovation performance， and discussing the inherent mechanism is of great significance to the organization. Through the data investigation， this paper analyzes the mediating effect of Id-KCB and T-KCB in the process of NS on innovation performance by structural equation model （SEM） method. The empirical research shows that NS has a significant positive effect on Id-KCB and T-KCB; T-KCB has a significant positive effect on innovation performance， while the effect of Id-KCB on innovation performance is not significant; Id-KCB has a certain positive effect on T-KCB， and this also means that T-KCB plays an mediating effect in the process of the impact of Id-KCB on innovation performance.

Keywords Network Scale. Individual Knowledge Collaboration Behavior. Team Knowledge Collaboration Behavior. Innovation performance.

知识协同行为（Knowledge Collaboration Behavior，KCB）是指知识的主体、客体等在时间、空间等维度上形成有效协同的状態，并能够在“恰当的时间和场所”，将“恰当的知识”传递给“恰当的对象”，从而使创新活动趋于“有序”的知识协同合作行为[1]。知识是创新之源，其在创新主体之间协同、有序的转移和流动，是创新团队保持自身优势、提高创新绩效的前提与基础。而组织网络规模的大小会在一定程度上影响知识协同行为以及组织的创新绩效。已有的文献对知识协同行为或网络规模进行了相关的研究，但是，组织的网络规模是如何在知识协同行为的中介效应下影响创新绩效，还有待进一步研究。因此，深入剖析网络规模对知识协同行为（个体知识协同行为和团队知识协同行为）的作用机制，进而分析这两种知识协同行为对创新绩效的直接或间接影响，具有一定的价值与意义。

1 研究假设与模型构建

1.1 “网络规模”与个体知识协同行为（Id-KCB）

Id-KCB是指在创新活动过程中，创新个体层面所进行的知识协同合作行为，其特点是知识在个体层面传递、创造的“协同性”“有序性”。组织在创新活动过程中，其网络规模的大小对个体层面的知识协同合作行为会产生一定影响。Baum J A C等在探讨联盟网络和创新绩效的关系时指出，网络规模与企业的成长联系较为密切，网络规模的增加可以为组织成员创造更多的机会[2]，同时拥有较大规模的公司能够将企业聚集在一起并推动其发展[3]。吴建祖认为，企业规模与个体知识共享之间有着重要的联系，当企业的规模小于某个临界值时，企业成员之间的知识交流与共享会始终维持下去[4]。因此，适度的企业规模（企业规模的增加会促进“网络规模”的增加）可以促进个体层面的知识协同合作。同样，在创新活动过程中，企业与政府、高等教育机构、科研院诉、领先企业等的合作，为企业发展提供了更多有利的资源，但企业的创新活动最终是由最小的单元——“个体”来完成的，在个体的交互活动中，会产生个体层面的知识、信息的交流与互动[5]。因此，企业网络规模的扩大在一定程度上为个体知识的交流与合作创造了条件。综合大多数学者的观点，可以看出网络规模的扩大在一定程度上会促进个体之间知识的扩散、协同与合作。由此，提出以下假设：

假设H1：网络规模对创新活动过程中的Id-KCB有显著正向影响。

1.2 “网络规模”与团队知识协同行为（T-KCB）

T-KCB是指在创新活动过程中，创新团队之间通过有效的团队合作机制所进行的知识协同合作行为，其特点是知识在团队层面传递、创造的“协同性”“有序性”。Bouncken R B 和Fredrich V指出，拥有更多合作伙伴的企业意味着其有较多的选择、较少的机会主义行为、较强的知识获取和知识整合能力，同时，合作伙伴网络的大小（即网络规模）能够决定企业能力的高低，而大的网络规模有利于充分利用外部知识，提高知识的利用率[6]。Schilling M A和Phelps C C认为，联盟网络高集群度和高覆盖率的特征对知识创造潜力具有重要影响，紧密联系的本地网络中各企业通过促进沟通与合作，提高网络信息的传输能力，而超本地网络中的非冗余连接缩小了企业之间的距离，有利于企业挖掘更广泛的知识资源以实现超大网络规模[7]。李纲等也认为网络规模影响企业网络能力的发挥，企业网络规模越大，意味着外部合作伙伴越多，外部资源与知识越丰富，获取外部异质性资源的机会越大[8]。Yoon W认为，网络规模与知识创造之间呈倒U型关系，并指出构建合理的、均衡的网络规模是一个合适的选择[9]。综合大多数学者的观点，网络规模对集群创新活动中的团队知识协同行为有一定的促进作用。由此，提出以下假设：

假设H2：网络规模对创新活动过程中的T-KCB有显著正向影响。

1.3 个体知识协同行为（Id-KCB）、团队知识协同行为（T-KCB）与创新绩效的关系

组织内个体层面的知识协同行为对整体绩效的提高具有一定程度的促进作用。正如King等提出的，组织创新最终要落实到组织内的个人身上[10]。由此可见，“微观”单位——个人在创新活动中的重要作用。个体在认知方式、性格兴趣、思维能力等多方面存在差异[11]，这使得个体知识存在异质性的特点。当多样性的个体在组织的框架下进行知识的协同合作时，组织内部所拥有的异质性认知资源常常被充分“搅动”起来，对于激发组织的创新“火花”与创新思维有着积极的促进作用[12]。

与个体相比，团队在多个个体相互合作和竞争的情况下，能创造出更好的绩效[13]。团队能够将多个个体的优势进行整合，打破个人“知识领地”，启发新思维，激发创新“火花”，进而提高团队的知识创新能力[14]。团队内部为达成统一目标，对知识的“保留”较少，知识传播者的知识共享意愿不断增加，“知识距离”的拉近有利于提高团队信息的“公开性”和“透明性”。由此形成了一种推进创新的合力，团队成员努力方向的一致性能够在团队内部产生积极的协同作用，并形成“团队绩效”远大于个体绩效之和的效果[15]。由此，提出以下假设：

假设H3a：创新活动过程中的Id-KCB对创新绩效有显著正向影响;

假设H3b：创新活动过程中的T-KCB对创新绩效有显著正向影响。

1.4 个体知识协同行为（Id-KCB）与团队知识协同行为（T-KCB）的关系

任何一个团队所取得的成绩均离不开个体的参与和配合，创新也是由个人延伸到团队，进而延伸到组织的过程[16]，此过程凝聚了个体的智慧结晶，并最终以整体绩效的形式进行呈现。陈国权等也在研究中指出，高层管理者（个体层面）能够将知识传递给团队其他成员，进而影响整个团队的学习能力[17]。但是，由于个人因素、环境因素等方面均存在差异，个体呈现出异质性、多元化的特征，这些特征使得个体行为不利于引导，且在进行知识协同的过程中存在较多的不确定性。而团队能够对个体无序、分散的知识进行有效地整合、吸收、运用，提高团队对知识的利用效率，促进知识的创造和创新，同时发挥知识创造效益的作用[18]。因此，当个体的知识协同行为在有效的团队合作机制框架下发生时，可以促进与组织目标匹配的团队知识协同行为的进行，并促进其发挥更大的价值。由此，提出以下假设：

假设H4：Id-KCB对T-KCB具有正向促进作用，即 Id-KCB可以通过T-KCB的中介效应显著正向影响创新绩效。

2 研究设计

2.1 问卷设计

根据前面的理论假设并参考已有的文献，本文所涉及的潜变量包括网络规模、创新绩效以及Id-KCB和T-KCB，相應的观察变量如表1所示。问卷中采用Likert五级量表进行评定，分数越高代表对该项的同意程度越高。

2.2 样本和数据收集

本研究主要采用以下几种方式进行调查数据的收集：①向高校从事组织创新、知识协同行为等方面研究的专家、博士等发放调查问卷。②向参与创新活动的企业的相关人员（包括企业中高层管理人员、基层人员等）发放问卷。③向科研院所、政府、金融、服务机构、中介机构等参与创新活动的相关人员发放问卷。此外，本研究还充分利用互联网及网络社交工具（如QQ、微信）发放调查问卷，以提高回收效率。本次调查共发放问卷900份，回收问卷638份，剔除158份无效问卷，样本的有效率为53.3%。样本的基本信息如表2所示。

2.3 信度和效度检验

分析数据的信度和效度是测量必不可少的条件。信度（Reliability）即可靠性，它主要反映检验结果的一致性和稳定性。效度（Validity）主要反映调查结果与要考察的内容的吻合度。本文利用SPSS 23.0对调查数据进行信度和效度分析，结果分别如表3和表4所示。从表3中可以看出，观察变量的Cronbachs α系数分别为0.683、0.642、0.662、0.717，样本整体的Cronbachs α值均大于0.6，表明测量结果具有较好的信度，适合对模型进行进一步的研究。如表4所示，本研究中的KMO值为0.886，建构效度达到了较好的效果。Bartlett检验近似卡方值为1.292.970，自由度（df）为136，检验的显著性（Sig.）为0.000，模型拟合度较好，效度满足要求。

3 实证研究分析

3.1 SEM拟合度分析

模型1：在前文构建的理论分析框架的基础上，利用AMOS构建原始SEM模型，即模型1。模型运行数据得到拟合参数结果，如表5中模型1所示。一般情况下，CMIN/DF<2，同时 GFI、AFGI、TLI、CFI等参数>0.9，RMR、RMSEA<0.05[19]。在模型1中，CMIN/DF的值为1.820，满足CMIN/DF<2的标准要求，但有部分拟合参数（AGFI、RMSEA）不满足要求，同时“个体知识协同行为创新绩效”的路径不显著。因此，模型1还需要进一步修正。

模型2：在模型1的基础上删除路径“个体知识协同行为创新绩效”。根据“模型修正指标”添加部分残差变量之间的双向关系：e1e2， e5e7， e9e11， e13e16，由此建立模型2。运行结果如表5中模型2所示，参数相比于模型1都有了改善。但双向关系e5e7， e13e16未达到显著性标准要求，因此，模型2仍需要进行修正。

模型3：在模型2的基础上，仅保留e1e2，e9e11这两个双向关系，重新建立模型3。运行结果如表5所示，CMIN/DF=1.625，同时其它部分参数也均达到了较好的效果，且所有的路径以及双向关系均显著。因此，模型3整体拟合效果最好。

由表6参数估计结果可知，模型3中各路径的标准化路径系数均为正值，表明路径两端的潜变量具有正向相关性。S.E.及C.R.也均取得了较好的效果，显著性P值均小于0.001，表明潜变量之间是显著相关的。因此，结合图2得到以下分析结果：

（1） “网络规模”与“个体知识协同行为”和“团队知识协同行为”均有显著正向影响。一般情况下，当p值<0.05时，认为结果是显著的。从总体样本来看，路径“网络规模Id-KCB”（H1）的标准化路径系数为0.74（图2中数字为四舍五入后的结果），p值显著，H1得到验证，即网络规模对“Id-KCB”具有显著正向影响。路径“网络规模T-KCB”（H2）的标准化路径系数为0.61，且P值显著，表明网络规模对“T-KCB”存在顯著正向影响，H2得到验证。

（2） “团队知识协同行为”显著正向影响创新绩效，而“个体知识协同行为”对创新绩效的影响并不显著。由图2可知，路径“T-KCB创新绩效”（H3b）具有很强的正向相关性（标准化路径系数为0.89，且P值显著），即H3b得到验证。而路径“Id-KCB创新绩效”（H3a）未达到显著性的标准要求（P值为0.496），因此二者之间不存在显著的相关性，即H3a未得到验证。此外，双向关系e9e11、e1e2的相关系数为0.15、0.37。以e9e11为例，观察变量“高创新成果质量”的残差变量e9与“高转化效益”的残差变量e11具有一定的相互促进作用：一方面“高创新成果质量”进行转化之后，可明显提高企业的经济效益，反过来，“高转化效益”又可以通过增加资金投入而促进创新成果质量的提高。即残差变量之间双向关系可以在某种程度上解释不易被潜变量所解释的部分。

（3）“个体知识协同行为”与“团队知识协同行为”具有中介效应。根据实证结果分析以及图2可得以下两点。其一，在路径“网络规模T-KCB创新绩效”中，“网络规模”对“T-KCB”的标准化路径系数为0.61，“T-KCB”对“创新绩效”的标准化路径系数为0.89。即“网络规模”通过“T-KCB”的中介效应（单阶）对创新绩效产生直接的正向影响。其二，在路径“网络规模Id-KCBT-KCB创新绩效”中，“网络规模”对“Id-KCB”的标准化路径系数为0.74，“Id-KCB”对“T-KCB”的标准化路径系数为0.37，“T-KCB”对“创新绩效”的标准化路径系数为0.89。这表明，虽然“Id-KCB”对创新绩效的作用不显著，但是“网络规模”可以通过“Id-KCBT-KCB”的中介效应（双阶）对创新绩效产生正向影响。

4 研究结论

（1）“网络规模”对“个体知识协同行为”具有显著的促进作用。企业在创新活动中，其网络规模的扩大可以为处于组织中的个体知识协同行为提供良好的环境基础，有利于形成个体之间知识协同合作的组织框架和体系，从而对个体的知识协同行为产生积极的促进作用。在创新活动过程中，组织通过与较多的“政府机构”联系有利于获得更多的“政策支持”，而与较多的“高等教育机构”“科研院所”合作，可以为创新中的“个体”提供更为丰富的知识资源，而与较多的“领先企业”（技术领先企业）以及“供应链单元”（如供应商、销售商、客户）等的交流与合作，可以为创新活动中的“个体”提供多层面、多方位的知识，从而促进个体知识协同行为（Id-KCB）的进行。

（2）“网络规模”对“团队知识协同行为”具有一定的促进作用。与个体知识协同行为类似，企业较大的网络规模可以为创新活动中的团队知识协同行为提供更多的“（伙伴）选择机会”，即提供良好的环境基础。组织较大的网络规模为其创新发展提供了较多的知识资源，有利于团队充分利于创新资源进行创新合作，使得团队成员在时间、空间等维度上“有序的”进行知识层面的合作与交流，从而促进了团队知识协同行为（T-KCB）的产生（虽然有文献指出，网络规模与创新绩效之间存在“倒U型关系”，但是，一般而言，组织作为一个“自适应系统”[20]，会在比较合理的范围内与较多的机构（或组织）进行协同、合作，而不会“无限”增加网络规模）。

（3）个体知识协同行为（Id-KCB）与创新绩效之间并没有显著的相关性。这可能是由于个体所具有的“不确定性”造成的。一方面，在多样性程度较高的组织中，个体之间有着较大的差异，而这种异质性的组织拥有的认知资源被充分“搅动”起来，对于激发组织的创新“火花”与创新思维有着积极的促进作用;另一方面，个体异质性也是导致个体之间不断存在恶性冲突、争辩的原因之一，这种“负面”的互动不仅给个体带来了负面体验，而且对组织的创新也是极其不利的。因此，个体的异质性特征所导致的“不确定性”使得个体知识协同行为对创新绩效的作用不显著。

实证结果表明，团队知识协同行为（T-KCB）与创新绩效之间具有强的正向相关性。良好的团队协同关系有利于减少个体协作过程中可能发生的冲突和风险，缩短相互适应的时间、提高协同合作效率。团队成员之间有效的团队知识网络结构以及有效的团队合作机制，有利于知识的创造、传递在时空维度上趋于“协同、有序”，从而使团队可以更好地适应外部日益复杂的竞争环境，完成动态的、多变的创新需求，提高创新成果的质量、速度、成功率以及转化效益，进而促进组织创新绩效的提高。

（4） 个体知识协同行为（Id-KCB）在一定程度上正向影响团队知识协同行为（T-KCB）的产生，即“网络规模”可以通过“Id-KCB”和“T-KCB”的中介效应（单阶或双阶）对创新绩效产生促进作用。虽然“Id-KCB”对创新绩效的影响不显著，但是“Id-KCB”可以在“T-KCB”的中介效应下促进组织创新绩效的提高。因此，在创新活动过程中有必要充分发挥“个体”异质性文化、环境、性格等的有利价值，使个体行为与团队绩效目标相一致，从而使“Id-KCBT-KCB创新绩效”的中介效应充分发挥其作用。

参考文献：

GLOGE L， HOWELL P， HUGH H， et al. Knowledge collaboration for IT support[EB/OL].[2018-01-25].httpt：//www.helpdeskinst.com/hdi2006/files/Strategic Adysory Board Paper Knowledge Collaboration.Pdf，2005.

BAUM J A C， CALABBRESE T， SILVERMAN B S. Dont go it alone： alliance network composition and startups performance in Canadian biotechnology[J].Strategic management journal，2000，21（3）：267-294.

WINCENT J. Does size matter？A study of firm behavior and outcomes in strategic SME networks[J].Journal of Small Business and Enterprise Development，2005，12（3）：437-453.

吳建祖，王欣然.企业规模对企业内员工间知识共享影响的博弈分析[J].情报杂志，2009，28（S2）：251-253.

任荣.企业合作创新与组织层次的融合：基于界面管理的思考[J].经济管理，2010，32（10）：180-186.

BOUNCKEN R B ， FREDRICH V. Learning in coopetition： alliance orientation， network size， and firm types[J].Journal of Business Research，2016，69（5）：1753-1758.

SCHILLING M A， PHELPS C C. Interfirm collaboration networks： the impact of Large-Scale Network structure on firm innovation[J].Management Science，2007，53（7）：1113-1126.

李纲，陈静静，杨雪.网络能力、知识获取与企业服务创新绩效的关系研究：网络规模的调节作用[J].管理评论，2017，29（2）：59-68.

YOON W， LEE D Y， SONG J. Alliance network size， partner diversity， and knowledge creation in small biotech firms[J].Journal of Management & Organization，2015，21（5）：614-626.

KING N. Modelling the innovation process： an empirical comparison of approaches[J].Journal of Occupational & Organizational Psychology，2011，65（2）：89-100.

STERNBERG R J， LUBART T I. The concept of creativity： prospects and paradigms[J].Handbook of Creativity，1999：3-15.

刘灿辉，安立仁.员工多样性、知识共享与个体创新绩效：一个有调节的中介模型[J].科学学与科学技术管理，2016，37（7）：170-180.

佟泽华，姜子元，师闻笛.网络柔性对创新绩效的影响研究：个体知识协同行为（Id-KCB）、团队知识协同行为（T-KCB）的中介效应[J].情报科学，2017，35（9）：117-124.

吴杨，苏竣.科研团队知识创新系统的复杂特性及其协同机制作用机理研究[J].科学学与科学技术管理，2012，33（1）：156-165.

ROBBINS S P， JUDGE T A. Organization behavior[M].New Jersey： Prentice Hall，2011：314-331.

WOODMAN R W， SAWYER J E， GRIFFIN R W. Toward a theory of organizational creativity[J].Academy of Management Review，1993，18（2）：293-321.

陈国权，赵慧群.中国组织管理者个人、团队和组织三层面学习能力间关系的实证研究[J].管理学报， 2009，6（7）：898-905.

刘岩芳，于婷.组织内部个体知识整合行为的影响因素研究[J].情报科学，2015，33（8）：20-24.

邱皓正.结构方程模型的原理与应用[M].北京：中国轻工业出版社，2012：160.

PELLISSIER R. The implementation of resilience engineering to enhance organizational innovation in a complex environment[J].Global Management Journal，2010，6（1）：145-146.