組織學習：創(chuàng)業(yè)導向和組織績效的中介變量？

宋典　楊燁

摘要：文章為探究創(chuàng)業(yè)導向與組織績效兩者之間的中介機制，應用結(jié)構(gòu)方程元分析模型進行分析，結(jié)果表明，創(chuàng)業(yè)導向與組織學習和組織績效的相關系數(shù)分別為0.417和0.379，組織學習與組織績效則為0.461，同時，組織學習是創(chuàng)業(yè)導向和組織績效之間的部分中間變量。結(jié)論表明，企業(yè)不僅需要保持較高的創(chuàng)新、超前行動和承擔風險的傾向，還需強化學習承諾、共享愿景和保持開放式的心智，注重探索性、挖掘式學習，只有這樣創(chuàng)業(yè)導向才能有效地轉(zhuǎn)化為組織績效。

關鍵詞：創(chuàng)業(yè)導向;組織學習;組織績效;結(jié)構(gòu)方程元分析

創(chuàng)業(yè)導向是創(chuàng)業(yè)研究的基石（Wales，Monsen&McKelvie，2011）。盡管很多Engelen et al（2015）等研究表明創(chuàng)業(yè)導向?qū)M織績效有積極影響，但在Dimitratos，Lioukas&Carter（2004）等人的研究中沒有得到證明。結(jié)論差異的可能原因是兩者關系會受很多中介變量的影響（Felipe，Juan&Benito，2017），必須深入關注創(chuàng)業(yè)導向轉(zhuǎn)變?yōu)榻M織績效的中介作用機制，否則就無法構(gòu)建一個全面理解創(chuàng)業(yè)導向和組織績效關系的框架（Wiklund&Shepherd，2005）。部分學者探討了組織學習在創(chuàng)業(yè)導向和組織績效之間的中介作用，但效應值有較大差異（Anderson，Covin，Slevin，2009），不難看出，應用適當?shù)姆椒▽⒍囗椨嘘P組織學習在創(chuàng)業(yè)導向和組織績效之間中介效應的研究進行整合有助于深化對此問題的探討。

為此，有學者指出可應用結(jié)構(gòu)方程元分析模型（Meta-analytic Structural Equation Modeling，簡稱MASEM）將多項中介效應的研究進行整合（Van Essen，et al 2012）。它可以對多個競爭模型進行比較，加入預測變量、中介變量或結(jié)果變量，有助于深化認識理論的邊界、結(jié)構(gòu)和缺點。研究的目的是在元結(jié)構(gòu)方程模型闡述的基礎上，應用MASEM方法分析組織學習在創(chuàng)業(yè)導向和組織績效關系之間的中介作用大小。研究將采用結(jié)構(gòu)方程元分析模型，回答組織學習是否是創(chuàng)業(yè)導向與組織績效之間中介變量的問題，不僅有助于更為全面地剖析創(chuàng)業(yè)導向轉(zhuǎn)變?yōu)榻M織績效的中間作用機制，且有助于創(chuàng)業(yè)理論和組織學習理論的融合。

一、結(jié)構(gòu)方程元分析模型概念和原理

（一）結(jié)構(gòu)方程元分析模型的起源

結(jié)構(gòu)方程元分析模型是結(jié)構(gòu)方程模型和傳統(tǒng)元分析模型的結(jié)合，也被稱之為元路徑分析（meta-analytic path analysis）或基于相關系數(shù)的元路徑分析。MASEM模型的基本思路是綜合相關（或協(xié)議差）矩陣轉(zhuǎn)制為聯(lián)合相關（或協(xié)方差）矩陣，并在此基礎上依據(jù)聯(lián)合相關（協(xié)方差）矩陣驗證結(jié)構(gòu)方程模型（Cheung&Chan，2005）。MASEM 估計包括通過多變量元分析技術測算出聯(lián)合相關系數(shù)矩陣和應用聯(lián)合相關系數(shù)矩陣來進行模型的驗證。在結(jié)構(gòu)方程元分析模型中，應用比較廣泛的是由Mike W.L.Cheung開發(fā)的基于兩階段結(jié)構(gòu)方程模型，聯(lián)合矩陣估計常用的方法是全信息最大似然法，優(yōu)點是估計偏差較小，標準差估計更準確。

（二）結(jié)構(gòu)方程元分析模型原理和兩階段分析

MASEM模型大致可分為固定和隨機兩種模型。固定效應模型假設所有的研究有共同的效應值。在MASEM模型下，假設樣本量的相關系數(shù)矩陣對所有研究都是相同的。隨機效應模型假設各獨立研究來源于多個樣本分布。固定和隨機效應模型的分析都可以分為兩個階段，也被稱為兩階段結(jié)構(gòu)方程型（two-stage structural equation modeling，簡稱TSSEM）：

第一階段：TSSEM分析的主要任務是計算聯(lián)合相關系數(shù)矩陣，主要分為固定和隨機型模型，如果檢驗存在異質(zhì)性，則用隨機效應模型來估計聯(lián)合相關系數(shù)陣。一般應用兩種方法估計相關系數(shù)矩陣，一是直接用WLS方法估計相關系數(shù)矩陣，二是假設相關系數(shù)矩陣是協(xié)方差矩陣。表達方式為：Σ（θ）=DP（θ）D，其中，Σ（θ）是結(jié)構(gòu)方程的協(xié)方差矩陣，D是對角線矩陣，P（θ）是方程的相關系數(shù)，它的限制條件是Diag（P（θ））=1（Joreskog&Sorbom，1996）。依據(jù)此模型，第i（i = 1，2，…，k ）個研究中的協(xié)方差矩陣Σi可以分解為相關矩陣Pi和標準差對角線矩陣Di，公式如下：Σi=DiPiDi（Cheung&Chan，2005）。在固定效應模型假設相關系數(shù)同質(zhì)性（homogeneity）的前提下，估計有一個共同的相關系數(shù)矩陣PF=P1=P2=……=Pk，在這其中Di在各個研究之間是不一致的。在有數(shù)據(jù)缺失的條件下，計算前將剔除數(shù)據(jù)缺失的研究。在模型匹配后，主要用LR統(tǒng)計量去檢測H0：PF=P1=P2=……=Pk（Cheung&Chan，2005）。在有協(xié)方差矩陣數(shù)據(jù)的情形下可以通過限制PF=P1=P2= ……=Pi和DF=D1=D2=……=Di獲得估計的共同協(xié)方差矩陣PF。在此基礎上，一個聚合相關系數(shù)矩陣的向量ρF=vechs（PF）和它漸進樣本協(xié)方差矩陣VF=Cov（ρF）得以估計出來。

在固定效應模型分析的第二階段，ρF被當作樣本的相關系數(shù)矩陣，VF作為已知矩陣，將rF=ρF，VF=VF。進而在此基礎上，Cheung（2002，2005）建議應用加權最小二乘法（WLS）去估計結(jié)構(gòu)方程模型，通過偏離函數(shù)（Fouladi，2000）估計設想模型ρ（θ）=vechs（P（θ））值為：FWLS（θ）=（rF-ρF（θ））TV-1F（ rF-ρF（θ））。在此基礎上應用結(jié)構(gòu)方程模型中的似然比統(tǒng)計量和擬合指數(shù)，主要有RMSEA、CFI、NFI、χ2判斷設想模型的匹配度。在隨機模型下P（θ）被假定為相關系數(shù)矩陣的整體平均值，即P=P（θ），P（θ）可以是回歸、路徑、驗證性或結(jié)構(gòu)方程模型，它假設每項研究無前其自身的相關系數(shù)矩陣，第i項研究樣本的相關系數(shù)矩陣假定為Ri。與固定模型相似，ρR=vechs（P），ρi=vechs（Pi），ri=vechs（Ri），據(jù)此隨機效應模型中對某項研究而言可分為兩層研究：Level 1：ri=ρi+ei，Level 2：ρi=ρR+υi，在此ei∽N（0，Vi），是指已知的樣本協(xié)方差矩陣，υ，∽N（0，T2）是要估計的異質(zhì)型協(xié)方差矩陣。第二階段設想模型的估計流程和方法與固定效應模型下的相似，RF=ρR，VR=VR，應用加權最小二乘法（WLS）去估計結(jié)構(gòu)方程模型，通過偏離函數(shù)（Fouladi，2000）估計設想模型ρ（θ）=vechs（P（θ））值為：FWLS（θ）=（rR-ρR（θ））TV-1R（rR-ρR（θ）），同樣用RMSEA、CFI、NFI、χ2評估設想模型的匹配度。

二、結(jié)構(gòu)方程元分析模型應用示范

（一） 研究假設

1983年，Miller提出創(chuàng)業(yè)導向的概念，創(chuàng)業(yè)導向反映了管理人員的創(chuàng)業(yè)精神，反映了管理者進行戰(zhàn)略決策的方法、實踐和風格，反映了企業(yè)創(chuàng)新性、超前性和風險承擔性方面的戰(zhàn)略態(tài)勢，它會引導企業(yè)探索和挖掘新市場機會等活動（Covin & Slevin，1989）。創(chuàng)業(yè)導向?qū)ζ髽I(yè)績效的影響可用動態(tài)能力理論解釋，由創(chuàng)業(yè)導向概念可知，創(chuàng)業(yè)導向水平高的企業(yè)既須識別甚至創(chuàng)造有效的新市場機遇，還須能有效地重新定義現(xiàn)有資源維持現(xiàn)有的市場機遇，維持未來和現(xiàn)在的平衡（Arend，2014）。創(chuàng)業(yè)導向水平越高的企業(yè)，創(chuàng)新性和風險承擔性程度會更高，其主動和廣泛搜集內(nèi)外部環(huán)境信息，對影響競爭態(tài)勢的外在力量的掃描行為就會越多，信息獲取和傳播的行為也會更多（Huber，1991），依據(jù)信息調(diào)整企業(yè)行為的能力就越強，企業(yè)績效表現(xiàn)也會越好。創(chuàng)業(yè)導向反映了公司創(chuàng)新、承擔風險和開拓新事業(yè)的能力，它應對績效有積極影響（Strenger&Brettel，2015）。據(jù)此，提出假設1。

假設1：創(chuàng)業(yè)導向與組織績效正相關

March（1991）提出組織學習分為探索式和挖掘式學習兩種類型，前者是指搜索和嘗試發(fā)現(xiàn)新知識，并愿意承擔風險進行創(chuàng)新的過程，后者是指篩選、挖掘和充分利用現(xiàn)有知識的過程。盡管存在爭議，但多數(shù)學者研究表明組織學習對組織的適應性、生存和績效改進至關重要，因為它可以促進企業(yè)重新構(gòu)建組織結(jié)構(gòu)、分配組織資源、促進新產(chǎn)品的商業(yè)化，可以提升組織的智力資本和動態(tài)能力，組織學習與組織績效往往正相關（Rao & Argote，2006）。

創(chuàng)業(yè)導向?qū)M織學習的影響可用社會學習理論來闡釋（Chiva & Alegre，2005），創(chuàng)業(yè)導向特別反映了高層愿意承擔風險、積極進攻和展開創(chuàng)新的意愿和風格，依據(jù)社會學習理論，這種影響有三種路徑：創(chuàng)業(yè)導向會促使員工和團隊認識到組織學習的重要性和價值;創(chuàng)業(yè)導向能促使高層管理者的行業(yè)和知識向個人轉(zhuǎn)化，同時也會影響個體知識向團體和組織層面轉(zhuǎn)化，可以促進組織學習過程;創(chuàng)業(yè)導向可以創(chuàng)造一種學習氛圍，促進組織學習過程的知識收集、共享、創(chuàng)造和應用的過程。綜合上述分析，提出假設2。

假設2：組織學習是創(chuàng)業(yè)導向和組織績效的中介變量

基于元分析結(jié)果經(jīng)常受到樣本范圍、測評特征等因素的影響，假設組織績效測量（是財務績效還是非財務績效）、發(fā)表年份、產(chǎn)業(yè)范圍（樣本涉及產(chǎn)業(yè)范圍多元還是單一）、國家（中國還是外國）對各變量之間的關系有影響，據(jù)此，本研究的框架見圖1。

（二）文獻檢索

本文通過以下程序搜索文獻：綜合先前對創(chuàng)業(yè)導向進行綜述性研究和元分析的典型論文進行認真閱讀，主要有Miao，Coombs，Qian & Sirmon（2017）等，編撰了文獻搜索的關鍵詞，英文的有EO、strategic posture等，中文搜索關鍵詞有創(chuàng)業(yè)導向、公司創(chuàng)業(yè)等。對組織學習文獻的搜索采用與創(chuàng)業(yè)導向文獻搜索過程相似，主要研究了Huber（1991）、陳國權（2007）等人的研究。搜索的英文電子數(shù)據(jù)庫主要有EBSCO、ScienceDirect、Wiley等，中文數(shù)據(jù)庫主要是中國知網(wǎng)。為保證文獻的完整性，數(shù)據(jù)庫文獻搜索的時間從數(shù)據(jù)庫建立之日至2017年6月，同時利用Google Scholar去識別盡可能多的相關文獻。

（三）文獻篩選標準

為滿足結(jié)構(gòu)方程模型元分析技術要求，入選文獻需符合以下條件：所有文獻必須是定量研究論文，定性研究論文從論文池中被剔除。定量研究必須全部包含創(chuàng)業(yè)導向、組織學習和組織績效三者之間的相關系數(shù)，如果其中有相關系數(shù)缺乏的，將看此論文是否可以通過回歸系數(shù)和相關系數(shù)的轉(zhuǎn)換方法測算出相關系數(shù)（Lipsey & Wilson，2000）。各研究之間的樣本是獨立的，沒有相關性。文獻編碼和分析文獻：借鑒Lipsey & Wilson（2000）的編碼流程，對研究的核心概論創(chuàng)業(yè)導向、組織學習和組織績效進行了編碼，編碼主要包括相關系數(shù)值和研究特征。研究特征包括作者、論文刊發(fā)日期、刊發(fā)期刊、樣本數(shù)量、創(chuàng)業(yè)導向等。為減少編碼錯誤，本文的每篇論文分別由兩位老師進行編碼，兩位老師分別完成編碼后進行對比，如果發(fā)現(xiàn)不一致，則通過回溯原文進行討論，最后達成一致意見。

（四）假設驗證

首先，應用基本的meta分析程序，對創(chuàng)業(yè)導向與組織學習、組織學習與組織績效、創(chuàng)業(yè)導向與組織學習之間的關系進行驗證;其次，假設組織績效測量（是財務績效還是非財務績效）、發(fā)表年份、產(chǎn)業(yè)范圍（樣本涉及產(chǎn)業(yè)范圍多元還是單一）、國家（中國還是外國）對這些關系有影響，應用meta回歸分析驗證這些變量的影響，前兩個假設應用R軟件的metafor分析程序包，每個假設首先用固定效應模型進行分析，其次用隨機效應模型進行分析，最后，應用混合模型進行分析，三個假設每個模型的數(shù)據(jù)結(jié)果如表1。應用R軟件metaSEM包對中介效應進行驗證， 估計的聯(lián)合相關系數(shù)見表2，競爭模型指數(shù)比較見圖2。

由表1可知，三個變量之間的兩兩相關系數(shù)均超過0.375（P<0.001），組織績效測評類型、發(fā)表年份、樣本產(chǎn)業(yè)范圍和樣本來源國家對相關系數(shù)的影響均不顯著。隨后對中介效應進行驗證，首先估計聯(lián)合相關系數(shù)矩陣的估計和假設檢驗，TSSEM第一階段固定模型估計結(jié)果如下：樣本是6430，目標模型Chi-square為950.23，目標模型自由度是78，獨立模型Chi-square是3188.23，獨立模型自由度是81，RMSEA=0.2167，SRMR=0.1642，TLI=0.7085，CFI=0.7193，AIC=794.2307。由此數(shù)據(jù)可知模型擬合效果不佳，違反了同質(zhì)性假設。繼續(xù)采用由Cheung（2016）建議的隨機模型來估計聯(lián)合相關系數(shù)矩陣。隨機模型表明整體異質(zhì)性的指標Q=1825.62，各個相關系數(shù)之間異質(zhì)性指標分別0.9269、0.9335和0.9266，異質(zhì)性存在。應用隨機模型估計出聯(lián)合相關系數(shù)矩陣。

由表2可知，創(chuàng)業(yè)導向和組織學習之間的相關系數(shù)是0.3967，創(chuàng)業(yè)導向和組織績效的相關系數(shù)為0.3399，組織學習與組織績效的相關系數(shù)是0.3106。假設1得到初步驗證。為進一步對假設進行驗證，繼續(xù)應用metaSEM軟件包進行TSSEM第二階段分析，首先模型假設組織學習是創(chuàng)業(yè)導向和組織績效的完全中介變量，模型分析結(jié)果見圖2上半部分。

其次，假設組織學習是創(chuàng)業(yè)導向和組織績效的部分中介變量，模型分析見圖2下半部分。部分中介變量模型屬于飽和模型，所以計算出來的參數(shù)值CFI等于1，RMSEA指標值等于0，但由完全中介模型可知，盡管RMSEA的效果比較好，但其它指標并不理想，進行模型比較部分中介模型的結(jié)果更佳。據(jù)此，假設1和假設2得到了驗證，即創(chuàng)業(yè)導向與組織績效正相關，組織學習是創(chuàng)業(yè)導向和組織績效的部分中介變量。

三、結(jié)語與未來展望

創(chuàng)業(yè)導向與組織學習正相關。盡管先前有探討創(chuàng)業(yè)導向?qū)M織學習的實證研究，但還沒有學者應用元分析技術綜合分析過創(chuàng)業(yè)導向?qū)M織學習的作用。組織學習是創(chuàng)業(yè)導向有效地轉(zhuǎn)換為組織績效的核心中間機制，組織學習類型、組織學習能力和導向等變量也至關重要。創(chuàng)業(yè)導向與組織績效正相關，且效應值與Rauch et al（2009）、胡麗娜（2013）的研究結(jié)果相近，進一步表明創(chuàng)業(yè)導向會積極影響組織成長。組織學習與組織績效正相關，是創(chuàng)業(yè)導向和組織績效之間的部分中間變量。通過大樣本相關系數(shù)與元結(jié)構(gòu)方程模型系數(shù)對比發(fā)現(xiàn)，在結(jié)構(gòu)方程元分析模型下，各變量之間的相關系數(shù)都會變小，進一步驗證了組織學習的中介作用。以上研究發(fā)現(xiàn)對于企業(yè)提供了現(xiàn)實啟示：企業(yè)不僅需要保持創(chuàng)新、超前行動和承擔風險的意愿和傾向，而且還須具備較高的組織學習能力，強化學習承諾、共享愿景和保持開放式的心智，注重探索性、挖掘式學習，只有這樣，創(chuàng)業(yè)導向才能有效地轉(zhuǎn)化為組織績效。

由于研究文獻限制，本研究沒有將可能的調(diào)節(jié)變量納入到結(jié)構(gòu)方程元分析模型中，如企業(yè)所在行業(yè)、企業(yè)規(guī)模和外在環(huán)境動態(tài)性等變量。同時，研究只考慮了組織學習這個中介變量，動態(tài)能力、組織文化、創(chuàng)業(yè)學習等是未來要重點關注的變量。這兩個問題也是未來的研究方向，此外未來還可以應用結(jié)構(gòu)方程元分析模型，構(gòu)建同時涵蓋創(chuàng)業(yè)導向各維度、中介變量、組織績效各維度和調(diào)節(jié)變量的復雜模型，從理論上深化理解創(chuàng)業(yè)導向轉(zhuǎn)變?yōu)榻M織績效的復雜機制。

參考文獻：

[1]Wales，W，Monsen，E.，McKelvie，A. The organizational pervasiveness of entrepreneurial orientation [J].Entrepreneurship Theory and Practice，2011，35（05），895-923.

[2]Engelen，A， Gupta，V，Strenger，L，Brettel，M.Entrepreneurial orientation，firm performance，and the moderating role of transformational leadership behaviors[J]. Journal of Management，2015，41（04）：1069-1097.

[3]Dimitratos，P，S.Lioukas，S.Carter.The Relationship between Entrepreneurship and International Performance：The Importance of Domestic Environment[J].International Business Review 2004，13：19-41.

[4]Felipe Hernández-Perlines，Juan Moreno-García，Benito Yá？觡ez-Araque. Family firm performance：The influence of entrepreneurial orientation and absorptive capacity[J].Psychological Market，2017;34：1057-1068.

[5]Wiklund，J.Shepherd，D.Entrepre-

neurial orientation and small business performance：A configuration approach[J].Journal of Business Venturing，2005，20：71-91.

[6]Brian S.Anderson， Jeffrey G.Covin， Dennis P.Slevin.Understanding the relationship between entrepreneurial orientation and strategic learning capability：an empirical investigation[J].Strategic Entreprene-urship Journal，2009，3：218-240.

[7]Van Essen M，Otten JA，Carberry EJ.2012.Assessing managerial power theory：a meta-analytic approach to understanding the determinants of CEO compensation[J].Journal of Management，2015，41（01）：164-202.

[8]Cheung， M.W.-L.，Chan，W.Meta-analytic structural equation modeling：A two-stage approach[J].Psychological Methods，2005，10（01）：40-64.

[9]Mike W.-LCheung.Meta-Analysis：A Structural Equation Modeling Approach[M].Publisher：Wiley;1st edition，May，2015.

[10]Joreskog KG，Sorbom D.LISREL 8：a users reference guide[M].Scientific Software International，Inc.，Chicago.LR.

[11]Mike W.-L.Cheung，Wai Chan. Meta-Analytic Structural Equation Modeling： A Two-Stage Approach[J].Psychological Methods，2005，10（01）：40-64.

[12]Rachel Fouladi.Performance of Modified Test Statistics in Covariance and Correlation Structure Analysis under Conditions of Multivariate Nonmorality[J]. Structural Equation Modeling A Multidisciplinary Journal.2010，7（03）：356-410.

[13]Covin，J.G，D.P.Slevin.Strategic management of small firms in hostile and benign environments [J].Strategic Management Journal，1989，10：75-87.

[14]Arend，R.J.Entrepreneurship and dynamic capabilities：How firm age and size affect the‘capability enhancement-SME performance relationship[J].Small Business Economics，2014，42：33-57.

[15]Huber，G.P.Organizational learning： The contribution processes and the literatures[J].Organization Science，1991，2（01）：88-115.

[16]Rao，R.D，Argote，L.Organizational learning and forgetting：The effects of turnover and structure[J].European Management Review，2006，3（02）：77-85.

[17]Chiva， R，J.Alegre.Organizational learning and organizational knowledge[J].Management Learning，2005，36：49-68.

[18]De Long D，F(xiàn)ahey L. Diagnosing cultural barriers to knowledge management[J].Academy of Management Executive，2000，14（04）：113-127.

[19]Chao Miao，Joseph E.Coombs，Shangshan Qian，David G.Sirmon.The mediating role of entrepreneurial orientation：a meta-analysis of resource orchestration and cultural contigencies[J].Jounal of Business Research，2017，77：68-80.

[20]陳國權.組織學習和學習型組織-概念-能力模型-測量及對績效的影響[J].管理評論，2007，21（01）：107-116.

（作者單位：蘇州大學政治與公共管理學院）