研发团队创新绩效

研发团队创新绩效（共8篇）

研发团队创新绩效 篇1

技术创新是企业赖以生存与发展的基础,是培育企业核心竞争力的关键因素[1]。R&D活动作为技术创新主要来源,在企业技术创新过程中发挥关键作用。研发投入不足势必影响企业创新能力,进而影响创新绩效。国内外学者对研发投入与企业创新绩效关系给予了极大关注,大量研究结果显示,研发投入与企业创新绩效显著正相关[1,2,3],随着研发投入增加,企业接触的新知识和新技术逐渐增多, 促成技术外溢,创新能力得到提高,带来创新产出增加[4]。另外,研发投入能提高企业理解和评估新技术趋向的能力,促进企业开发、学习以及消化吸收外部技术知识,为企业技术创新创造有利条件[5]。 但随着研究深入,一部分学者指出研发投入对创新绩效的正向影响并不确定,在某些情况下两者还可能表现出不相关甚至负相关[6],研发投入并不比其他形式投资支出更能促进企业创新绩效提升[7]。由此可知,当前企业研发投入与创新绩效的关系存在争议,争议产生原因尚无定论。一些学者从不同角度出发,引入企业规模、融资体系和公司治理[8]等变量,在一定程度阐明了研发投入如何影响创新绩效,然而研发投入对企业创新绩效产生差异影响的原因仍然值得深入研究与探讨。

自Granovetter探索性应用社会网络理论分析知识信息传递现象并提出弱联结优势理论以来,越来越多学者尝试从社会网络视角研究网络特性对企业创新绩效的影响。不少学者注意到团队网络特征显著影响企业创新绩效[9,10],但鲜有研究关注其在研发投入对企业创新绩效影响过程中的调节作用。企业员工尤其研发人员作为企业生产要素核心,是企业开展创新活动最重要的资源。企业加大研发投入, 如扩展研发团队人员规模,加大研发经费投入力度, 在一定程度可提升企业知识存量和创新能力,但研发人员在创新活动过程中形成的关系网络结构不同, 研发团队协作,知识转移、共享以及知识创造水平存在较大差异[11,12],最终影响企业创新绩效。基于此,本文引入企业研发团队网络结构作为调节变量, 深入探讨研发投入对创新绩效的影响。选取中国汽车产业157家上市公司,分析汽车企业研发团队网络结构3个维度———网络密度、中心势、E - I指数分别在研发投入与创新绩效关系中的调节作用,绘制出网络结构调节效应图,深层次分析研发团队网络结构调节机理。

1理论基础与研究假设

1.1研发投入对创新绩效的影响

研究与发展 ( Research and Development,简称R&D) 是企业生存与可持续发展的基础,是培养和提高企业技术创新能力的根本途径。经费和人才是企业开展研发活动的关键,企业要想提高创新能力和创新绩效,增加研发投入是必然选择。国内外众多学者围绕企业研发投入和创新绩效关系展开了实证研究,但结论并不一致。大量研究显示研发投入与企业创新绩效显著相关[13],研发投入越多相应创新绩效也越高。进一步对研发投入分类,丁宝军等[14]发现,研发经费投入相对于其他类型研发投入对创新绩效的正相关影响更显著。但也有一部分学者指出,研发投入对企业创新绩效的影响并非都是积极的,甚至可能是负面的,增加研发人员投入并不能对创 新绩效产 生正向影 响,甚至产生 负向影响[6]。

本质而言,研发投入与企业创新绩效可视为一种简单的投入 - 产出关系,其结果与整个研发活动过程密切相关。研发投入主要包括研发人员投入和研发经费投入,企业所拥有的人力、物力等资源对企业研发活动存在显著正向影响。科技人力资本对企业绩效至关重要[15],研发人员是创新知识重要载体,研发人员增加意味着大量创新知识流入企业, 为企业产生知识溢出、知识创新并最终进行技术创新打下坚实基础。科技经费是企业开展创新活动的重要基础,经费的多少直接影响创新活动水平和进程,研发经费充足的企业更有能力置办先进设备, 开展持续的研发活动,创新绩效也相对更高。

总之,研发投入增加伴随企业科技知识积累和创新能力提升,企业利用这些创新知识展开研发活动,开发新工艺,研发新产品或发明新专利,创新绩效得到提升。基于此,提出以下假设:

H1: 研发投入与企业创新绩效存在显著正相关关系。

1.2研发团队网络结构调节作用分析

企业增加研发投入,一定程度有助于提升知识存量和创新能力,但创新绩效的提升还受到创新活动过程中诸多因素影响。Kilduff和Tsai[16]认为开发、 提炼、检验、选择与实施想法都依赖于团队成员之间的互动网络,一个有利于知识转移、流动的研发团队才会提高创新活动效率,提高企业创新绩效。 因此,研发投入与企业创新绩效关系受到研发团队网络结构的影响。

研发团队是基于一定研发目标,由一群相互联系的研发人员依据特定方式组建的正式群体[17]。在复杂多变的环境下,孤胆英雄式的个人创造让位于群体协作的团队创新,研发团队逐渐成为企业技术创新的重要组织形式。研发团队内个体成员的协作关系相互嵌入形成具有不同结构特征的网络,如紧密网络、疏松网络、集权式网络与分权式网络等, 研发团队网络 结构是团 队绩效重 要决定因 素之一[18],不同网络结构传递的知识信息特征会产生差异的创新绩效。本文研究的研发团队由企业专利合作发明人构成,将企业专利发明人都视为为该企业服务的研发人员[19]。当前研发团队网络结构的研究大多基于社会网络分析视角从个体中心网和整体网两层面展开,结合研究主题,从整体网视角分析企业研发团队网络结构特征———密度、中心势和E - I指数对研发投入与创新绩效关系的调节效应。

1. 2. 1网络密度。网络密度指网络中各点联接稠密程度,用来衡量网络中关系的数量和复杂程度, 网络密度高表明企业研发团队联系紧密,低则表明团队联系较为松散。知识传递与共享有助于创新知识快速转移给需要的人,对企业创新至关重要。密集网络中的成员互动频繁,合作稳定紧密,传递的知识较少被扭曲[20],且密集网络成员易形成特定知识共享路径,能促进隐性知识传递和转移[21], 减少组织成员流动而引发的知识资源流失。因此, 研发团队网络密度高时,网络成员间传递、吸收、 整合、创新知识的过程更加顺畅,此时增加企业研发投入,投入的人员和经费被迅速、高效地融入研发团队,用于创新活动,研发投入对企业创新绩效的提升作用显著。疏松网络知识转移渠道较少,缺乏促进深度合作和隐性知识转移的紧密联系[22], 且过低的网络密度抑制网络内知识扩散,不利于结构洞优势出现[23]。研发团队网络密度低时,网络知识传输能力和吸收能力低,企业继续追加研发投入将导致知识锁定于少数成员,网络知识流动性差,对创新绩效提升作用不显著。基于此,提出以下研究假设:

H2: 网络密度正向调节研发投入与企业创新绩效关系。

1. 2. 2中心势。网络中心势指整体网络关系分布均衡程度,中心势高表明网络节点的互动集中,关键节点代表整个网络的互动; 中心势低表示网络中节点的互动分散。中心势的高低与网络发展密切相关, 对网络资源获取[24]、配置[25]与整合[26]都有重要影响。获取新知识是企业开展创新活动的关键,网络中心势高表明知识交流、共享的权利集中在特定成员身上,集权式网络导致信息传递不对称,边缘成员创新积极性低,整个网络处于机械运行状态。此时增加研发投入为企业注入新知识,打破研发团队创新轨迹锁定,增加边缘成员接触新知识的机会, 提高研发人员创新积极性,企业创新绩效也能得到提升; 网络中心势低,网络成员处于分权网络结构中,分权式网络成员拥有公平合理的知识共享权利, 信息不对称减弱,彼此间更加了解与信任,创新积极性较高,此时无论研发投入增加与否,企业创新活动都处于高效运转之中,企业创新效率较高,增加研发投入对创新绩效提升作用不显著。因此,假设如下:

H3: 网络中心势正向调节研发投入与企业创新绩效关系。

1. 2. 3 E - I指数 。E - I指数指整体网络子群凝聚程度或整体网络分派程度[27],用来衡量一个大的网络中小团体现象是否严重,企业研发团队E - I指数高,团队内部某些研发人员因结合紧密而形成小团体,这些小团体一方面会导致创新群落孤立,创新区域锁定[28]; 另一方面会排斥其他研发人员进入, 阻碍小团体内部成员对新颖异质知识接触和多样化知识获取,整体网络内研发人员信息交流不畅[29]。 E - I指数持续增高,网络内各小团体趋于闭合,团队应对外部市场变化的能力减弱,企业由于无法适应外部市场变化,创新能力和创新绩效也随之降低。 所以,当研发团队E - I指数高时,企业追加的研发人员被排斥在研发团队固有小团体外,阻碍不同小团体间知识交流,造成知识信息同质冗余,不利于企业创新绩效提升; 研发团队E - I指数低时,新知识会加速融入创新团队,成员间创新知识交流频繁, 得益于新颖知识增加,企业创新绩效显著提升。据此,提出以下研究假设:

H4: E - I指数负向调节研发投入与企业创新绩效关系。

1.3概念模型

依据上述理论假设,构建出研发投入、研发团队网络结构特征 ( 网络密度、网络中心势、E - I指数) 和企业创新绩效的假设模型如图1所示。

2研究设计

2.1样本与数据收集

我国制造业上市公司研发投入平均达到维持生存水平,但自主创新能力与发达国家相比仍存在很大差距,尤其是汽车产业,创新不足已成为制约汽车产业发展的最大障碍。选取国内汽车产业上市公司 ( 共157家) 作为研究样本,探究汽车企业研发团队网络结构对研发投入与创新绩效关系的调节效应。本文所需研发投入等公开变量数据来自中国证监会指定信息披露网站———巨潮资讯网,从公司年报中搜集汽车产业上市公司2009年、2010年研发投入数据,为保证样 本数据有 效,进行如下 筛选: ( 1) 剔除ST公司; ( 2) 剔除数据不全或者数据存在差错的公司; ( 3) 剔除变量无法计算的公司,最终得到116家公司数据。从国家重点产业专利信息服务平台汽车产业中下载上述116家汽车企业2010年申请的专利,从中筛选出专利发明人信息,运用Ucinet6. 0统计软件依据合作发明人信息构建协作关系网。

2.2变量测度

( 1) 因变量———企业创新绩效。企业创新绩效衡量指标有多种,以往研究主要用专利申请数和新产品产出来测度。考虑到专利数据容易获取,与创新关系密切,而且多年来专利标准客观,变化缓慢, 所以专利仍是衡量创新活动相当可靠的指标[30],比新产品产出更能客观反映出研发活动的有效性,故选择专利申请数测度企业创新绩效。另外考虑到研发投入 - 产出具有滞后性且国内外研究中滞后期数不一致,结合实际数据运行情况选择滞后一期的企业专利申请数。

( 2) 自变量———研发投入。研发投入包括研发经费投入和研发人员投入,研发经费投入由企业年度开发支出额表示,研发人员投入由企业技术人员总数表示,该指标反映了一个企业技术创新能力的核心水平。很多研究证实研发经费投入与人员投入高度相关,Mc Lea和Round、古利平都曾经以研发人员作为企业R&D投入变量研究企业创新投入与产出的关系。因此,本文选取研发人员投入作为自变量衡量企业研发投入。

( 3) 调节变量———研发团队网络结构特征。很多研究采用网络中实际存在的连接数与可能存在的连接数之比测度网络密度,计算公式为网络密度D = 2L / N ( N - 1 ) ,N为网络节点数,L为边数。D反映了网络绝对密度但没有控制网络规模,因此笔者选用网络平均度AD衡量网络密度,AD = D × ( N - 1) /2,从公式可以看出网络平均度控制了网络规模,能够更好地反映出网络相对稠密程度; 中心势 ( Centralization) 是网络整体内聚性衡量指标,值越大表示网络越聚合。E - I指数 ( E - I Index) 衡量一个大网络中小团体现象是否严重,是分派指数的一种计算方法。E - I Index = ( EL - IL) / ( EL + IL) ,其中EL代表 “子群体之间的关系的数量”,IL代表 “子群体内部的关系的数量”。E - I指数取值范围为 [- 1, + 1],数值越大派系林立程度越高[31]。研究所需网络结构特征值均由Ucinet软件计算所得。

( 4) 控制变量———企业规模对R&D绩效影响的研究虽然没有得到一致结论,但研究都证实了企业规模对R&D绩效具有调节效应,因此选取企业规模作为控制变量,采用员工数量来测度。另外有研究表明,处于不同生命周期的企业具有不同研发投资绩效[32],企业年龄也是一个重要的控制变量,用企业创办年数来测度。

2.3主要变量的相关性分析

在进行回归分析之前,对相关变量进行Pearson相关性分析,具体结果见表1。由表1可以看出,自变量人员投入强度与因变量企业创新绩效显著相关。 在进行调节效应分析时,一般要求选取的控制变量与因变量之间显著相关[33],调节变量与自变量的关系可以不显著,表1中,虽然网络特性与人员投入强度之间不存在显著相关关系,仍进入回归分析, 而控制变量中只有企业规模与专利申请总数显著相关,因此,之后的调节效应检验过程仅保留企业规模这个主要控制变量。

注: ***、**、* 分别表示在 0. 01、0. 05 和 0. 1 的水平下显著

3假设检验

本文以研发投入为自变量、研发团队网络结构特性为调节变量,以企业创新绩效为因变量,对相关数据分别进行多元层次回归。因涉及到对研发团队网络结构特性调节效应的检验,研究模型检验采用温忠麟等[34]提出的调节变量界定办法: 一步对相关变量数据进行标准化处理; 第二步做控制变量、 自变量和调节变量对因变量的回归; 第三步做控制变量、自变量、调节变量以及自变量和调节变量乘积项对因变量的回归,判定乘积项回归系数是否显著异于零,若显著异于零,则调节效应显著。

表2、表3、表4分别是对网络密度、网络中心势、E - I指数调节效应的回归检验结果。从表2 ( 模型2) 、表3 ( 模型4) 和表4 ( 模型6) 显示结果可以看出,乘积项回归系数分别为0. 205、0. 224和 - 0. 161,乘积项回归系数与0有显著性差异 ( 显著性概率为0. 019、0. 007和0. 072,分别小于0. 05、 0. 01和0. 1,在层次回归中进入了回归方程) ,且在表2、表3和表4中,引入乘积项后,回归所得的R2有变化,说明网络密度、网络中心势和E - I指数都会调节研发人员投入与企业创新绩效的正向关系,即前文提出的假设H2、H3、H4得到证实。

注: ***、**、* 分别表示在 0. 01、0. 05 和 0. 1 的水平下显著,下同

为更直观表示网络密度、网络中心势和E - I指数对研发人员投入强度与企业创新绩效关系的调节机理,按照Aiken和West的建议和做法画出调节效应图。为简化计算,采用标准化回归方程 ( 标准化后变量的平均值为0,标准差为1) ,以研发人员投入强度平均值加减一个标准差和网络密度平均值加减一个标准差所形成的4种组合,分别代入标准化系数所构成的回归方程,得出4个端点值后画出网络密度调节效应图 ( 见图2) 。相同方法得到网络中心势和E - I指数调节效应图 ( 见图3、图4) 。

由图2可以直观显示网络密度的正向调节作用,网络密度高,研发人员投入与创新绩效显著正相关,网络密度低,方程几乎成一条平行线,研发人员投入与创新绩效正相关关系不显著; 图3中, 网络中心势正向调节了研发人员投入强度对企业创新绩效的影响,中心势高时,研发人员投入强度对创新绩效正向影响更显著,同时也能给企业带来更高创新绩效; 中心势低时,研发人员投入强度对创新绩效正向影响减弱,企业创新绩效也随之降低, 这也进一步验证了假设H3。由图4也可以更清楚地看出E - I指数对研发人员投入强度与企业创新绩效关系的负向调节作用,E - I指数低的企业较之E - I指数高的企业,研发人员投入强度对创新绩效影响更强。

4研究结论与启示

企业创新产出已成为现代创新系统的重要组成部分,创新绩效如何是一系列内外部因素作用的结果。本研究表明,研发投入是决定企业创新绩效的重要因素,随着人员和经费投入的增加,先进的知识和技术优势被引入企业研发过程,借助对这些知识的创造性加工,往往能形成企业的新技术,从而转化为企业创新绩效。而不同的研发团队网络结构下,研发投入贡献于企业创新绩效的程度大小不一。 网络密度、网络中心势对研发投入与企业创新绩效正向调节效应显著,E - I指数对研发人员投入与企业创新绩效负向调节效应显著。即相对于分散、独立的研发人员布局,人员联系紧密、互动集中的企业更依赖研发投入来收获更好的创新绩效,但还要注意小团体现象,如果研发人员只在小团体内部交流,彼此之间相互排斥,研发投入的贡献就所剩无几。

上述结论对我国企业选择技术创新策略,提高技术创新绩效具有重要启示意义。首先,增加企业研发投入 ( 包括经费和人员) 是提高企业创新绩效的基础和保证。没有研发经费投入和研发人员投入, 创新如同无米之炊,企业难以开展创新活动,所以我国企业在进行技术创新时要充分重视人和物的因素,加大企业研发投入,为企业开展创新活动提升创新绩效打好基础。

其次,研发团队网络结构对研发投入与创新绩效正向关系具有明显调节作用,企业在增加研发投入的同时还要努力改善研发团队网络结构。有时企业创新绩效没有增强并非投入不足,而是研发团队结构不利于团队交流,阻碍知识流动进而不能提高企业创新绩效。高密度、高中心势的团队网络结构增强研发投入对企业创新绩效的正向影响,因此企业应该加强团队成员交流,保证知识在团队成员间畅通无阻地流动、转移,在加强团队成员沟通交流时,企业要有意识地培养研发团队 “领头羊” 式, 使之把握技术创新主要发展趋势,指明团队技术创新主要方向与领域,减少团队成员迷思,最终提升企业创新能力。另外,企业研发团队还要特别注意小团体问题,虽然次级团队成员之间可以有更多更紧密交流,但如果派系林立,容易产生派系纷争并最终阻碍企业创新绩效提升和可持续发展。

研发投入与企业创新绩效关系的现有文献往往局限于研究二者直接关系,忽略了其他因素对二者关系的影响,本文引入研发团队网络结构作为调节变量,探讨其对二者关系的调节作用,拓展了现有研究视角,为解决现有文献研究结论争议提供一种新思路。另外,研究整合技术创新理论与社会网络理论,研发投入、研发团队网络结构与企业创新绩效的组合全景式展现了企业创新绩效升降过程,对进一步明确研发投入与创新绩效关系异质性作用机理具有重要理论意义。

较之以往研究,本文创造性地引入企业研发团队网络结构特征作为调节变量,探讨其对研发投入与企业创新绩效关系的影响,拓展了现有研究视角, 主要结论也为企业创新实施和政府政策制定提供了有益参考。但也存在一些不足和有待解决问题,例如只探讨了正式网络相关特性对研发投入 - 产出的影响,忽略了企业员工间因工作或私人往来形成的非正式网络作用,这种非正式网络在中国特有文化环境和社会背景下尤其值得关注。今后的研究可以就企业成员间非正式网络相关特性对研发投入 - 产出关系的影响继续展开讨论。

研发团队创新绩效 篇2

摘要：已有文献在探讨和实证学习导向对企业创新绩效的正向影响的同时，却缺乏学习导向对企业创新绩效的影响机制的探索。文章把视线投向学习导向、团队信任与企业创新绩效的三者关系，从理论层面分析了学习导向、团队信任对企业创新绩效的影响，探讨了团队信任在学习导向和企业创新绩效关系中的地位和作用，并构建起学习导向对企业创新绩效作用机制的理论模型。

关键词：学习导向；团队信任；企业创新绩效

一、 引言

近年来，随着学习型组织浪潮的兴起，诸多学者以学习导向为前因变量，从理论和实证两方面探讨和检验了其对企业创新绩效显著的正向影响（Hurley & Hult，1998； Baker & Sinkula，1999；Garrido & Camarero，2014）。然而，在学习导向对企业创新绩效的影响机制这一问题上，仅有少数文献从知识整合、知识转移、知识吸收能力和创新能力（蒋天颖等，2009；康青松，2015）等几个角度进行了探讨，难以完全打开学习导向对企业创新绩效影响机制的黑箱。

研究表明：在有信任关系的人之间才会发生知识分享和互相学习（郑任伟和黎士群，2001），如果企业成员间无法相互信任，无论有多少技术支持，其结果也只能是失败，信任是分享知识和合作的基础（Davenport，1998），认知型信任和情感型信任都会对复杂知识共享产生显著影响，且认知型信任的影响强于情感型信任（Chowdhury，2005）。

虽然已有学者把团队信任作为中介变量，对团队气氛、变革型领导行为与创新绩效的关系进行了研究（Aryee，Budhwar & Chen，2002；Ng & Chua，2006），但对学习导向与团队信任和创新绩效三者间的关系研究极为匮乏，特别是从认知型团队信任和情感型团队信任两个维度对学习导向和创新绩效的中介关系研究更是不足。

本文把视线投向学习导向、团队信任与企业创新绩效的三者关系，试图从理论层面分析学习导向、团队信任对企业创新绩效的影响，通过探讨认知型团队信任和情感型团队信任在学习导向和企业创新绩效关系中的地位和作用，构建起学习导向、团队信任对企业创新绩效的作用机制模型。

二、 文献回顾

1. 学习导向。学习导向是组织创造和利用知识以增强竞争优势的活动，既包括获得和分享顾客需求、市场变化、竞争者行动等信息（Sinkula，Baker & Noordewier，1997），也包括如何影响信息收集以及如何解释、评价和分享信息（Argyris & Schon，1978）。

作为一种组织特征，学习导向表现为：组织鼓励或要求员工以批判的眼光不断地质疑公司既有的准则、价值观以及组织和环境关系的框架假设，不断以新知识进行资源重组，实施适应创新的价值观（Baker & Sinkula，1999）；组织成员能够把他们依循的旧思维方式放在一边，广泛地认识与理解组织的实质性工作，彼此开放学习，形成一致的想法，共同合作完成新的战略（于洪彦和朱辉煌，2013）。

与绩效导向相比，学习导向更注重了解或掌握新知识，追求能力增加，强调与自己过去相比绩效有多少改进（Dweck & Elliott，1983），因此，选择学习导向，必然会在一定程度上牺牲业绩。从成就动机的角度看，学习导向体现了组织关注长远、重视成长的行为倾向和深层价值观。从能力发展的角度看，学习导向能够使企业长期处于高水平的信息处理过程中，并产生有益于理解任务的策略。因此，学习导向有利于企业核心竞争能力的不断提高。研究表明：企业是否选择学习导向，对创新绩效的影响差别很大（Payne，Youngcourt，& Beaubien，2007）。

2. 团队信任。多学科的研究成果表明：人际信任是一切信任的基础。人际信任是不同行为主体因相互交往而形成的一种对对方行为积极稳定的心理预期和相互依赖的关系，表现为：①发自内心的善意，即对交往对象的意图和行为具有积极的心理预期，相信对方不会损害自己的利益，这是人际信任产生的前提（Dirks，2001）；②接受风险的意愿，即便事态发展和预期不匹配，个人也愿意承担自身利益受到损害的后果，而不会怀疑对方是在欺骗或利用自己（Mcknight，Cumings & Chervany，1998）；③认知与情感的融合，人际信任并非凭空产生，而是建立在认知和情感融合的基础上，只有认知没有情感属于理性的预测，只有情感没有认知则是盲目的信心。

学界通常把信任分为认知型信任和情感型信任。就团队信任而言，前者是个体对团队成员是否值得信任的分析和判断，后者是个体与团队成员以情感为基础的相互注意和关心（Chua，Paul & Morris，2008）。认知型信任通常先于情感型信任而存在。Lewick和Bunker（1996）指出：人们最初的信任都是建立在理性计算的基础上的，通过对自己的投入和回报进行计算，期望通过交换带来更好的收益，当人们通过多次重复交易实现了与预期相当或者超预期的回报时，信任关系就会继续发展。在此过程中，通过观察、信息收集和分析，个体对团队成员的需求、偏好和问题解决方式有了更多的了解，并对他们的能力和可靠性产生了稳定的预期，这就形成了认知型团队信任。在此基础上，人们逐渐建立起信任的习惯模式，也就是基于对团队成员意图、角色和身份的认同，下意识启动以往的信任决策，形成不依赖认知评价和第三方信息的习惯性信任，这种习惯性信任就是情感型团队信任（张长征和李怀祖，2006）。

3. 企业创新绩效。熊彼特（1912）认为：创新是通过引进新产品、采用新工艺、开辟新市场、取得原材料的新来源和实现工业的新组织等方式建立一种新的生产函数，以把一种从来没有过的关于生产要素和生产条件的“新组合”引入生产体系，使其技术体系发生变革。创新并不等同于技术发明，也不局限于产品创新，而是一种经济性或社会性的用语，其实质在于赋予现有资源以新的生产能力，从而提升其创造价值的方式和效率（德鲁克，1989）。因此，任何一种可以提升现有生产经营过程的技术、程序、服务或产品都可以视为创新。

企业创新绩效是对企业创新活动效率、产出成果及其对商业成功贡献的总体评价，通常包括创新产出绩效和创新过程绩效两类（高建等，2004），前者是指企业将发明创造市场化的程度，后者涵盖了企业从新概念生成一直到将发明引入市场的整个过程中取得的包括发明、技术以及创新三方面的总体绩效（Hagedoorn & Cloodt，2003）。

三、 理论模型与研究假设

1. 学习导向与企业创新绩效。学习导向对创新绩效的影响主要可分为两个方面：

一是通过改变组织学习方式来提升企业创新绩效。研究表明：组织学习方式的差异会直接导致企业创新形态（McKee et al.，1992）和创新程度的差异。绩效导向的组织学习仅仅是对错误和漏洞的修正，并不改变既有的制度和规范，这种浅层次的利用式学习只能产生温和的适应性创新，而学习导向的组织学习则是通过对企业现有规范和制度的质疑和挑战，以比竞争对手更快的速度持续增强市场信息的处理能力，这种深层次的探索式学习才能产生激进的突破性创新（缪小明等，2010）。

二是通过促进创新氛围的形成进一步提升企业创新绩效。学习导向作为企业的价值观和重要特征，其影响的深入性和持久性突出表现为在企业内部形成了外部组织难以复制和效仿的学习氛围（Dickson，1996）。这种组织氛围是企业特有的竞争优势，不仅能影响个体对绩效和学习的选择，还可以带来更为持久的创新动力，从而提升企业的创新绩效。

Calantone，Cavusgila和Zhao（2002）通过建立学习导向与企业创新和企业绩效之间的关系模型，并对187家大型企业进行实证研究后发现：企业创新和绩效是学习导向的结果变量，学习导向可以显著增加企业的创新能力，提高企业绩效和竞争优势。Garrido和Camarero（2014）的实证研究也表明：学习导向和创新战略影响组织的社会经济绩效。

基于以上分析，我们提出如下假设：

H1：学习导向与企业创新绩效直接正相关。

2. 学习导向与认知型团队信任。学习导向的企业通过知识在企业内部的传递、消化和创造，形成了契合企业价值观的特定认知场域。在这样的场域内，内行的、高绩效的专家团队成员对其绩效环境关键要素的认知理解具有一致性，不需要公开沟通就能有效执行任务。这种建立在团队成员共有的知识结构基础上的、能使他们对团队作业形成正确的解释和预期并协调自己的行为使之适应于团队及其他成员需求的认知解释机制就是共享心智模式。它表明：在学习导向型企业组织内部，对于团队相关环境中关键因素的知识，团队成员共同拥有有组织的理解和心理表征（Klimoski & Mohamed，1994）。

可以看出，学习导向型企业通过知识的传递和整合，促进了团队沟通、加强了团队成员间的工作反馈，激发了信息交流、团队讨论以及计划和策略的产生，从而使企业团队共享心智模型得以产生发展（Mohammed & Dumville，2001）。正是在共享心智模式的基础上，团队成员才能开放地实现深度知识共享，并能立足企业长远发展判断和预测其他成员的行为，也正是在此过程中，团队成员不断加深了对企业的认知型信任度。

基于以上分析，我们提出如下假设：

H2：学习导向与认知型团队信任直接正相关。

3. 学习导向与情感型团队信任。通过在企业内开展一系列的精诚合作、互相学习和帮助，学习导向的企业在实现了组织内部角色和专长、方法和信息互补的同时，通过频繁的讨论、密切的交往在团队中分享认知与理解，培养起面对特殊、复杂情境时的彼此信任（Walter，GuPta & Giambatista，2004）。

团队成员的默契感和信任会极大推动企业整体环境的和谐，进而形成开放、分享和值得信赖的组织氛围，并进一步增进团队成员在思想交流和经验分享时的信任，避免团队成员间因认知冲突产生的情绪紧张和行为对峙，使他们逐步产生互惠的情感，更多地关注他人的情绪和行为，并在彼此关系中倾注更多的情感因素（张涛等，2008），最终在企业内部形成情感认同型的共享心智模式。

研究表明：组织成员在情感方面的共享心智模式越成熟，群体效能感就越强、越能将密切的关系延续到工作以外（武欣、吴志明，2005），这反过来又促进了情感型信任的进一步加深，最终使组织成员行为策略的合适性、集体努力扩散的水平、资源利用效率和人际关系的质量全部达到优化。

基于以上分析，我们提出如下假设：

H3：学习导向与情感型团队信任直接正相关。

4. 认知型团队信任与企业创新绩效。认知型团队信任是基于知识驱动所产生的对他人能力和可靠性的认可，对复杂知识的团队共享（Chowdhury，2005），特别是对显性知识的共享具有显著正向影响（McAllister，1995）。被信任者的能力越强、所掌握的知识越丰富，认知型团队信任度就越高。研究表明：认知型团队信任强度与团队知识分享和互相学习的频率正相关（郑任伟、黎士群，2001），也与团队知识和信息的共享程度正相关，同时，领导者的认知信任能够正向影响员工的创新绩效。

基于以上分析，我们提出如下假设：

H4：认知型团队信任与企业创新绩效直接正相关。

5. 情感型团队信任与企业创新绩效。情感型团队信任是由情感和关系驱动的、强调人际间感情纽带的信任。

情感型团队信任对企业创新绩效具有积极影响（程德俊，2010），其强度大小取决于团队成员的关系强度和情感依赖度。实证研究表明：高水平的上下级信任， 不仅可以极大地节约组织管理和监督的成本，还能促使员工以更高的热情投入，产生比监督更好的效果（Jung & Avolio，2000）。此外，组织中大量非正式网络也能够强化团队成员的高支持感、推动知识分享，提升员工绩效（Aryee，Budhwar & Chen，2002）。

基于以上分析，我们提出如下假设：

H5：情感型团队信任与企业创新绩效直接正相关。

6. 学习导向、团队信任与企业创新绩效。作为组织长远发展的价值观和行为模式，学习导向为企业及其团队成员构建起了共享的心智模式，其中，倾向于形成有关组织任务及目标一致的是任务式共享心智模式，倾向于组织成员间密切相关的互动与协作是协作式共享心智模式。

在任务式共享心智模式基础上形成的认知型团队信任是提高知识传递效率、推动创意产生、完成艰巨任务的必要条件（Tsai，1998），而在协作式共享心智模式基础上形成的情感型团队信任则有利于加深相互了解，促进组织成员自身优势最大化。两种团队信任模式互为支持，共同形成了安全、可信、支持创新的组织氛围。

基于以上分析，我们提出如下假设：

H6：认知型团队信任在学习导向与企业创新绩效间起中介作用；

H7：情感型团队信任在学习导向与企业创新绩效间起中介作用。

据此，我们构建起学习导向、团队信任与企业创新绩效三者间关系的理论模型（如图1所示）。

四、 结论

通过对学习导向、团队信任与企业创新绩效三者关系的理论分析，我们发现：

学习导向、认知型团队信任和情感型团队信任都对企业创新绩效的提升有显著的正向促进，但学习导向还能通过加快共享心智模式的构建增强企业的认知型团队信任和情感型团队信任，并通过这两种团队信任间接提升企业的创新绩效。

本文的理论贡献在于以团队信任为中介变量，分析了学习导向对创新绩效的作用机制，特别是从认知型团队信任和情感型团队信任两个维度分别探讨了它们对学习导向和创新绩效间关系的影响。本文的实践意义在于：提升企业创新绩效的传统思路总是从技术和市场两个方面入手，忽视了企业内部学习导向和团队信任的重要性。而在知识经济时代，知识更新和人员流动的速度不断加快，企业想要保持竞争优势必须具有学习导向，还必须要提升团队信任，只有在这两方面下大力气，才能取得更好的创新绩效。因此，本研究为企业管理创新实践提供了新的发展思路。下一步，我们将在大范围内发放问卷搜集数据，对本文构建的理论模型的实践生命力进行实证检验。

参考文献：

[1] 程德俊.组织中的认知信任和情感信任及构建机制[J].南京社会科学，2010，（11）：51-63.

[2] 高建，汪剑飞，魏平.企业技术创新绩效指标：现状、问题和新概念模型[J].科研管理，2004，（5）：45-47.

[3] 胡恩华，单红梅.企业技术创新绩效的综合模糊评价及其应用[J].科学学与科学技术管理，2002，（5）：51-57.

[4] McAllister D J.Affect-and cognition-based trust as foundations for interpersonal cooperation in organizations[J].Academy of Management Journal，1995，38（1）：24-59.

基金项目：国家自然科学基金重点项目“中国企业雇佣关系模式与人力资源管理创新研究”（项目号：71332002）。

作者简介：赵曙明（1952-），男，汉族，江苏海安人，南京大学商学院名誉院长、特聘教授、博士生导师，研究方向为人力资源管理、企业跨国经营；葛晓永（1976-），男，汉族，江苏睢宁人，南京大学商学院管理学博士生，研究方向为人力资源管理；吴青熹（1981-），女，汉族，江苏南京人，中共江苏省委党校社会学教研部讲师，南京大学商学院管理学博士，研究方向为创新管理。

研发团队创新绩效 篇3

首先,在研发实践中,任务的严格时间限制以及任务的高不确定性都会引发时间压力［2 － 3］。时间压力会影响团队中个体的行为决策,更重要的是会对群体以及团队行为产生影响。任务时间压力已经成为影响团队过程以及团队绩效的重要因素［4］。当前,关于时间压力对群体决策质量以及绩效影响的研究,仍存在一些不一致的研究结论。有的研究认为时间压力会导致决策质量降低、损害团队绩效［5］, 也有研究认为时间压力会提高决策质量并促进团队协作进而提升团队绩效［6］,还有一些研究认为时间压力对决策质量和团队绩效的影响带有层级性,即: 过高或过低的时间压力都不利于决策质量和绩效的提高,中等程度的时间压力最有利于决策质量及绩效的提高［7 － 8］。

其次,时间个性差异会影响团队内个体与时间相关的行为,进而给团队过程与绩效带来影响［9］。 Zimbardo和Boyd［10］指出,具有不同时间个性的成员相互组合起来,团队中更容易出现争论、误解以及冲突,特别是在那些需要成员间频繁互动的思想整合与创新性活动中。一方面,团队内时间视野方面的差异容易导致关于任务观点的争论及冲突进而对团队创新产生积极影响［11］,这种类型的时间个性差异会使团队成员间形成基于共同任务的不同解释性偏差［12］,这有利于有价值的信息或创新性思想的涌现［13］,因而也有利于提升团队成果的创新程度; 另一方面,Mohammed等［14］则认为团队成员在时间紧迫感方面的时间个性差异更容易导致误解和严重的关系冲突,进而造成对团队创新的负面影响。

以往研究表明,时间压力以及时间个性差异都对团队绩效或创新具有重要影响,但都仅限于对各自直接效应的探讨,对影响团队绩效的时间要素研究缺乏整体性视角,对时间要素影响团队绩效的过程机制也缺乏更深入的机理分析。由于团队行为是在情境因素和特征因素共同起作用的互动过程中发生的,因此我们认为,探讨时间要素对研发团队创新绩效的影响,既不能忽视作为团队情境要素的时间压力,也不能忽视作为团队特征要素的时间个性差异,综合考虑这两者对研发团队创新绩效的影响, 对于在时间维度上深化团队差异研究以及从时间管理的角度促进研发团队创新分别具有重要的理论意义和实践价值。

1理论推导与研究假设

1. 1时间个性差异与研发团队创新绩效

在创新型任务情境下,团队成员的认知特征与情感特征对高不确定性任务的执行具有重要且不同的影响［15］。Francis - Smythe和Robertson［16］认为,时间个性是一个集合个体的时间意识、计划性、准时性、多重性和紧迫感等认知与情感特征的综合指标。 例如,时间紧迫感体现了个体面对要处理事务时的紧迫感,即在生活中是急性子还是慢性子,这种特征更多地表现为个体与生俱来的时间情感特征; 而计划性、准时性和多重性( 个体同时驾驭多个任务的能力) 则被视为与任务内在时间要求相关的、可经后天训练而形成时间认知特征。研究表明,与工作高相关的团队认知差异往往对绩效有积极影响［17 － 18］,而与工作低相关的团队情感差异则对绩效具有消极影响［19 － 20］。因此可以推断,与工作高相关的时间认知特征差异会促进研发团队创新绩效; 而与工作低相关的时间情感特征差异则会损害团队创新程绩效。由此提出以下假设:

H1: 时间个性差异能够影响研发团队创新绩效

H1a: 时间认知特征差异会促进研发团队创新绩效

H1b: 时间情感特征差异会损害研发团队创新绩效

1. 2时间压力对时间个性差异与研发团队创新绩效间关系的调节效应

在以往研究中,既存在时间压力促进团队绩效的研究结论［5］,也存在时间压力损害团队绩效的结论［6］,更多地研究者则接受时间压力与团队绩效间的关系呈倒U型曲线的研究结论,即适度的、中等程度的时间压力有益于团队创新或绩效,过低或过高的时间压力则会产生负面影响［7 － 8］。然而,如何界定 “适度”的、能够发挥激励作用的时间压力显然是非常困难的,具有不同特质的团队承受压力的能力存在显著差别,有经验的团队往往比那些缺乏经验的新团队在处理困难任务时能承受更大的压力。 因此不难理解,以往研究忽略团队特征要素去考察时间压力对团队绩效的直接影响往往会得出一些不一致的结论。

更重要的是,现有研究缺乏对各类时间要素共同影响团队绩效的机理构建和分析。我们在考察时间要素对团队绩效的影响时,既要考虑各类时间要素的协同效应,也要分析协同效应的产生机理。时间压力是任务时间限制作用于团队整体的情境变量, 而情境因素所产生的效应的本质是对团队过程的调节而非对团队结果的直接影响。因此,时间压力这类情境要素对时间个性差异等特征要素与团队绩效等结果变量间关系的调节效应,而非其对团队绩效的直接效应,更具有理论解释力。此外,由于时间认知特征差异与时间情感特征差异影响研发团队创新绩效的关系之间存在差异,因此,时间压力的调节效应也应当区分这两种不同的影响关系分别进行分析。

首先,就时间认知特征差异对研发团队创新绩效的影响关系而言,当团队整体感受到的时间压力较小时,意味着团队成员不用担心在规定期限内完不成任务,他们可以更多地去关注和探讨那些与工作或任务本身相关的时间认知差异,以及由此导致的深层次的任务认知差异,时间认知特征差异会更好地促进团队合作进而提升研发团队创新绩效; 而当时间压力较大时,团队成员开始担心在规定期限内完不成任务,他们会尽量把更多的时间用在自己需要独自承担责任的 “份内”工作上,而不愿意把时间 “浪费”在与其他成员就任务内容的不同见解的争辩上,团队合作水平也因此降低,时间认知特征差异对研发团队创新绩效的促进作用会下降。

其次,就时间情感特征差异对研发团队创新绩效的影响关系而言,当团队整体时间压力较小时, 团队成员可以比较从容地开展任务交流,在频繁地互动中彼此间的时间情感特征差异也会更多地得到关注,这种与任务低相关的差异对研发团队绩效的阻碍作用也就越明显; 而当时间压力较大时,团队成员由于感到时间不够用会更多地忽略彼此间与工作或任务执行无关的时间情感差异以及由此引发的情绪对立或冲突,时间情感特征差异损害研发团队创新绩效的程度也越弱。

根据以上分析得出以下假设:

H2: 时间压力对时间个性差异影响知识团队创新的过程具有调节效应

H2a: 时间压力较小时,时间认知特征差异对研发团队创新绩效的促进作用较强; 时间压力较大时,时间认知特征差异对研发团队创新绩效的促进作用较弱

H2b: 时间压力较小时,时间情感特征差异对研发团队创新绩效的阻碍作用较强; 时间压力较大时,时间情感特征差异对研发团队创新绩效的阻碍作用较弱

基于以上理论推导及研究假设,提出本研究的理论模型,见图1。

2研究方法

2. 1研究对象

本研究首先向上海的6家企业的研发人员发放试测问卷100份,回收有效问卷81份。其后,向上海、天津、深圳等地的32家企业的研发团队发放正式问卷160套( 每套问卷对应一个不少于3人的独立团队,由各团队成员填写问卷) ,回收有效问卷118套( 共412份) ,有效问卷回收率为73. 7% 。

2. 2研究工具

本研究问卷设计分为四个步骤: 第一步,分别对5家企业的10名员工采用焦点小组( focus group) 方法进行了深度会谈,充分了解研究变量在实际工作中的表现形式,结合现有理论和有关量表自行开发各变量的测量题项,初步设计问卷; 第二步,为了检验问卷在文字措辞、语义表达、研究构思、题目代表性和区分度等方面的质量,邀请10位企业管理专业的博士生和5位企业人员进行问卷设计讨论, 根据讨论结果剔除并修改一些表达不清和存在歧义的题目,形成试测问卷; 第三步,在上海选取6家企业发放试测问卷; 第四步,根据试测情况删除和调整部分题项,确定正式问卷。除个人基本信息和企业基本信息外,问卷题项全部采用李克特7级量表。

本研究所用测量工具包括有关时间压力、时间个性差异及研发团队创新绩效的内容。时间个性差异量表借鉴并发展了有关时间个性研究中的测量题项,包括时间认知特征差异的3个题项和时间情感差异的2个题项; 团队冲突的测量采用Jehn［21］等使用的量表,其中包括任务冲突的4个题项与关系冲突的5个题项,内部一致性系数分别为0. 899与0. 886。对团队创新的测量根据团队创新与知识创新的相关研究成果［11］,总结出研发团队创新绩效的3个题项［22］。

2. 3统计分析

数据分析采用统计软件SPSS11. 0、结构方程建模软件LISREL 8. 70。主要包括如下分析程序: 对时间压力、研发团队创新绩效的探索性和验证性因素分析; 验证时间压力对时间个性差异与研发团队创新绩效间关系的调节效应。

3研究结果

3. 1时间个性差异、时间压力的结构分析( 1) 时间压力

( 1) 时间压力

基于以往时间压力相关研究,总结出9个初始题项编入试测问卷。以试测样本( n = 81) 为基础, 采用主成分分析和方差最大旋转方法,对时间压力问卷进行了探索性因素分析( 表1) ,得到一个因子,解释了80. 32% 的方差变异。试测结果删除4个题项后,在正式问卷中保留5个题项。例如 “我们团队由于时间约束严而存在畏难情绪”, “我们团队因时间约束严而气氛紧张” 等。正式问卷中采用7点量表,选项 “非常小” 记为1分,选项 “非常大”记为7分,分数越高代表团队所承受的时间压力越大。在正式研究样本( n = 412) 中,通过验证性因素分析对时间压力量表进行了构思效度检验, 表2显示的研究结果支持了时间压力量表的构思效度。

( 2) 时间个性差异

根据Francis - smythe等［16］的时间个性问卷及团队差异相关理论,本文将时间个性特征聚合为二个关键维度( 时间认知特征、时间情感特征) 并编制问卷。以试测样本( n = 81) 为基础,采用主成分分析方法和方差最大旋转,对时间个性差异问卷进行了探索性因素分析( 表1) ,得到了时间个性差异的两个因子: 时间认知特征差异和时间情感特征差异,这两个因子分别解释了34. 66% 和28. 87% 的方差变异,累计后共解释了63. 53% 的方差变异。试测结果删除因素荷重较低的题项后形成正式问卷的5个题项。在正式研究样本( n = 412) 中,通过验证性因素分析对上述时间个性差异量表进行了构思效度检验,表2显示的研究结果支持了时间个性差异的构思效度。

( 3) 研发团队创新绩效

根据团队创新与知识创新的相关研究成果［11，22］, 本文总结出5条关于研发团队创新绩效的内涵描述, 并形成试测问卷。以试测样本( n = 81) 为基础,采用主成分分析方法和方差最大旋转,对研发团队创新绩效问卷进行探索性因素分析( 表1) ,得到一个因子,解释了82. 86% 的方差变异。最后对试测结果进行筛选后保留3个题项形成正式问卷。在正式研究样本( n =412) 中,通过验证性因素分析对上述团队创新量表进行了构思效度检验,表2显示的研究结果支持了研发团队创新绩效的构思效度。

3. 2团队层面数据的整合检验

由于本文各变量均为团队层面变量,而测量都是以个体为单位进行的,因此需要将个体对各题项的评分加总为团队层面的数据,但需要对各变量的组间变异和同质性进行检验,用以分析团队成员评价间的一致性［23］。本文采用反映团队内个体评分一致性程度的指标rwg针对各变量来自正式问卷的数据进行整合加总的合理性验证［24］。表4的检验结果显示,各变量( 维度) F检验值均在0. 01水平上显著,rwg也都高于0. 70,满足进行团队层面数据加总的条件。

注: **p < 0. 01。

3. 3变量的描述性统计与相关性分析

问卷数据整合后形成团队层面样本共118个, 各主要变量的均值、标准差、Pearson相关系数以及量表的信度系数如表4所示。通过观察部分相关系数可知: 时间认知特征差异与研发团队创新绩效正相关,时间情感特征差异与研发团队创新绩效负相关,时间压力与研发团队创新绩效没有显著相关。

注: * p < 0. 05,**p < 0. 01; 对角线上的斜体数字为各变量信度系数。

3. 4关于时间个性差异影响研发团队创新绩效的假设检验

本研究使用团队层面加总后的数据进行时间个性差异对知识团队创新的回归分析。表5的统计信息显示,在时间个性差异对研发团队创新绩效的回归分析模型中,时间认知特征差异与研发团队创新绩效显著正相关 ( β = 0. 323,P < 0. 001) ,时间情感特征差异与研发团队创新绩效显著负相关 ( β = - 0. 194,P < 0. 01) 。并且,表5中所有的VIF都接近1,表明不存在多重共线性问题。Dw系数都接近于2,表明自相关问题也不突出。回归分析结果表明,研发团队成员在时间认知特征上的差异对研发团队开发创新性方案方面具有积极影响,研发团队成员在时间情感特征上的差异则对研发团队创新绩效具有消极影响。假设1得到验证。

注: * p < 0. 05; **p < 0. 01; ***p < 0. 001。

3. 5关于时间压力调节效应的假设检验

按照分步多元回归调节效应检验方法［25］,时间压力对时间个性差异与研发团队创新绩效间关系调节效应的检验步骤为: 首先,对时间个性差异对研发团队创新绩效的影响进行验证; 其次,将时间压力引入回归模型,考查其对研发团队创新绩效的影响; 最后,对时间压力与时间个性差异的交互作用进行分析。以上步骤用数学公式可以表达为:

在上述公式中,( 4) 式是( 3) 式的变形,RDTIP为研发团队创新绩效,TDco为时间认知特征差异, TDaf为时间情感特征差异,TP为时间压力。研发团队创新绩效( RDTIP ) 与时间认知特征差异( TDco) 的关系由回归系数 β0+ β3TP来刻画,研发团队创新绩效( RDTIP) 与时间情感特征差异( TDaf) 的关系由回归系数 β1+ β4TP来刻画,其中 β3、β4分别衡量了时间压力( TP) 对上述两个关系调节效应的大小。

基于以上调节效应分析步骤,我们进行以时间个性差异为自变量、时间压力为影响变量、研发团队创新绩效为因变量的多元回归分析,分析结果见表6。表6的数据显示,VIF值在1 - 5之间,多重共线性问题并不明显。Dw指数为1. 904,比较接近2,基本上可以判定不存在自相关问题。各步骤回归结果分析如下:

首先,在第一步回归中,解释变异量R2为14. 6% ,F值显著,表明时间个性差异对研发研发团队创新绩效具有一定的预测能力。时间认知特征差异对研发团队创新绩效的正向影响显著( β = 0. 323,P < 0. 001) ,时间情感特征差异对研发团队创新绩效的负向影响同样显著( β = - 0. 194,P < 0. 05) ,这与关于时间个性差异影响研发团队创新绩效的假设检验结果一致。

其次,在第二步回归中加入时间压力,解释变异量R2为15. 6% ,F值显著,但相对于第一步回归解释变异量的 ΔR2仅为1% ,表明时间压力对研发团队创新绩效的预测能力提高不多,时间压力对研发团队创新绩效没有显著影响( β = - 0. 063,P > 0. 05) 。与第一步未引入时间压力时时间个性差异对研发团队创新绩效的 β 系数相比较,时间认知特征差异和时间情感特征差异对研发团队创新绩效的影响都降低了。

最后,在第三步回归中加入时间压力与时间个性差异的交互作用,解释变异量R2为25. 6% ,F值显著,相对于第二步回归解释变异量的 ΔR2为10% ,表明时间压力与时间个性差异的交互作用对研发团队创新绩效的预测能力明显提高。其中,时间压力与时间认知特征差异的交互作用对研发团队创新绩效具有显著的负向影响( β = - 0. 207,P < 0. 01) ,时间压力与时间情感特征差异的交互作用对研发团队创新绩效的负向影响也显著( β = - 0. 268,P < 0. 01) ,表明时间压力对这两个关系的调节效应均显著。与第二步未引入交互作用前的时间认知特征差异对研发团队创新绩效的 β 系数相比较, 经交互作用后对研发团队创新绩效的影响关系方向变化并且更显著( β = - 0. 438,P < 0. 001) ,时间情感特征差异对研发团队创新绩效的负向影响变得不显著( β = - 0. 109,P > 0. 05) 。

注: * p < 0. 05; **p < 0. 01; ***p < 0. 001。

为了更加全面地了解时间压力对时间个性差异影响团队绩效关系的调节作用,本研究将时间压力分别按上下一个标准差分为高低两个群,分别以时间认知特征差异和时间情感特征差异为自变量,研发团队创新绩效为因变量,绘制趋势图以直观表示调节效应,见图2、图3。由图2可以看出,随着时间认知特征差异的增大,时间压力小的研发团队的创新绩效呈上升趋势,而时间压力大的研发团队的创新绩效则呈下降趋势,这表明时间压力对时间认知特征差异与研发团队创新绩效间的关系调节效应显著。而由图3则可以看出,随着时间情感特征差异的增大,研发团队呈创新绩效呈下降趋势,但时间压力大的研发团队的下降幅度较时间压力小的研发团队的下降幅度显著减小,这表明时间压力对时间情感特征差异与研发团队创新绩效间的调节效应显著。假设2得到验证。

4结论与讨论

本文基于时间研究、团队差异及团队创新等相关研究成果,构建并检验了时间压力、时间个性差异及研发团队创新绩效之间的影响机制,主要形成以下结论:

首先,研发团队成员在时间认知特征上的差异对研发团队创新绩效具有积极影响,研发团队成员在时间情感特征上的差异对团队创新绩效具有消极影响。这说明,当研发团队中与任务高相关的时间认知特征差异比较大时,团队成员间对任务时间的认知差异会促使团队成员对任务内容进行更加主动、 深入的探讨与辩论,团队互动及合作由此得到加强, 当然有利于提升团队任务解决方案的创新性。而当研发团队中与任务低相关的时间情感特征差异较大时,会造成彼此间关系紧张、情绪对立等状态,这会严重影响彼此间的正常交流与合作,研发团队创新绩效自然会受到消极影响。

其次,时间压力对时间个性差异影响研发团队创新绩效的关系具有调节效应,无论是时间认知特征差异还是时间情感特征差异,它们与研发团队创新绩效间的关系均随时间压力变化而发生变化。值得注意的是,在验证时间压力对时间认知特征差异与研发团队创新绩效间关系的调节效应时,随着时间压力的增大,时间认知特征差异对研发团队创新绩效的影响由正向变为负向, 这种变化超出了本研究在假设2中提出的时间认知特征差异的正向影响程度减弱的调节效应变化范围。这大概是因为,时间压力的的增大,在使团队成员仅专注于自身责任范围内的工作的同时也会使团队的合作水平下降,当团队合作水平下降到连团队正常交流机制如日常工作交接、任务通知与反馈等都受到损害时,时间认知特征差异的影响就表现为对研发团队创新绩效的阻碍作用。另外,尽管时间压力对这两种类型的时间个性差异与研发团队创新绩效间关系的调节效应都显著,但就团队整体而言,时间个性差异与研发团队创新绩效间的关系是否受时间压力的调节,还取决于这两种时间个性差异类型在整体差异中的对比情况。

综上所述,本研究开辟了团队差异研究的时间视角、完善了时间压力下团队创新的影响机制,对于拓展团队差异和团队创新领域的时间研究视角, 具有一定的理论价值; 同时,研究结论也具有一定的现实意义,可以启发企业组织通过制定时间管理策略、开发时间管理工具、实施时间管理措施,有意识地调整任务执行过程中的时间压力,利用时间压力进一步加强时间认知特征差异对研发团队创新绩效的促进作用,削弱时间情感特征差异对研发团队创新绩效的阻碍作用,形成对时间个性差异影响团队创新的具体过程的有效控制和管理,最终达到促进研发团队更好地执行各类创新任务的目的。

摘要：以上海、杭州、武汉、深圳等地高科技企业的研发团队为研究样本,考察时间压力、时间个性差异和研发团队创新绩效间的影响机制,研究表明,不同类型的时间个性差异对研发团队创新绩效的影响也不同,时间认知特征差异与研发团队创新绩效正相关,时间情感特征差异与研发团队创新绩效负相关;时间压力对时间认知特征差异与研发团队创新绩效间的关系、时间情感特征差异与研发团队创新绩效间的关系,均具有显著的调节效应。

研发团队创新绩效 篇4

1.1 团队互动过程的定义及研究现状

Cohen & Bailey (1997)认为:团队互动过程是在成员之间以及成员和外部之间发生的交互作用,例如沟通和冲突;王海霞认为团队互动过程是团队成员为完成共同的目标,在共同承担责任的过程中所发生的所有认知、行为等。综合前人研究结果,本研究认为研发团队互动过程为研发团队成员为了完成共同的开发任务,在任务过程中所发生的所有认知、语言和行为等。如研发团队围绕研发的任务而发生的团队成员间的相互信任,协调合作、冲突处理等沟通互动。团队互动过程研究现状汇总如下表。

通过对以上团队互动过程维度构成的分析总结,得知团队互动过程分为任务维度和人际维度两个方面。由于IT企业是知识密集型企业,很难用严格的界限区分二维度,本研究结合研发团队的特点并通过对IT企业高管与相关学者的访谈,本论文选取了团队信任、团队协作、团队凝聚力、团队冲突、团队争执、团队领导与任务互动七个维度作为互动过程的维度构成,然后检验是否成立。

2 研发团队互动过程的研究假设

2.1 研究假设

本研究选择权威的学术论文库CNKI,万方数据库作为检索平台,针对近年来国内外的研究成果进行检索并结合访谈研究,初步得出研发团队互动过程维度构成,由此提出假设H1:

H1:研发团队互动过程是一个多维概念,由团队信任、团队协作、团队凝聚力、团队冲突、团队争执、任务互动和团队领导七个维度构成。

本文其次分析研发团队互动过程各维度与创新绩效二维度的相关性,分析研发团队各维度对创新绩效两个维度产生的影响,由此提出假设H2。

H2:研发团队互动过程与创新绩效有显著相关关系

H2a:研发团队互动过程各维度对产品创新有显著影响

H2b:研发团队互动过程各维度对过程创新有显著影响

本文最后检验团队规模是否对研发团队互动过程与创新绩效存在缓冲作用。Copper等人(1994)曾把团队规模与团队真实性作为调节变量来探索与创新绩效的相关性,发现团队的人际关系对真实团队绩效的影响大于对虚拟团队的影响力;规模越小的团队,人际关系对绩效的影响越明显。因此提出如下假设:

H3:团队规模对研发团队互动过程与团队创新绩效有缓冲作用。

3 研究分析及结果

3.1 研究方法

本研究在总结国内外相关文献的基础上设计出访谈提纲,通过对西安IT企业研发团队成员访谈获得研发团队互动过程维度信息并制作调查问卷。本研究采用目前国内外学者研究中较成熟的问卷,并在此基础上稍作修正,后期工作通过采用spss18.0软件进行统计分析处理,期望实现研究结论的更加有效性。

3.2 研究取样

本次问卷的施测对象是西安地区143家IT企业的200个研发团队中663名成员的正式问卷调查数据。每个研发团队发放3-6分不等。其中回收问卷634分,无效问卷22份,问卷回收率为96%,有效问卷回收率为92%。本研究全部调查数据采用spss18.0软件进行统计分析。通过对互动过程量表的整体信度进行了检验,结果显示量表的整体信度系数为0.749,表明该量表的信度是合理的,各维度的信度良好。

3.3 研发团队互动过程的量表因子载荷检验

经大样本分析后,研发团队问卷项目的因子在每个公因子上都有较好的因子载荷,说明设计的量表结构良好。

经检验研发团队互动过程各维度总体方差贡献率在70%以上,假设H1成立。

3.4 研发团队互动过程与创新绩效的相关分析

对研发团队互动过程与创新绩效进行相关分析,分析结果见表3.3。分析结果表明,研发团队互动过程的团队信任,团队协作、团队凝聚力、任务互动与创新绩效两个维度在0.01水平上显著相关,且为正相关。而团队冲突与产品创新显著正相关,而与过程创新相关性不强。团队争执与产品创新显著正相关而与过程创新的相关性不强。团队领导与产品创新在0.05水平显著相关,而与过程创新相关性不强。

(本研究所涉及显著性水平,**表示0.01水平显著,*表示0.05水平显著)

经过验证,发现研发团队互动过程各维度对产品创新绩效和过程创新绩效有显著的相关性,研究结论与假设基本相符。

3.5 研发团队互动过程对创新绩效的回归分析

本研究将采用多元回归分析进一步分析这些因素之间存在的因果关系。SPSS18.0对进入回归方程的变量给予默认,软件默认的变量系数F统计量的概率为0.05,而软件所默认的从回归方程中删除的变量系数的F统计量概率为0.10,回归分析的结果详见表3.4。

标准化的回归方程为:产品创新=0.143*团队信任+0.244*团队协作+0.436*团队凝聚力+0.182*团队冲突-0.055*团队争执+0.200*任务互动+0.027*团队领导

3.6 研发团队互动过程对过程创新的回归分析

同理,采用多元回归分析进一步探讨研发团队互动过程与过程创新之间的影响关系,回归分析的结果详见表3.5。

标准化的回归方程为:过程创新=0.009*团队信任+0.384*团队协作+0.395*团队凝聚力+0.035*团队冲突-0.041*团队争执+0.052*任务互动+0.081*团队领导

4 团队规模对研发团队互动过程与创新绩效关系的缓冲效应检验

4.1 团队规模对研发团队互动过程与产品创新绩效的检验

本文用团队规模作为调节变量来检验对研发团队互动过程与创新绩效的影响作用,分析结果详见表4.1。

从上表可以看出团队规模对研发团队互动过程各维度与产品创新有不同程度的缓冲作用。团队规模对团队冲突与产品创新的影响最为明显为0.064,并且团队规模*互动过程各维度的标准均为负值,说明团队规模变量减弱了研发团队互动过程对产品创新的影响作用,研究结果与假设相符合。

4.2 团队规模对研发团队互动过与过程创新绩效的检验

同理,用团队规模作为调节变量来检验对研发团队互动过程与创新绩效的影响作用,分析结果详见表4.2。

从上表可以看出团队规模对研发团队互动过程各维度与产品创新有不同程度的缓冲作用。团队规模对团队冲突与产品创新的影响最为明显为0.071,并且团队规模*互动过程各维度的标准均为负值,说明团队规模变量减弱了研发团队互动过程对产品创新的影响作用,检验结果与假设相符合。

5 结论

5.1 研发团队互动过程是一个系统概念

本研究验证了研究范围内IT企业研发团队互动过程由团队信任、团队协作、团队凝聚力、团队冲突、团队争执、任务互动和团队领导七个维度构成。通过对研发团队互动过程量表进行分析和验证,证明与假设一致。

5.2 研发团队互动过程各维度与创新绩效有显著相关关系

分析得知研发团队创新绩效与互动过程的各维度关系密切。 “团队凝聚力”对团队创新绩效影响最为明显。IT企业是知识密集型企业,研发团队的工作性质要求其成员之间彼此要相互依赖,利用各自的技术专长团结在一起完成项目的开发与测试。 “团队协作”对创新绩效的影响也较明显,一个项目的完成需要团队成员经常性的沟通,协调与合作才能完成开发与调试,因此团队成员的协作关系显得较为密切。

5.3 团队规模对研发团队互动过程与创新绩效有一定的缓冲作用

本研究验证了团队规模对于研发团队互动过程与团队创新绩效的缓冲作用,并得出结论“规模较小的团队相对于规模较大的团队而言,研发团队互动过程对团队创新绩效的影响更直接”。

参考文献

[1]张光磊.知识转移视角下的企业组织结构对研发团队创新绩效的影响研究[D].武汉:华中科技大学,2010

[2]王黎萤.研发团队创新气氛的维度开发与结构验证[J].科学学研究.2010(08)

[3]尚润芝.高科技企业研发团队的创新管理:网络结构、变革型领导对创新绩效的影响[J].科技管理研究,2010(10):20

[4]王友青.基于人本管理理论的高绩效研发团队的构建[J].科技管理研究,2011(01):23

研发团队创新绩效 篇5

物联网是当前技术创新、知识创新的热点领域。物联网企业常以团队形式运作,以知识型研发团队为工作单位,其内部成员间形成的交互记忆系统( transactive memory system,TMS) 可以使成员的不同专长、技能和经验被有效利用,更好地解决组织面临的复杂问题,促进物联网技术、知识或服务的创新。

因此,本研究以物联网研发团队员工为例,从心理资本角度出发,引入团队领域的交互记忆系统理论,探讨事务型心理资本、交互记忆系统与创新绩效之间的关系,目的在于培养员工自信、乐观、满怀希望、强坚韧性的心态,消除其心理顾虑及消极情绪,促进团队中交互记忆系统的形成,增加员工间的交流与协作,从而提升创新绩效。

一、理论基础和研究假设

( 一) 心理资本

心理资本是个体在成长和发展过程中表现出来的一种积极心理状态,具体表现为自我效能、乐观、希望、韧性[1]。心理资本超越了人力资本和社会资本,关注的是 “你是什么样的人” ( 现实自我) 和 “你打算成为什么样的人”( 可能自我)[2]。

由于学者们对心理资本的界定、研究领域和研究对象的不一致,学术界对心理资本的测量维度和所开发的测量工具存在各种差异,尚未达成一致。国外学者对心理资本维度的界定主要包含:自尊、控制点、情绪稳定性、希望、乐观、自我效能感( 自信) 、 韧性、 诚信( Goldsmith,1997;Judge,2001; Cole,2006; Jensen,2003; Letcher,2004; Page,2004; Larson,2004; Luthans,2005;Avey等,2006) ; 而国内学者采用的测量维度则主要包含: 事务型心理资本( 奋发进取、坚韧顽强、乐观希望、自信勇敢) 、人际型心理资本( 包容宽恕、谦虚诚恳、感恩奉献、尊敬礼让) 、冷静、希望、乐观、自信、情绪智力( 柯江林、孙健敏等,2009; 惠青山,2009; 张宏如,2010 ) 。纵览已有文献,国外学界对心理资本的划分采用最多的是Luthans ( 2005 ) 开发的自我效能、 希望、 坚韧、乐观四维度量表,而本土量表中的事务型心理资本维度与之类似。考虑到中西方文化的差异,本研究选取本土量表中的事务型心理资本部分作为研究变量的测量量表。

( 二) 交互记忆系统

交互记忆( transactive memory,TM) 指的是对来自不同知识领域的信息进行编码、储存、检索和交流活动的共享的认知劳动分工[3]。Wegner将交互记忆系统定义为每个成员所拥有知识的总和( 知识存量) ,以及关于谁知道什么的集体意识( collective mind) 。张钢、熊立( 2007) 认为交互记忆系统也可以看做是团队成员之间形成的一种彼此依赖的,用以获得、储存、运用来自不同领域知识的合作型分工系统,这种机制可以解释团队知识处理过程[4]。Kyle Lewis和Benjamin Herndon( 2011) 认为交互记忆系统具有对谁知道什么的共享的理解以及差异化的知识[5]。Brandon和Holling-shead ( 2004) 进一步指出团队中完整的交互记忆系统形成,不仅是线性的,而且是循环发展的。可见,交互记忆系统具有差异化的知识、交互的编码、存储、检索过程和运作的动态性。

交互记忆系统理论已经用于各种群体和团队的研究,包括实验室群体( Liang等,1995) 、软件开发团队( Faraj和Sproull,2000) 、咨询小组( Lewis, 2004 ) 、 产品开发团队( Akgün等,2005) 、高层管理团队( Rau,2005 ) 、应急反应小组( Majchrzak等,2007) 、日托组( Peltokorpi和Manka,2008) 、麻醉队( Michinov等,2008 ) 、空中交通管制队( Smith - Jentsch等,2009) 及全球销售团队( Yuan等,2010) 。本研究将以物联网研发团队为调查对象,进一步开拓交互记忆系统理论的研究领域。

( 三) 创新绩效

关于创新绩效的界定及测量维度,目前学术界没有较为统一的标准。 Hagedoom和Cloodt( 2003) 指出: 狭义创新绩效是指企业将发明创造引入市场的程度,如新产品、新服务的引入率; 广义创新绩效是一个过程,包括发明产生、专利和产品研制开发以及新产品引入市场,涵盖企业从创新概念到产生市场效益之间的整个轨迹过程所产生的发明绩效、技术绩效和创新绩效[6]。宋超( 2012) 将创新绩效界定为 “在执行产品开发、工艺改良、市场改进等创新任务过程中,企业创新特点、竞争水平和盈利性等方面所达到的程度”[7]。侯二秀( 2012) 进一步将知识员工的创新绩效定义为: 知识员工为了提升角色绩效、群体和组织绩效,有目的的创造、促进和实施新思想的行为。知识员工的创新绩效是通过其个人创新行为来体现的,它不仅指个体创新构想本身,还包括创新思想的产生、推广和实现等内容[8]。

( 四) 心理资本、交互记忆系统与创新绩效的关系

1. 心理资本与交互记忆系统

吴雪娜( 2010) 的研究表明领导心理资本对领导信任具有显著的正向作用。闵锐( 2011) 验证了信任和心理资本之间具有相关性。于兆良、孙武斌( 2011) 发现个体心理资本能够通过示范效应促进团队心理资本( 包含四种要素: 团体效能感、共同愿景、信任、合作) ,二者形成螺旋式上升态势[9]。莎日娜( 2011) 的研究表明研发团队中团队成员心理资本对交互记忆系统有显著影响,其中,心理资本各维度对交互记忆系统的专长维度有显著正向影响,自信、希望、乐观对可信和协调维度有显著正向影响。周浩( 2011) 认为心理资本本质上是员工各种积极心理以及相应的积极行为的总和,会直接影响同事之间的沟通、交流与协作[10]。组织内成员的沟通、交流、合作直接影响相互间了解彼此知识的差异化结构( 专长) ,影响成员对其他成员知识的依赖( 信任) ,影响成员间有效的知识处理( 协作) 。综上,我们认为心理资本与交互记忆系统具有正相关关系。

本研究采用柯江林、孙健敏、李永瑞( 2009)开发的二阶双因素结构的本土心理资本量表,将事务型心理资本分为: 奋发进取、坚韧顽强、乐观希望、自信勇敢四个维度,这种划分方式与Luthans ( 2005) 开发的西方心理资本量表四维度( 自我效能、希望、坚韧、乐观) 非常类似。据此,本研究提出如下假设:

假设1: 事务型心理资本与交互记忆系统呈显著正相关关系;

假设1a: 奋发进取与交互记忆系统呈显著正相关关系;

假设1b: 坚韧顽强与交互记忆系统呈显著正相关关系;

假设1c: 乐观希望与交互记忆系统呈显著正相关关系;

假设1d: 自信勇敢与交互记忆系统呈显著正相关关系;

假设1e: 事务型心理资本与专长维呈显著正相关关系;

假设1f: 事务型心理资本与信任维呈显著正相关关系;

假设1g: 事务型心理资本与协作维呈显著正相关关系。

2. 心理资本与创新绩效

Griffith和Jakari N ( 2010) 研究发现员工心理资本与绩效之间具有显著相关性[11]。柯江林、孙健敏等( 2010) 的研究进一步发现人际型心理资本与事务型心理资本的各子维度与任务绩效、周边绩效的相关性均达显著正相关。刘婷( 2011)的研究证实,心理资本与创新行为显著正相关,且心理资本的两个维度自我效能、希望与创新行为达到显著正相关。李美芳( 2011) 以知识型员工为样本,得出心理资本与创新行为显著正相关,并且心理资本各维度( 自我效能感、希望、乐观、韧性) 与创新行为各阶段显著正相关。吴庆松( 2011) 认为心理资本通过自我效能、希望、乐观、韧性等四个主要要素对企业技术创新绩效产生正向的影响。侯二秀、陈树文( 2012) 研究得出知识型员工心理资本的任务型、关系型、学习型、创新型四个维度通过内在动机和心理契约间接影响创新绩效。

本研究以物联网研发团队为调查对象,其任务特征具有很强的创新性。心理资本的提升不仅有利于成员更好地施展个人能力,克服困难和挑战,顺利完成任务,还可以加强成员的交流与合作,增进彼此了解和信任,因地制宜地将各自的知识有效整合,在现有资源的基础上有所创新。任务绩效与工作绩效的提升势必带来创新绩效的提升。据此,本研究提出如下假设:

假设2: 事务型心理资本与创新绩效呈显著正相关关系;

假设2a: 奋发进取与创新绩效呈显著正相关关系;

假设2b: 坚韧顽强与创新绩效呈显著正相关关系;

假设2c: 乐观希望与创新绩效呈显著正相关关系;

假设2d: 自信勇敢与创新绩效呈显著正相关关系。

3. 交互记忆系统与创新绩效

Moreland等( 1996 ) 通过实验的方法证明工作团队能够形成交互记忆系统,从而提高他们的工作业绩[12]。Wenger ( 1999) 认为交互记忆系统能使成员迅速获得广泛领域的专业知识,促进隐性知识的转移及创新想法的产生,进而提高团队绩效。Faraj ( 2000) 和Austin ( 2003) 的研究同样表明,交互记忆系统可以使组织性团队表现得很好, 有助于提升团队绩效[13 - 14]。 Lewis等( 2005) 进一步指出,交互记忆系统能将团队成员的知识转移到相同领域的其他任务中去,进而激活团队原有知识并产生创新。Gino等( 2010) 及薛会娟( 2010) 证实交互记忆系统对个体创造力和团队创造力都有积极影响,创造力的提升必定会带来相应的创新成果。 Ali E. Akgün等人( 2005) 研究发现交互记忆系统对新产品的成功有显著的促进作用,并且任务复杂性越高,促进作用越大[15]。Christina Schmickl和Alfred Kieser ( 2008)认为交互记忆系统不仅可以应用到渐进式的创新,而且还可以应用到更加激进、根本的创新中去[16]。李凯广( 2010) 研究了知识共享、交互记忆系统、创新绩效三者之间的作用机制,发现交互记忆系统与创新绩效显著正相关,交互记忆系统的专长和可信两个维度对创新绩效的作用显著。樊钱涛( 2012) 的实证研究表明集群交互记忆系统在知识溢出对创新绩效的影响关系中具有显著正向调制作用。据此,本研究提出如下假设:

假设3: 交互记忆系统与创新绩效呈显著正相关关系;

假设3a: 专长维与创新绩效呈显著正相关关系;

假设3b: 信任维与创新绩效呈显著正相关关系;

假设3c: 协作维与创新绩效呈显著正相关关系。

4. 交互记忆系统的中介作用

已有研究证实了交互记忆系统在团队学习与团队绩效间起中介作用[17],在成员异质性与团队绩效间起中介作用[18],在人际信任与创新绩效间发挥中介作用[19],在社会网络与团队有效性和团队绩效间起中介作用[20],在企业研发团队非正式网络与团队绩效间起中介作用[21],但是对于交互记忆系统在心理资本与创新绩效间是否起到中介作用还缺乏研究。据此,本研究提出如下假设:

假设4: 交互记忆系统在事务型心理资本与创新绩效之间的作用关系中起中介作用。

二、研究方法

本研究采用SPSS20. 0 软件进行描述性统计、相关性分析等,采用AMOS20. 0 进行结构方程模型验证并分析中介效应。

( 一) 调查样本

本研究以物联网企业研发团队员工为调查对象,样本选取集中于南京、无锡、苏州等城市和地区的物联网科技园,以及中兴通讯、朗讯科技等物联网领域骨干企业1。本研究通过现场和邮寄的方式发放和回收问卷,共发放问卷200 份,回收200份,有效问卷172 份,有效回收率为86% 。其中66. 3% 为男性,91. 9% 的人处于20 - 35 岁之间,50. 6% 的人为硕士学历,本科及以上学历者则高达94. 2% ,表明物联网研发团队员工具有男性居多、年轻化、高学历的特点。

( 二) 测量工具

本研究采用问卷调查法,调查问卷分为两个部分: 第一部分用于受试者填写个人基本情况,以便做描述性统计。第二部分为量表部分,包含事务型心理资本量表、交互记忆系统量表、创新绩效量表,所有量表均采用Likert五点尺度法测量,按照“非常不符合”、 “比较不符合”、 “一般”、 “比较符合”、“非常符合”,分别计1、2、3、4、5 分。

事务型心理资本的测量采用柯江林、孙健敏、李永瑞( 2009) 开发的本土心理资本量表中的事务型心理资本短版量表,共20 个题项,包含奋发进取、坚韧顽强、乐观希望和自信勇敢四个维度。使用一部分样本进行探索性因素分析,删除不理想题项( 10、14、15、19) ,量表的内部一致性系数 α 值为0. 880,四维度的 α 值分别为0. 817、0. 822、0. 809 和0. 778。

交互记忆系统的测量采用Lewis ( 2003) 开发的专长、信任、协作三维度测量量表,共15 题项。使用一部分样本进行探索性因素分析,删除不理想题项( 2、9、11) ,量表的内部一致性系数 α 值为0. 898,三维度的 α 值分别为0. 770、0. 870 和0. 841。

创新绩效的测量采用侯二秀( 2012) 的量表,并结合Scott和Bruce ( 1994) 、Janssen ( 2001) 、Zhou和George ( 2001 ) 设计的5 题项知识员工创新绩效量表进行了修正,量表的内部一致性系数 α值为0. 853。

三、研究结果

( 一) 变量相关性分析

变量相关性分析结果如表1 所示,事务型心理资本及其各维度与交互记忆系统显著正相关,事务型心理资本与交互记忆系统各维度显著正相关,事务型心理资本及其各维度与创新绩效显著正相关,交互记忆系统及其各维度与创新绩效显著正相关,假设1、1a、1b、1c、1d,1e、1f、1g、2、2a、2b、2c、2d、3、3a、3b、3c均得到验证。

( 二) 路径分析与中介效应检验

根据温忠麟、侯杰泰和张雷( 2005) 的中介模型设定方法,如果在变量X对变量Y的关系中,变量X需要通过变量M来影响变量Y,则称M为中介变量( mediator) 。通过以下方程表示变量间关系:( 1) Y = c X + e1;( 2) M = a X + e2;( 3) Y = c'X + b M + e3。为了检验中介变量的存在,首先要检验自变量X到Y的回归系数c是否显著,若显著才能进入下一步中介效应的检验。本研究采用依次检验法,即分别检验c、a、b和c' 的显著性。

第一步检验Y = c X + e1的系数c,利用结构方程模型分析事务型心理资本对创新绩效的影响是否显著。建立回归关系模型图,根据原始模型运行结果中M. I. 修正指标值及Par Change估计参数改变量,判断e6与e7之间可能有某种程度的共变关系,增列二者间共变关系得到修正模型图1。

注:**表示p<0.01,*表示p<0.05。

根据吴明隆( 2010) 整体模型适配度评价标准,要求简约适配指数 χ2/ df大于1 且小于3; 绝对适配度指数RMSEA小于0. 08,GFI大于0. 90;增值适配指数CFI、IFI、TLI大于0. 90[22]。由表2可见,修正后回归关系模型图拟合良好。

由表3 可见,回归系数c的值为0. 748,且达到显著。因此,进行下一步检验。

第二步依次检验M = a X + e2,Y = c'X + b M +e3的系数a、b和c' 的显著性,建立中介效应模型。分析结果见图2。

注: ***表示p < 0. 001。

由表4 可见,基本模型拟合效果良好。图2 显示事务型心理资本对交互记忆系统的路径系数为0. 81,交互记忆系统对创新绩效的路径系数为0. 62,事务型心理资本对创新绩效的路径系数为0. 26。如表5 所示,引入交互记忆系统变量后,事务型心理资本对交互记忆系统的回归系数a显著,交互记忆系统对创新绩效的回归系数b显著,而事务型心理资本对创新绩效的回归系数c' 不显著,因此交互记忆系统在事务型心理资本与创新绩效间起到完全中介效应。

注: ***表示p < 0. 001,**表示p < 0. 01。

删除不显著路径得到修正模型图3,事务型心理资本对交互记忆系统的路径系数为0. 83,交互记忆系统对创新绩效的路径系数为0. 85。表6 显示修正模型拟合指数良好,表7 显示路径系数都达显著,因此假设4 得到验证。

以上分析表明: 事务型心理资本对创新绩效有显著正向影响; 事务型心理资本对交互记忆系统有显著正向影响; 交互记忆系统对创新绩效有显著正向影响; 事务型心理资本通过交互记忆系统对创新绩效产生影响,即交互记忆系统在事务型心理资本与创新绩效间起到完全中介效应。

注: ***表示p < 0. 001。

四、结论与启示

(一)研究结论

本研究以物联网研发团队员工为调查对象,运用实证研究方法探讨了研发团队员工事务型心理资本、交互记忆系统与创新绩效的关系,得到以下研究结论:( 1) 事务型心理资本及其各维度与交互记忆系统显著正相关;( 2) 事务型心理资本与交互记忆系统各维度显著正相关;( 3) 交互记忆系统及其各维度与创新绩效显著正相关;( 4)交互记忆系统在事务型心理资本与创新绩效之间起完全中介作用。因此,物联网企业在考虑到团队成员心理资本对于创新绩效的积极影响作用时,还需要考虑心理资本对于交互记忆系统的促进作用,以及交互记忆系统对创新绩效的积极影响。交互记忆系统的完全中介作用表明,心理资本对创新绩效的影响是通过交互记忆系统产生的,因此企业在培养员工积极心理资本的同时,还需加强员工之间的交流与协作,促进交互记忆系统的形成。

本研究的贡献在于验证了本土心理资本量表与西方交互记忆系统量表在特定调查对象———物联网研发团队员工中的信度和效度,进一步丰富了其调查对象的领域,开拓和验证了交互记忆系统与其他变量之间的相关关系,为今后研究提供一些理论支撑。不足之处在于: ( 1) 样本量偏少,研究可靠性可能会受到一定程度影响;( 2) 问卷采用的是截面数据,未来可以通过纵向研究验证交互记忆系统的效应;( 3) 心理资本量表只选取了本土心理资本量表( 包含事务型和人际型心理资本两个二阶因素) 中与西方心理资本量表具有类似维度的事务型心理资本部分,后续研究可以继续探讨中国情境下,人际型心理资本、交互记忆系统与创新绩效的关系。

( 二) 启示

在招募员工时,企业管理者不仅要考虑其知识技能,还要考量其心理状态,可以通过相关测验选择心理资本水平较高的员工。心理资本水平较高的员工在今后投入工作时更有可能保持良好的心理状态,迎接挑战。

在培养员工时,管理者应针对本企业研发人员的特点,采取多样化的培训方案,如岗位培训、科研院所代培、新项目研发培训、学术交流等,提升研发人员的知识面,增强竞争力。此外,还可以在工作之余组织员工参加一些集体活动,如户外拓展、非正式午餐等。这些培训和活动可以使员工在轻松的环境中得到沟通与交流,促进员工相互了解,增进对彼此的信任,有利于员工投入工作时能有效地整合多样化的知识处理和解决问题,有利于团队中交互记忆系统的形成,进而提升创新绩效。

研发团队创新绩效 篇6

1 文献回顾与理论假设

1.1 成员认知、团队绩效的概念

1.1.1 成员认知

大多数学者将成员认知定义为一个认知的概念,如个体与团队价值观的一致性;对团队或组织的一致性知觉或归属感;个体对成为某个特定组织或团队的成员的知觉与个人的自我定义合二为一的过程[1]。在前人归纳总结的基础上,结合高新技术企业研发团队的特点,本文将成员认知的内涵界定为:①成员认知反映的是员工自我概念与团队之间的一种关系,最终产生支持团队的态度与行为。②成员认知是以员工自我为中心,按照员工的自我标准对其身份进行确认与寻求,与组织其他成员共享特征的感知。

借鉴国内外学者对成员认知维度的界定,本文结合高新技术企业的特征,将成员认知划分为薪酬认知、培训认知、授权认知。综合国内外文献,笔者将三者定义分别进行了界定。薪酬认知界定为:成员对组织的薪酬管理及所得的薪酬,在主观层面上对薪酬的程序、分配、信息、人际公平的判断、知觉或感受。培训认知界定为:员工对培训的判断、知觉或感受,最终对培训目标、培训效率、培训结果与其他员工达成一致。授权认知界定为:以员工能知觉到的控制、胜任力和目标内化为特征的一种心理认知状态。

1.1.2 团队绩效

对于高新技术企业研发团队来说,追求技术创新是高新技术企业永恒的主题,而高新技术企业研发绩效是由研发团队成员个体的工作绩效组成的。团队绩效是对团队运行总体情况所作的描绘,有些学者认为团队绩效区别于团队有效性。因为研究的侧重点不同,研究者对团队绩效有着不同的观点。结合高新技术企业研发团队的特点,本研究将团队绩效的内涵界定为:团队为达到目标或者任务而采取的各种行为及结果。它主要包括2个方面的指标:团队的任务绩效,即工作数量、质量、速度、成本等方面;团队的关联绩效,即团队成员满意感,包括团队工作的态度、成员间的融洽程度、团队的归属感、对团队的组织承诺等方面。

本文综合之前学者的观点,认为团队绩效可以从任务绩效、关联绩效2个维度来衡量。任务绩效与员工的工作职责、个体能力、工作熟练程度密切相关。关联绩效指个人自愿执行非正式规定的活动、坚持完成任务的热情、与他人合作并帮助他人、牺牲自我以遵从组织规则,以及赞同、支持与捍卫组织目标的相关行为,包括人际关系技能、帮助他人完成工作任务的意愿和动机[2]。

1.2 理论假设

1.2.1 薪酬认知与团队绩效间的关系

Risher (2000)指出,薪酬认知是引导员工行为,促进组织和个人提高业绩的工具。Diaz、Gomez&Mejia (1997)通过对173家高新技术企业的人力资源管理负责人员问卷调查,发现比较适合高新技术企业的薪酬战略更强调以人而不是以工作为分析单元,更加强调员工与企业共同分担风险。然而有的学者却认为薪酬认知与团队绩效无明显关系。介于学术界的争论,本文提出如下假设:

H1a:薪酬认知与任务绩效呈明显正相关。

H1b:薪酬认知与关联绩效呈明显正相关。

1.2.2 培训认知与团队绩效的关系

MacDuffie、Huselid (1995)通过聚类分析发现培训认知是团队绩效激励的重要因素之一。Youndt (1996)在基于团队激励的研究中指出,培训认知有利于提高团队绩效。但总的来说,学者对培训认知对团队绩效的影响研究很少,故对两者的关系的研究结论不太明朗。基于上述论述,本文提出如下假设:

H2a:培训认知与任务绩效呈明显正相关。

H2b:培训认知与关联绩效呈明显正相关。

1.2.3授权认知与团队绩效的关系

高新技术企业研发团队的研发成果应跟上时代主流。只有合理授权才能使研发团队成员把握时间,抢先获得更高端的技术。李锐、叶莲花和凌文辁(2006)提出授权认知对员工的工作行为和绩效具有显著的影响。他们在研究中发现:员工的总体授权认知对其团队工作绩效具有显著的正向影响,并有助于员工的绩效改进;员工的总体授权认知也能显著地促进员工的创新行为,向上影响力以及组织公民行为等角色外绩效行为,减少工作侵犯行为和工作退却行为等工作场所中的负面行为[3]。基于上述论述,本文提出如下假设:

H3a:授权认知与任务绩效呈明显正相关。

H3b:授权认知与关联绩效呈明显正相关。

2 实证研究

2.1 自变量和因变量的测量

有关成员认知策略运用情况的调查,分为薪酬认知、培训认知、授权认知3个维度,共12个衡量题目。团队绩效量分为任务绩效和关联绩效2个维度,共11个衡量题目。量表的衡量尺度采用李克特提出的5点尺度,分别按“完全不同意”到“完全同意”5个等级给分。

2.2 数据的收集

本研究的调查问卷于2010年8月正式发放,共发放200份(邮件发送问卷和网上填制问卷共150份,现场发放问卷50份)。回收问卷共计180份(回收率为90%),其中无效问卷24份(无效问卷率为12%),最后得到有效问卷共156份(有效回收率为78%)。

2.3 问卷的效度和信度

2.3.1 效度分析

在进行因素分析前,首先应验证样本资料是否适合进行因素分析。本文采用Kaiser的标准,即KMO值在0.8以上为最佳。然后通过最大方差旋转法(Varimax Method)进行正交旋转(Orthogonal Rotation),抽取特征值大于1,选取因素负荷量绝对值大于0.5的题项,绝对值小于0.5题项予以剔除。

(1)高新技术企业研发成员认知的因素分析。①薪酬认知的Cronach'sα值为0.770 8,其中有效题项负荷量是:X9为0.523,X10为0.806,X1I为0.817,X12为0.707。②培训认知的Cronbach’sα值为0.706 4,其中有效题项负荷量是:X3为0.788,X4为0.749,X5为0.697。(③授权认知的Crombach’sα值为0.737 8,其中有效题项负荷量是:X6为0.580,X7为0.764,X8为0.824。

(2)高新技术企业研发团队绩效的因素分析。①任务绩效的Cronbach’sα值为0.844 7,其中有效题项负荷量是:X19为0.744,X20为0.748,X21为0.695,X22为0.809,X23为0.718。②关联绩效的Cronbach’sα值为0.802 9,其中有效题项负荷量是:X13为0.674,X14为0.761,X15为0.816,X16为0.757。团队绩效的KMO值为0.869,符合大于0.8的标准。

2.3.2 信度分析(见表1、表2)

本研究在因素分析基础上进行了信度分析,由结果看出各个量表信度及总体信度都达到大于0.70的较高水平,故此问卷可以用来进行实证研究。本文主要采取Cronbach’sα信度来衡量各量表的内部一致性水平。一一般认为,只要Cronbach'sα系数介于0.7～0.98之间,可判定为高信度,0.35～0.7为信度尚可,若低于0.35则予以拒绝。保留在变量测度题项中的题项对所有题项的相关系数(Item-Total Correlation)应大于0.35。

表1和表2是高新技术企业研发团队成员认知和团队绩效的信度分析数据,各个维度和总量表的Cronbach’sα系数分别都在0.7以上,说明成员认知和团队绩效具有较高的信度。

2.3.3 问卷的相关分析

采用Pearson相关分析法分析各变量之间的相关情况,从而明确各研究变量之间的内在关系,如表3所示。

注:**表示P<0.01,双尾检验,系数为Pearson相关系数。

由表3可以看出,薪酬认知与任务绩效和关联绩效有显著正相关(P<0.01,r=0.447;P<0.01,r=0.567);培训认知与任务绩效和关联绩效有显著正相关(P<0.01,r=0.354;P<0.01,r=0.351);授权认知与任务绩效和关联绩效有显著正相关(P<0.01,r=0.346;P<0.01,r=0.378)。

2.3.4 问卷的回归分析

以成员认知的各维度作为自变量,对团队绩效进行回归分析,这是模型中自变量对因变量的回归,针对研究假设H1a、H1b、H2a、H2b、H3a、H3b进行检验。

2.3.4. 1 成员认知各维度对团队绩效的任务绩效的回归分析

采用前后逐项回归法(Stepwise),调整判定系数(Adjusted R Square)为0.227,表示回归方程能解释总变异的22.7%,对于自变量相对比较少的实证研究这样的拟合度一般是可以接受的。并且成员认知的薪酬认知、培训认知2个变量进入回归模型,而授权认知变量没有进入。能够解释最大变异量的回归方程总体效果参数见表4,回归系数与显著性系数检验见表5。

注:预测变量为常数、薪酬认知;预测变量为常数、薪酬认知、培训认知;因变量为任务绩效。

注:因变量为任务绩效。

从表4和表5可以看出,模型中F值的相伴概率值均小于显著性水平,即小于0.001的水平,说明薪酬认知、培训认知的变量系数均有显著意义,并且进入回归方程的2个维度均对任务绩效有显著的影响作用,其中薪酬认知的影响作用较大,标准化回归系数达到0.364,其次为培训认知的影响,标准化回归系数为0.211,薪酬认知为主要影响因素。

从回归分析中,可以得到以下回归方程:任务绩效因子=0.364薪酬认知因子+0.211培训认知因子。

2.3.4. 2 成员认知各维度对团队绩效的关联绩效的回归分析

本研究仍然把高新技术企业研发团队成员认知作为自变量,把团队绩效中的关联绩效作为因变量,采用前后逐项回归法(Stepwise),计算过程使用因子值。从输出结果可以看出,成员认知中只有薪酬认知、授权认知2个变量进入回归模型,培训认知变量没有进入。能够解释最大变异量的回归方程总体效果参数见表6,回归系数与显著性系数检验见表7。

从表6的回归过程可以看出,最后的判定系数(Adjusted R Square)·为0.341,表示回归方程能解释总变异的34.1%。这样的拟合度对于一般的实证研究是可以接受的。

注:预测变量为常数、薪酬认知;预剧变量为常数、薪酬认知、授权认知;因变量为关联绩效。

注:因变量为关联绩效。

从表6和表7中观察到F值的相伴概率值均小于显著性水平,即小于0.05的水平,表明薪酬认知、授权认知的变量系数均有显著意义。这2个变量可以作为解释变量存在于模型中,解释关联绩效的变化,并且进入回归方程的2个维度均对关联绩效有显著的影响作用,其中薪酬认知的影响作用较大,标准化回归系数达到0.495,其次为授权认知的影响,标准化回归系数为0.181,薪酬认知为主要影响因素。

从回归分析中,可以得到以下回归方程:关联绩效因子=0.495薪酬认知因子+0.181授权认知因子。

经过上述的回归分析,以下假设可以得到验证(见表8)。

3 结论

从上述实证分析中我们发现,高新技术企业研发团队成员认知和团队绩效有相关关系,且实验验证高新技术企业研发团队成员认知是自变量,能有效影响其团队的团队绩效。所以,要提高高新技术企业研发团队的任务绩效就应该在薪酬认知和培训认知上进行调节实施,而要提高高新技术企业研发团队的关联绩效就应该在薪酬认知和培训认知上下工夫。

参考文献

[1]陈浩.心理授权与组织认同的关系研究[J].经济纵横,2010(7).

[2]丁元.组织公平、组织承诺对工作绩效的影响研究[D].华南理工大学,2010.

研发团队创新绩效 篇7

研发团队知识管理是企业研发部门管理的核心。如何加速知识在团队内部不同成员之间的转移, 促进知识的有效利用和新知识不断创造是任何一个研发团队都需要认真思考的课题。知识转移是一个包含多阶段的活动过程, 转移过程并不仅仅是知识的简单流动和传递, 更为重要的是知识接收者的知识吸收、整合、并重构其自身的知识基。知识转移是由知识转移对象即知识内容、知识转移手段、沟通、知识网络、会议、学习等;知识转移主体:个人、团体及组织三要素构成[1]。具体到研发团队而言, 研发团队内部知识转移是指, 当团队成员意识到完成工作缺乏某种技术知识或经验技巧时, 通过与团队其它成员的互动或相关媒介获取完成工作所需的技术知识或在工作中所积累的经验技巧, 并在研发的过程中加以吸收、应用、创新的知识重构过程。

Hedlund (1994) [2], Nonaka&Takeuchi (1995) [3], Gilbert&Cordey-Hayes (1996) [4], Szulanski (2000) [5], Dixon (2000) [6]等从不同的角度对知识转移的影响因素进行了研究。归纳这些现有的理论和文献, 可得出影响团队内部知识转移的四大因素:知识接受方、知识提供方、人际关系、知识特征。这些因素作用于团队内部的个体之间, 影响知识转移的绩效。本文以研发团队内部员工间的知识转移为中心, 提出知识转移影响因素模型, 通过实证研究的方法探讨上述4个影响因素在知识转移过程中的作用与影响。通过结构方程模型方法的统计分析, 力求得出各影响因素对相关知识转移过程的量化指标, 为企业实施知识管理, 提升知识转移水平提供量化的依据和切实可行的指导。

1 假设及理论模型

根据文献综述, 虽然现有的研究成果从知识转移的途径、方法、影响因素等方面进行了探讨和分析, 但尚未对研发团队内部知识转移的影响因素进行结构性的梳理, 也未能对诸因素的影响大小进行实际的分析与验证。本文拟采用结构方程模型 (SEM) 的统计方法, 按照以下步骤进行实证分析:

(1) 基于现有研究成果提出理论模型假设; (2) 通过实际的企业问卷调查和数据收集; (3) 利用数据对理论模型进行拟合; (4) 对模型拟合的结果进行评价与修订。归纳现有的研究成果, 本文提出知识转移的因素模型, 如图1所示。同时提出7个关于知识转移影响因素及其关系的假设, 见表1。

2 实证研究

2.1 问卷设计

要进行实证研究, 首先要进行问卷的设计。在进行量表设计的过程中, 参考已有的成熟量表及大量的心理学量表编制文献[7]。本量表采用李克特 (Likert) 5点式评量尺度, 分成“完全相符”、“大部分相符”、“一定程度上相符”、“大部分不相符”“完全不符”, 5个选项, 分别给予1、2、3、4、5分。量表各问题 (条目) 有正向记分题和反向记分题。问卷主体包含三部分内容:人口统计分量表;知识转移水平分量表;知识转移影响因素分量表。

(1) 人口统计分量表包括性别、年龄、教育程度、工作部门及工作年限等, 以利于了解样本特性。

(2) 知识转移效果分量表包括:知识接受方、知识提供方、人际关系、知识特征4个维度。

在对各变量条目 (问题) 编制过程中, 在借鉴了已有的相关量表基础上, 初选择出48个条目, 请各企业的信息主管 (知识主管) 和心理学专家对这些条目进行了内容效度的评定, 根据信息主管和专家的意见, 对这些条目进行了必要的删、改、增, 建立了包含17个条目的初测量表。然后对3家企业的48名被试施测, 根据题总相关、题他相关、社会赞许性、辨别力和题目难度5项标准改进了初测量表。形成了包括17个条目, 加上5个测谎条目, 最终22个条目的调查问卷。

问卷信度方面, 采用Cronbachα系数检验各变量的测量项目是否具有较好的内部一致性[8]。效度方面, 通过对比企业问卷的得分与企业实际情况的访谈结论进行验证。

2.2 数据收集

2006年8~10月, 对北京地区16家科研型企业进行了问卷调查。共发出问卷400份, 回收336份, 其中信息不完整的无效问卷30份, 有效问卷为306份。使用SPSS进行数据统计分析, 首先对问卷中的测谎条目进行计算, 对于谎份高于一个标准差的被试数据进行剔除, 又删除42个被试, 通过测谎的被试有266份。使用SPSS进一步进行描述统计分析, 可对人口统计变量得出如下结论:

男性被试为174;女性被试为92;平均年龄36岁;学历方面, 大专63人, 本科101人, 研究生及以上102人。由于被试大都来自科技型企业, 本科及以上学历占七成多。可见虽然被试来自不同的行业, 但是整个被试群体的素质构成仍比较接近。

对于探索性研究, 若Cronbachα系数大于0.7, 是可以接收的最小信度值[9] (李怀祖, 2004) 。本次调查结果中, 由于经过了初步预测试和问卷调整, 修订后问卷所测得不同因子的α值均大于0.7。

2.3 统计分析

本文在研究中采用的是结构方程模型 (structural equation modeling, 简称为SEM) 。SEM是一种综合运用多元回归分析、路径分析 (path analysis) 和验证型因子分析方法而形成的一种统计数据分析工具。可用来解释一个或多个自变量与一个或多个因变量之间的关系, 容许自变量和因变量含测量误差。结构方程模型主要具有验证性功能, 可以同时估计因子结构和因子关系, 研究者利用一定的统计手段对复杂的理论模式加以处理, 并根据模式与数据关系的一致性程度对理论模式做出适当评价, 从而证实或证伪研究者事先假设的理论模式。而且, 结构方程模型允许其因变量之间存在相关性, 因为这些相关性并不影响整体模型路径的分析结果。结构方程模型还容许更大弹性的测量模型, 研究者不必重复建立模型而只要做因果关系的微调就能观测多个模型的拟合效果。因此, 它比一般线性模式统计程序有更突出的优越性。通过使用SEM的专用统计软件LISREL进行统计分析, 对前文中提出的假设进行了验证, 并得出相关结论[8]。

LISREL包含了多种估计方法, 统计缺省值为极大似然估计ML (maximum likelihood) , 本文在统计过程中采用的估计方法就是极大似然估计。使用LISREL统计分析后, 生成的的转移因素路径图, 如图2所示。

下面再通过LISREL产生的t检验图来判断各估计参数是否显著不等于0, 一般可简单取t值大于2为显著[8]。从t检验图中可以看出, 除了知识提供方对于知识转移效果的影响的t值为1.410外其它因子间作用关系都是十分显著的。

2.4 转移因素模型的拟合指标

因素模型的拟合指标如表2所示。

2.5 假设检验

经过对于数据的统计分析, 可对前文中提出的假设 (H1~H11) 进行检验, 如表3所示。

3 基于知识转移因素模型的知识管理策略

由上述三种影响的比较分析可以发现如下现象:

3.1 间接影响 (Indirect Effect)

由表4可得, 就知识转移水平 (L) 而言, 知识提供方 (S) 对其存在着值为0.747的间接影响。从图2上看, 这种间接影响的路径一共有3条, 分别为S※A※L, S※K※L, S※R※L, 即这种间接影响是知识提供方 (S) 经由知识接收方情境 (A) 、知识特征 (K) 和人际关系 (R) , 继而影响到知识共享水平的, 其数值等于每条路径上所有直接路径系数的乘积, 分别为0.484, 0.197, 0.103。

3.2 直接影响 (Direct Effect)

由表4可得, 知识提供方 (S) 、知识接收方情境 (a) 、知识特征 (K) 和人际关系 (R) 分别产生数值为0.891、0.689、0.511的直接影响。就知识转移水平 (L) 而言, 知识接收方情境 (A) 、知识特征 (K) 和人际关系 (R) 分别对其产生大小为0.543、0.321和0.286的直接影响。

3.3 总影响 (Total Effect)

根据“总影响=间接影响+直接影响”, 在经过间接影响与直接影响的作用叠加之后, 可以发现, 知识提供方 (S) 、知识接收方情境 (A) 、知识特征 (K) 和人际关系 (R) 这4个因素对知识转移水平 (L) 均能产生显著的影响。其中以知识提供方 (S) 的作用最大, 总影响效果为0.784:其次为知识接收方情境 (A) , 总影响效果为0.543;再次为人际关系 (R) , 总影响效果为0.312;最后是知识特征 (K) , 总影响效果为0.286。上述数据表明, 在整个模型中, 知识提供方 (S) 、知识接收方情境 (A) 的作用最为显著, 改善这两个方面的条件有助于改善知识接收方的知识转移水平, 也就是说, 提高个体的知识转移水平要从组织提供情境和个体接受情境两个方面入手。

4 总结

本文虽然通过理论分析和实证研究得出了一些有价值的结论:新产品开发过程需要将新知识应用到面向具体问题的情景中, 因此涉及许多隐性和显性知识的共享。对于个体而言, 无论作为知识提供者还是接收者, 个体都应当主动利用非正式网络, 培养与团队成员的良好关系, 改善自身在团队中的地位, 主动的发起共享, 增进交流, 通过合理使用信息技术工具克服在时空上的交流障碍, 更主要的是通过内部学习和外部学习提高团队成员整体的知识位势。团队层面的对策和措施相应更复杂, 主要是为开发团队成员间的知识共享提供一种良好的环境支持。在文化上, 要培育一种适合知识共享的团队学习文化;在激励制定方面, 组织可以根据团队成员的知识转移与共享绩效评估工作表现, 给予报酬;组织应当为成员提供知识共享的环境资源, 包括进行知识交流的时间和地点;团队应该建立有效的知识交流与共享机制与平台, 如知识库、知识地图等, 增加团队与组织的知识存量, 辅助员工之间的知识共享;最后研发团队的主管要以身作责, 组织员工通过不同渠道转移与共享知识, 最终实现研发团队的绩效目标。

最后, 需要指出的是:本文属于横截面研究, 被试有限且没有对被试进行纵向跟踪调查, 缺乏历史数据对结论的验证;知识转移影响因素众多且不断变化, 必须进行持续的跟踪研究。

参考文献

[1].Yogesh M, Knowledge managementforthe newworld of business[J].Asia Strategyleadership Institute Review, 1998.6:58~60

[2].Hedlund, G.A model of knowledge management and the N-Form corporation[J].Strategic Management Journal, 1994, 15:73~90

[3].Nonaka, I.&Takeuchi, H.The knowledge creating company:howJapanese companies create the dynamics of inno-vation[M].Oxford:Oxford University Press, 1995

[4].Gilbert, M.&Cordey-Hayes, M.Understanding the process of knowledgetransferto achieve successful technologi-cal innovation[J].Technovation, 1996, 16:301~312

[5].Szulanski, G.The process of knowledge transfer:a diachronic analysis of stickiness[J].Organizational Behavior and Human Decision Process, 2000, 82 (1) :9~27

[6].Dixon, N.M.Common knowledge:How Companies Thrive by Sharing What They Know[M].Boston:Harvard Business School Press, 2000

[7].温忠麟, 侯杰泰.心理测验中的趋中回归与超常分数重现概率[J].心理学报, 2003, 35 (3) :419~425

[8].侯杰泰, 温忠麟, 成子娟.结构方程模型及其应用[M].北京:教育科学出版社, 2004.7

研发团队创新绩效 篇8

一、理论分析与研究假设

1. 多团队系统协作机制对研发团队绩效的影响

Mathieu等[2]指出多团队系统是指由两个或两个以上的团队所组成的, 目的是为了能在一个复杂多变的环境中完成组织交给的使命所构成的系统, 在这个系统中, 每个团队都有一个共同的目标, 他们在这个共同目标的作用下, 每个团队至少和另一个团队在输入, 过程和输出上是相互依赖的。肖余春[3]认为多团队系统协作机制是由过渡过程协作和行动过程协作两个维度构成。过渡过程协作是指团队成员通过对团队目标的设定, 并且对目标的层层分解制定团队战略路线的过程。行动过程协作是指在实施计划的过程当中, 对团队整体工作的过程进行监督和控制, 及时纠正偏差以达到预期效果。不同团队之间的协作过程会对团队绩效产生一定的影响。在过渡协作过程阶段, 团队成员的自省将有助于团队绩效的提升。团队监督属于团队的行动过程协作阶段, 在这一阶段, 主要是通过对团队成员工作的严格监督, 减少团队成员犯错误的可能性, 并给与及时的指导保证目标的顺利完成。Marks[4]认为团队监督可以随时观测到团队成员所犯的错误并能及时纠正偏差以帮助团队成员提高绩效。本文提出假设1:

H1:多团队系统协作对研发团队绩效有正向影响。

2. 团队跨界行为对研发团队绩效的影响

Ancona[5]认为团队的跨界行为可以促使团队绩效的提升, 因为在这个过程中, 团队通过与外界的互动可以获得各种有价值的资源, 这些稀缺资源变成为团队创新的关键所在, 研发团队通过跨界行为与外部团队进行联络, 在他们相互联系的过程中, 团队可以获得外部的支持, 并能针对当前存在的偏差给予修正和反馈, 这种网状的关系促使团队获得创新效益。奉小斌[1]将团队跨界行为分解为三个维度:使节行为、协调行为和侦测行为。使节行为是指研发团队通过与外部关联方进行联络来说服他们接受团队的建议, 以获得关联方的支持的行为。在这一过程中, 研发团队实时的向关联方汇报研发的进展和绩效, 并且得到他们的帮助。在使节行为中, 彼此有一定程度的依赖性, 所以跨界行为对双方都有积极的作用。前者可以获取关联方在人财物上的支持, 后者可以提高资源分配的有效性。由此可见使节行为对研发团队的绩效有一定的影响。协调行为是指研发团队为了实现与外部关联方共同制定的目标, 对团队内部的任务进行协调, 并且获取外部反馈的过程。协调行为主要发生在与外界关联方联系比较紧密的研发团队之间, 通过与外部及时的沟通可以达到知识共享和意见反馈的目的。研发团队通过协调行为不仅可以监控产品研发、绩效评估等过程, 而且还能为研发团队提供多样化的信息, 促使团队绩效的提升。侦测行为是指研发团队为了能高效地开发出与市场相适应的产品, 向拥有该种资源或者技术的相关方获取资源和信息的过程。团队通过对外界信息寻求与探索有助于准确感知外部环境的变化, 并制定出适应这种变化的决策。侦测行为可以督促研发团队主动获取外部信息, 促进团队对外部资源的获取和团队之间知识共享, 从而可以达到提高团队绩效的目的。基于以上分析, 本文提出假设2:

H2:研发团队跨界行为对团队绩效有正向影响。

3. 团队跨界行为在多团队系统协作机制与研发团队绩效中的中介作用

在过渡阶段, 研发团队需要对组织给予的任务进行详细的分析, 根据分析的结果制定团队短期和长期的目标和各个时期的战略路线。研发团队会根据任务的复杂程度和时间的紧迫性来确定是否需要外界的帮助。Joshi[6]认为团队为了完成组织目标而与外界的接触程度取决于团队与外界进行资源交换的程度, 研发团队与外部接触的程度完全取决于需要从外部获取稀缺资源的数量。Stock[7]认为团队在进行跨界行为时, 与外界的依赖程度取决于任务的复杂程度, 越是复杂的任务, 团队对于自己有互补资源的团队依赖程度越大。由于任务的复杂性, 团队成员必须开展跨界活动以求得外界相关方的帮助, 共同解决这些非程序化的任务, 团队通过与外界互动的同时也改进了团队内部活动的质量。并且越是复杂的任务越能促使外界帮助团队监督关键活动, 更好地检测控制点, 从而将复杂的任务精简化。Minbashian等[8]认为时间的紧迫性也会影响团队的跨界行为, 如果团队成员感受到在规定的时间内他们无法完成组织交给的任务, 他们就是通过跨界行为寻求组织内部其他部门或者跨越组织边境寻找帮助。Choi[9]认为由于存在时间的压力, 团队的负责人将会协调外界相关方对团队进行帮助, 配合团队共同完成既定的目标。在行动阶段, 研发团队通过对实施过程的严格监控, 及时了解到团队任务的进展情况, 通过团队成员的反馈, 确定是否需要调整目标。一旦发现研发的产品与外部市场相脱节, 团队需要对目标进行及时的调整, 以期能满足外部需求。然而在计划初始时, 由于人力、物力和财力投入数量之大, 可能无法马上进行转型, 需要团队负责人向外界寻求帮助, 在得到不同性质的团队的帮助和支持后, 研发团队才能对团队内部主要活动过程进行大的改进。在这个过程中, 团队需要与外界相关方进行联络, 并且协调内部成员的工作。基于上述分析, 本文提出假设3:

H3:团队跨界行为在多团队系统协作机制与研发团队绩效关系中起中介作用。即多团队系统协作机制通过团队跨界行为的中介效应和中介作用, 间接促进研发团队绩效。

二、研究设计与检验结果

1. 数据来源

本研究选择具有代表性的高新技术企业为调查对象, 问卷发放的对象都是曾经参与过或正在参与新产品研发的员工, 他们来自组织中的研发、生产、销售等不同部门, 均有过参加多团队系统协作来研发产品的经历。问卷的发放方式主要有当场进行发放以及电子邮件等主要方式, 被调查的对象主要通过导师和曾在高新技术企业工作的同学、朋友们的推荐。为了确保问卷的质量和回收率, 在问卷发放期间, 通过电话或者邮件方式与被调查者保持联系, 最大限度地保证每一份问卷的质量。共计发放问卷280份, 实际回收246份, 回收率为88%。剔除部分不合格问卷, 有效问卷为223份, 有效问卷率为80%。

2. 研究变量的信度和效度分析

各变量每个维度的Cronbach′sα值均大于0.8, 并且多团队系统协作机制、团队跨界行为和研发团队绩效的量表整体Cronbach′sα均大于0.8, 表明量表具有较高的信度。运用AMOS18.0软件, 采用验证性因子分析方法分别检验多团队系统协作机制、团队跨界行为和研发团队绩效3个变量各自的模型拟合程度, 进一步评价各自的建构效度, 拟合优度各个指标达到了规定标准。评价模型适配程度的最重要的指标即为RMSEA的值, 通过对比可以看出多团队系统协作机制、团队跨界行为和研发团队绩效三个变量的中的RMSEA值均小于0.08, 达到了规定的标准, 并且其他重要适配度指标GFI、AGFI、NFI、TLI和CFI的值也都大于0.9, 而大于0.9说明模型已经达到非常好的适配水平了。主要适配指标RMR的值均小于0.05, 处于较好的适配水平, 上述结果表明, 多团队系统协作机制、团队跨界行为和研发团队绩效三个变量的假设模型和调查数据的拟合度良好。

3. 路径效果分析

由下页表1可知:多团队系统协作机制中的过渡过程协作和行动过程协作均对研发团队绩效有显著地正向影响;团队跨界行为中的使节行为、协调行为和侦测行为均对研发团队绩效有显著正向影响;使节行为是多团队系统协作机制与研发团队绩效间部分中介变量, 协调行为是多团队系统协作机制与研发团队绩效间部分中介变量, 侦测行为不是多团队系统协作机制与研发团队绩效间的中介变量。

4. 研究结果分析

通过对下页表1因素间路径系数的分析, 可以看出多个团队之间的合作对研发绩效产生显著影响。新产品的开发是一项极其复杂的工作, 需要组织中不同部门 (研发部门、生产部门、营销部门等) 间进行倾力的合作, 拥有不同知识的团队成员在一起相互启发, 提高项目研发的成功率。团队跨界行为的三个维度均对研发绩效产生显著的影响。究其原因, 研发团队在与外部关联方进行交涉的过程, 有利于团队获得更多的知识和资源, 这些资源会对研发绩效的提升产生重要影响, 尤其是在团队内部资源匮乏的时期。侦测行为不是多团队系统协作机制与研发团队绩效的中介变量。分析其原因, 研发团队在过渡过程中, 团队成员均聚焦于任务的分析, 制定详细的策略路线, 没有精力与外界相关方进行联络, 因此过渡过程协作通过侦测行为对研发绩效影响并不显著。企业应该加大这方面的投入, 鼓励研发团队在这一阶段与拥有和新产品开发的关联方进行沟通, 通过对外部进行搜索, 可以更好地理解外部市场的趋势、存在的机会与威胁。在行动过程中, 团队成员聚焦于内部活动的调控, 虽然团队成员必须对系统内、外部环境进行监控, 并根据监测的结果调整以前的行动方案, 然而在研发之初, 团队对研发项目巨额的投资, 导致无法及时调整方向。并且从外界得到的消息的可靠性也有待考察, 需要较长的时间来进行全面、细致的分析, 所以侦测行为在行动过程协作与研发团队绩效的中介效用将会被弱化。团队跨界行为中的使节行为和协调行为在多团队系统协作机制与研发团队绩效中起到了显著的中介效应。由不同部门组成的多团队系统在得到更高阶层的大力支持后, 系统会获得丰厚的资源, 有助于新产品研发成功。协调行为伴随着研发过程的始终, 多个团队在协作过程中会发生冲突, 及时有效的对团队内部的活动进行调整, 按照统一指挥、统一领导的原则, 使项目研发有序的进行下去。

三、结论

本研究致力于探讨多团队系统协作机制、团队跨界行为和研发团队绩效三个团队层面的变量之间逻辑关系和相互作用机理, 运用AMOS统计分析工具, 实证分析了多团队系统协作机制、团队跨界行为对研发团队绩效的影响效果以及团队跨界行为在多团队系统协作机制和研发团队绩效的中介效用。结果表明, 多团队系统协作机制、团队跨界行为对研发团队绩效产生显著影响;团队跨界行为中的使节行为和协调行为在多团队系统协作机制与研发团队绩效间起到部分中介效用, 侦测行为没有起到中介效用。

参考文献

[1]奉小斌.研发团队跨界行为对创新绩效的影响—任务复杂性的调节作用[J].研究与发展管理, 2012, (3) :57-65.

[2]Mathieu J E, Marks M A, Zaccaro S J.Multi—team systems[A].Anderson N, Ones D S, Sinangil H K, Viswesvarn C.Organiational Psychology:Handbook of Industrial, Work and Organizational Psychology[C].2001, 2:290.

[3]肖玉春, 沈淑红, 郑喜燕.多团队系统协作机制的结构方程模型研究——以高新技术企业NPD多团队系统为例[J].科学学研究, 2013, (3) :422-429.

[4]Marks M A, Mathieu J E, Zaccaro S J.A teamporally based framework and taxonomy ofteam processes[J].Academy of Management Review, 2001, 26:356-376.

[5]Ancona D G, Caldwell D F.Bridging the boundary:External activaniity and performance in organizational teams[J].Administrat, on Quarterly, 1992, 37 (4) :634-665.

[6]Joshi A, Pandey N, Han G H.Bracketing team boundary spanning:An examination of task—based, team—level, and contextual antecedents[J].Journal of Organizational Behavior, 2009, 30 (6) :731-759.

[7]Stock R M.Interorganizational teams as boundary spanners between supplier and customer companies[J].Journal of the Academy of Marketing Science, 2006, 34 (4) :588-599.

[8]Minbashian A, Wood RE, Beckmann N.Task-contingent Conscientiousness as A Unit of Personality at Work[J].Journal of Applied Psychology.2010, 95 (5) :793-806.