基于PLS-SEM的网络密度对知识整合的作用机制：知识管理战略的中介作用-论文

第３１卷第２期　２０１４年１月　科技进步与对策　Ｖｏ１．３１　ＮＯ．Ｏ２　Ｊａｎ．２０１４　Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ　Ｐｒｏｇｒｅｓｓ　ａｎｄ　Ｐｏｌｉｃｙ　基于ＰＬＳ．ＳＥＭ的网络密度对知识整合的　作用机制：知识管理战略的中介作用　史丽萍，刘　强，腾　云　（哈尔滨工程大学经济管理学院，黑龙江哈尔滨１５０００１）　摘要：将知识管理战略分为外部知识导向、内部知识导向、显性知识导向、隐性知识导向、探索知识导向　及利用知识导向，搭建了网络密度、知识管理战略和知识整合关系概念模型。采用基于ＰＬＳ的ＳＥＭ模型，　通过Ｒｅ—ｓａｍｐｌｅ技术结合Ｓｍａｒｔ　ＰＬＳ　２．０软件验证了理论假设，实证分析了网络密度对知识整合的作用　机制，诠释了知识管理战略的中介作用。最终结果显示：各模型的拟合优度较高，具有一定的解释力，网络　密度对知识整合有显著性正向影响；知识管理战略的６个维度均对知识整合产生显著性正向影响；知识管　理战略在网络密度与知识整合之间起部分中介作用。　关键词：网络密度；知识管理；知识整合；结构方程模型　ＤＯＩ：１０．６０４９／ｋｊｊｂｙｄｃ．２０１３０２０２６７　中图分类号：Ｇ３０２　文献标识码：Ａ　文章编号：１００１—７３４８（２０１４）０２—０１４９—０５　０　引言　在全球化竞争日趋激烈的背景下，加强企业知识　整合和传播成为获取竞争优势的重要手段ｎ］。随着市　场竞争的深化与分工的演进，知识整合已经由企业内　部扩展到企业组织之间，知识共享和转化开始在企业　网络层面发生　］。因此，积极有效地在企业内外部建立　网络，广泛获取内外部知识是企业应对竞争日益激烈　的市场环境和技术环境的主要途径。随着技术联盟、　关内容，但存在如下不足：①缺少统一性、系统性和整　合性的知识管理战略理论分析框架；②实证验证网络　密度、知识管理战略不同维度、知识整合间关系的成果　较少。针对现有研究的不足，本文依据相关文献，以知　识管理战略为中介变量搭建网络密度、知识管理战略　和知识整合之间逻辑关系的概念模型。运用基于偏最　小二乘法（ＰＬＳ）的结构方程模型（ＳＥＭ），采用Ｒｅ—　ｓａｍｐｌｅ技术结合Ｓｍａｒｔ　ＰＬＳ　２．０软件验证网络密度、知　识管理战略与知识整合之间的理论关系，着重验证知　产业集群、创新网络等社会网络组织的不断涌现，从社　会网络视角研究企业内和企业间的知识整合问题成为　学术界专注的热点之一。其中，网络密度作为社会网　识管理战略的不同维度在网络密度与知识整合之间的　部分中介作用。实证分析结果将为扩大和拓展网络密　度，制定、匹配和实施合理高效的知识管理战略，进一　步增强知识整合能力提供实践指导。　络的重要特性，受到学者们的广泛关注。Ｒｅａｇａｎｓ［３］、朱　亚丽等　的研究表明，社会网络特征，如网络密度和网　络位置都与知识整合密切关联。　网络密度通过何种传导路径作用于知识整合引起　了高度重视和热切关注。拓宽网络密度，匹配和制定　理论基础及研究假设　１．１知识管理战略与知识整合　国内外学者就知识管理战略的内涵和建构维度各　抒己见，综合国内外知识管理战略相关成果，认为知识　管理战略包括６个建构维度，依次为外部知识导向、内　部知识导向、显性知识导向、隐性知识导向、探索知识　正确的知识管理战略，合理开发和利用知识资源，成为　提升知识整合能力的重要途径和实现路径。虽然国内　外学者研究了网络密度、知识管理战略、知识整合的相　收稿日期：２０１３－０４—０８　基金项目：国家自然科学基金项目（７１２７１０６３）；国防科技工业技术基础科研计划项目（ＧＺ２０１１Ｏ１Ｏ）；国家软科学研究计划项目　（２００８ＧＸＱ６Ｄ１５２）；黑龙江省自然科学基金项目（Ｇ２０ｌ１２１）　作者简介：史丽萍（１９６０一），女，黑龙江哈尔滨人，哈尔滨工程大学经济管理学院教授、博士生导师，研究方向为工业工程与管理工程、现　代企业运营管理；刘强（１９８６一），男，辽宁鞍山人，哈尔滨工程大学经济管理学院博士研究生，研究方向为工业工程与管理工　程、知识管理；腾云（１９８０一），女，黑龙江牡丹江人，哈尔滨工程大学经济管理学院博士研究生，研究方向为工业工程与管理工　程、知识管理。　科技进步与对策　２Ｏ１４年　导向和利用知识导向　。外部知识导向强调从企业外　部知识源获取知识　ｊ。内部知识导向强调从企业内部　知识源（知识源包括企业内部专家、员工头脑、嵌入在　组织行为、文档和流程中的知识）获取知识　“ｊ。显性　知识导向强调企业将知识与人分离，通过将知识编码、　人与文档交互传递、获取和使用知识，并将知识存储于　文档和嵌入到已结构化的数据库中　Ⅷ。隐性知识导　向强调知识与人的不可分割性，主要通过非正式交流、　师徒制模式等形式传递、获取和使用知识，并将知识隐　性地嵌入和存储于企业内部员工的头脑、心智模式和　人际网络中　”］。ＺａｃｋＩ５　界定了探索知识导向和利用　知识导向的内涵，认为探索知识导向是指企业为改变　和超越已有的知识基础、更好地适应环境变化，获取新　知识所产生的先发优势，寻求和进一步探索新知识，脱　离和更新已有的知识结构和知识体系；利用知识导向　是与探索知识导向相对应的概念，主要强调在现有知　识基础、结构和体系的基础上，采取一定措施提炼、整　合、深化、挖掘、改进和综合知识。　Ｓｃｈｕｌｚ和Ｊｏｂｅｌ１们认为，隐性知识导向的知识管理　战略通过隐性知识的非正式交流和沟通、师徒制模　式、员工心智模式互动、人际网络的变动和完善等形　式获取、传递、提炼、深化和整合知识，促进企业对外　部知识和内部知识的整合和综合。Ｐａｉ　认为隐性知　识导向、显性知识导向、外部知识导向和内部知识导　向的知识管理战略有利于企业对外部知识的挖掘、获　取、共享和转移。在转移、共享、挖掘、获取外部知识　的基础上，促进企业内部知识的筛选、摒弃、整合、重　构、综合和应用等。Ｃｈｏｉ和Ｉ　ｅｅ１　］认为，知识管理战略　促进企业从外部源获取新知识，夯实自身的知识基　础，超越和更新自身的知识结构和知识体系，增强隐　性知识向隐性知识转化的知识社会化过程、隐性知识　向显性知识转化的知识外显化过程、显性知识向显性　知识转化的知识整合过程以及显性知识向隐性知识　转化的知识内在化过程，创新新知识，加快知识传递、　流动和扩散速率，有利于整合内部知识和外部知识。　探索知识导向有利于探索、创造和应用全新的知识，　降低路径依赖效应和锁定效应，在打破原有冗余的知　识结构和知识体系的基础上，努力开发和创造具有新　颖性、多样性和非冗余的知识，拓宽知识搜索范围，促　进新知识整合　。一。利用知识导向强调对现有知识的　进一步改进、完善和拓展，深入吸收、消化、理解信息　和知识，为知识整合打开通道　。　假设１：完善健全的知识管理战略对知识整合有显　著的正向影响。　１．２　网络密度与知识整合　网络密度是反映和表征网络内部企业和企业之间　相互联系密集程度的特征变量，是一种潜在的战略性　资源，它是网络中客观存在的联系链接数量与网络中　可能存在的联系链接数量的比值　。嵌入性理论认　为网络密度强调网络内部企业和企业之间联系的密集　程度，联系的高密集程度有利于网络内企业和企业之　间的技术集成、资源集成和知识集成，增强关系专有资　产投入的数量和质量，彼此之间具有高深度和宽广度　的沟通频率，信息的共享及传递形成和培育促进知识　整合的认知模式、行为模式及惯例、准则、态度、信念框　架等，并驱动网络内企业在知识整合过程中形成共同　的技术范式，捕捉和抓住新的机会，重构和转变新的能　力、方法和流程，整合多样化经营领域中的显性知识、　隐性知识、技术经验、技术诀窍等，促进知识整合　。　鉴于上述分析，提出理论假设：　假设２：网络密度越大，越有利于知识整合。　１．３网络密度、知识管理战略与知识整合　李志刚和汤书昆等认为网络密度越大，越能缩短　知识发送方和知识接收方之间知识传递和扩散的平均　路径，加速信息传递、流动和扩散速率，传播显性知识　和隐性知识，将从外部获取的知识在网络内各企业共　享和交流。Ｃｏｌｅｍａｎ＿２　认为，当网络密度较大时，网络　内企业和企业之间存在广泛、较为深人的联系链接，促　进信息的传递、扩散和流动，有利于知识获取、共享、转　移、挖掘、融合、重构和整合。当网络密度较大时，网络　内企业间有更多的合作沟通契机，有利于产生信任和　关系承诺，共享信念框架、心智模式、行为准则、处事哲　学、价值观念等软要素，便于网络内企业从外部获取显　性知识和隐性知识，在企业内部传递和沟通核心类知　识、共同利用和探索知识。网络密度越大，越有利于促　成网络内部企业和企业之间的合作，合作行为对各企　业的机会主义行为和败德行为产生约束效用，增强知　识发送方和知识接收方之间的信任以及知识发送方发　送知识的信心，消除知识发送方对知识被滥用的疑虑，　知识发送方表现出强烈的发送意愿，知识顺畅地转移，　便于网络内企业获取外部的核心类显性知识和隐性知　识，共同探索新的显性知识和隐性知识Ｄ　，在原有知识　基础、知识结构和知识体系的基础上，提炼、综合、更新　和利用已有的知识结构和知识体系进行产品创新和工　艺创新，并且在企业内部共享、传递、沟通、转移、融合、　整合及重构显性知识和隐性知识，促进网络内各企业　顺利开展和实施知识整合活动。据此，提出以下假设：　假设３：网络密度越大，越有利于完善和健全知识　管理战略。　假设４：网络密度主要通过完善及健全知识管理战　略，间接促进知识整合，完善和健全的知识管理战略是　网络密度与知识整合关系间的部分中介变量或完全中　介变量。　第２期　史丽萍，等：基于ＰＬＳ－ＳＥＭ的网络密度对知识整合的作用机制：知识管理战略的中介作用　综合以上假设，构建了网络密度、知识管理战略与　．１５１．　表１　基于ＳＰＳＳ１８．０软件的量表相关检验结果　知识整合关系概念模型，见图１。　图１　网络密度、知识管理战略与知识整合之间关系的概念模型　２研究设计　２．１研究样本分析　本文的调研对象涉及高技术产业的中高层管理人　员，主要由于高技术企业与同行内企业或不同行业内　企业有较长的合作经历和网络联系。共发放调查问卷　５８０份，回收问卷５１２份，删除无效问卷６６份，有效问　卷４４６份，问卷有效率为７６．９　。其中：国有及国有控　股企业２０４家，占４５．７４　；三资企业９ｉ家，占２Ｏ．４　、　私营企业１５１家，占３３．８６％。企业规模中，大中型企　业２８９家，占６４．８Ｏ　，小型企业１５７家，占３５．２　。　２．２量表相关检验　表１显示了量表相关检验结果。量表内容的确定　遵循国内络密度、知识管理战略（包括内部知识导　向、外部知识导向、显性知识导向、隐性知识导向、探索　知识导向、利用知识导向）、知识整合相关文献和具有　说服力的量表，其中知识管理战略参考和借鉴Ｚａｃｋ等、　Ｓｃｈｕｌｚ等、李忆等的相关文献和具有说服力的量表；知　识整合参考和借鉴简兆权等、Ｂｕｒｌｅｙ等　、吴枫韵等　钉　的相关文献和具有说服力的量表，共有８个测量指标；　网络密度量表主要参考和借鉴谢洪明等、李志刚等的　相关文献，共有８个测量指标。遵循信度检验ａ值（一　般大于０．７）、ＫＭＯ（须大于０．６）、累积解释总方差数量　（大于基本标准５０　）及因子载荷（大于０．５）的基本条　件和准则，表１中信度和效度指标均显著，量表通过了　信度检验和效度检验。　３　结果分析　基于ＰＬＳ—ＳＥＭ的优点，采用基于偏最小二乘法　的ＳＥＭ验证图１概念模型中的相关理论假设，实证分　析网络密度、知识管理战略（外部知识导向、内部知识　导向、显性知识导向、隐性知识导向、探索知识导向及　利用知识导向）６个维度与知识整合之间的关系。ＰＬＳ　变量指标………翠　０．６９５　０．７３５　０．７６５　０．７２１　知识整合　ｏ．８８　０．７８９　０．７４５　０．７１９　０．７３９　０．６２４　０．８５４　０．６３２　０．６８４　网络密度　ｏ．８３２　０．７６４　０．７７９　０．７８９　０．７０３　０．７９０　外部知识　０．８０７　ｏ．７９５　导向　０．８Ｏ１　０．７５７　０．７１４　内部知识　０．８１７　ｏ．８０９　导向　０．８６２　０．８０９　０．８２０　显性知识　０．８７６　０．８５９　导向　０．８４８　０．８Ｉ９　０．８Ｏ６　隐性知识　０．８４５　０．８２７　导向　０．８０２　０．８Ｏ１　０．８１０　探索知识　０．８５３　０．８６４　导向　０．８７８　０．８３１　０．８１２　利用知识　０．８７０　０．８８０　导向　０．９０９　０．８４１　的全局匹配拟合优度指标ＧｏＦ一￣／ＡＶＺＥ×Ｒ２，是评　价ＰＬＳ—ＳＥＭ模型拟合优度的重要指标，经计算得到　ＧｏＦ数值大于高影响的边际数值０．３６。ＰＬＳ—ＳＥＭ模　型具有高度全局、有效的拟合优度。运用基于ＰＬＳ的　ＳＥＭ模型，采用Ｒｅ—ｓａｍｐｌｅ技术结合Ｓｍａｒｔ　ＰＬＳ　２．０　软件对显变量对应的数据重新抽取５００次，得到ＰＬＳ—　ＳＥＭ结果，如图２和表２所示，概念模型的标准化路径　系数及作用路径成立。前置的外生潜变量网络密度解　释其对应内生潜变量知识整合的５１．２　（Ｒ　一０．５１２），　前置的外生潜变量知识管理战略的６个维度（外部知　＞科技进步与对策　２０１４，正　识导向、内部知识导向、显性知识导向、隐性知识导向、　探索知识导向及利用知识导向）共同解释其对应内生　潜变量知识整合的４２．４　（Ｒ。一０．４２４），前置的外生潜　变量网络密度对知识管理战略的６个维度（外部知识　导向、内部知识导向、显性知识导向、隐性知识导向、探　索知识导向及利用知识导向）的解释程度均达到了　３Ｏ　的较好水平。ＰＩ　Ｓ—ＳＥＭ模型结果具有较高的解　释性。　网络密度和利用知识导向之间系数是０．２２４，Ｐ一　０．０２９小于０．０５，表明网络密度对利用知识导向有显著　正向影响。网络密度和探索知识导向之间系数是０．　２３８，ｐ一０．０２５小于０．０５，表明网络密度对探索知识导　向有显著正向影响。网络密度和显性知识导向之间系　数是０．２８５，ｐ一０．００５　５，小于０．０１，表明网络密度对显　性知识导向有显著正向影响。网络密度和隐性知识导　向之间的系数是０．１９９，Ｐ一０．０３２小于０．０５，表明网络　密度对隐性知识导向有显著正面影响。网络密度和外　部知识导向之间系数是０．４８４，Ｐ一０．００３　５，小于０．０１，　表明网络密度对外部知识导向有显著正向影响。网络　密度和内部知识导向之间系数是０．４６Ｉ，Ｐ一０．０４６，小　于０．０ｌ，表明网络密度对内部导向有显著正向影响。　相比而言，网络密度对知识管理战略中外部知识导向　的正面影响最明显，其次是内部知识导向。　利用知识导向和知识整合之间系数是０．１７９，Ｐ一　０．０３４，小于０．０５，表明利用知识导向对知识整合有显　著正向影响。探索知识导向和知识整合之间系数是　０．１８２，Ｐ一０．０２７，小于０．０５，表明探索知识导向对知识　整合有显著正向影响。显性知识导向和知识整合之间　系数是０．２４４，ｐ一０．０１８，小于０．０５，表明显性知识导向　对知识整合有显著正向影响。隐性知识导向和知识整　合之间系数是０．２３６，ｐ一０．０２４，小于０．０５，表明隐性知　识导向对知识整合有显著正向影响。外部知识导向和　知识整合之间系数是０．５２１，Ｐ一０．０００，小于０．０５，表明　外部知识导向对知识整合有显著正向影响。内部知识　导向和知识整合之间系数是０．４８４，Ｐ一０．０００，小于０．　０５，表明内部知识导向对知识整合有显著正向影响。　相比而言，外部知识导向对知识整合的正向影响最明　显，其次是内部知识导向。　网络密度和知识整合之间系数是０．３２１，Ｐ一　０．００８，小于０．０１，表明网络密度对知识整合有显著正　向影响。基于偏最小二乘法的结构方程模型的实证分　析结论进一步表明，利用知识导向、探索知识导向、显　性知识导向、隐性知识导向、外部知识导向和内部知识　导向均为网络密度与知识整合关系间的部分中介变　量，部分传递网络密度和知识整合之间的关系，即知识　管理战略在网络密度与知识整合关系间起部分中介作　用，说明网络密度在一定程度上主要通过影响知识管　理战略间接作用于知识整合。　图２　基于偏最小二乘法的结构方程模型的标准化路径　表２基于偏最小二乘法的ＳＥＭ分析结果　４　结语　本文以知识管理战略为中介变量，构建了网络密　度、知识管理战略和知识整合之间的逻辑关系概念模　型，并运用基于ＰＬＳ的ＳＥＭ模型，采用Ｒｅ—ｓａｍｐｌｅ技　术结合Ｓｍａｒｔ　ＰＬＳ　２．０软件验证网络密度、知识管理战　略与知识整合之间的理论关系，最终结果显示：利用知　识导向、探索知识导向、显性知识导向、隐性知识导向、　外部知识导向和内部知识导向均为网络密度与知识整　合关系问的部分中介变量，部分传递网络密度与知识　整合之间的关系，即知识管理战略在网络密度与知识　整合关系间起部分中介作用，说明网络密度在一定程　度上主要通过影响知识管理战略而间接作用于知识整　合。网络密度并非直接促进知识整合，而是需要经过　知识管理战略这一中间环节来实现。因此，应制定和　实施合理的与企业知识现状、企业发展现状相匹配的　知识管理战略，形成探索知识导向、利用知识导向、显　性知识导向、隐性知识导向、外部知识导向和内部知识　导向，实施具有针对性的探索知识战略、利用知识战　略、显性知识战略、隐性知识战略、外部知识战略和内　部知识战略。本文丰富了知识管理战略、知识整合研　究，将网络密度、知识管理战略和知识整合有效地整合　在一起，并为扩大和拓展网络密度，制定、匹配和实施　第２期　史丽萍，等：基于ＰＬＳ－ＳＥＭ的网络密度对知识整合的作用机制：知识管理战略的中介作用　合理高效的知识管理战略，进一步增强知识整合能力　提供了实践指导。　参考文献：　［１］　谢洪明，王现彪，吴溯．集群、网络与ＬＩＶｓ的创新研究［Ｊ］．　科研管理，２００８，２７（６）：２３－２９．　ｍｅｎｔ　Ｓｔｕｄｉｅｓ，１９９６，３３（３）：３６卜３　７９．　．１５３．　［１３３　ＪＯＲＤＡＮ　Ｊ，Ｊ０ＮＥｓ　Ｐ．Ａｓｓｅｓｓｉｎｇ　ｙｏｕｒ　ｃｏｍｐａｎｙ’ｓ　ｋｎｏｗｌ—　ｅｄｇｅ　ｍａｎａｇｅｍｅｎｔ　ｓｔｙｌｅ［Ｊ］．Ｌａｎｇ　Ｒａｎｇｅ　Ｐｌａｎｎｉｎｇ，１９９７，　３０（３）：３９２—３９８．　［１４］　ＣＨＯＩ　Ｂ，ＬＥＥ　Ｈ．Ｋｎｏｗｌｅｄｇｅ　ｉｎａｎａｇｅｍｅｎｔ　ｓｔｒａｔｅｇｙ　ａｎｄ　ｉｔｓ　ｌｉｎｋ　ｔｏ　ｋｎｏｗｌｅｄｇｅ　ｃｒｅａｔｉｏｎ　ｐｒｏｃｅｓｓ［Ｊ］．Ｅｘｐｅｒｔ　Ｓｙｓ—　ｔｅｍｓ　ｗｉｔｈ　Ａｐｐｌｉｅａｔｉｏｎｓ，２００２（２３）：１７３—１８７．　［１５］李亿，司有和．知识管理战略、组织能力与绩效的关系实　［２］　芮明杰，刘明宇．网络状产业链的知识整合研究［Ｊ］．中国　工业经济，２００６（１）：４９—５５．　证研究＿Ｊ］．南开管理评论，２００９，１２（６）：６９—７６．　［１　６］　Ｒ０ＴＨＡＥＲＭＥＬ，ＤＥＥＤＳ　Ｄ　Ｌ．Ｅｘｐｌｏｒａｔｉｏｎ　ａｎｄ　ｅｘｐｌｏｉｔａ—　［３］　ＲＥＡＧＡＮＳ　Ｒ．ＭＣＥＶＩＬＹ　Ｂ．Ｎｅｔｗｏｒｋ　ｓｔｒｕｃｔｕｒｅ　ａｎｄ　ｋｎｏｗ－　ｌｅｄｇｅ　ｔｒａｎｓｆｅｒ：ｔｈｅ　ｅｆｆｅｃｔｓ　ｏｆ　ｃｏｈｅｓｉｏｎ　ａｎｄ　ｒａｎｇｅ［Ｊ］．Ａｄ—　ｍｉｎｉｓｔｒａｔｉｖｅ　Ｓｃｉｅｎｃｅ　Ｑｕａｒｔｅｒｌｙ，２００３，４８（２）：２４０—２６７．　［４］　朱亚丽，徐青，吴旭辉．网络密度对企业间知识转移效果的　影响——以转移双方企业转移意愿为中介变量的实证研究　ＥＪ］．科学学研究，２０１１，２９（３）：４２７—４３１．　［５］　ＺＡＣＫ　Ｍ．Ｄｅｖｅｌｏｐｉｎｇ　ａ　ｋｎｏｗｌｅｄｇｅ　ｓｔｒａｔｅｇｙ　ＥＪ］．Ｃａｌｉｆｏｒｎｉａ　Ｍａｎａｇｅｍｅｎｔ　Ｒｅｖｉｅｗ，１９９９，４１（３）：１２５—１４３．　［６］　ＣＨ０Ｉ　Ｂ，Ｐ００Ｎ　Ｓ　Ｋ，ＤＡＶＩＳ　Ｇ　Ｊ．Ｅｆｆｅｃｔｓ　ｏｆ　ｋｎｏｗｌｅｄｇｅ　ｍａｎａｇｅｍｅｎｔ　ｓｔｒａｔｅｇｙ　ｏｎ　ｏｒｇａｎｉｚａｔｉｏｎａｌ　ｐｅｒｆｏｒｍａｎｃｅ：ａ　ｃｏｒｎ—　ｐｌｅｍｅｎｔａｒｉｌｙ　ｔｈｅｏｒｙ—ｂａｓｅｄ　ａｐｐｒｏａｃｈ［Ｊ］．Ｏｍｅｇａ　ｔｈｅ　Ｉｎｔｅｒ—　ｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ　Ｓｃｉｅｎｃｅ，２００８（３６）：２３５—　２５１．　［７３　马宏建，芮明杰．知识管理策略与知识创造ＦＪ］．科研管　理，２００７，２８（１）：３８—４１．　［８］　卢锐，盛昭瀚．企业知识战略的属性研究＿Ｊ］．中国管理科　学，２００７，１５（２）：１２１－１２５．　［９］　ＰＡＩ　Ｄ　Ｃ．Ｋｎｏｗｌｅｄｇｅ　ｓｔｒａｔｅｇｉｅｓ　ｉｎ　Ｔａｉｗａｎ’ｓ　ＩＣ　ｄｅｓｉｇｎ　ｆｉｒｍｓ　Ｕ－Ｉ．Ｊｏｕｒｎａｌ　ｏｆ　Ａｍｅｒｉｃａｎ　Ａｃａｄｅｍｙ　ｏｆ　Ｂｕｓｉｎｅｓｓ，２００５，７　（２）：７３—７７．　［１Ｏ］　ＳＣＨＵＬＺ　Ｍ。ＪＯＢＥ　Ｌ　Ａ．Ｃｏｄｉｆｉｃａｔｉｏｎ　ａｎｄ　ｔａｃｋｉｎｅｓｓ　ａｓ　ｋｎｏｗｌｅｄｇｅ　ｍａｎａｇｅｍｅｎｔ　ｓｔｒａｔｅｇｉｅｓ：ａｉ１　ｅｍｐｉｒｉｃａｌ　ｅｘｐｌｏｒａ—　ｔｉｏｎ　ｆＪ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｈｉｇｈ　Ｔｅｃｈｎｏｌｏｇｙ　Ｍａｎａｇｅｍｅｎｔ　Ｒｅ—　ｓｅａｒｃｈ，２００１（１２）：１３９—１６５．　［１１］　ＮＥＶＩＳ　Ｅ　Ｃ，ＤＩＢＥＬＬＡ　Ａ　Ｊ，ＧＯＵＬＤ　Ｍ　Ｊ．Ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｏｒｇａｎｉｚａｔｉｏｎｓ　ａｓ　ｌｅａｒｎｉｎｇ　ｓｙｓｔｅｍｓ［Ｊ］．Ｓｌｏａｎ　Ｍａｎａｇｅｍｅｎｔ　Ｒｅｖｉｅｗ，１９９５，３６（２）：７３—８５．　［１２］　ＤＩＢＥＬＬＡ　Ａ　Ｊ，ＮＥＶＩＳ　Ｅ　Ｃ，ＧＯＵＬＤ　Ｍ　Ｊ．Ｕｎｄｅｒｓｔａｎｄｉｎｇ　ｏｒｇａｎｉｚａｔｉｏｎａｌ　ｌｅａｒｎｉｎｇ　ｃａｐａｂｉｌｉｔｙ　Ｉ－Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｍａｎａｇｅ—　ｔｉｏｎ　ａｌｌｉａｎｃｅｓ　ｉｎ　ｂｉｏｔｅｃｈｎｏｌｏｇｙ：ａ　ｓｙｓｔｅｍ　ｏｆ　ｎｅｗ　ｐｒｏｄｕｃｔ　ｄｅｖｅｌｏｐｍｅｎｔ［Ｊ］．Ｓｔｒａｔｅｇｉｃ　Ｍａｎａｇｅｍｅｎｔ　Ｊｏｕｒｎａｌ，２００４，　２５（３）：２０１—２２１．　ｒ１７］　Ｒ０ＷＬＥＹ　Ｔ，ＢＥＨＲＥＮＳ　Ｄ，ＫＲＡＣＫＨＡＲＤＴ　Ｄ．Ｒｅｄｕｎ－　ｄａｎｔ　ｇｏｖｅｒｎａｎｃｅ　ｓｔｒｕｃｔｕｒｅｓ：ａｎ　ａｎａｌｙｓｉｓ　ｏｆ　ｓｔｒｕｃｔｕｒａｌ　ａｎｄ　ｒｅｌａｔｉｏｎａｌ　ｅｍｂｅｄｄｅｄｎｅｓｓ　ｉｎ　ｔｈｅ　ｓｔｅｅｌ　ａｎｄ　ｓｅｍｉｃｏｎｄｕｃｔｏｒ　ｉｎ－　ｄｕｓｔｒｉｅｓ［Ｊ］．Ｓｔｒａｔｅｇｉｃ　Ｍａｎａｇｅｍｅｎｔ　Ｊｏｕｒｎａｌ，２０００，２　１　（３）：３６９—８６．　［１８］　谢洪明，赵丽，程聪．网络密度、学习能力与技术创新的　关系研究［Ｊ］．科学学与科学技术管理，２０１１，３２（１０）：５７—　６３．　［１９］谢洪明，陈盈，程聪．网络密度、知识流入对企业管理创　新的影响ｆＪ］．科学学研究，２０１１，２９（１０）：１５４２—１５４８．　［２Ｏ］ＤＹＥＲ　Ｊ　Ｈ，ＳＩＮＧＨ　Ｈ．Ｔｈｅ　ｒｅｌａｔｉｏｎａｌ　ｖｉｅｗ：ｃｏｏｐｅｒａｔｉｖｅ　ｓｔｒａｔｅｇｙ　ａｎｄ　ｓｏｕｒｃｅｓ　ｏｆ　ｉｎｔｅｒ０ｒｇａｎｉｚａｔｉ０ｎａｌ　ｃｏｍｐｅｔｉｔｉｖｅ　ａｄ—　ｖａｎｔａｇｅ　Ｉ－Ｊ］．Ａｃａｄｅｍｙ　ｏｆ　Ｍａｎａｇｅｍｅｎｔ　Ｒｅｖｉｅｗ，１９９８，２３：　６６０—６７９．　－１２　１］　ＣＯＬＥＭＡＮ　Ｊ　Ｓ．Ｓｏｃｉａｌ　ｃａｐｉｔａｌ　ｉｎ　ｔｈｅ　ｃｒｅａｔｉｏｎ　ｏｆ　ｈｕｍａｎ　ｃａｐｉｔａｌ［Ｊ］．Ａｍｅｒｉｃａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｓｏｃｉｏｌｏｇｙ，２０１１，２９（３）：　４２７—４３１．　ｒ２２］　ＢＵＲＬＥＹ　Ｄ，ＳＡＶＩＯＮ　Ｓ．Ｋｎｏｗｌｅｄｇｅ　ｉｎｔｅｇｒａｔｉｏｎ　ｔｈｒｏｕｇｈ　ｓｙｎｔｈｅｔｉｃ　ｗｏｒｌｄｓ［Ｊ］．Ｔｈｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｋｎｏｗｌｅｄｇｅ　Ｍａｎａｇｅｍｅｎｔ　Ｓｙｓｔｅｍｓ，２０１０，４０（１）：７１—８２．　［２３］　昊枫韵，陈国宏，蔡猷花．产业集群网络、知识整合与创　新绩效的关系研究口］．中国管理科学，２０１１，１９（１０）：　１１４一ｌ２０．　（责任编辑：万贤贤）