组织与战略 隐形资源网络中心度对多边联盟形成的影响研究Word文档格式.docx
- 文档编号:18018081
- 上传时间:2022-12-12
- 格式:DOCX
- 页数:11
- 大小:61.92KB
组织与战略 隐形资源网络中心度对多边联盟形成的影响研究Word文档格式.docx
《组织与战略 隐形资源网络中心度对多边联盟形成的影响研究Word文档格式.docx》由会员分享,可在线阅读,更多相关《组织与战略 隐形资源网络中心度对多边联盟形成的影响研究Word文档格式.docx(11页珍藏版)》请在冰豆网上搜索。
分析单元
定义
图示
代表文献
双边联盟
二元联结
两个企业为实现共同目的而建立的收益共享、风险共担的合作关系
Dussague和Garrette(1995)
多边联盟
子网
三个或者更多的企业自愿达成一种单一联盟框架下的合作协议
Zeng和Chen(2003);
Li(2012)
联盟组合
自我中心网络
一种多个以一家企业为核心企业的联盟关系并存的组织形式
Gomes-Casseres(1996)
联盟网络
整体网络
成员企业之间组成的一系列联盟的集合
Gulati(1998)
注:
灰色实心原点代表焦点企业,空心原点代表伙伴企业。
资料来源:
詹也(2013),有修改。
通过上述对比可知,多边联盟和双边联盟的区别在于成员的多寡,而多边联盟和联盟组合、联盟网络的区别就在于合作框架的唯一性。
因而在多边联盟内部,成员之间的关系并非双边联盟中的双边交换关系,而是一种建立在共同目的基础上的广义交换关系(Generalizedexchangesrelationship)[]。
多边联盟中的广泛交换与双边联盟中的双边交换的差别在于它们各自遵循的原则不同。
有限交换的指导原则是基于直接互惠性的等值交换,当成员企业向其合作伙伴投入某项资源时,其合作伙伴应该向它提供相应的回报,否则这种交换关系就会终止。
而在广泛交换中,成员企业共同向联盟投入资源,最后从全体成员的合作成果中获取回报[11],但是它并不是作为一个孤立的企业去接受回报的,而是作为该多边联盟中的一员获得的。
因而有限交换是个体与个体之间的交换,而广泛交换实质上是个体与群体之间的交换。
2.2研究假设
2.2.1隐形资源与参与多边联盟决策
好的声誉往往能为企业带来较好的市场机遇和优质资源,而且因其稀缺性和不可复制
性[],常被视为帮助企业获得竞争优势的一种重要隐形资源[,]。
对于企业来说,其声誉的好坏对其决定是否加入多边联盟有着重要影响。
首先,当企业声誉较差时,企业为了改善自身的声誉,往往会滋生其寻求加入联盟的动机,但是此时企业的差声誉又制约了其可能获得的外部合作机遇[8],因而随着其声誉的不断提升,组织合法性的改善[],外部合作机遇将不断增加,其加入多边联盟的可能性就越大。
其次,多边联盟资源域的提高以及广义交换关系的存在,拓展了企业声誉这种隐形资源的利用空间。
再次,在合作过程中,因成员之间的冲突而导致联盟的解散会给成员声誉带来负面影响[],而多边联盟内部存在一个稳定的第三方[],它能有效地监督多边联盟成员的机会主义行为,强化成员之间的信任[],并倾向于积极解决内部可能危害联盟稳定的冲突[15]。
当企业声誉不断上升时,其价值就越大,企业就更为重视其声誉,因此企业随着其声誉的提高,为了避免自身声誉受损的风险,就更倾向于加入多边联盟。
基于此,特提出如下假设:
假设H1:
成员自身声誉和其是否加入多边联盟之间存在显著的正相关关系。
联盟经验也是企业的一种重要的隐形资源,可以应用到企业后续的联盟活动之中[],因而对企业未来的合作具有重要的影响[]。
Sampson(2005)[]指出,企业在参与联盟活动的过程中,会积累大量的联盟经验,这对企业自身的学习、能力的提升以及未来的成长具有重要的积极作用。
一方面,当企业联盟经验较少时,其联盟能力也相应的较差[],企业很难有效地利用联盟资源并通过学习来强化自身的竞争优势[],而加入多边联盟不仅可以丰富企业的联盟经验,强化自身联盟能力,还能帮助企业建立更多的直接联系(directtie)[],因而当企业较为缺乏联盟经验时,企业加入多边联盟的动机就更强烈,而当企业联盟经验不断丰富时,这种对能力和直接联系的需求动机就会不断弱化,从而降低企业加入多边联盟的概率。
另一方面,当企业联盟经验积累到一定程度时,企业对联盟管理的关键过程的理解就越清晰,解决联盟管理问题的能力就越强,这种能力优势不仅有助于企业降低对多边联盟中合作风险的担忧以及管理的复杂度[],还能提升企业对管理多边联盟的自信,同时高联盟经验还能吸引外部合作者的青睐,获得更多的合作机遇。
因此,当企业联盟经验的增加到一定程度后,它加入多边联盟的概率就越大。
假设H2:
联盟经验和其是否加入多边联盟之间存在显著的U型关系。
2.2.2网络中心度与参与多边联盟决策
个体在外部网络中的位置对其行为也有着重要影响[],同样企业在网络中的位置也会对影响其行为,当企业在网络中占据中心地位时,它可以获得信息优势和控制优势[],并获得较大的网络权力。
每个多边联盟的建立不可避免地会受到构建者之前由于相互之间的社会关系而形成的社会网络的影响[],而这些成员在网络中的中心度越高,其权力也就越大,其他成员对它的依赖就越高,此外,信息优势和控制优势使得企业对未来多边联盟中合作伙伴的机会主义行为有着较强的规制能力,从而企业就更愿意加入多边联盟[32]。
而且一个多方联盟通过吸收一个处于结构中心的成员,可以提高其紧密性或凝聚力,从而带来信任、合作、经常性的交流以及知识的交换等潜在收益。
故企业在前期网络中的中心度越高,其对潜在多边联盟合作伙伴的吸引力就越高,故它加入多边联盟的概率就越大。
此外,企业网络中心度过高时,容易形成一种高密度网络,导致密度冗余和结构冗余[31],前者会缩小企业的信息范围,后者会导致它在网络信息和资源的同质化,此时企业为突破这种高密度网络的限制,会倾向于加入多边联盟改善自身封闭的网络状况。
假设H3:
风险投资机构网络中心度和其是否加入多边联盟存在显著的正相关关系。
2.2.3隐形资源和网络中心度的交互作用
企业的隐形资源影响着其是否会加入多边联盟,而Gulati(1995)[]基于社会网络理论指出联盟的形成是企业外部社会联系的利用与其战略共同作用的结果,故可将企业加入联盟的行为视为企业利用现有网络的一种方式[32]。
企业对外部网络的利用能力又受制于其网络权力,网络权力又源于它在外部网络中的中心地位,因此企业的网络中心度越高,其利用外部社会联系的能力就越强。
当企业因自身声誉滋生加入多边联盟动机或获得多边合作机遇时,其网络中心度越高,越有助于企业通过有效地利用其外部联系将这种动机或机遇转化为行动。
而当企业因联盟经验劣势而产生加入多边联盟动机时,企业联盟经验越少,企业越是希望通过外部联系来实现其愿望,而随着联盟经验的提高,企业联盟经验劣势逐渐缩小,这种意愿的强烈程度会不断降低;
当企业联盟经验积累到一定程度时,联盟经验劣势逐渐转化为联盟经验优势,此时高网络中心度有助于企业选择较好的合作伙伴,并获得其可靠信息,降低其机会主义行为的风险,能进一步强化企业因优势而产生的加入多边联盟的动机。
综上所述:
假设H4:
网络中心度对企业隐形资源和其是否加入多边联盟之间的关系起正向调节作用。
即网络中心度正向调节企业声誉和其是否加入多边联盟之间的正相关关系,正向调节企业联盟经验和其是否加入多边联盟之间的U型关系。
3研究设计
3.1样本选取与数据搜集
本研究试图分析风险投资机构声誉、联盟经验和网络位置是否会影响其在未来会加入多边联盟,而风险投资机构投资项目的周期往往不超过3年,故本文选择2011-2013年这三年间的投资事件来构建投资网络,并分析风险投资机构在该网络中的网络位置。
首先在Wind的中国PEVC数据库提取2011-2013年间我国风险投资事件,并基于联合投资来构建2011-2013年间的风险投资机构网络,然后再搜集2014年我国风险投资事件,通过比对两组样本筛选出重复样本,再将有相关资料缺失的风险投资机构剔除出样本,最终得到总样本314家风险投资机构。
3.2变量及其测度
3.2.1自变量
(1)风险投资机构声誉不同研究对风险投资机构声誉的测量方式也不同,有学者单纯利用风险投资机构年龄来度量其声誉[],有的学者利用累计投资轮次来表示风险投资机构的声誉[],但这些测量方法往往是基于风险投资机构的经验来刻画其声誉的,而实际上风险投资机构的声誉往往源于其在市场上的表现,即其以往的投资绩效[8](Gu和Lu,2014),而对于风险投资机构来说,IPO退出能给它带来极高的投资回报的同时,还能提升其组织合法性[],此外并购退出也是风险投资机构获得投资回报的重要退出渠道,故在本研究中,通过计算风险投资机构在2000-2013年间其累计IPO退出次数与累计并购退出次数在总投资项目上的比重之和,以之来衡量风险投资机构的声誉。
(2)风险投资机构联盟经验风险投资机构的联盟经验源于其自身参与的联盟次数,故本研究以风险投资机构在2000-2013年间累计参与投资联盟的次数来衡量其联盟经验,其中衡量其是否参与投资联盟的标准是该风险投资机构是否和另外一家或更多风险投资机构在同一时间、同一轮次投资同一项目。
(3)风险投资机构网络中心度以风险投资机构在基于2011-2013年所有投资事件形成的投资网络中的特征向量中心度来衡量其网络中心度。
特征向量中心度是一种基于与特定行动者相连结的其他行动者的中心性来度量一个行动者(节点)的中心性指标,刻画的是某一个点在网络中的相对中心度。
它既测量了风险投资机构在网络中的伙伴数量,又反映了伙伴在行业网络中的地位,能很好地刻画其在网络中的中心性。
3.2.2因变量
由于本文探讨的是风险投资机构声誉、联盟经验和网络位置是否会影响其在未来会加入多边联盟,故本文以风险投资机构在2014年是否加入多边联盟为因变量,以哑变量形式表示。
根据多边联盟的定义,衡量其是否加入多边联盟的标准就是风险投资机构是否和另外两家或两家以上的风险投资机构在同一时间、同一轮次投资同一项目,如是,则赋值为1,如否,则赋值为0。
3.2.3控制变量
由于风险投资机构是否加入多边联盟可能受到某些因素的影响,风险投资机构年龄影响着其加入多边联盟的动机,而不同所有权属性的风投机构拥有差异化的资源禀赋[],风险投资机构总部所在区域又影响其对外部投资机遇的感知和把握,同时由于资源禀赋和抵御风险能力的制约,风险投资机构在当年投资项目的数量也会对其是否加入多边联盟构成影响。
故本文在借鉴相关研究的基础上,选取了风险投资机构年龄、风险投资机构总募资规模、风险投资机构是否有外资背景、风险投资机构是否有国资背景、风险投资机构总部所在区域和风险投资机构当年投资项目数量作为控制变量,以期更好地探讨自变量对因变量的影响。
同时考虑到网络结构洞可能会影响企业加入联盟的决策,本研究对风险投资机构的网络结构洞也进行了控制,此外由于已有研究表明企业的中心度和结构洞可能与企业加入联盟存在非线性关系,本研究还控制了网络中心度和结构洞的平方项。
表3提供了本研究各主要变量的说明。
表2主要变量说明
变量类型
变量代码
变量名称
测量及说明
被解释变量
MultiAlliance
是否加入多边联盟
哑变量,若风险投资机构加入多边联盟则为1,否则为0,
解释变量
Reputation
风险投资机构声誉
风险投资机构2000-2013年间IPO退出次数与并购退出次数之和
Centrality
风险投资机构网络中心度
风险投资机构在2011-2013年投资网络中的特征向量中心度
Experience
风险投资机构联盟经验
风险投资机构在2000-2013年间参与联合投资的次数
控制变量
Age
风险投资机构年龄
2014减去风险投资机构成立时间
Foreign
风险投资机构是否外资
哑变量,风投有外资背景则为1,否则为0
Government
风险投资机构是否国资
哑变量,风投有国资背景则为1,否则为0
Area
风险投资机构总部所在区域
哑变量,风险投资机构总部在北上广深,则为1,否则为0
Size
风险投资机构已完成募资规模
截止2013年风险投资机构的总募资规模
Number
风险投资机构当年投资项目
2014年风险投资机构投资项目数量
SHole
风险投资机构结构洞
风险投资机构在2011-2013年投资网络中的效率
4实证分析及结果
表3为主要变量的描述性统计和相关系数分析结果,由样本(N=314)中各风险投资机构的11个测量指标的分析结果组成。
从表3结果可知,所有相关系数均为超过0.75的阀值,说明本研究的共线性问题并不严重,在后面的Logit回归中将进一步检验共线性问题。
此外,结果显示风险投资机构联盟经验、网络中心度和当年投资的项目数量和其是否加入多边联盟显著相关,这在一定程度上支持了本文的理论假设。
而风险投资机构的声誉是否会显著影响其加入多边联盟则有待进一步的检验。
表3样本Pearson相关系数表(N=314)
Mean
S.D.
1
2
3
4
5
6
7
8
9
10
11
1.MultiAlliance
0.583
0.494
2.Age
9.414
11.810
0.037
3.Number
4.838
8.368
0.275***
0.109*
4.Area
0.592
0.492
0.060
-0.283***
0.018
5.Foreign
0.296
0.457
0.124**
0.411***
0.161***
-0.299***
6.Government
0.124
0.330
-0.053
-0.023
-0.032
-0.022
-0.244***
7.Size
11.474
1.669
0.116*
0.333***
0.197***
-0.024
0.077*
8.Centrality
3.756
5.812
0.336***
0.117**
0.623***
-0.015
0.313***
-0.091
0.247***
9.SHole
0.573
0.173
-0.084
0.051
0.072
0.021
-0.073
0.074
0.170***
10.Experience
13.076
24.231
0.182***
0.269***
0.606***
-0.036
0.222***
0.022
0.393***
0.648***
0.058
11.Reputation
0.091
0.140
0.217***
-0.062
0.042
0.028
0.180**
0.000
0.043
0.159***
表4则提供了各模型的回归结果。
其中在Model1中加入所有控制变量。
Model2在Model1的基础上加入风险投资机构声誉、联盟经验及其二次项和企业网络中心度作为自变量,以检验声誉、联盟经验和网络中心度对企业加入多边联盟决策的影响。
Model3则在Model2的基础上在加入企业网络中心度分别与风险投资机构声誉和企业联盟经验的交互项,以检验网络中心度和声誉、联盟经验对多边联盟形成的交互作用。
表4各模型Logit回归结果
Model1
Model2
Model3
-0.011(0.163)
0.084(0.181)
0.092(0.185)
2.499***(0.650)
2.413***(0.687)
2.224***(0.678)
0.437**(0.185)
0.416(0.198)
0.504**(0.210)
0.141(0.200)
0.042(0.214)
0.104(0.220)
0.032(0.171)
0.035(0.188)
-0.006(0.194)
0.133(0.184)
0.229(0.210)
0.191(0.214)
Centrality_2
0.540(0.328)
-0.158(0.260)
1.654(1.327)
-0.532***(0.200)
-0.708***(0.241)
-0.728***(0.244)
SHole_2
0.177(0.113)
0.308**(0.138)
0.312**(0.139)
2.129***(0.589)
2.431***(0.706)
0.459**(0.211)
0.930**(0.394)
-1.560**(0.706)
-1.827**(0.770)
Experience_2
0.218(0.216)
0.474(0.344)
Reputation×
1.266*(0.758)
Experience×
-2.179*(1.287)
Constant
0.572**(0.285)
0.850***(0.291)
0.676*(0.363)
N
314
-2Loglikelihood
208.048
189.385
182.803
Waldchi-square
60.419
79.082
85.663
、、分别表示在1%、5%、10%的水平下显著(双尾检验);
括号内为标准误差值。
表4中的回归结果显示,在Model2中,风险投资机构声誉的系数为正且显著(β=0.459,p<
0.05),说明风险投资机构声誉对其加入多边联盟正相关,故假设H1得到支持。
风险投资机构联盟经验的一次项系数为负且显著(β=-1.560,p<
0.05),但其二次项系数为正不显著(β=0.218,p>
0.1),这说明风险投资机构联盟经验和其加入多边联盟之间存在显著的负相关关系,故假设H2并未得到支持。
风险投资机构网络中心度的一次项系数为正且显著(β=2.129,p<
0.01),这说明风险投资机构在投资网络中的中心度和其加入多边联盟之间存在显著地正相关关系,故假设H3得到支持。
在Model3中,网络中心度和声誉的交互项系数为正且显著(β=1.266,p<
0.1),这说明风险投资机构网络中心度正向调节风险投资机构声誉和其加入多边联盟之间的正相关关系(见图1),此外,网络中心度和联盟经验的交互项系数为负且显著(β=-2.179,p<
0.1),由于风险投资机构联盟经验和其加入多边联盟之间存在显著的负相关关系,故回归结果说明在风险投资机构网络中心度正向调节风险投资机构联盟经验和其加入多边联盟之间的关系(见图2),即假设H4得到支持。
图1网络中心度对声誉和加入多边联盟关系的调节作用
图2网络中心度对联盟经验和加入多边联盟关系的调节作用
4结论与启示
本文检验了风险投资机构声誉、联盟经验和其在网络中的位置对它参与多边联盟的影响。
研究发现,风险投资机构声誉和它加入多边联盟存在显著的正相关关系,联盟经验和是否加入多边联盟有着显著的负相关关系,在网络中的中心度和是否加入多边联盟也有着显著地正相关关系,网络中心度显著正向调节企业声誉及联盟经验和其是否加入多边联盟之间的关系。
首先,本文的研究结论认为风险投资机构当前
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 组织与战略 隐形资源网络中心度对多边联盟形成的影响研究 组织 战略 隐形 资源 网络中心 多边 联盟 形成 影响 研究