宋典　杨烨

摘要：文章为探究创业导向与组织绩效两者之间的中介机制，应用结构方程元分析模型进行分析，结果表明，创业导向与组织学习和组织绩效的相关系数分别为0.417和0.379，组织学习与组织绩效则为0.461，同时，组织学习是创业导向和组织绩效之间的部分中间变量。结论表明，企业不仅需要保持较高的创新、超前行动和承担风险的倾向，还需强化学习承诺、共享愿景和保持开放式的心智，注重探索性、挖掘式学习，只有这样创业导向才能有效地转化为组织绩效。

关键词：创业导向;组织学习;组织绩效;结构方程元分析

创业导向是创业研究的基石（Wales，Monsen&McKelvie，2011）。尽管很多Engelen et al（2015）等研究表明创业导向对组织绩效有积极影响，但在Dimitratos，Lioukas&Carter（2004）等人的研究中没有得到证明。结论差异的可能原因是两者关系会受很多中介变量的影响（Felipe，Juan&Benito，2017），必须深入关注创业导向转变为组织绩效的中介作用机制，否则就无法构建一个全面理解创业导向和组织绩效关系的框架（Wiklund&Shepherd，2005）。部分学者探讨了组织学习在创业导向和组织绩效之间的中介作用，但效应值有较大差异（Anderson，Covin，Slevin，2009），不难看出，应用适当的方法将多项有关组织学习在创业导向和组织绩效之间中介效应的研究进行整合有助于深化对此问题的探讨。

为此，有学者指出可应用结构方程元分析模型（Meta-analytic Structural Equation Modeling，简称MASEM）将多项中介效应的研究进行整合（Van Essen，et al 2012）。它可以对多个竞争模型进行比较，加入预测变量、中介变量或结果变量，有助于深化认识理论的边界、结构和缺点。研究的目的是在元结构方程模型阐述的基础上，应用MASEM方法分析组织学习在创业导向和组织绩效关系之间的中介作用大小。研究将采用结构方程元分析模型，回答组织学习是否是创业导向与组织绩效之间中介变量的问题，不仅有助于更为全面地剖析创业导向转变为组织绩效的中间作用机制，且有助于创业理论和组织学习理论的融合。

一、结构方程元分析模型概念和原理

（一）结构方程元分析模型的起源

结构方程元分析模型是结构方程模型和传统元分析模型的结合，也被称之为元路径分析（meta-analytic path analysis）或基于相关系数的元路径分析。MASEM模型的基本思路是综合相关（或协议差）矩阵转制为联合相关（或协方差）矩阵，并在此基础上依据联合相关（协方差）矩阵验证结构方程模型（Cheung&Chan，2005）。MASEM 估计包括通过多变量元分析技术测算出联合相关系数矩阵和应用联合相关系数矩阵来进行模型的验证。在结构方程元分析模型中，应用比较广泛的是由Mike W.L.Cheung开发的基于两阶段结构方程模型，联合矩阵估计常用的方法是全信息最大似然法，优点是估计偏差较小，标准差估计更准确。

（二）结构方程元分析模型原理和两阶段分析

MASEM模型大致可分为固定和随机两种模型。固定效应模型假设所有的研究有共同的效应值。在MASEM模型下，假设样本量的相关系数矩阵对所有研究都是相同的。随机效应模型假设各独立研究来源于多个样本分布。固定和随机效应模型的分析都可以分为两个阶段，也被称为两阶段结构方程型（two-stage structural equation modeling，简称TSSEM）：

第一阶段：TSSEM分析的主要任务是计算联合相关系数矩阵，主要分为固定和随机型模型，如果检验存在异质性，则用随机效应模型来估计联合相关系数阵。一般应用两种方法估计相关系数矩阵，一是直接用WLS方法估计相关系数矩阵，二是假设相关系数矩阵是协方差矩阵。表达方式为：Σ（θ）=DP（θ）D，其中，Σ（θ）是结构方程的协方差矩阵，D是对角线矩阵，P（θ）是方程的相关系数，它的限制条件是Diag（P（θ））=1（Joreskog&Sorbom，1996）。依据此模型，第i（i = 1，2，…，k ）个研究中的协方差矩阵Σi可以分解为相关矩阵Pi和标准差对角线矩阵Di，公式如下：Σi=DiPiDi（Cheung&Chan，2005）。在固定效应模型假设相关系数同质性（homogeneity）的前提下，估计有一个共同的相关系数矩阵PF=P1=P2=……=Pk，在这其中Di在各个研究之间是不一致的。在有数据缺失的条件下，计算前将剔除数据缺失的研究。在模型匹配后，主要用LR统计量去检测H0：PF=P1=P2=……=Pk（Cheung&Chan，2005）。在有协方差矩阵数据的情形下可以通过限制PF=P1=P2= ……=Pi和DF=D1=D2=……=Di获得估计的共同协方差矩阵PF。在此基础上，一个聚合相关系数矩阵的向量ρF=vechs（PF）和它渐进样本协方差矩阵VF=Cov（ρF）得以估计出来。

在固定效应模型分析的第二阶段，ρF被当作样本的相关系数矩阵，VF作为已知矩阵，将rF=ρF，VF=VF。进而在此基础上，Cheung（2002，2005）建议应用加权最小二乘法（WLS）去估计结构方程模型，通过偏离函数（Fouladi，2000）估計设想模型ρ（θ）=vechs（P（θ））值为：FWLS（θ）=（rF-ρF（θ））TV-1F（ rF-ρF（θ））。在此基础上应用结构方程模型中的似然比统计量和拟合指数，主要有RMSEA、CFI、NFI、χ2判断设想模型的匹配度。在随机模型下P（θ）被假定为相关系数矩阵的整体平均值，即P=P（θ），P（θ）可以是回归、路径、验证性或结构方程模型，它假设每项研究无前其自身的相关系数矩阵，第i项研究样本的相关系数矩阵假定为Ri。与固定模型相似，ρR=vechs（P），ρi=vechs（Pi），ri=vechs（Ri），据此随机效应模型中对某项研究而言可分为两层研究：Level 1：ri=ρi+ei，Level 2：ρi=ρR+υi，在此ei∽N（0，Vi），是指已知的样本协方差矩阵，υ，∽N（0，T2）是要估计的异质型协方差矩阵。第二阶段设想模型的估计流程和方法与固定效应模型下的相似，RF=ρR，VR=VR，应用加权最小二乘法（WLS）去估计结构方程模型，通过偏离函数（Fouladi，2000）估计设想模型ρ（θ）=vechs（P（θ））值为：FWLS（θ）=（rR-ρR（θ））TV-1R（rR-ρR（θ）），同样用RMSEA、CFI、NFI、χ2评估设想模型的匹配度。

二、结构方程元分析模型应用示范

（一） 研究假设

1983年，Miller提出创业导向的概念，创业导向反映了管理人员的创业精神，反映了管理者进行战略决策的方法、实践和风格，反映了企业创新性、超前性和风险承担性方面的战略态势，它会引导企业探索和挖掘新市场机会等活动（Covin & Slevin，1989）。创业导向对企业绩效的影响可用动态能力理论解释，由创业导向概念可知，创业导向水平高的企业既须识别甚至创造有效的新市场机遇，还须能有效地重新定义现有资源维持现有的市场机遇，维持未来和现在的平衡（Arend，2014）。创业导向水平越高的企业，创新性和风险承担性程度会更高，其主动和广泛搜集内外部环境信息，对影响竞争态势的外在力量的扫描行为就会越多，信息获取和传播的行为也会更多（Huber，1991），依据信息调整企业行为的能力就越强，企业绩效表现也会越好。创业导向反映了公司创新、承担风险和开拓新事业的能力，它应对绩效有积极影响（Strenger&Brettel，2015）。据此，提出假设1。

假设1：创业导向与组织绩效正相关

March（1991）提出组织学习分为探索式和挖掘式学习两种类型，前者是指搜索和尝试发现新知识，并愿意承担风险进行创新的过程，后者是指筛选、挖掘和充分利用现有知识的过程。尽管存在争议，但多数学者研究表明组织学习对组织的适应性、生存和绩效改进至关重要，因为它可以促进企业重新构建组织结构、分配组织资源、促进新产品的商业化，可以提升组织的智力资本和动态能力，组织学习与组织绩效往往正相关（Rao & Argote，2006）。

创业导向对组织学习的影响可用社会学习理论来阐释（Chiva & Alegre，2005），创业导向特别反映了高层愿意承担风险、积极进攻和展开创新的意愿和风格，依据社会学习理论，这种影响有三种路径：创业导向会促使员工和团队认识到组织学习的重要性和价值;创业导向能促使高层管理者的行业和知识向个人转化，同时也会影响个体知识向团体和组织层面转化，可以促进组织学习过程;创业导向可以创造一种学习氛围，促进组织学习过程的知识收集、共享、创造和应用的过程。综合上述分析，提出假设2。

假设2：组织学习是创业导向和组织绩效的中介变量

基于元分析结果经常受到样本范围、测评特征等因素的影响，假设组织绩效测量（是财务绩效还是非财务绩效）、发表年份、产业范围（样本涉及产业范围多元还是单一）、国家（中国还是外国）对各变量之间的关系有影响，据此，本研究的框架见图1。

（二）文献检索

本文通过以下程序搜索文献：综合先前对创业导向进行综述性研究和元分析的典型论文进行认真阅读，主要有Miao，Coombs，Qian & Sirmon（2017）等，编撰了文献搜索的关键词，英文的有EO、strategic posture等，中文搜索关键词有创业导向、公司创业等。对组织学习文献的搜索采用与创业导向文献搜索过程相似，主要研究了Huber（1991）、陈国权（2007）等人的研究。搜索的英文电子数据库主要有EBSCO、ScienceDirect、Wiley等，中文数据库主要是中国知网。为保证文献的完整性，数据库文献搜索的时间从数据库建立之日至2017年6月，同时利用Google Scholar去识别尽可能多的相关文献。

（三）文献筛选标准

为满足结构方程模型元分析技术要求，入选文献需符合以下条件：所有文献必须是定量研究论文，定性研究论文从论文池中被剔除。定量研究必须全部包含创业导向、组织学习和组织绩效三者之间的相关系数，如果其中有相关系数缺乏的，将看此论文是否可以通过回归系数和相关系数的转换方法测算出相关系数（Lipsey & Wilson，2000）。各研究之间的样本是独立的，没有相关性。文献编码和分析文献：借鉴Lipsey & Wilson（2000）的编码流程，对研究的核心概论创业导向、组织学习和组织绩效进行了编码，编码主要包括相关系数值和研究特征。研究特征包括作者、论文刊发日期、刊发期刊、样本数量、创业导向等。为减少编码错误，本文的每篇论文分别由两位老师进行编码，两位老师分别完成编码后进行对比，如果发现不一致，则通过回溯原文进行讨论，最后达成一致意见。

（四）假设验证

首先，应用基本的meta分析程序，对创业导向与组织学习、组织学习与组织绩效、创业导向与组织学习之间的关系进行验证;其次，假设组织绩效测量（是财务绩效还是非财务绩效）、发表年份、产业范围（样本涉及产业范围多元还是单一）、国家（中国还是外国）对这些关系有影响，应用meta回归分析验证这些变量的影响，前两个假设应用R软件的metafor分析程序包，每个假设首先用固定效应模型进行分析，其次用随机效应模型进行分析，最后，應用混合模型进行分析，三个假设每个模型的数据结果如表1。应用R软件metaSEM包对中介效应进行验证， 估计的联合相关系数见表2，竞争模型指数比较见图2。

由表1可知，三个变量之间的两两相关系数均超过0.375（P<0.001），组织绩效测评类型、发表年份、样本产业范围和样本来源国家对相关系数的影响均不显著。随后对中介效应进行验证，首先估计联合相关系数矩阵的估计和假设检验，TSSEM第一阶段固定模型估计结果如下：样本是6430，目标模型Chi-square为950.23，目标模型自由度是78，独立模型Chi-square是3188.23，独立模型自由度是81，RMSEA=0.2167，SRMR=0.1642，TLI=0.7085，CFI=0.7193，AIC=794.2307。由此数据可知模型拟合效果不佳，违反了同质性假设。继续采用由Cheung（2016）建议的随机模型来估计联合相关系数矩阵。随机模型表明整体异质性的指标Q=1825.62，各个相关系数之间异质性指标分别0.9269、0.9335和0.9266，异质性存在。应用随机模型估计出联合相关系数矩阵。

由表2可知，創业导向和组织学习之间的相关系数是0.3967，创业导向和组织绩效的相关系数为0.3399，组织学习与组织绩效的相关系数是0.3106。假设1得到初步验证。为进一步对假设进行验证，继续应用metaSEM软件包进行TSSEM第二阶段分析，首先模型假设组织学习是创业导向和组织绩效的完全中介变量，模型分析结果见图2上半部分。

其次，假设组织学习是创业导向和组织绩效的部分中介变量，模型分析见图2下半部分。部分中介变量模型属于饱和模型，所以计算出来的参数值CFI等于1，RMSEA指标值等于0，但由完全中介模型可知，尽管RMSEA的效果比较好，但其它指标并不理想，进行模型比较部分中介模型的结果更佳。据此，假设1和假设2得到了验证，即创业导向与组织绩效正相关，组织学习是创业导向和组织绩效的部分中介变量。

三、结语与未来展望

创业导向与组织学习正相关。尽管先前有探讨创业导向对组织学习的实证研究，但还没有学者应用元分析技术综合分析过创业导向对组织学习的作用。组织学习是创业导向有效地转换为组织绩效的核心中间机制，组织学习类型、组织学习能力和导向等变量也至关重要。创业导向与组织绩效正相关，且效应值与Rauch et al（2009）、胡丽娜（2013）的研究结果相近，进一步表明创业导向会积极影响组织成长。组织学习与组织绩效正相关，是创业导向和组织绩效之间的部分中间变量。通过大样本相关系数与元结构方程模型系数对比发现，在结构方程元分析模型下，各变量之间的相关系数都会变小，进一步验证了组织学习的中介作用。以上研究发现对于企业提供了现实启示：企业不仅需要保持创新、超前行动和承担风险的意愿和倾向，而且还须具备较高的组织学习能力，强化学习承诺、共享愿景和保持开放式的心智，注重探索性、挖掘式学习，只有这样，创业导向才能有效地转化为组织绩效。

由于研究文献限制，本研究没有将可能的调节变量纳入到结构方程元分析模型中，如企业所在行业、企业规模和外在环境动态性等变量。同时，研究只考虑了组织学习这个中介变量，动态能力、组织文化、创业学习等是未来要重点关注的变量。这两个问题也是未来的研究方向，此外未来还可以应用结构方程元分析模型，构建同时涵盖创业导向各维度、中介变量、组织绩效各维度和调节变量的复杂模型，从理论上深化理解创业导向转变为组织绩效的复杂机制。

参考文献：

[1]Wales，W，Monsen，E.，McKelvie，A. The organizational pervasiveness of entrepreneurial orientation [J].Entrepreneurship Theory and Practice，2011，35（05），895-923.

[2]Engelen，A， Gupta，V，Strenger，L，Brettel，M.Entrepreneurial orientation，firm performance，and the moderating role of transformational leadership behaviors[J]. Journal of Management，2015，41（04）：1069-1097.

[3]Dimitratos，P，S.Lioukas，S.Carter.The Relationship between Entrepreneurship and International Performance：The Importance of Domestic Environment[J].International Business Review 2004，13：19-41.

[4]Felipe Hernández-Perlines，Juan Moreno-García，Benito Yá？觡ez-Araque. Family firm performance：The influence of entrepreneurial orientation and absorptive capacity[J].Psychological Market，2017;34：1057-1068.

[5]Wiklund，J.Shepherd，D.Entrepre-

neurial orientation and small business performance：A configuration approach[J].Journal of Business Venturing，2005，20：71-91.

[6]Brian S.Anderson， Jeffrey G.Covin， Dennis P.Slevin.Understanding the relationship between entrepreneurial orientation and strategic learning capability：an empirical investigation[J].Strategic Entreprene-urship Journal，2009，3：218-240.

[7]Van Essen M，Otten JA，Carberry EJ.2012.Assessing managerial power theory：a meta-analytic approach to understanding the determinants of CEO compensation[J].Journal of Management，2015，41（01）：164-202.

[8]Cheung， M.W.-L.，Chan，W.Meta-analytic structural equation modeling：A two-stage approach[J].Psychological Methods，2005，10（01）：40-64.

[9]Mike W.-LCheung.Meta-Analysis：A Structural Equation Modeling Approach[M].Publisher：Wiley;1st edition，May，2015.

[10]Joreskog KG，Sorbom D.LISREL 8：a users reference guide[M].Scientific Software International，Inc.，Chicago.LR.

[11]Mike W.-L.Cheung，Wai Chan. Meta-Analytic Structural Equation Modeling： A Two-Stage Approach[J].Psychological Methods，2005，10（01）：40-64.

[12]Rachel Fouladi.Performance of Modified Test Statistics in Covariance and Correlation Structure Analysis under Conditions of Multivariate Nonmorality[J]. Structural Equation Modeling A Multidisciplinary Journal.2010，7（03）：356-410.

[13]Covin，J.G，D.P.Slevin.Strategic management of small firms in hostile and benign environments [J].Strategic Management Journal，1989，10：75-87.

[14]Arend，R.J.Entrepreneurship and dynamic capabilities：How firm age and size affect the‘capability enhancement-SME performance relationship[J].Small Business Economics，2014，42：33-57.

[15]Huber，G.P.Organizational learning： The contribution processes and the literatures[J].Organization Science，1991，2（01）：88-115.

[16]Rao，R.D，Argote，L.Organizational learning and forgetting：The effects of turnover and structure[J].European Management Review，2006，3（02）：77-85.

[17]Chiva， R，J.Alegre.Organizational learning and organizational knowledge[J].Management Learning，2005，36：49-68.

[18]De Long D，Fahey L. Diagnosing cultural barriers to knowledge management[J].Academy of Management Executive，2000，14（04）：113-127.

[19]Chao Miao，Joseph E.Coombs，Shangshan Qian，David G.Sirmon.The mediating role of entrepreneurial orientation：a meta-analysis of resource orchestration and cultural contigencies[J].Jounal of Business Research，2017，77：68-80.

[20]陳国权.组织学习和学习型组织-概念-能力模型-测量及对绩效的影响[J].管理评论，2007，21（01）：107-116.

（作者单位：苏州大学政治与公共管理学院）