影响因素关系研究过程及实现包容性创新

本研究的数据来源于秦巴山区（主要是河南省和湖北省）的制造、食品、服装、医药、畜牧、林产等行业的企业，分两阶段获取。挑选包容性创新领域的专家和企业管理人员，进行小规模的问卷调查与测试。最终收集到265份有效问卷。分别是制造业91份、食品企业26份、服装企业33份、医药企业5份、养殖业52份、渔业27份、其他31份。在企业规模方面，中小企业204份，大企业61份。

基于已有文献和专家观点，本研究中包容性创新的5个影响因素（IC、IF、IS、GS、CC）共包含19个题项，均用里克特5级量表。其中，9个题项用来评价包容性创新绩效，主要来自蒂顿奈尔（Tittonell P.，2011），基尔、威特、科比斯与蒂顿奈尔（Giller K. E.，Witter E.，Corbeels M. & Tittonell P.，2009）的研究结论（见表4−1）。

规模较大的企业在财务方面能更好地面对商业挑战，更具有实力开发包容性创新产品，通常情况下，对较大企业适用的变量不一定适用于小企业，正如德切梅克、尼亚曼加拉与克莱森斯等人（Descheemaeker K.，Nyamangara J.，&Claessens L. et al.，2015）所说，包容性创新实践水平差异可以通过企业的不同规模来解释。兰布雷希特、万劳韦、默克斯与梅尔坦斯（Lambrecht I.，Vanlauwe B.，Merckx R. & Maertens M.，2014）也提到过，大企业的生产设备普遍比小企业的先进。因此，本研究将企业规模作为控制变量。文中，将员工数量划分为三个区间：（1，50）、（50，200）、（200，∞）。

借助于Smart−PLS 2.0，用PLS−SEM（偏最小二乘—结构方程模型）方法来分析研究。由于PLS可以处理小容量样本，不要求样本数据服从（多元）正态分布，而且考林与纽斯泰德（Marcolin & Newsted，2003），阿吉雷与乌雷塔（Aguirre& Urreta，2010）做过类似的研究，所以本研究选定此方法。我们首先考察效度和信度，并测试了结构模型。

表4−1　测试题项与解释

续表

采用哈曼（Harman）的单因素分析方法，以便从相同的问卷调查中评价独立的和非独立的变量。结果显示，单因素只占总差异的43.15%。

为了评价多重共线性问题，我们计算了方差膨胀因子（Variance Inflation Factor，VIF）范围为1.934～2.277，具体计算结果见表4−2。VIF明显低于阈值5，因此，不存在变量共线性问题。

表4−2　要素多重共线性检验

度量模型检验实际上是检验聚合效度和区分效度。聚合效度是指测量相同潜在特质（构念）的测验指标会落在同一共同因素上。如果每个因素的平均提取方差（AVE）值大于0.50（见表4−3），且所有概念的综合可靠性（CR）值大于0.80，则达到聚合效度标准。

表4−3　效度检验

(www.xing528.com)

续表

表4−3的结果显示，所有题项的载荷都大于0.60，每个变量的综合可靠性（CR）分别是：创新成本（IC）=0.919 0、创新设施（IF）=0.892 5、创新主体（IS）=0.839 1、政府支持（GS）=0.855 8、企业合作（CC）=0.889 1、创新绩效（IP）=0.862 7。这些值明显高于标准值0.80。

每个题项的平均提取方差（AVE）值为：创新成本（IC）=0.655 1、创新设施（IF）=0.733 3、创新主体（IS）=0.635 2、政府支持（GS）=0.599 1、企业合作（CC）=0.726 2、创新绩效（IP）=0.509 7，均超过了标准水平0.5。这些结果符合聚合效度的标准。

区分效度是指变量之间题项差异的程度，可以用相关分析和AVE的平方根来衡量。表4−4说明AVE的平方根超过了内部维度的相关系数。为了进一步检验区分效度，维度概念的相关估计会显示一组衡量不同维度是否过高（＞0.90）或过低（＜0.10）的指标值。表4−4显示各维度之间的相关值最高为0.667 8（创新设施和创新主体之间）。因此，测量模型的区分效度符合要求。

表4−4　变量相关性和区分效度

利用PLS−SEM进一步评价结构模型。结果显示，创新绩效差异值45.09%是受包容性创新的IC、IF、IS、GS、CC五个维度影响而形成的（见图4−3）。

图4−3　利用偏最小二乘（PLS）回归方法的SEM计算的结果

如表4−5所示，IC（β=0.287 5，p＜0.01），IF（β=0.281 1，p＜0.01），IS（β=0.205 5，p＜0.05）都对创新绩效具有显著的正向影响。本研究实证结果显示，创新成本（IC）是影响创新绩效的最重要因素，其次是创新设施（IF）和创新主体（IS）。因此，假设1、2、3俱成立。同时，CC（β=0.178 2，p＞0.05）和GS（β=−0.139 1，p＞0.05）对创新绩效不造成显著影响，因此假设4、5俱不成立。

表4−5　假设检验的最小平方回归结果

注：**表示p＜0.01；*表示p＜0.05。

企业规模作为一个控制变量，被包括在拟建的模型中。结果显示，企业规模（β=0.012 5，p＞0.05）对创新绩效完全不造成显著影响。