开放式创新对技术密集型企业创新的实证分析

4．4　实证分析

4．4．1　数据收集

由于开放式创新模式影响技术密集型企业创新能力的相关数据难以在网上直接获取，只能通过发放调查问卷收集所需要的数据。笔者通过校友通讯录给在不同企业任职的校友发送了电子邮件共计250份，得到了校友的支持，收到回复131份，回收率达52．4%；此外，还对就读中国地质大学（武汉）的MBA学生发放纸质和电子档的调查问卷共计150份，回收117份，回收率达78%；还通过电子邮件向部分企业投放电子档调查问卷200份，回收13份，回收率为6．5%。共计投放问卷600份，回收261份，回收率达52．6%，其中有32份问卷由于部分数据缺失作为无效问卷处理，有效问卷229份，有效率达45．8%。

4．4．2　研究方法

1）变量说明

（1）开放式创新

根据上面的分析，技术密集型企业开放式创新的度量分为4个方面，分别是纵向合作企业、横向合作企业、官产学研以及公共平台，二级指标9个（表4－1）。笔者使用李克特5点量表法来衡量企业与外部创新资源的合作密切程度，分别用“1”、“2”、“3”、“4”、“5”分表表示“非常不同意”、“不同意”、“一般”、“同意”、“非常同意”。企业选择的数值越大，表示企业与外部创新资源的合作越密切。

表4－1　企业开放式创新指标

（2）企业创新能力

通过第2章中的理论知道，技术密集型企业的创新能力是一种综合能力，主要体现企业的创新投入能力、创新生产能力、创新管理能力、创新营销能力以及创新产出能力。各种子能力由部分定量或定性的指标具体计算得出，如表4－2所示。

表4－2　企业创新能力指标体系

①创新投入能力

技术密集型企业的创新投入能力是指企业为创新所投入资源的数量和质量，是企业创新的基础。创新投入能力主要包括研发资金投入强度和研发人员投入强度以及非研发创新投入强度，都是定量指标（图4－3）。计算公式如下：

图4－3 企业创新投入能力指标体系

②创新生产能力

技术密集型企业生产能力包括3个定性指标和1个定量指标（图4－4）。定性指标分别是企业生产设备水平、现代化技术采用程度和产品生产标准化水平，定量指标是生产人员投入强度，其计算公式如下：

图4－4 企业生产能力指标体系

③创新管理能力

创新管理能力是指技术密集型企业在创新的过程中配置企业创新资源的协调管理能力，创新管理能力包括以下5个定性指标（图4－5）：信息采集能力，是指企业从外界获取信息的能力；创新机制，是指企业内部鼓励员工创新的激励机制；创新倾向，是指企业家追求创新意愿的强烈程度；创新文化氛围，是指企业内部形成的对待创新的环境；创新预测能力，是指企业准确判断创新的发展方向，减少创新过程中不确定性的能力。5个定性指标的处理方法如图4－5所示，全部使用李克特5点量表法测量。

图4－5 企业创新管理能力指标体系

④创新营销能力

创新营销能力体现在创新产品的市场占有份额上，主要是指说服消费者购买自己产品的能力。创新营销能力的4个二级指标分别是对市场的了解程度、企业营销体系的适应程度、营销体系的网络化程度以及营销费用（图4－6）。定性标量的测量依然采用李克特5点量表法。其中，营销体系的适应程度主要是针对企业与市场之间的匹配度，营销费用的计算公式如下：

图4－6 企业创新营销能力指标体系

⑤创新产出能力

技术密集型企业的创新产出能力是企业各种资源的投入经过一系列生产销售的最终成果，包括4个二级指标（图4－7）：新产品的市场占有率、新产品销售份额、技术贸易指数以及技术总水平。前面3个二级指标是定量指标，第四个是定性指标，定性指标的测量依然使用李克特5点量表法，定量指标的计算公式如下：

图4－7 企业创新产出能力指标体系

2）统计方法

笔者拟采用结构方程模型，结构方程模型是社会科学领域中用来测量多个因变量、多个自变量之间关系的研发方法。与传统的多元回归分析、线性相关分析以及线性回归分析相比，结构方程模型具有以下几点优势。

（1）同时处理多个因变量

结构方程模型在计算某个外生潜在变量对内生潜在变量的影响时，是考虑其他外生潜在变量同时对该内生潜在变量存在影响作用。但是在传统的回归分析或者路径分析中，考虑因变量间的关系时，是在假定其他因变量不起作用的条件下，即使是最后的统计结果中显示的是多个因变量同时发生作用。(www.xing528.com)

（2）允许变量存在误差

结构方程模型多用于测量主体的态度、行为等，这类主观性活动多是不可直接测量的，以及不能简单用单一指标来衡量。因此在测量这些主观性活动时，受到的人为影响因素较多，不可避免地存在误差。结构方程模型允许用多个定性的或定量的指标来测量潜在变量，也允许外生潜在变量和内生潜在变量单个或者同时存在测量误差。

（3）允许弹性更大的测量模型

传统的回归分析方法在处理变量时，一个因子对应一个指标，难以处理一个因子对应多个指标的复杂模型，而结构方程模型可以面对一个潜在变量对应多个指标变量的模型，对复杂模型的处理能力更强。

（4）估计整个模型的拟合优度

在传统的线性回归模型中，只能估计每个自变量对因变量作用的强弱（路径系数）。结构方程可以使用探索性方法对同一样本的数据使用不同的模型，从而挑选出整体拟合程度最高的模型。

根据上面的分析，构建了开放式创新—企业创新能力概念模型图，如图4－8所示。

图4－8　开放式创新—企业创新能力概念模型图

4．4．3 信度与效度分析

1）企业开放式创新信度效度检验

信度，顾名思义就是可信程度，它是指运用某一种方法对同一项目进行调查时，问卷调查结果是否具备有稳定性和一致性，换句话说，即问卷或量表等测量工具能否稳定地对所测事物或变量进行有效测量。效度，即事物的有效性，它是指运用一定的测量工具或手段反应所需测量的事物的准确程度。由于在前面的第3章中已经详细地论述了有关信度与效度的理论知识，此处只作简单介绍。企业开放式创新的信度与效度见表4－3和表4－4。

表4－3　企业开放式创新Cronbach内部一致性系数表

表4－4　KMO和Bartlett检验

从表4－3可知，删除指标后的α值均大于0．7，问卷的整体α值为0．812 9，说明问卷的内部一致性比较高，同时也说明问卷的信度满足结构方程的要求。从表4 4可知，效度分析也通过了显著性检验。

2）企业创新能力信度与效度检验

（1）信度检验

从表4－5可知，删除指标后的α值均大于0．7，问卷的整体α值为0．794，说明问卷的内部一致性比较高。从表4－6可知，效度分析也通过了检验。

表4－5　企业创新能力Cronbach内部一致性系数表

（2）效度检验

表4－6　KMO和Bartlett检验

4．4．4 研究假设验证

在对问卷的一致性和有效性进行检验后，根据前面的理论分析，将问卷所得数据输入AMOS 7．0中，结构方程模型路径系数估计结果图如图4－9所示。

图4－9　结构方程路径系数估计结果图

从图4－9中可以知道，模型的标准化系数都小于1，同时模型本身并不存在负的误差方差和较大的标准误差，模型并没有出现违反基本假定的情况，可以进行整体模型适配度的检验，检验结果如表4-7所示。

表4－7　整体模型适配度检验

注：RMR．平方平均残差的平方根；RMSEA．近似误差均方根；AGFI．修正的拟合优度指数；GFI．拟合优度指数；NFI．标准拟合指数；RFI．相对拟合指数；IFI．增量拟合指数；TLI．非规范拟合指数；CFI．比较拟合指数。

从表4－7可知，在绝对适配度的角度，卡方自由度比和RM－SEA都在模型的适配范围内，同时显著性概率p值为0．14，大于0．05，没有通过显著性检验，说明模型隐含的协方差矩阵与样本数据隐含的矩阵适配良好。虽然增值适配度指标NFI没能通过检验，但总的来说，模型整体上可以被接受。

4．4．5　基本结论

由表4-8，纵向合作对技术密集型企业创新能力提升的路径系数是0．742，显著性概率p值为0．043，小于0．05，在0．05的显著性水平下没能通过显著性检验，说明纵向合作有利于技术密集型企业创新能力的提高。因此，假设1在0．05的水平下获得了数据的实证支持。

表4－8　结构方程模型分析结果

横向合作对技术密集型企业创新能力提升的路径系数是0．816，显著性概率p值为0．009，小于0．05，在0．05的显著性水平下没能通过显著性检验，说明企业横向间合作有利于创新能力的提高。因此，假设2在0．05的水平下获得了数据的实证支持。

官产学研合作对技术密集型企业创新能力提升的路径系数是0．694，显著性概率p值为0．001，小于0．05，在0．05的显著性水平下没能通过显著性检验，说明官产学研合作有利于企业创新能力的提高。因此，假设3在0．05的水平下获得了数据的实证支持。

公共平台建设对技术密集型企业创新能力提升的路径系数是0．713，显著性概率p值为0．026，小于0．05，在0．05的显著性水平下没能通过显著性检验，说明创新公共平台建设有利于企业创新能力的提高。因此，假设4在0．05的水平下获得了数据的实证支持。