能力结构关系模型

能力结构关系模型（精选8篇）

能力结构关系模型 第1篇

从创业环境的内涵界定来看, 环境维度的划分将会非常广泛。不同的学者从不同的角度给出了各自的维度划分。尽管差异很大, 但对于创业环境的几个重要的维度, 大多数学者都表示认可。

1. 从创业环境构成要素的角度来划分维度

从创业环境构成要素的角度开展研究论文, 已对几个重要的构成要素进行了深入研究, 这些学者让我们对之有了一个较为全面的透视。Bruno和Tyebjee (1982) 给出创业环境的12个维度:这其中包括交通的便利性、创业态度积极程度、消费者和新市场的可接近性、风险资本的获得性、创业者经验优势、技能娴熟的职员、供应商的可接近性、政府干预及政策影响、周边的大学研究院、土地和基础设施的可用性、支持服务的可用性和人们的生活水平。Joerg Baten (2003) 认为创业环境的维度由工资水平、个人财富、政策、产业密集程度和区域专业化程度构成。也有学者从归纳的视角提出创业环境的维度划分法。此外, Dana认为如果遵守许多的规章和守则, 要向很多机构通报, 这些耽误了创业者许多时间和金钱而去按要求办事, 打击了创业者的积极性。这也说明对创业者来说, 国家政府政策、程序要求以及税收方面会对其产生很大的影响, 重视创业的社会与文化形成鼓励创业的社会体系。周围社会关系网络对创业的认同会刺激着创业者;研究表明创业者自身商业技能的高低会影响创业者是否去行动;外界对企业的金融与非金融支持都会成为创业活动的影响因素。不论是投资公司多、低利率货款和金融市场稳定, 还是银行更好地放贷, 创业园的建立以及创业企业孵化器, 这些都将很好地促进创业者开展创业活动。

2. 从创业环境的特性来划分维度

环境具有动态性、复杂性、宽松性和异质性等特征, 在不同的环境下, 企业的绩效会有所不同。

Ke a ts&Hitt (1988) 研究了环境因素对组织的绩效的影响作用, 得出组织结构和战略有着明显的调节效应, 同时采用了De s s&Be a rd对环境维度的定义法, 具体丰富了动态性的内容。认为动态性由环境变化的速度、变化率以及引起不确定性的可预见性和不可预见性等因素组成。Justin Davis (2003) 研究了外部环境不确定性对委托代理契约的影响作用。其中对不确定性的概念界定采用的是Dess&Beard (1984) 对环境的不确定性定义, 这样环境的不确定性就包括宽松性, 动态性和复杂性三个维度。

尽管不同学者对环境维度划分方法不一, 但将环境划分为复杂性、动态性和宽松性三个维度已经得到了普遍认可。因此, 本文沿用Dess&Beard的理论, 将采用从创业环境的特性的维度划分法, 从动态性、宽松性和复杂性三方面来研究创业活动。

二、资源整合能力维度划分

资源在未被企业整合利用前都是零碎的, 如果要发挥其使用价值, 企业就得提升资源整合能力, 对有价值的资源进行识别和绑聚, 实施再建构, 科学有效地利用起来, 才能产生效益, 带来利润。基于能力观理论的研究认为, 资源整合能力是企业竞争优势的必然要求。

蔡莉 (2007) 对新创企业的资源开发过程进行系统分析, 认为新创企业的资源开发过程可以分为三个部分, 即资源识别、资源获取和资源利用, 其中资源识别指企业对初始资源和关键资源进行识别, 并依据企业目标确定企业的资源需求。资源获取指企业通过外部获取、内部培养等方式获得所需的资源;资源利用指企业将资源捆绑为资源束, 形成企业能力, 实现资源向能力的转化, 并匹配能力以形成特定的结构并实施利用, 从而实现企业的价值创造。Feeser (1993) 认为企业资源整合能力是基于信息和知识的、企业特有的、并且通过组织资源之间复杂的相互作用而随时间发展的有形和无形的流程。资源在企业内部或外部都可以成功获取, 而企业的某种能力则仅仅存在于组织和它的业务流程之中, 是属于具体企业特有的, 难以从一个组织转移到另一个组织, 除非组织本身的所有权发生转移, 因此, 能力只能在组织内部培育。马鸿佳 (2008) 认为新创企业资源整合能力是指在创业过程中, 以人为载体, 在资源整合过程中所表现出的对资源的识别、获取、配置和利用主体能力, 并从创业者和创业团队两个方面加以讨论。

综合以上学者的论述, 本文认为新创企业资源整合能力就是在新创企业成立及成长过程中, 企业所表现的对组织内外的资源构建及利用的能力。新创企业资源整合能力从过程观的角度分析, 体现在两个方面的能力:一是企业能够对其内外部环境的资源进行识别、获取、优化所形成的资源构建能力;二是指对已匹配好的资源有效运用到创业实践活动中的能力。因此, 资源整合能力维度可以划分为资源构建能力与资源利用能力。

三、创业绩效维度划分

创业绩效是来衡量创业活动的结果, 是组织期望达到的目标。创业绩效理论还是借用组织管理中的绩效理论, 创业绩效测量很多也来源于组织理论。当前对绩效的衡量指标有许多方法, 相应也产生多种的指标分类。主要的指标分类有:客观指标、主观指标和成长指标, 财务指标和非财务指标等。不少学者 (如Hoy, 1992;Ba rkha m, 1996) 认为销售收入变动是相当重要的成长指标。大量研究文献表明从财务绩效和成长绩效两方面确实能够很好地反映新创企业的创业绩效。但尽管如此, 由于不同学者基于不同研究方面, 从不同视角出发, 导致目前还是没有一套统一的绩效度量体系, 并且基于不同绩效指标的最终实证结果也大不相同。本文认为作为新创企业, 创业绩效应该体现出企业初创和成长过程中创业者的创业活动所产生各种结果。而这种结果在初创时期反映在生存性上, 具体表现新创企业的成长性及获利性。根据研究目的及需要, 本研究拟采用财务 (获利性) 和成长绩效两个维度来对新创企业绩效进行测度。主要反映在利润、投资回报率、销售、市场份额, 公司规模等方面。

四、模型的构建

创业环境作为一个公共产品, 同样会出现市场失灵的时候, 这时就需要政府进行干预和引导以创建优良的创业环境。我们认为创业环境是一系列概念的集合体, 是新创企业外部各种因素的综合。在对创业环境进行研究时, 须从系统的角度, 充分把握好这诸多要素及其相互关系。

从企业能力理论角度看, 企业竞争优势的来源于企业能力, 而资源整合能力是企业能力的重要组成部分。目前, 学者们从不同视角对资源的不同特性进行了大量研究, 但对资源整合过程存在着不同的划分方法。虽然让我们了解了企业资源整合过程中各阶段资源的作用, 但由于缺乏统一规范的划分标准, 对各阶段如何影响创业活动尚不明确。

基于过程的视角来看, 创业和资源整合都是一个过程, 只有将资源整合纳入到创业研究的大框架中, 才能研究资源整合与其它创业要素之间的关系。我们认为资源整合能力就是在创业过程中, 创业者或创业团队对资源识别、汲取、匹配和利用的能力。初创企业应通过组织学习来提高其资源管理水平, 加强经验和技能的累积, 最终在管理实践中将资源发挥到应有的效用。

创业绩效作为创业活动研究的结果变量, 新创企业初期都面临着生存和如何提高创业绩效问题。学术界普遍认为创业绩效是一个多维度变量, 但是对创业绩效的评价思路、方法及工具都存在较大分歧。当前的研究还是存在诸多不足:第一, 当前学术界大多从单一影响因素去研究新创企业的绩效, 如创业导向对创业绩效的影响, 创业环境对绩效的影响, 组织学习对绩效的影响, 很少系统地从多角度, 多因素来探讨新创企业创业绩效的作用路径。第二, 资源与能力之间相互关系, 以及资源与能力相匹配, 能力与战略相匹配进而对创业绩效的影响, 这方面的研究比较少, 深入探讨的空间还很大。第三, 当前对创业绩效的内涵及度量还没有形成一个的体系, 学者们都是从各自研究目前的出发, 从不同视角定义绩效和进行维度划分, 导致所研究的结果各异。基于不同度量维度的实证结果不能被任意地泛化。

总之, 虽然以往有关于创业环境对创业绩效影响的相关研究, 资源整合能力对创业绩效影响的相关研究, 但通过以往的文献研究并未发现把三个要素结合起来进行分析的研究。因此我们针对以往研究割裂创业环境、资源整合能力和创业绩效之间的内在运行机制的缺陷, 结合前述相关理论资源依赖理论, 企业资源基础理论、企业能力理论、创业管理理论以及国内外相关研究文献。本文在将创业环境划分为动态性、宽松性和复杂性三个维度, 把资源整合能力划分为构建能力和利用能力两个维度, 把创业绩效划分为财务绩效和成长绩效两个维度的基础上, 进一步构建了创业环境及资源整合能力对创业绩效影响关系模型, 见图。

五、小结

创业环境特性作为衡量创业环境的外在特征, 具有宽松性、动态性和复杂性;资源整合能力反映新创企业整合组织内外资源并更好地利用起来, 可以从资源构建能力和资源利用能力两个维度来度量资源整合能力;新创企业绩效作为衡量创业者开展创业活动的成果, 可以从初创企业的生存性 (获利性及成长性) 来讨论。通过将三个创业要素有机融入到一个整合模型中, 构建了各要素关系之间的理论模型。

参考文献

[1]崔启国.基于网络视角的创业环境对新创企业绩效的影响研究:[D]吉林大学博士论文.2007

[2]蔡莉, 葛宝山, 朱秀梅, 费宇鹏, 柳青.基于资源视角的创业研究框架构建, 中国工业经济, 2007, 11

[3]李乾文, 创业绩效四种理论视角及其评述, 经济界, 2004, (6) :93-96.

[4]葛宝山.创业环境、资源整合能力与过程对新创企业绩效的影响研究[D].长春:吉林大学, 2008.

[5]Lumpkin, Gregory G.Dess Linking two dimensions of entrepreneurial orientation to firm performance:the moderating role of environment and industry life cyclet.2001

能力结构关系模型 第2篇

摘要：文章创新性地将企业能力作为联盟类型与技术创新战略关系的中介变量，立足资源观，分析不同类型的联盟资源如何以企业能力（开发能力和探索能力）为中介影响渐进创新、突变创新选择路径。在以往研究基础上，文章试图建立联盟类型、企业能力与技术创新方式关系的新概念模型，并揭示联盟类型不同资源属性以企业能力为中介影响技术创新的路径与机理，为企业联盟决策与技术创新管理提供理论依据。

关键词：市场联盟；技术联盟；开发能力；探索能力；渐进创新；突变创新

联盟与技术创新问题是战略管理领域内的热点，不少国内外学者从不同研究角度进行了理论探讨。诸如Volberda（1996）用交易成本理论解释技术联盟对企业技术创新行为的积极效应。参与联盟的企业在技术创新过程中借助联盟资源可化解创新风险与不确定性，因此生产成本与交易成本得以降低，从而间接增强企业在技术、产品和市场的适应能力，提高企业创新效率。Frank T.Rothaermel（2001）立足资源基础观，分析联盟资源如何影响企业实现突变创新。实证结果显示，当老企业与新创企业结成联盟后，新创企业的技术探索能力与老企业的开发能力互补，利于老企业提高突变创新的效率。国内学者胡珑英等人（2007）以能力理论为依据，研究技术能力对技术创新方式选择的影响，结论显示企业的技术能力越强，越倾向选择自主创新，若以创新程度来衡量，技术能力与突变创新呈正相关。除此之外，还有部分学者从组织间学习理论、社会成本理论等分析了战略联盟与技术创新的关系。总之，无论哪种理论均可得出一般性结论就是联盟与技术创新之间具有正向且积极关系。

然而，作为联盟理论的重要组成部分——联盟类型对技术创新方式选择的作用还没有充分讨论与研究。通过对现有文献的梳理发现，尽管学者们对联盟与技术创新关系的研究取得不少理论与实证研究结果，但存在两处明显不足：（1）仅分析联盟本身对技术创新的影响，缺乏不同联盟类型对技术创新方式选择的影响，更未涉及市场联盟对技术创新的作用机理分析。（2）仅关注联盟与技术创新之间直接因果关系，忽略中间演化机理，缺乏联盟对企业技术创新方式选择影响路径的完整分析框架。鉴于此，本文依从资源属性，将现存联盟组织分为技术联盟与市场联盟两类，立足资源基础理论，分析外源创新资源提供者—联盟，其相异的创新资源属性怎样影响企业做出技术创新决策。同时将企业能力视为内生变量，运用资源观分析它在联盟与技术创新方式关系的中介作用与演化趋势。可以预见，本文对相关研究的进一步拓展与细化将对此领域起着一定的推动作用，有助于人们更深刻理解战略联盟与技术创新绩效的关系。

一、 联盟类型与企业能力的关系

战略联盟是企业通过自发构建伙伴关系并协同进行生产经营或技术创新的组织行为。它们受各种动机或目标推动而产生，组织形态上表现为横向或纵向结合等各种形式（Sampson，2007）。本文借鉴Doz和Hamel（1998）的研究结果，基于企业参与意图将联盟类型划分为技术联盟和市场联盟[4]。技术联盟是指企业之间以技术资源共享为平台建立相互依存性的战略合作关系，依托技术创新推动企业内部生产结构优化以此实现企业快速成长。企业参与技术联盟的首要目的就是获取联盟成员的技术和知识资源，并将其与自身相整合，以弥补企业“战略缺口”。市场联盟是企业相互交易关系中建立以市场资源共享的一种战略组织，意图在于提高企业在市场营销的效率和市场份额控制能力。市场联盟重点关注企业之间营销网络，多见于汽车、食品、服务业等产业领域，是快速抢占市场的有效手段。联盟成员之间共享互补资源之外，还帮助企业较快适应多样化的市场需求，降低市场环境的不确定性。从资源角度来讲，技术联盟主要为企业提供技术资源，包括技术诀窍、生产技能、专利、技术人员等。市场联盟在于为成员提供共享的市场资源，如营销网络、营销技巧、销售人员等。

企业能力是企业配置、整合内外资源，高效组织产品创新、生产、营销等各种经营行为的能力。依据组织学习理论将其划分为两个维度即开发能力和探索能力（March，1991）。开发是组织运用现有的知识存量和集中在现有技术轨道去提升他们的能力，通过知识的精炼和路径化去产生经验上的可靠性和稳定性。凭借开发能力，企业对已有知识存量进行复制、提炼，并沿袭传统惯例营造出组织的稳定，其目的在于更高的生产效率和创新活动的有效性。探索则涉及新组织路径的搜寻，以及技术、商业、路径和产品的新的运作方式，是一种颠覆性的技术创新活动，具有变异、实验、复杂、风险承担和创新等特性。因此，从这个角度来说，探索能力是指企业创建新技术、新产品、新服务和新工艺流程等创新活动的能力。开发能力和探索能力是企业组织中两个重要的但又差异极大的能力，它们对组织经营绩效有着极大的影响力。

“资源观模式”清楚说明，异质资源形成企业独特的能力与竞争优势，为此企业为了应对变化频繁的外部环境，保持竞争优势就必须对现有资源进行开发或者积极探索以发现新资源，以不同资源促进不同能力的提升。开发能力与探索能力的提升与市场资源、技术资源有着密切的关系。当企业组成联盟时，开发能力是合作伙伴之间由于共享资源最易提升的一种能力。由于与供应商或合作伙伴关系密切的知识主要是市场信息、销售网络等，当企业与他们结成来联盟，市场信息与销售网络的知识会迅速扩张。Swaminathan等人（2009）指出，充分掌握市场全新动向有利于企业提炼现有资源的功能。如果企业能深入了解市场条件与顾客的相关信息，必定能更好地利用现有的资源。企业若是缺乏对市场和客户的深入了解，很难高效率的开发现有的资源。所以本文认为，开发能力提升的动力来自市场资源。对于探索能力而言，企业探索活动是一个有机的、混乱的过程，伴随着松散式、路径破坏式技术演进行为。其目的在于追求新兴的市场与技术。因此，探索能力应该源自企业所掌握的技术诀窍，是一种善于将以前未涉及的新市场资本化的能力。尽管在提炼现有知识与能力以面对竞争激烈的外部环境过程中，市场资源是主要推动力，但是企业为了保持竞争优势仍需进行技术创新以提供全新的产品、服务等，超越的技术能力与功能齐全的生产系统则是这一目的实现的基石。即技术资源是企业实现产品根本性创新，是技术轨道破环性演进的基础。由此本文认为技术资源是探索能力提升的动力源。尽管开发能力与探索能力的动力源不同，但不能认为，开发能力与技术资源、探索能力与市场资源就互不相关。比如，依靠全新技术生产的产品需要企业原有的市场网络实现市场价值，原有产品在新技术的影响下逐渐改善属性，提升产品功能。同样一旦新技术路径成熟，必然面临市场化的挑战。即便如此本文依据资源与能力的研究成果认为，市场资源对开发能力的影响力超过技术资源，同时技术资源对探索能力的影响力超过市场资源。由此提出假设：

H1：不同联盟的资源类型对企业能力的影响程度不同。

H1a：市场联盟提供的市场资源对于开发能力的作用强于探索能力；

H1b：技术联盟提供的技术资源对于探索能力的作用强于开发能力。

二、 企业能力与技术创新方式的关系

企业创新包括两方面的内容，一是在企业现有技术轨道未发生变化的前提下，对产品、技术、生产流程的改进；二是彻底改变企业原有技术轨道，将企业引向新技术轨道，从事新产品、新技术、新市场的开发。刘晓敏等人（2005）在研究企业治理机制对技术创新绩效的影响作用时，依据技术改造程度将技术创新分为渐进创新和突变创新。突变创新是指导致企业投入、产出或者流程中根本性改变的创新，其结果导致企业脱离原有的技术轨道，进入高阶技术轨道发展。渐进创新是指对现有产品和经营理念进行局部性或者微小的改变，是一种对现有技术改进所引起的渐进、连续的创新。渐进创新的显著特征是在现行技术轨道中，对现存的产品进行局部性且程度微弱的提升。而突变创新是新产品蕴含的技术结构发生根本性改变。与渐进创新相比，突变创新依存的知识基植入了大量新知识，致使原有知识存量发生结构性改变。

企业技术创新是一项涉及环节众多的系统工程。就企业发展生命周期来看，单个企业的发展初期需要较强开发能力，而在企业发展阶段的后期则需要更多的探索能力。企业只有同时具备这两项能力才能在激烈变化的竞争环境下保持长期竞争优势。March（1991）从组织学习角度提出企业学习能力分为开发能力和探索能力，并依据这两种能力提出两种创新方式：渐进创新和突变创新。企业运用开发能力对现有知识存量进行复制、提炼，在充分收集市场信息的基础上对现有生产活动进行局部修正和改良，实现企业渐进创新。由于企业面临的外部环境竞争激烈，为了生存和发展，企业仅依靠开发能力从事创新活动是不足以维持长期竞争优势。市场中顾客需求的变化、竞争力量的此消彼长，企业在改善现有技能和知识结构的基础上，还需要大力发展新技术和新产品，这就必须培养和提升与发现新技术与新产品相匹配的探索能力。探索能力因适应复杂动态环境中产生，以新知识、新技能为基础，是实现突变创新的活动能力。为此意味着与研究、变异、试验等突变创新活动相关，从事的创新带有试验与探索性质，亦具有高度的不确定性和风险性质，由于此类创新活动的市场化周期较长，所以一般很难实现短期盈利目标。由此本文提出假设：

H2：企业能力影响技术创新方式的选择。

H2a：开发能力对渐进创新的正向效应强于突变创新；

H2b：探索能力对突变创新的正向效应强于渐进创新。

三、 联盟类型与技术创新方式的关系

依据网络结构嵌入理论，参与不同联盟的属性决定网络嵌入关系不同，企业之间资源共享程度以及控制能力随之出现差异，由此导致创新能力提升幅度不同。市场联盟为企业拓展营销渠道、全面预测顾客需求与准确估计竞争对手变化提供了平台，亦提高技术创新反应力。同时增强企业对市场机会的识别能力和对抗环境的威胁能力，这些能力的提升有利于技术创新行为实施。但是，从另一方面来讲，Rodolfo和Santos（2001）认为过分关注市场、客户需求、竞争对手会产生组织创新惰性，阻碍组织学习，最终企业因经营惯性压制突破性理念、流程与技能的出现，对市场全新信息仅采用消极态度应对。即在原有技术轨道中或原有工作范式中进行局部性识错和修正，而不愿从事跳跃式、非连续性的突变创新，或称为新工作范式的创新。Hanny N.et al（2011）指出，过度关注现有顾客和竞争对手会造成企业的短视行为，为快速的应对市场变化采取的策略仅是对现有产品进行局部修正或微弱改进。依据上述的论点，本文提出如下假设：

H3：联盟类型影响技术创新方式的选择。

H3a：市场联盟提供的市场资源对渐进创新的正向效应强于突变创新。

技术联盟是企业获取新知识与技能最佳外源组织。随着科学技术变化越来越综合化和复杂化，技术创新所需的知识和技术门类逐渐增多。拥有有限资源的企业要提升技术创新能力，仅依赖自身的异质资源是无法满足现在技术创新的要求。为此，企业若想快速提升创新能力，就必须突破企业边界的限制以组织合作学习方式获取该行业最前沿的知识。技术联盟就是最优的组织合作学习方式。凭借技术联盟，企业不仅进行知识共享，还可协同创新，实现新知识和能力快速积累，丰富企业原有知识存量与结构。（刘晓敏、李垣等，2005）。一旦创新型知识和能力体系积累到一定的程度必然引起技术知识的跳跃性发展，从而促进企业突变创新。如果企业参与技术联盟的目的只是在于学习简单的知识与技能，这对于企业来说是得不偿失。因为一旦联盟伙伴实施机会主义行为，企业的利益就会受到损害。只有企业从联盟中获取的收益大于其付出的成本，企业才会积极参与技术联盟。从资源资本化价值出发，本文认为技术联盟提供的技术资源导致的创新主要是突变创新，而不是渐进创新。为此提出假设：

H3b：技术联盟提供的技术资源对突变创新的正向效应强于渐进创新。

四、 概念模型的提出

根据以上的分析和推导，本文提出联盟类型、企业能力与技术创新方式关系的概念模型。如图1所示。

从该模型中可以看出联盟类型分为市场联盟和技术联盟，企业能力分为开发能力和探索能力，技术创新方式分为渐进创新和突变创新。不同联盟类型对技术创新方式影响机理与演化路径不同。企业参与市场联盟旨在共同开拓市场，顾客、销售渠道与竞争对手是其最为关注对象，忽略高层次的组织学习。企业过多关注市场资源限制了自身管理过程中突变性概念、系统与程序的出现。为此企业创新行为只能表现为局部修正与改良式的渐进创新。技术联盟使企业依据创新目标直接整合外部资源，并将其转移至企业中演绎为学习行为。同时联盟成员合作使知识结构在交叉与互补过程中产生新知识与技术，从而推动企业突变创新。上述结论若经过实证检验成立，必然产生重要的管理实践意义。企业家制定联盟战略时，需首先考虑联盟类型对技术创新方式的影响机理，适当选择联盟资源与企业能力相匹配，进而科学抉择技术创新战略。企业家需立足自身能力与资源实际情况，全面考核目标联盟实力与行业地位，以资源与能力相匹配原则选择联盟组织以实现预设技术创新目标。否则，错误的选择联盟类型，错误的选择外部创新资源，会阻碍企业内部创新能力的提升。不但核心竞争力未得到增强，反而会因错误的联盟决策丧失核心竞争优势。总之，管理者在进行联盟决策或者进行技术创新战略决策时，不能局限于单方面因素，即只考虑联盟的特征或者只考虑企业自身能力和资源特征就决定技术创新方向，而必须将联盟与企业能力结合起来，应用匹配的思想，根据联盟资源的特征与企业能力的整合方式来预测技术创新路径与其形成的机理，由此明确技术创新的管理方向。

参考文献：

[1] Volberda，H.W.Toward the Flexible Form：How to Remain Vital in Hypercompetitive Enviroments[J].Organization Science，1996：359-374.

[2] Frank T.Rothaermel.Incumbent's Advantage t- hrough Exploitation Complementary Assets via Interfirm Cooperation[J].Strategic Mana- gement Journal，2001：687-699.

[3] Sampson，R.，R&D Alliances and Firm Perfor- mance： the Impact of Technological Diversity and Alliance Organization on Innovation[J].Academy of Management Journal，2007：364-386.

[4] Doz，Y.L.，Hamel，G.Alliance Advantage[M].Harvard Business School Press，1998：16.

[5] 胡珑英，张自立.基于创新能力增长的技术创新联盟稳定性研究[J].研究与发展管理，2007，（4）：51.

[6] 郑景丽，龙勇.基于熵权物元可拓模型的企业战略联盟绩效评价[J].现代管理科学，2014，（11）：93.

[7] 张红娟，谭劲松.联盟网络与企业创新绩效[J].管理世界，2014，（3）：163.

[8] 刘晓敏，李垣，史会斌.治理机制对企业技术创新的影响路径研究[J].科学学研究，2005，（5）：699.

基金项目：重庆社会科学规划项目（项目号：2013YBGL- 133）；教育部人文社会科学研究规划基金（项目号：14YJA- 79005）。

作者简介：龙勇（1963-），男，汉族，重庆市人，重庆大学经济与工商管理学院副院长、教授、博士生导师，研究方向为战略管理；王兰（1973-），女，汉族，四川省泸州市人，重庆工商大学管理学院副院长、副教授，重庆大学管理学博士，研究方向为战略管理、创业金融。

能力结构关系模型 第3篇

伴随高等教育的迅猛发展和招生规模的不断扩大, 大学生就业问题日益得到社会各界的高度关注。高等教育实现从“精英教育”到“大众教育”的转变, 大学毕业生也从“高级专门人才”实现向普通的务实的具有专业知识的劳动者的转变。高校毕业生的就业形势可以用“两旺两难”来形容[1]。要跨过这条“就业鸿沟”, 就必须努力提高大学生的就业能力。

影响大学生就业能力的因素很多, 北爱尔兰进行的一项研究提出了就业能力的综合模型, 研究认为人体特征、劳动力市场管理、个体环境、就业能力结构性因素影响个体的就业能力, Manze和Peter提出了USEM模型, 他们认为就业能力理解力、个体特质、技能以及元认知影响就业能力。

影响大学生就业能力的另一个因素便是学习能力。在知识经济浪潮席卷全球、知识更新速度不断加快的时代背景下, 知识型人才在社会进步进程中发挥的作用愈加明显。大学生作为知识型人才队伍潜在的主力军, 毕业后走向社会需要不断的学习充电才能达到用人单位的要求, 才能胜任不断受到创新挑战的工作岗位。因此, 大学生学习能力与就业能力之间的关系研究就显得尤为重要。

本文以大学生为研究对象, 探讨其学习能力与就业能力之间的关系并提出针对性的建议, 以期为高校对大学生就业问题的辅导提供一定的参考。

二、影响因素的提取和假设

1、大学生学习能力影响因素的提取

大学生学习能力[2]是指大学生围绕一个学习目标, 在实践中综合驾驭各种学习方法和手段, 深化和完善对现实世界的认识, 掌握新知识, 不断创新知识, 并能所学为所用, 从而影响和推动社会发展的能力。在影响因素上, 学者们存在不同的意见, 本文选用了连蓉[3]教授的研究结果, 将从知识的获得与应用能力、自我监控能力、学习资源的管理与应用能力三个角度分析大学生的学习能力。

第一, 知识的获得与应用能力, 即学生在与知识打交道时所体现出来的策略和技能。这主要是指认知策略, 但不只限于认知策略多少与水平, 我们更强调的是认知策略的应用及其效果。

第二, 自我监控能力, 即学生把自身的学习活动本身当作对象而进行计划、监控、评价、调节的过程中所体现出来的策略和技能。这主要是指元认知策略, 但不只限于元认知策略多少与水平, 我们更强调的是元认知策略的应用情况及其效果。

第三, 学习资源的管理与应用能力, 即学生在管理和应用学习资源方面所体现出来的策略和技能。这主要是指学习者如何管理和应用与学习有关的主观资源 (学习精力、学习动力、学习行为习惯等) 、客观资源 (学习时间、学习环境、信息资源、人际资源等) 的。

2、大学生就业能力影响因素的提取

大学生就业能力是指大学毕业生在校期间通过知识的学习和综合素质的开发而获得的能够实现就业理想, 满足社会需要, 在社会生活中实现自身价值的本领[4]。在影响因素上, 学者们也存在不同的意见:李颖[5]认为, 大学生就业能力结构的三个维度为:内在素质、处理工作能力、社交领导能力;张丽华[6]认为, 大学生就业能力包含五个维度:思维能力、社会适应能力、自主能力、社会实践能力、应聘能力。本文选用了浙江大学许小东[7]教授的研究结果, 将从认知能力、个体可靠性、沟通合作能力、自我意识四个角度来分析就业能力。

认知能力是指人脑加工、储存和提取信息的能力, 即人们对事物的构成、性能与他物的关系、发展的动力、发展方向以及基本规律的把握能力。知觉、记忆、注意、分析、思维和想象的能力都被认为是认知能力。

个体可靠性包括自我管理能力和责任感, 自我管理能力是指受教育者依靠主观能动性按照社会目标, 有意识、有目的地对自己的思想、行为进行转化控制的能力。而责任感是主体对于责任所产生的主观意识。

沟通合作能力包括了沟通能力和合作能力两部分, 沟通能力是指沟通者所具备的能胜任沟通工作的优良主观条件, 包括表达能力、争辩能力、倾听能力和设计能力 (形象设计、动作设计、环境设计) 。合作能力主要是指团队协作的意识和团队精神。

自我意识是指自我意识是对自己身心活动的觉察, 即自己对自己的认识, 具体包括认识自己的生理状况 (如身高、体重、体态等) 、心理特征 (如兴趣、能力、气质、性格等) 以及自己与他人的关系 (如自己与周围人们相处的关系, 自己在集体中的位置与作用等) 。

3、概念模型和假设

本文用知识的获得与应用能力F1、自我监控能力F2、学习资源的管理与应用能力F3来衡量大学生学习能力的高低, 用认知能力P1、个体可靠性P2、沟通合作P3、自我意识P4来衡量大学生就业能力的高低。本文的概念模型如下图1所示, 并希望借此传递路径来揭示大学生就业能力提高的途径。同时, 根据该模型提出以下假设, 具体如下:

H1a:知识的获得与应用能力和认知能力有显著的正向相关关系;

H1b:知识的获得与应用能力和个体可靠性有显著的正向相关关系;

H1c:知识的获得与应用能力和沟通合作能力有显著的正向相关关系;

H1d:知识的获得与应用能力和自我意识有显著的正向相关关系;

H2a:自我监控能力和认知能力有显著的正向相关关系;

H2b:自我监控能力和个体可靠性有显著的正向相关关系;

H2c:自我监控能力和沟通合作能力有显著的正向相关关系;

H2d:自我监控能力和自我意识有显著的正向相关关系;

H3a:学习资源的管理与应用能力和认知能力有显著的正向相关关系;

H3b:学习资源的管理与应用能力和个体可靠性有显著的正向相关关系;

H3c:学习资源的管理与应用能力和沟通合作能力有显著的正向相关关系;

H3d:学习资源的管理与应用能力和自我意识有显著的正向相关关系;

三、假设的检验

1、数据收集和处理方法

本文假设检验所适用的方法是通过调查问卷, 调查对象为浙江大学和西北工业大学部分学院的全日制在校本科生, 他们作为在校大学生的身份和看法对学习能力和就业关系有最直接的感受和体会。本文对数据进行了7级的里克特量表打分处理。设置知识的获得与应用能力、自我的监控能力和学习资源的管理与应用能力三个指标来测量学生学习能力, 同样把认知能力、个体可靠性、沟通合作能力和自我意识四个指标用来测度学生的就业能力。

本次调查共发放500份问卷, 回收362份, 为避免类型抽样过于集中, 样本单位在总体中分布不均匀造成抽样误差, 通过整群抽样并用于本次实证研究的问卷有285份.。

本文通过结构方程模型来验证上文所提假设。根据大学生学习能力和就业能力之间的关系构建了结构方程模型如图2所示。通过设置22个外生显变量对大学生学习能力的三个外生潜变量测量以及设置23个外生显变量对大学生就业能力的三个外生潜变量进行测量。本文研究采用的是spss16.0和amos17.0来对此结构方程模型进行分析过程。

2、模拟拟合

首先, 对样本数据进行KMO计算, 结果显示本研究KMO值为0.857, 大于临界值0.7, 适合进行因子分析。用spss16.0进行信度检验得出其Cronbach`s值为0.894, 也大于0.7, 所以结果表示本问卷提取的因素衡量指标具有较强的一致性和稳定性。

其次, 通过主成分分析对大学生学习能力和就业能力指标的变量效度进行了检验, 累积因子分别为0.694和0.786, 均大于0.5, 说明本次研究问卷较强的效度。

运用amos软件对结构方程模型进行拟合过程中会有大量的说明拟合度的有关指标, 本文选取了绝对拟合效果指标2、2/df、RMR、GFI, 相对拟合效果指标TLI和替代性指标RMSEA、CFI, 上述指标的判别标准说明如下:

(1) 2:卡方值越小越好, 然而虽然其适用最为普遍, 但是它本身受到自由度影响很大, 模型自由度越大, 卡方值则越大, 所以其多作为一个辅助指标。

(2) 2/df:卡方自由度比也是越小也好, 2/df<2时, 认为模型拟合效果不错, 2<2/df<5, 认为模型可以接受。

(3) RMR:越小越好, 通常采用RMR<0.05时, 拟合效果好。

(4) GFI:通常认为GFI大于0.9的时候模型拟合效果良好。

(5) TLI:越大越好, 有时会出现大于1的情况, 但以大于0.9作为模型拟合良好的分界线。

(6) RMSEA:当其小于0.1时, 认为模型拟合良好, 该值越接近0, 表明模型拟合越好。

(7) CFI:当CFI大于0.8时, 认为模型可以接受;该值月接近1, 表明模型拟合越好。

确定了以上结构方程模型拟合评价指标, 按照图2的模型, 适用amos17.0软件, 输入相关数据, 得出下表1、表2如下。

拟合结果表明, 初始模型拟合的2值为1579.463, 自由度df=933, 2/df=1.693, 表明拟合效果较好;该初始模型的RMR为0.032, 小于0.05;GFI和TLI分别为0.924和0.938, 均大于0.9的参考值;RMSEA和CFI分别为0.719和0.885, 都在模型拟合标准接受的范围内。同时, 结构方程模型中与路径系数的C.R.值均大于1.96的临界值, 且在p<0.05的水平上具有显著性, 模型通过了检验。该结果表明本文提出的初始假设得到了检验, 又因为相应路径系数值均大于0, 所以也说明大学生的学习能力和就业能力有显著的正相关关系。其中知识的获得与应用能力和资源的管理与应用能力对就业能力的影响更为突出, 学校可针对这两方面对学生进行重点培养, 提高学生相应的能力, 从而使学生在就业过程中更具有竞争力, 同时, 也提高了学校毕业生的就业率。

四、结论

本文立足于大学生通过如何提高个人的学习能力, 从而进一步提高其就业能力, 基于著名学者们的研究, 总结归纳出了大学生学习能力和就业能力的影响因素, 提出了相应的假设, 并建立了模型。通过结构方程模型的拟合结果表明, 大学生的学习能力与就业能力之间为显著的正相关性, 得出通过个人努力提高大学生的学习能力可以提高其就业能力。

在当今大学生众多, 找工作竞争异常激烈的的大环境下, 在校大学生如何提高自己的就业能力的方法有多种, 但是如何通过不断提高自己的学习能力, 从而提高自身的竞争优势, 达到提高就业能力的目的是一个比较主观的视角, 大学生学习能力是如何影响就业能力也需要进一步的研究去揭示。

参考文献

[1]熊书银、黄登婕:《大学生就业与就业能力培养》, 《重庆工业高等专科学校学报》, 2009.20 (1) :107-110。

[2]周军铁:《大学生学习能力培养存在的问题与对策研究》, 湖南农业大学, 2007年。

[3]林国耀:《大学生学习能力的量表编制与现状测查研究》, 福建师范大学, 2007年。

[4]郑晓明:《“就业能力论”》, 《中国青年政治学院学报》, 2002.28 (3) :91。

[5]李颖、刘善仕、翁赛珠:《大学生就业能力对就业质量的影响》, 《高教探索》, 2005 (2) :91-93。

[6]张丽华、刘晟楠:《大学生就业能力结构及发展特点的实验研究》, 《航海教育研究》, 2005 (1) :52-55。

能力结构关系模型 第4篇

随着经济全球化的不断深入, 经济环境日趋呈现快速多变、激烈竞争和买方市场等特征, 这要求企业必须持续进行技术创新以维持自身的竞争优势。技术创新已成为企业提高竞争力和获得竞争优势的主要源泉[1]。学者们指出, 创新源于企业对资源的重新整合与创造[2,3], 而资源不仅存在于企业内部, 更存在于企业与其他机构、组织的互动网络中, 所以企业的技术创新既要依靠自身占有的稀缺资源[4], 还要积极从外部网络中不断获取新的关键资源。社会网络理论指出, 企业不是孤立存在的, 而是嵌入于特定的社会网络之中, 并成为所嵌入网络的组成部分[5]。网络为企业之间提供了资源的渠道和整合的平台, 企业可以通过网络互动获取所需要的资源并促进自身的技术创新。显然, 企业的技术创新行为并不局限于企业内部, 而是必然会超越组织边界, 并受到网络中其他企业资源与能力以及网络的各种嵌入关系的影响, 因此研究企业所处网络的网络结构对企业技术创新方式的影响十分必要。

1 理论背景和概念模型

1.1 技术创新方式

技术创新是一项战略性投资, 是以当前的投入获取未来的收益。知识经济时代, 技术创新是培育企业核心竞争力, 获取持续竞争优势的主要源泉。根据参与主体的不同, 技术创新分为两种基本类型, 即自主创新和合作创新。自主创新是指企业通过自身的努力和探索产生技术突破, 并在此基础上依靠自身的能力完成技术的商业化, 获取商业利润的创新活动[6]。或者说是企业仅运用自身的资源与能力而开发新的产品或服务的实践[7]。对于企业来说, 由于没有其他企业的参与和介入, 自主创新可以有效地防止技术专长的泄露, 这对于企业的核心技术是一个很好的保护。合作创新是指在经济和法律上独立的经济行为主体, 以技术合同为基础, 依照各自的优势分担技术创新不同阶段所需投入资源, 组织技术创新活动, 按照合同事先确定的方式分摊创新风险, 分配创新收益的合作过程[6]。合作创新是世界各国推动技术进步和生产力发展的重要方式。

1.2 企业网络结构及其对技术创新的影响

社会网络理论指出任何企业嵌入在一定的“社会关系” (Social Relationship) 与“联结” (Tie) 之中, 这些关系和联结相互交织构成了多重、复杂、交叉重叠的企业网络[8]。以往研究表明, 企业网络呈现出多层次的结构特征, 并分别通过网络密度 (网络层次) 、联结强度 (企业间层次) 、中心性和结构洞 (企业层次) 等对应层次的特征指标来进行描述。

社会网络理论指出, 行为总是嵌入在特定网络关系之中, 并受到网络结构的影响。

首先, 企业网络为企业获取外部资源创造了条件, 表现如下: (1) 网络关系是联结企业间内部资源流动的潜在渠道; (2) 外部经济也就是网络内企业间竞合所创造的能力, 也是对企业内部资源的补充; (3) 企业内部资源的回报率取决于企业在网络中的嵌入状况; (4) 企业在网络中的位置有助于其获取新的竞争能力, 这反过来又会促进其吸引新的联结[9]。其次, 企业的网络结构特征决定了企业获取外部资源的速度、数量和质量, 以及整合内外部资源的能力, 并由此影响着企业技术创新方式的选择。比如, 当企业的网络结构使得其能够通过组织学习获得合作伙伴的经验性知识和技能, 通过企业间知识流动实现的资源共享和能力互补, 并快速将技术成果外部效应内在化时, 选择自主创新对企业显然更有利;而当企业的网络结构使得其必须与其他企业紧密合作才能有效获取创新所需要的资源要素, 降低创新风险和不确定性, 从而提高创新效率时, 合作创新将是企业更好的选择。最后, 企业对自主创新和合作创新方式的选择又会对企业间关系联结的程度和企业在网络中的位置产生反作用, 并改变企业的网络结构特征。

综上所述, 企业的网络结构特征影响着企业对技术创新方式的选择, 而后者又会对企业的网络结构产生反作用力, 由此我们提出网络结构与技术创新方式的互动关系模型, 如图1所示。

2 网络结构与技术创新方式的关系

2.1 企业中心性与技术创新方式

中心性是指个体行为者在网络中的位置, 说明了关键行为者依靠所联结的重要关系在网络中获取战略地位的程度[9]。中心度高的企业拥有更多的联结渠道, 有更多的机会获得网络中其他企业的技术、资金、管理技能等, 因此可以获得相对于边缘企业的资源不对称优势[9]。首先, 高的中心性导致了资源的大量、高速流动, 位于网络中心的企业通过与其他企业的联结能更多地获取外部资源;其次, 中心性高的企业比中心性低的企业能更快地获取新的信息, 并享受由此带来的新的发展机会;第三, 中心性高的企业通常享有很高的威望, 因此较高的中心性意味着较高的地位和权力。

高中心性带来资源不对等的优势会使得企业更倾向于选择自主创新, 而不选择合作创新。首先, 资源不足通常是制约企业自主创新的瓶颈, 而高中心性带来的资源不对等优势可以帮助且克服自主创新中可能出现的资源短缺问题;其次, 更早了解新的信息或技术发展使得企业在选择自主创新行为时占据先发优势;进一步, 中心性高的企业能够更好地了解其他企业的行为并准确地评价其动机和预期, 这有助于对是否选择自主创新进行科学决策;最后, 中心性高的企业的地位和权力强化了自主创新的动力, 并愿意承担自主创新的高风险、高成本以换取未来更高的市场化收益。而选择合作创新尽管可以帮助企业分担投资和风险, 但同时也意味着共同分享未来收益, 对占据资源不对等优势的高中心性企业来说显然不是一种最优选择。由此, 我们提出如下命题:

P1:随着企业网络中心性的增加, (a) 企业选择自主创新的可能性会逐渐增加; (b) 企业选择合作创新的可能性会逐渐减小。

2.2 结构洞与技术创新方式

结构洞 (Structural Holes) 是指非冗余联系之间的分割[10]。如果企业A与企业B和C直接相连, 而B和C之间没有联结, 即B和C只有通过A才能彼此联系, 那么B和C之间就存在一个结构洞, 并可以被A利用。相比于B和C, A最可能接近网络中的所有资源, 并通过结构洞占据着资源优势。

在企业网络中, 结构洞是普遍存在的, 占据结构洞的企业可以获得更多、更新的非冗余资源, 具有资源聚集和资源控制两大优势, 并为企业选择自主创新提供了有力的资源基础。首先, 占据结构洞的企业与其他彼此不联结企业间的多样化联结互动, 可以帮助企业更早地获取非冗余和高质量的信息和资源, 这意味着企业拥有更新、更丰富、更多元化的资源和信息[10]。从而能有效地解决企业选择自主创新所面临的资源约束问题。进一步, 由于资源在不联结企业间的流动必须通过占据结构洞的企业作为“桥”来进行, 这样结构洞就为资源和信息控制提供了机会, 占据结构洞的企业可以控制非联结企业间的资源和信息流动, 并将资源不对等的优势积极转化为自主创新等竞争行为。由此, 我们提出如下命题:

P2:随着企业所占结构洞的增加, (a) 企业选择自主创新的可能性会逐渐增加; (b) 企业选择合作创新的可能性会逐渐减小。

2.3 联结强度与技术创新方式

联结强度是两个行为主体间的交互作用、情感强度和双方互惠对等程度的函数[11]。当网络中两个企业之间只有较少频率的接触, 相对低的情感性, 以及倾向于单向的交流时企业间为弱联结;企业间频率较高的交互作用、高的情感性, 以及交流互惠程度高时就为强联结[12]。强联结能够培育组织间资源分享的机制, 发展共享的行为规范, 鼓励合作双方在关系中投入大量优质的专项资本以实现合作的最大化收益, 当企业之间通过强联结建立了高度信任和共享的行为规范后, 就能进行能力整合、资源共享并联合行动以实现规模经济, 此时资源共享的的效应就体现出来[13], 这显然能够促进伙伴间的合作创新。由于合作创新要求合作伙伴共同承担创新成本和风险, 并分享创新收益, 因此建立和维持合作创新关系的最大威胁就是机会主义行为, 比如假借合作之名偷窃合作伙伴的技术、在联合行动中低质量的投入、不以事先的承诺来分享创新收益等。然而, 强联结所培育的信任和互惠规范, 以及由此建立的问题联合解决机制能够很好地抵制机会主义行为[14]。

依据的“弱联结优势”[15]观点, 弱联结相比于强联结更有可能为企业带来非冗余的联接, 企业通过弱联结获得的资源和信息更新更多样化, 这为企业自主创新提供了资源基础。同时, 弱联结限制了共享的行为规范的发展, 使企业不受所在网络规则的局限而树立更强的自我意识, 从而选择自主创新的方式。由此, 我们提出如下命题:

P3:随着企业间网络联结强度的增加, (a) 企业选择自主创新的可能性会逐渐减小; (b) 企业选择合作创新的可能性会逐渐增加。

2.4 网络密度与技术创新方式

密度是网络层面的关键特征, 是指网络企业相互联结的程度, 相互联结程度越高, 网络密度越大[9]。例如, 一个完全密度网络中任何企业都彼此知晓。密集网络具有鲜明的特征[9]:首先, 密集网络是一个紧密系统, 很容易培育信任、共享的规范和共同的行为模式;其次, 由于更多的相互联结以及信息收集与分享的共同规则, 信息和其他资源可以快速、高效流动;第三, 由于能够放大制裁对声誉的影响, 在密集网络中实行制裁的效果更好[15]。

鉴于上述特征, 处于密集网络的企业的创新方式与稀疏网络相比会有所不同。在密集网络中, 紧密相连的企业更可能拥有同样的信息和资源[15], 没有企业拥有获取其他独特资源的特殊渠道, 信息和资源多样化程度降低, 企业失去了自主创新的资源基础, 因此密集网络中的企业更倾向于选择合作创新而不是差异化竞争;同时, 在密集网络中, 当一个企业进行自主创新时会加剧企业之间的竞争, 会被网络成员认为是对现有共享的行为规范的突破, 将面临着制裁, 并且密集网络提供了诸多渠道来制裁攻击其他企业的竞争行为, 这显然不利于自主创新行为的产生;最后, 由于企业间存在高度的信任、共享的规范和共同的行为模式, 企业间对彼此的创新行为和实践非常熟悉, 这为相互间的合作创新创造了良好的软环境。由此, 我们提出如下命题:

P4:随着企业所在网络的密度的增加, (a) 企业选择自主创新的可能性会逐渐减小; (b) 企业选择合作创新的可能性会逐渐增加。

2.5 网络密度的调节作用

我们认为网络密度还对P1~P3具有调节作用。具体而言, 网络密度的增加降低了中心性的影响, 加强了结构洞的影响, 减弱了联结强度的影响。中心性的主要影响依赖于资源流动的数量和速度;结构洞的主要影响依赖于非冗余联结带来的网络功效;联结强度的主要影响依赖于信任、协作和冲突解决。

网络密度的提高增加了网络整体的资源流动数量和速度, 这样就降低了中心性所具有的优势;密度提高增加了冗余资源的流动, 这样处于结构洞位置的企业将能更多地享受非冗余资源带来的优势;网络密度的提高增加了企业间联结, 促进了信任、共享的规范和行为规则的发展, 并由此削弱了高联结强度带来的影响。由此, 我们提出如下命题:

P5a:网络密度的提高会弱化网络中心性与自主创新间的正向关系及其与合作创新间的负向关系;

P5b:网络密度的提高会强化结构洞与自主创新间的正向关系以及其与合作创新间的负向关系;

P5c:网络密度的提高会弱化联结强度与合作创新间的正向关系以及其与自主创新间的负向关系。

3 技术创新对企业网络结构的影响

以上本文从静态上讨论了网络结构对企业技术创新方式选择的影响。进一步从动态上分析发现, 一方面, 企业在技术创新方式上的选择会受到网络结构的影响;而另一方面, 企业的技术创新活动又是改变企业网络结构的驱动因素。

自主创新是企业运用自身的资源与能力来开发新产品或服务的实践, 其本质在于技术的内生性, 即自主创新所需的核心技术来源于企业内部的技术突破, 是企业依靠自身力量, 通过独立的研究开发活动而获得的, 也就是说技术创新所需的知识和能力都来自于企业内部。选择技术创新的企业通常处于网络中心并占据结构洞位置, 具有明显的资源不对等优势, 自主创新具有高不确定性和高风险的特征, 并对应着高收益和高回报, 因此一旦这些企业自主创新取得成功, 由此带来的利益或资源回报将大大强化其在网络中的优势地位, 改变其与网络中其他企业间的联结状态, 并最终导致网络结构特征的变化。

合作创新是企业通过与网络中其他企业、大学、政府机构和研究机构共同投资, 共同分担研究开发成本, 以完成单个企业无法单独承担的大规模研究项目, 从而获得规模优势的技术创新方式。合作创新要求企业之间资源流动, 以彼此获得合作伙伴的经验性知识和技能, 实现相互间的资源共享和能力互补, 这种资源流动或交换会促使企业弱化自身的冗余联结, 建立新的非冗余联结, 并积极寻求结构洞优势, 这些行为都会引发企业网络结构特征的变化。

4 结束语

本文基于网络嵌入的理论观点讨论了网络结构和技术创新间的互动关系, 建立了一个多层次关系模型, 从企业自身、企业之间和企业网络等3个层次分别考察了网络结构特征与技术创新间的动态作用关系, 并提出了相应的理论命题。

以往研究主要从产业组织理论、基于资源和能力的理论等不同视角对企业技术创新进行了解释, 而本文的理论贡献在于从企业网络的视角讨论了网络结构与技术创新方式间的互动关系, 为企业如何在网络中管理自主创新和合作创新提供了指导, 是对现有理论观点的补充和深入。本文的缺陷在于, 由于作者在企业网络和技术创新等数据调查方面的困难, 有关命题并没有进行实证检验, 这也是未来实证研究的方向。

摘要：以往研究很少关注网络结构对企业技术创新的影响。本文基于社会网络理论, 讨论了不同层次的网络结构特征与自主创新、合作创新间的相互作用关系, 构建了一个多层次互动关系模型, 并提出了相应的命题。

能力结构关系模型 第5篇

关键词：交通安全,疲劳程度,结构方程模型,疲劳驾驶行为,路径系数

0 引言

近年来我国道路交通安全问题依然严峻, 交通事故频发。2012年, 全国共发生交通事故204 196起, 其中死亡人数59 997人, 受伤人数224 327人, 造成的直接经济损失11.7亿元[1]。由大量交通事故案例分析发现:由驾驶人因素造成的交通事故约90%, 其中疲劳驾驶是主要原因之一, 其造成的事故数占事故总数的16%, 相较其他事故原因, 疲劳驾驶造成的严重性更强[2]。因此, 研究疲劳驾驶行为影响因素及其相互间的量化关系, 对有效防止因疲劳驾驶造成的交通事故和提高道路安全具有重要意义。

国内外关于疲劳驾驶的研究较多, 主要集中在疲劳驾驶的检测、行为特征提取等方面, 其中检测判别方法主要可分为2大类:一是针对驾驶人的生理和心理特征的检测方法, 主要基于脑电图 (EEG) 、心电图 (ECG) 信号、面部特征等, 其中脑电图一直被誉为监测疲劳的“金标准”[3], Papadelis Christos[4]采集了20名驾驶人疲劳状态时的脑电波信号, 试验时采用Karolinka睡眠水平表对驾驶人睡眠及疲劳情况进行评估, 结果表明驾驶疲劳时脑电α波增加, γ波减少, 同时Kullback-Leibler熵显著减少, 由此建议利用EEG来判定驾驶人的疲劳状态;王炳浩等[5]用KT98-2000A动态脑电仪记录了健康驾驶人行驶时的动态脑电波, 并与静止条件下的睁眼、坐在椅子上得到的清醒状态和瞌睡状态的脑电波进行对比, 得到了判断驾驶人是否处于疲劳状态的依据;面部特征方面“PERCLOS” (percentage of eyelid closure over the pupil over time) 指标是目前公认最有效的判断疲劳程度方法[6]。尽管通过生理心理指标能较为准确地检测和判别疲劳驾驶, 但是大多数监测装置是接触性的, 在驾驶过程中会造成驾驶人不适或影响驾驶人操作, 难以实时监测, 并且监测装置的成本太高, 不利于商品化。另一类则是基于驾驶人驾驶行为的检测和判别, 如Takei等[7]针对采集的汽车转向盘转角信号, 通过对转角信号的分析来对驾驶人是否疲劳等进行有效评价;Thum Chia Chieh等[8]对驾驶人手握转向盘压力变化进行统计学分析, 通过寻找反映驾驶人疲劳状态的重要压力变化点对驾驶疲劳及分神进行预警;Baulk等[9]通过模拟驾驶研究发现驾驶人驾驶能力特别是车辆横向位置与反应时间具有很好的相关关系, 可利用反应时为驾驶疲劳的客观评判标准。因而通过实验数据建立符合疲劳驾驶行为与其影响因素之间关系的数学模型, 并且能从定量的角度去分析各个影响因素对疲劳驾驶行为的影响程度, 一方面可降低监测成本, 另一方面为开展疲劳驾驶预警提供理论依据, 但目前, 国内相关研究相对较少[10]。

导致疲劳驾驶的影响因素较多, 如驾驶人的疲劳程度、驾龄、身体状况等。但疲劳程度、身体状况等因素并不能直接表征, 而只能通过实验可观测的相应指标, 如车速、加速度、车道位置、车头时距、血流量脉冲、皮电、闭眼周期等。对于这种考察多因变量与多自变量间关系、且部分变量不可直接观测的问题, 结构方程模型无疑是一有力工具, 目前在社会经济、生态环境等领域都已有广泛应用[11]。但在驾驶行为研究方面, 相关研究鲜见, Henriette等[12]以对超速行为的态度、知觉行为控制、主观规范等作为潜变量, 采用结构方程模型建模研究驾驶人的超速行为, 发现驾驶人主观规范可显著提高预测驾驶人超速的准确性, 而且直接影响记录超速行为。笔者沿用这一思路, 将结构方程模型引入疲劳驾驶行为研究, 通过社会招募志愿者进行驾驶实验, 采集疲劳驾驶时驾驶行为和生理疲劳数据, 研究驾驶行为影响因素对疲劳驾驶的影响程度, 建立结构方程模型得到影响因素之间的量化关系以及各因素对疲劳驾驶的影响大小, 为预防因疲劳驾驶产生的交通事故提供理论基础。

1 实验方法

1.1 实验设备

笔者采用的实验设备包括武汉理工大学智能交通系统研究中心经过技术改装的自动档实验车 (见图1) , 和biography生物反馈仪 (见图2) , 用于采集实验过程中的相关数据, 装置及功能具体描述见表1。

1.2 实验流程

参加实验的32名驾驶人是通过社会招募方式征集的志愿者, 被招募者均具有中华人民共和国C1及以上驾驶执照, 且身体健康, 其中女性驾驶人6名, 男性驾驶人26名, 年龄为18~60岁, 平均年龄为47岁, 平均驾龄为16.7年, 实验前其接受了技能及个体特征的严格测试。被试者在按时按量完成实验后将获得300元的酬劳。

实验步骤如下。

1) 被试通过测试后先填写个人基本信息表, 然后签订相关的合同。工作人员向其介绍实验目的、实验路线及注意事项, 实验路线见图3。

2) 首先工作人员帮助被试佩戴相关的实验设备和引导驾驶人启动实验车和车载实验设备, 然后完成设备的正常检查以及设备的同步, 之后让驾驶人在学校路段进行约10min的适应性驾驶。

3) 被试进入指定路段开始驾驶任务, 工作人员记录开始试验的时间。实验期间驾驶人不得进行与实验无关的事宜。

4) 实验结束后, 工作人员关闭实验设备, 整理和拷贝实验数据并进行归档处理。

2 基于结构方程的疲劳驾驶行为关系模型建立

2.1 实验数据处理

根据实验流程, 采集了32位驾驶人的驾驶行为相关实验结果, 包括车速、加速度、车道位置、车头时距、血流量脉冲、皮电、闭眼周期等原始数据。为了将该数据处理成结构方程模型所需输入的量表形式, 结合统计学方法, 采用以下3个步骤进行原始数据的处理:

步骤1。数据的预处理。由于实验仪器偶然失灵或故障, 实验监测的原始数据中存在少量缺失情形和少数异常值。为满足数据分析需要, 首先对原始数据进行异常值检测, 并对异常值进行平滑处理;对于缺失值, 采取填补处理。

步骤2。数据的加工。实验时所测量变量的计量单位各不相同, 为了保证分析结果具有可比性, 需对数据进行量纲一的量化处理, 具体处理方法为

特别要注意的是, 对车辆偏移程度数据的处理, 笔者选取了每辆车在同1个时间段内车道位置的数据, 计算每组数据的方差, 并用该方差来描述该车辆的偏移程度。采用上述处理方法, 量化后的数据可变形为疲劳驾驶行为的量表, 见表2。

步骤3。样本容量的扩增。由于被试人数为32, 尽管每个被试在驾驶过程中采集的数据样本有数百甚至数千个, 但本文的目的是在相同驾驶时间下对每个被试的数据进行疲劳驾驶行为分析, 因而数据样本为32个。可是结构方程模型对样本个数要求比较严格, 一般应至少为150个以上, 且大约为变量个数的10倍, 笔者选取的变量有14个, 因此有必要首先对样本容量进行扩充。笔者采用Bootstrap方法, 该方法最初是由斯坦福大学的Bradley Efron教授于1979年在归纳前人研究成果的基础上提出来的, 其基本思想是从原始数据中做有放回的抽样, 得到大量Bootstrap样本并计算相应的统计量, 从而完成对其真实总体分布的统计推断, 这样在一定程度上解决无法获得大量样本可能导致的推断失误。我们也利用这种统计思想, 对原始的32个数据进行有放回的抽样, 得到160个Bootstrap样本, 从而满足结构方程对样本数的建模要求。

2.2 结构方程模型

结构方程模型的设计主要包括2个方面, ①观测变量 (指标) 与潜变量 (因子) 之间的关系, 即建立测量模型, 界定潜变量与观测变量之间的关系;②潜变量之间的关系, 即建立结构模型, 反映潜变量与潜变量之间的关系。

2.2.1 模型观察变量与潜变量的设定

在疲劳驾驶过程中, 驾驶行为常常受到许多因素的影响, 主要影响因素有疲劳程度, 身体状况和驾驶经验等。这些变量具有1个共同的特征:它们无法直接测量, 需要通过观察变量来进行测量, 故我们选取疲劳程度、身体状况、驾驶行为和驾驶经验作为潜变量。实际上, 1个人的疲劳程度可由眼睛闭合程度以及闭眼周期的大小反映;1个人的身体状况的好坏可以通过生理指标体现出来, 如血流量脉冲、皮电、呼吸等;因此选取这3个指标来测量身体状况;驾驶绩效可以从驾驶过程中的物理指标体现出来, 如车速、年龄、航向角速度和偏移程度, 同时也受驾驶人年龄的影响;而驾龄可以直接体现该人的驾驶经验。因此, 上述可测指标可作为观察变量 (也叫显变量) 分别测量疲劳程度、身体状况、驾驶行为和驾驶经验, 见表3。

2.2.2 路径图与方程表达式的设定

1) 疲劳驾驶是在身体疲劳状况下的驾驶行为, 显然潜变量疲劳程度对其它2个潜变量身体状况和驾驶行为都会产生影响。同时驾驶经验与疲劳驾驶行为关系密切, 所以在本文中, 将疲劳程度和驾驶经验记为外因潜变量, 而身体状况和疲劳驾驶行为作为内因潜变量, 然后构造结构方程的路径图, 见图4。

如图4所示, 模型中疲劳程度和驾驶经验作为外因潜变量, 分别由观察变量X1, X2和X10反映;身体状况和疲劳驾驶行为作为内因潜变量, 各由X3, X4, X5和X6, X7, X8, X9反映;并假设疲劳程度与驾驶经验存在共变关系。全模型表征了4个潜在变量、10个观察变量和12个误差项之间的相互影响关系。

2) 由路径图可以得到结构方程的方程表达式

测量方程

结构方程

2.2.3 模型识别判定

在模型设定后, 需要对模型进行识别。若模型可以识别, 则表示理论上模型中的自由参数皆可由观测数据求得惟一解 (观测样本的方差协方差) 作为估计值。如果对于某1个自由参数, 不能将其以样本方差协方差的代数函数表达, 则这个参数就不能识别。本文所采取的识别法则为t-法则。

假设结构方程模型共有p+q个观察变量, 可以产生 (p+q) (p+q+1) /2个不同的方差或协方差。如果理论模型成立, 则要根据假设的模型隐含的总体协方差矩阵与真实的总体协方差矩阵 (但未知) 相等, 即∑ (θ) =∑, 可以得到 (p+q) (p+q+1) /2个不同的方程。记t为模型中未知参数个数, 则模型可识别的条件是t≤ (p+q) (p+q+1) /2。

本模型中的观察变量总数为p+q=10, 可以产生 (p+q) (p+q+1) /2=55个不同的方差和协方差。模型中需要估计的未知参数有25个方差, 10个回归系数, 1个协方差, 总共36个待估计参数, 即t<55, 从而满足了模型可识别的条件, 即该模型是可以识别的。

2.3 结构方程模型结果与讨论

2.3.1 结构方程模型拟合

本文通过AMOS17.0按照模型的设定进行拟合[13], 采用的参数估计法为极大似然估计。拟合后得到如下的参数矩阵及其对应的路径图。

1) 非标准化系数矩阵如下。

测量方程系数:

结构方程系数:Γ=[0.432-0.046 0.141]

2) 标准化系数矩阵如下。

测量方程系数:

结构方程系数:Γ=[0.944-0.0910.447]

3) 标准化系数路径图, 见图5。

2.3.2 结构方程模型拟合度检验

根据结构方程模型中评价模型拟合优劣的相关理论, 采用χ2自由度比值 (NC值) , 近似误差均方根 (RMSEA) 及相对拟合指数 (CFI) 这几个指标来评价模型的拟合程度, 模型拟合指标结果见表4。

由表可知:NC值表示假设模型的协方差矩阵与观察矩阵的适配程度, 且NC值越小, 模型的适配程度越佳, 本模型的NC值为1.152, 介于1到3之间, 一般当NC值小于2时, 即可认为模型拟合是较佳的, 由此可知该模型的NC符合标准。RMSEA表示每个自由度的平均∑ (总体协方差矩阵) 与∑ (θ) (假设模型隐含的协方差矩阵) 的差异值, 差异值越小, 模型的拟合程度越好, 本模型的RMSEA为0.031, 小于0.08, 由拟合标准可知, 当RMSEA低于0.08表示有较好的拟合, 低于0.05表示有非常好的拟合, 说明该模型的拟合程度较好。CFI代表在测量从最限制模型到最饱和模型时, 非集中参数的改善情形, 其值越接近1, 表示模型的拟合程度越好, 而本模型的CFI值为0.598, 不够理想。但判断模型拟合程度主要基于RMSEA, 其次是NC指标 (即绝对拟合指标) [14], 本模型中尽管CFI没有达到标准, 但关键性的绝对拟合指标均已达到标准, 且具有较理想的拟合程度。

2.3.3 讨论

由标准化系数路径图5, 发现因子载荷 (即潜变量到观察变量的标准化路径系数) 均在0.24到0.92的范围内, 说明所选取的观察变量与其对应的潜变量具有一定的解释能力。各变量间的标准化路径系数, 具体见表5~9。

由表5可知:在实车实验中, 我们采用Biography生物反馈仪记录了血流量脉冲、皮电及呼吸的数据, 其中血流量脉冲对身体状况的影响系数达到0.916, 而皮电、呼吸与身体状况的相关性较低, 且两者相差不大。结果表明身体状况可主要用血流量脉冲变量来反映, 而皮电、呼吸的可表征度不高, 这可为我们以后判断身体状况的指标选取提供相应的依据。

表6描述的是疲劳程度对左眼闭合、闭眼周期的因子载荷, 分别是0.531和0.536, 两者基本相同, 说明这2个指标体现驾驶人的疲劳程度基本等效, 同时采集两者数据必要性并不大。而且注意到解释系数在0.53左右, 可认定2个指标表征驾驶人的疲劳程度的效果并不特别优良, 可能会带来一定偏差, 从实际情况分析, 在闭眼方面个体的差异即可能导致判断失误。后期可做深入探讨, 寻找更合适反映疲劳程度的指标。

选取了4个变量:车速、年龄、航向角速度以及偏移程度分析驾驶人的疲劳驾驶行为, 结果见表7, 影响系数分别为0.298、0.524、0.358和0.596。其中偏移程度对疲劳驾驶行为的解释力最大, 原因是本文偏移程度指本车偏离车道中心线的离散程度, 当偏移程度越大, 即离散程度越高, 说明驾驶轨迹越不平稳, 则疲劳驾驶行为越明显, 出现事故的可能性越大。因此, 当某车辆的偏移程度较明显时, 应对驾驶人状态给予警示, 防止事故发生。其次是驾驶人的年龄, 由于被试的平均年龄达到47岁, 随着年龄增长, 身体更容易出现疲劳感, 所以容易出现疲劳驾驶行为。当然, 本研究只是研究了不同年龄段驾驶人的疲劳驾驶行为的区别, 并没有对被试进行逐年跟踪调查, 这也可以在今后的研究中改进。航向角速度和车速的解释力较弱, 特别是车速, 相关系数仅为0.298, 这是因为实验路线选择在城区路段, 车流量大, 车速较慢, 可区分度不大。如果路线为高速路段, 相关系数结果可能会有较明显变化。

如表8所示, 疲劳驾驶行为与驾驶人的身体状况、疲劳程度和驾驶经验间的相关系数分别为:-0.091、0.944和0.447。首先驾驶人的身体状况对疲劳时的驾驶行为具有负效应, 即身体状况越好, 疲劳驾驶行为就越不明显, 但这种影响性表现得并不强烈。第二, 疲劳驾驶行为显然与疲劳程度密切相关, 结果也显示两者间的相关性达到0.944。最后, 驾驶人的驾驶经验对疲劳驾驶行为具有正效应, 这是由于随着驾驶经验的丰富, 部分驾龄长的驾驶人会放松对自身疲劳状况的约束, 相较新手而言, 更容易具有疲劳驾驶行为。当然, 两者间的相关性并不是很强, 说明其并不具有普适性。

在表9中, 驾驶人的疲劳程度对其身体状况间存在着负相关效应, 即驾驶人越疲劳, 对应的身体状况越差, 我们的模型结果显示了两者的具体量化关系为-0.63。而疲劳程度与驾驶经验之间也有一定的负相关关系, 相关系数为-0.39, 这说明驾驶经验越丰富, 驾驶人对路况感知等优于新手, 视觉、听觉等器官产生疲劳感会延迟。此外, 驾驶经验只依赖于驾龄刻画, 因而两者间系数为1。

3 结束语

能力结构关系模型 第6篇

1 调查对象和研究方法

1.1 调查对象和内容

借鉴已有的文献研究成果,结合专家咨询、研究小组讨论,对公立医疗集团协同能力中3个协同层面内的10个协同要素设计了测量项目(表1~3)。采取李克特(五点)量表法,将每个测量项目的评分级度划分为5等并将每个级度赋予相应的分值:重要、比较重要、一般重要、不太重要和不重要分别对应5分、4分、3分、2分以及1分。

在东、中、西部地区共选择1 0所公立医疗集团开展调研,抽取医疗集团内部各医疗机构领导、行政部门管理人员和临床业务科室的管理人员实施问卷调查。要求其根据自身对医疗集团内部协同合作的理解和看法,对公立医疗集团协同能力理论模型中各协同能力测量要素的重要性进行评分。共发放问卷403份,回收有效问卷373份,有效回收率达92.6%。

1.2 研究方法

本研究主要通过问卷数据对协同能力理论模型进行信度和效度的检验,构建二阶因素分析模型和结构方程模型,对理论模型进行计量验证。主要使用的分析软件工具为IBM SPSS20.0和IBM SPSS AMOS 20.0。

1.2.1 提出理论假设。

对公立医疗集团协同能力理论模型中各变量相互间关系提出理论假设,在此基础上对模型进行构建。具体理论假设见下文。

1.2.2变量的测量。

构建公立医疗集团协同能力的测量模型(图1),描述可测变量和潜变量之间的关系。该模型为二阶因素测量模型,二阶因素为公立医疗集团整体协同能力(亦即外生潜变量),二阶因素主要由3个一阶因素推出,分别为微观层面、中观层面、宏观层面的协同能力(亦即内生潜变量)。

分别测量宏观层面、中观层面和微观层面的协同能力,它们的各构成要素的测量项目分别见表1~3。

测量整体公立医疗集团协同能力。公立医疗集团整体协同能力(XT)主要由宏观层面协同能力、中观层面协同能力、微观层面协同能力3个部分构成,公式表示如下:

其中,XT、HG、ZG表示3个层面的协同能力,ξ1、ξ2、ξ3分别为相应的权重。

2 研究过程和结果

2.1 信度分析

本文利用“内部一致性”进行信度检验,Cronbach’sα值越大则表明内部一致性程度越好。经检验,问卷各部分信度Cronbach’sα值均大于0.7;同时,对宏观层面协同能力、中观层面协同能力、微观层面协同能力量表内部各构面进行信度分析,Cronbach’sα值也都大于0.7,说明本研究的量表信度较高。

2.2 效度分析

本研究主要检验结构效度。一般将测量结果与理论假设相比较,如测量结果与理论预期一致,就可以认为数据的结构效度较高。本研究主要采用验证性因素分析方法来检验公立医疗集团协同能力模型的拟合程度,从而对量表的结构效度进行评价。

图2为公立医疗集团协同能力二阶验证性因素分析模型。此模型经检验后,可得收敛效度良好。在标准化估计值模型中,所有测量变量在其对应的一阶因素上的因素负荷量都大于0.7;3个一阶因素“宏观”、“中观”“微观”协同能力在二阶因素“公立医疗集团整体协同能力”的因素负荷量分别为0.89、0.97、0.88。由此可见,测量变量在一阶因素的因素负荷量、一阶因素在二阶因素的因素负荷量均非常理想,表明模型的基本拟合度良好。分析模型拟合度相关指标,除RMSEA值较差以外,其他指标都符合基本要求,说明模型拟合尚可,因此可说明量表的结构效度尚可(模型拟合度指标详值略)。

由图2可得到,对外生潜变量“整体协同能力”而言,3个内生潜变量宏观、中观、微观层面协同能力的标准化参数值分别为0.89、0.97、0.88,均明显大于0.7,说明相关性显著。因此,可验证假设1:公立医疗集团整体协同能力是整合宏观、中观、微观3种层面的协同能力而构成的能力系统。

对于宏观层面协同能力来说,其观测变量文化协同要素、战略协同要素的标准化参数值分别为0.843、0.844,均大于0.7,说明相关性显著,可验证假设2:宏观层面的协同能力是一种引领能力,主要由文化协同要素、战略协同要素组成。

对于中观层面协同能力来说,其观察变量制度协同要素、信息协同要素、资源协同要素、和组织协同要素的标准化参数值分别为0.854、0.849、0.804、0.827,均大于0.7,说明相关性显著,可验证假设3:中观层面的协同能力是一种整合能力,主要由制度协同要素、信息协同要素、资源协同要素、组织协同要素组成。

对于微观层面协同能力来说,其观察变量创新协同要素、契约协同要素、业务协同要素、流程协同要素的标准化参数值分别为0.849、0.756、0.716、0.779,均大于0.7,说明相关性显著,可验证假设4:微观层面的协同能力是一种合成能力,主要由创新协同要素、契约协同要素、业务协同要素、流程协同要素组成。

2.3 模型的构建和修正

2.3.1 因果模型图绘制。

结构方程模型又被称为潜变量模型,常被用于社会科学分析观测变量之间的相互关系。潜变量通常不能直接测量,但是可以通过一组观察到的变量,即指标变量来进行测量。运用IBM SPSS AMOS 20.0建立公立医疗集团协同能力结构方程模型(图3)。模型中,“椭圆形”图示表示潜在变量,“矩形”图示表示指标变量,“圆形”图示表示误差变量,潜在变量间“双箭头”图示表示相关关系。

2.3.2 数据处理。

关于结构方程模型的样本量,Muller认为样本达到200个以上会更好[5]。本研究将收集到的373份问卷数据导入软件,采用“极大似然法”进行模型参数估计,选择“极小化历史”、“标准化估计”、“复相关平方”、“修正指标”、“参数差异临界比率值”、“正态性与异常值检验”等分析属性。计算估计值,并得到未标准化回归系数和标准化回归系数(系数估计结果详值略)。标准化回归系数代表着自变量对因变量相对作用的大小,该部分分析结果所示所有P值均<0.001,因此可认为所有的回归系数在95%的置信区间下具有统计学显著性,各路径是合理存在的。

通过考量参数估计值的结果,检查模型是否出现违反估计。Hair等[6]提出违反估计的情况有:负误差方差;标准化参数系数大于等于1;非常大的标准误差。从该模型基本适配指标检验结果来看,没有出现违反估计(具体模型基本适配指标检验结果略)。

2.3.3模型修正。

建立模型的卡方值(Chi-square)为143.421,自由度为3 2,P<0.0 0 1,模型被拒绝。因此,考虑通过执行修正指数(Modification Index,M.I.)对模型修正。

Bagozzi和Yi提出使用0.05的显著性水平为准则,修正指数M.I.大于3.84时,释放相应的参数,将显著提高模型效果[7]。在修正模型时,原则上每次只修改一个参量,从最大值开始估算,同时考虑其实际意义及理论依据。经过X次修正,最终得到模型适配度指标。根据评价标准[8],修正后的模型整体拟合度良好,各项指标均符合良好的标准。公立医疗集团协同能力构成因素结构方程模型路径图如图4。

2.4 模型路径效果分析

表4所示是修正后的结构方程模型各变量之间的路径关系,由表中数值可得,在0.05的显著水平下,宏观层面协同能力、中观层面协同能力、微观层面协同能力三者之间具有显著的正相关性。由此,假设5、6、7得到了验证:假设5:宏观层面与中观层面的协同能力具有正向相关性;假设6:宏观层面与微观层面的协同能力具有正向相关性;假设7:中观层面与微观层面的协同能力具有正向相关性。

3 结论

通过以上研究过程和结果,可以验证公立医疗集团协同能力理论模型构建合理。公立医疗集团整体协同能力是整合宏观、中观、微观3种层面的协同能力协调配合而构成的能力系统。宏观层面的协同能力是一种引领能力,主要由文化协同要素、战略协同要素组成;中观层面的协同能力是一种整合能力,主要由制度协同要素、信息协同要素、资源协同要素、组织协同要素组成;微观层面的协同能力是一种合成能力,主要由创新协同要素、契约协同要素、业务协同要素、流程协同要素组成。在公立医疗集团中,3个层面的协同能力并不是独立无关联的,它们互相依存,如果某一层面的协同能力发展出现问题,必然对其他方面的发展也造成影响。因此,对于一个公立医疗集团来说,必须兼顾各个层面协同能力、各个协同要素的配合和发展,才可以提升公立医疗集团的整体协同能力,加强公立医疗集团的整体协同发展。

注:***表示P<0.001。

参考文献

[1]万祥波,朱夫,杨扬,等.医疗集团化改革的探索与体会[J].中国卫生资源,2013,16(4):260-262.

[2]罗桢妮,胡天天,赵露,等.我国公立医疗集团协同发展AHP-SWOT分析[J].中国医院,2014,18(7):5-8.

[3]方鹏骞,刘焱,罗桢妮.我国公立医疗集团协同能力理论模型构建[J].中国医院,2014,18(7):1-4.

[4]邹志勇.企业集团协同能力研究[D].大连:大连理工大学,2008.

[5]Mueller RO.Structural equation modeling:Back to basics[J].Structural Equation Modeling:A Multidisciplinary Journal,1997,4(4):487-513.

[6]Hair JF,Anderson RE,Tatham RL.Multivariate data analysis[M].2nd ed.New York:Macmillan,1987.

[7]Bagozzi RP,Yi Y.On the evaluation of structural equation models[J].Journal of the academy of marketing science,1988,16(1):353-369.

能力结构关系模型 第7篇

广西沿海地区拥有1629千米的大陆海岸线长度, 在全国11个沿海省份排名第六, 丰富的海洋资源为海洋经济的发展提供了良好的条件。海洋经济指开发利用海洋的相关产业与各种经济活动的总称, 既包括传统的海洋盐业、海洋捕捞、海水养殖、水产品加工和现代的海岸线与海岛开发, 也包括随着经济发展应运而生的新兴海洋现代服务业、现代涉海工业。包括海洋船舶制造业及配套工业、滨海旅游及相关酒店餐饮娱乐服务业、海洋生物化工医药, 以及海洋新材料、新能源和海洋保护等产业经济。2013年广西的海洋生产总值达到899亿元, 比上年增长了18. 1% 。随着高新技术的发展, 传统的海洋经济逐渐实现了转型, 海洋产业结构也逐步优化[1]。有效地衡量国家的海洋经济对国民经济的影响已经成为越来越重要的问题之一, 也是进一步发展海洋经济的需要[2]。

国内学者经过对海洋经济与海洋产业结构的关系的大量研究可知: 海洋经济与海洋产业结构的良性互动机制, 海洋产业结构的优化升级则会促进海洋经济的发展, 而海洋经济的发展也会促进海洋产业结构的优化升级。海洋经济发展不仅影响海洋产业结构, 并且涉及腹地产业结构。沿海地区的经济发展同样离不开整个经济腹地的支撑。所以海洋经济发展与其腹地产业结构演进之间的互动关系具有重要的研究意义。通过研究相关文献发现, 学者们的研究集中于海洋经济与海洋产业结构, 缺乏海洋经济对内陆腹地产业结构影响的研究, 具体到某个省份的研究就更少了。本文通过建立SVAR模型, 基于脉冲响应函数, 对广西海洋经济与腹地产业结构的相关性进行探讨。

2 广西海洋经济及产业结构现状

近几年, 广西海洋经济取得长足发展。1997年广西海洋生产总值19. 52亿元, 占GDP比重为3. 85% 。2013年海洋生产总值为899亿元, 为1997年的46倍, 并且海洋生产总值占国民生产总值的比例逐年上升, 2013年海洋生产总值占GDP比重达到6. 25% 。由此可知, 广西海洋生产总值的总量到了较大的发展, 海洋生产总值对国民生产总值的贡献上虽然有所增长, 但是增长幅度不大, 海洋经济正逐渐成为国民经济新的增长点。

( %)

资料来源: 《广西统计年鉴》。

近20多年来, 随着中国经济的高速发展, 经济增长对产业结构改变也产生了影响, 广西的产业结构发生了改变。由表1可知, 广西三大产业中, 第一产业所占比重由1997年的32. 1% 下降到2013年的16. 3% ; 第二产业所占比重呈上升趋势, 由1997年的33. 8% 上升到2013年的47. 73% , 约占广西生产总值的一半, 成为广西生产总值的重要部分; 第三产业所占比重1997年 - 2002年呈上升趋势, 由1997年的34. 1% 上升到2002年的42. 6% , 2002年后所占比重开始下降, 由2002年的42. 6% 下降到2013年的35. 97% 。

对广西海洋经济发展在产业结构优化过程中所起到的作用进行研究, 有利于进一步优化广西产业结构和促进广西海洋经济的发展。为此, 本文选取19972013年广西海洋经济总量GDP、第一产业比重FIND、第二产业比重SIND以及第三产业比重TIND作为样本进行分析, 通过结构向量自回归模型 ( SVAR) 及相应的脉冲函数分析了海洋经济与产业结构演进的动态相关性。

3 SVAR 模型及脉冲响应分析

美国学者克里斯托弗西姆斯 ( Christopher Sims) 于1980年提出VAR模型, 其在变量之间的动态关系、因果关系、脉冲响应以及方差分解分析等方面的研究中体现了重要的学术价值[3]。但VAR模型将变量之间的当期相关关系隐藏在了随机干扰项中, 为了明确变量间的当期相关关系, 需要引入结构化的VAR模型 ( Structual VAR) [4]。本文实证分析采取年数据, 为了分析广西海洋经济对产业结构的作用, 根据《广西海洋统计年鉴》和《广西统计年鉴》以及广西统计局、广西海洋局发布的统计年报, 选取19972013年广西海洋经济总量GDP、第一产业比重FIIND、第二产业比重SIND以及第三产业比重TIND作为样本进行分析。为了消除在时间序列中存在的异方差, 并且维持原始数据的协整关系, 需要对数据GDP、FIND、SIND和TIND分别取对 数处理, 并记为LNGDP、LNFIND、LNSIND和LNTIND。

3. 1 单位根检验

时间序列是否平稳影响模型的稳健性以及实证结果的分析, 在建立SVAR模型并进行脉冲响应分析之前, 需要对时间序列进行单位根检验。本文利用Eviews6. 0软件, 采用比较常用的ADF单位根检验法对模型中的变量LNGDP、LNFIND、LNSIND和LNTIND进行ADF检验, 结果如表2所示:

注: 1. 其中检验形式 ( c, t, p) 分别表示单位根检验方程包括常数项、时间趋势和滞后项的阶数。

其中, DLNGDP、DLNF、DLNS和DLNT为时间序列的一阶差分。由表2可知, 广西海洋生产总值、第一产业比重、第二产业比重和第三产业比重为不稳定时间序列;但其一阶差分均为稳定时间序列, 呈现了平稳的状态。各指标为一阶单整, 符合平稳条件。

3. 2 模型识别

本文对SVAR施加AB型约束, 至少要施加2K2- K ( K + 1) /2个限制条件才能识别出结构冲击。该模型采用4个变量, 因此从经济理论和SVAR的约束条件出发对模型至少施加22个约束, 才能使模型满足可识别条件。

本文中约束矩阵B是单位矩阵, A矩阵对角线元素为1, 由于变量当期间存在相关性, 因此对其他变量从经济意义进行约束。

3. 3 模型稳定性检验

在构建SVAR模型后, 需要对其进一步检验, 经过多次计算与比较, 模型的最优滞后阶数为2阶, 并满足AIC最小原则, 本文所建立的SVAR模型的AR根检验结果如图1所示。可见, 模型中特征方程所有根的倒数值都小于1, 所有单位根的模的倒数均位于单位圆内, 因此模型是稳定的, 可以进行脉冲响应函数分析。

3. 4 脉冲响应分析

脉冲响应函数是一种重要的因果性分析方法, 是指一个内生变量的冲击给其他内生变量带来的影响, 它表示给一个内生变量一个标准差大小的冲击后对模型中其他变量的影响。为了动态分析广西海洋经济发展对广西三大产业结构变化的影响, 本文通过采用脉冲响应分析来实现。由Eviews 6. 0计量软件得出的广西海洋经济对三大产业结构的脉冲响应结果如图2所示。

图2中, 自左到右分别给海洋经济LNGDP一个正的标准差结构冲击后第一产业所占比例、第二产业所占比例和第三产业所占比例的脉冲响应结果。下列各图中, 横轴表示冲击作用的滞后期间数 ( 单位: 年度) , 蓝线表示脉冲响应函数, 红线表示正负两倍标准差偏离带。观察图2可知, 在海洋经济LNGDP一个单位的正向标准差冲击下, 第一产业所占比例LNFIND前2期呈现下降的趋势, 在第3, 4期比较平稳, 在第5期继续呈现下降趋势并由正向效应转为负向效应, 第7期开始逐渐回升并趋于平衡状态; 第二产业所占比例LNSIND在最初阶段呈现上升状态, 并在第3期由负向效应转为正向效应, 并维持到第4期, 第4期后开始逐渐下降并趋于平衡状态; 第三产业所占比例LNTIND最初趋于平稳, 在第3, 4期呈现负向效应, 于第4期开始逐步上升, 第5期转为正向效应, 并最终趋于平衡。

通过对图2中广西海洋经济对三大产业脉冲响应结果的观察和分析可知, 在短期内, 广西海洋经济的发展使得第一产业所占比例降低, 第二产业所占比例有所提高, 对第三产业的影响最初并不明显。随着广西海洋经济的不断发展, 从长期来看, 第一产业所占比例相对呈下降趋势, 第二产业比例产生正效应, 广西海洋经济的发展会促进第二产业的发展, 对第一产业、第三产业影响不大。

4 结论及政策建议

本文选取19972013年广西海洋经济总量GDP、第一产业比重FIND、第二产业比重SIND以及第三产业比重TIND作为样本进 行分析, 通过结构 向量自回 归模型 ( SVAR) 及相应的脉冲函数分析了海洋经济与产业结构演进的动态相关性, 得出在短期内, 广西海洋经济的发展使得第一产业所占比例降低, 第二产业所占比例有所提高, 对第三产业的影响最初并不明显。随着广西海洋经济的不断发展, 从长期来看, 第一产业所占比例相对呈下降趋势, 第二产业比例产生正效应, 广西海洋经济的发展会促进第二产业的发展, 对第一产业、第三产业影响不大。

在以上研究结论的基础上, 结合当前广西海洋经济的发展现状, 提出以下政策建议。

( 1) 开发利用海洋与保护海洋并重, 坚持绿色发展海洋。一定要做到将待开发海洋资源的自身特点和相关海洋产业部门发展的独特需求相结合, 制定出合理的、有针对性的、有条理的开发计划[5]。如大力发展高效渔业、特色渔业、生态渔业等, 大力发展海洋循环经济, 促进海洋资源节约利用。加强海洋资源的合理开采利用的同时要保护好海洋的生态环境。建立完善的海洋保护预防和监督管理体系, 注重将各项规章细则落到实处, 防治出现“先开发后污染、先治理再污染”的旧现象。

( 2) 增加海洋科研投入, 促进海洋高新技术产业的发展。增加海洋科研投入可以通过提高经费投入、增加人员配给等途径。海洋产业技术是海洋产业部门发展的内在动力, 提高海洋科技含量, 将高新技术应用到海洋产业中, 着力提升海洋科技自主创新和成果转化, 对海洋产业结构优化产生重要作用, 同时也增强海洋经济发展的竞争力。如大力发展海洋生物制药、海洋电力以及海水利用等新兴产业; 加强信息技术在港口物流管理中的应用等。

( 3) 实现海洋产业与陆域产业的充分结合, 形成海陆经济联盟。

海洋经济与陆域经济之间存在着不可忽视的关联性, 需要海洋和陆地的联合支撑。以陆地为依托, 海洋为拓展空间, 把海洋产业与陆域工业化、城镇化结合起来, 形成陆海联动发展。充分利用港口资源, 构建陆海联运物流体系, 吸引外资向港口聚集, 发展临海工业。沿海与内陆经济的发展相互联动将会促进广西海洋经济的发展, 进而进一步促进广西产业结构的演进。

摘要：本文选取1997—2013年广西海洋经济总量GDP、第一产业比重FIND、第二产业比重SIND以及第三产业比重TIND作为样本进行分析, 通过结构向量自回归模型 (SVAR) 及相应的脉冲函数分析了海洋经济与产业结构演进的动态相关性。结果表明海洋经济与内陆产业结构演进形成较好的互动机制, 在短期内, 广西海洋经济的发展使得第一产业所占比例降低, 第二产业所占比例有所提高, 对第三产业的影响最初并不明显。随着广西海洋经济的不断发展, 从长期来看, 第一产业所占比例相对呈下降趋势, 第二产业比例产生正效应, 广西海洋经济的发展会促进第二产业的发展, 对第一产业、第三产业影响不大。最后结合广西海洋经济发展现状提出建议。

关键词：广西海洋经济,产业结构,SVAR,实证分析

参考文献

[1]谭晓岚.论海洋经济发展的总体趋势[J].海洋开发与管理, 2009, 26 (7) :12-16.

[2]Kildow J T, Mcllgorm A.The importance of estimating the contribution of the oceans to national economic[J].Marine Policy, 2010, 34 (3) :367-374.

[3]段显明, 郭家东.浙江省经济增长与环境污染的关系——基于VAR模型的实证分析[J].重庆交通大学学报 (社会科学版) , 2012, 12 (1) :52-55.

[4]高铁梅.计量经济分析方法与建模:Eviews应用及实例[M]:北京:清华大学出版社, 2009.

能力结构关系模型 第8篇

时间洞察力是个体对于时间的认知、体验和行动( 或行动倾向) 的人格特质［5］。津巴多认为,过去、现在、未来的认知时间偏向如果长期使用,便可能成为一种相对稳定的倾向性特征或个体差异变量,能够刻画和预测个体在日常生活的抉择中将会有何反应［6］。 时间洞察力与人们是否选择健康的生活方式有一定关联,如未来时间洞察力高的人拥有更好的锻炼习惯［7］、较少的物质滥用［8］、更好的心理适应、有效的行为应对、更高的控制感［9］; 现在时间洞察力显著者更经常进行物质滥用、高危性行为［8］、赌博成瘾［10］、发怒或不良应对［9］。因此,时间洞察力可能是大学生生活方式的一种潜在影响因素。本研究希望探索某校本科生时间洞察力的基本情况及其与生活方式的关系, 为结合时间洞察力教育开展生活方式课程提供依据。

1对象与方法

1. 1对象本次调查对象为北京某高校2014—2015学年上学期选修“健康的生活方式与健康传播”通选课的137名本科生,共回收问卷137份,回收率为100% ,有效率为100% 。年龄集中在18 ~ 22岁,男生占46. 0% ,女生占54. 0% ; 大一、大二、大三、大四的学生分别占38. 0% ,32. 8% ,15. 3% ,13. 9% ; 来自城镇的学生占80. 3% ; 94. 2% 没有宗教信仰。

1. 2方法于2014年12月,在课堂上对调查对象进行电子版问卷调查。

1. 2. 1生活方式结合课程内容自行设计生活方式问卷,调查每位学生课程结束之后的生活方式。问题包括每天吃早餐、每天吃2份及以上水果等9项健康的生活方式,回答以李克特5分制计分,1分代表完全做不到,5分代表完全能做到。生活方式问卷具有较好的内部一致性信度( Cronbach α 系数为0. 83) 和结构效度( 方差累积贡献率68. 84% ) 。

1. 2. 2时间洞察力津巴多时间洞察力量表( Zimbar- do Time Perspective Inventor,ZPTI) 共56个条目,包括5个分量表,分别测量调查对象过去消极、过去积极、现在宿命、现在享乐和未来5个维度的时间洞察力。回答采用李克特5分制计分法,代表从“极不符合”到“极为符合”。根据需要将部分回答反向编码,计算各维度平均分( 0 ~5) ,分数越高代表本维度导向越强。

1. 3数据分析使用SPSS 20. 0软件进行数据的基础整理和分析,采用可靠性分析和因子分析计算量表的信度和效度,采用描述性统计分析变量的数值大小和分布,采用Spearman相关分析变量间的相关性。使用LISREL 8. 7软件进行数据的因果分析,采用结构方程模型构造潜变量———健康生活方式指标,探索变量间的影响大小及路径。检验水准 α = 0. 05。

2结果

2. 1时间洞察力本科生时间洞察力过去消极、过去积极、现在宿命、现在享乐、未来5个维度的得分分别为( 3. 09 ± 0. 59) ,( 3. 95 ± 0. 56) ,( 2. 72 ± 0. 55) , ( 3. 29 ± 0. 41) ,( 3. 52 ± 0. 47) 分。

Cronbach α 系数显示,时间洞察力量表在本人群中内部一致性信度良好( 总量表= 0. 80,过去消极= 0. 80,过去积极= 0. 80,现在宿命= 0. 77,现在享乐= 0. 72,未来= 0. 77 ) 。5个因子的方差累积贡献率为65. 15% ,显示了较好的结构效度。

女生的未来得分高于男生,低年级学生的未来得分高于高年级学生( P值均 < 0. 05) ,其他维度在男女生、各年级之间差异均无统计学意义 ( P值均 > 0. 05) 。时间洞察力与城乡、每月生活开销、父母最高文化程度均无相关性( P值均 > 0. 05) 。见表1。

5种时间洞察力维度之间显示出一定的相关性。 过去消极与现在宿命、现在享乐得分呈正相关( r值分别为0. 397,0. 215,P值均 < 0. 05) 。过去积极与现在享乐、未来得分呈正相关( r值分别为0. 303,0. 314,P值均 < 0. 01) 。现在宿命与现在享乐得分呈正相关, 与未来得分呈负相关( r值分别为0. 247,- 0. 458,P值均 < 0. 01) 。

2. 2生活方式本科生在吃早餐、吃水果、吃蔬菜、 喝牛奶、不吃油炸食品、不吃夜宵等方面表现较好,一半以上经常能做到; 在早睡、运动、久坐活动等生活方式方面还有待改善。见表2。

注: ( ) 内数字为构成比 /% ; 1 份水果相当于 1 个中等橘子大小,1 份蔬菜相当于半杯中等玻璃杯大小的煮熟蔬菜。

Logistic回归分析结果显示,女生在吃早餐( B =1. 089,P < 0. 01 ) 、吃水果( B = 1. 181,P < 0. 01 ) 方面较男生表现好。父母文化程度越高,在吃早餐( B = 0. 463,P < 0. 05) 、吃水果( B = 0. 648,P < 0. 01 ) 、吃蔬菜( B = 0. 547,P < 0. 01) 方面表现越好。年级越高,在吃早餐( B = - 0. 537,P < 0. 01) 、不吃夜宵( B = - 0. 504,P < 0. 01) 、早睡( B = - 0. 437,P < 0. 01 ) 方面表现越差。

2. 3生活方式与时间洞察力的关系Spearman相关分析显示,调查对象吃水果、吃蔬菜、喝牛奶的行为与过去积极时间洞察力呈正相关; 吃早餐、吃水果、吃蔬菜、早睡、运动的行为与现在宿命时间洞察力呈负相关; 喝牛奶的行为与现在享乐时间洞察力呈正相关; 吃早餐、吃水果、吃蔬菜、喝牛奶、不吃油炸食品、不吃夜宵、早睡的行为与未来时间洞察力呈正相关( P值均< 0. 05) 。见表3。

注: * P < 0. 05,**P < 0. 01。

结构方程模型显示,性别、父母文化程度和未来时间洞察力对生活方式有直接影响( 图1) 。女生的生活方式较男生健康( 标准化系数= 0. 18,t = 2. 29,P < 0. 05) 。父母文化程度越高,生活方式越健康( 标准化系数= 0. 29,t = 3. 65,P < 0. 01) 。未来时间洞察力得分每增加1,生活方式得分平均增加0. 36( 标准化系数= 0. 36,t = 4. 22,P < 0. 01) 。性别、年级、现在享乐、 过去消极、过去积极、现在宿命时间洞察力都可以间接影响生活方式。模型拟合优度可以接受( RMSEA = 0. 13,90% CI = 0. 12 ~ 0. 15,P < 0. 01; CFI = 0. 78) 。

3讨论

本研究中,137名本科生的时间洞察力得分均值与津巴多对大量被试的得分整合结果均值［11］( 过去消极= 3. 0,过去积极= 3. 7,现在宿命= 2. 4,现在享乐= 3. 4,未来= 3. 5 ) 相比,过去积极和现在宿命得分偏高,其他3个维度较为相似。这可能与该高校学生过去较为优秀,而当下存在一定落差有关。

有研究显示,时间洞察力与调查对象父母的教育程度及自身教育程度等社会经济地位因素相关［12 － 13］。本研究结果中时间洞察力与被调查者父母的教育程度、城乡背景、每月生活开销都没有发现相关性,可能是由于被调查者都是本科生,教育程度相似,掩盖了其他社会经济地位因素的影响。这在一定程度上提示时间洞察力可以通过个体的教育来改变。 津巴多与索德医生夫妇2008年创造了时间观疗法,已经治疗了数百名创伤后应激障碍的患者,疗效显著且可持续［11］。

本研究发现健康的生活方式除与性别、年级、父母文化程度有关外,还与过去积极和未来的时间洞察力呈正相关,与现在宿命的时间洞察力呈负相关,与以往类似人群的研究结果一致［14 － 16］。结构方程模型在处理潜变量和测量误差方面表现出特有的优势,其应用正在由社会学、心理学等领域向医学领域扩展［17］。由于样本量不够大,本研究中结构方程模型的拟合优度一般,但仍可以发现,未来的时间洞察力对生活方式影响最大。未来时间洞察力显著的大学生更注重未来收益,从而在当下采取更健康的生活方式。

研究结果提示,可尝试在大学健康生活方式课程中结合时间洞察力的教育,并主要关注提高过去积极和未来得分、降低现在宿命得分,尤以提高未来得分为重点。可以期待通过时间洞察力的教育提高健康生活方式课程的效果,为健康教育提供一种新的方法。

摘要：目的 探索北京某高校本科生时间洞察力与生活方式的关系,为结合时间洞察力教育开展生活方式课程提供依据。方法 采用结合课程内容设计的生活方式问卷和津巴多时间洞察力量表,对北京某高校2014—2015学年上学期选修“健康的生活方式与健康传播”通选课的137名本科生进行问卷调查,使用Spearman相关和结构方程模型分析时间洞察力与生活方式的关系。结果 本科生的时间洞察力过去消极、过去积极、现在宿命、现在享乐、未来5个维度的得分分别为(3.09±0.59),(3.95±0.56),(2.72±0.55),(3.29±0.41),(3.52±0.47)分。Spearman相关分析显示,健康的生活方式各个项目与过去积极和未来时间洞察力呈正相关,与现在宿命时间洞察力呈负相关(P值均<0.05)。结构方程模型拟合优度可以接受(RMSEA=0.13,90%CI=0.12~0.15,P<0.01,CFI=0.78)。性别、父母文化程度和未来时间洞察力对生活方式有直接影响,未来时间洞察力得分每增加1,生活方式得分平均增加0.36(标准化系数=0.36,t=4.22,P<0.01)。结论 本科生的时间洞察力与生活方式有较高的相关性,可尝试在生活方式课程中结合时间洞察力的教育,提高生活方式的教育效果。