企业互补资产与技术商业化研究实证研究方法概述

企业互补资产与技术商业化研究实证研究方法概述

为了检验第三章中提出的各项研究假设，本书采用问卷调研收集数据，在此基础上综合统计分析的方法，并在本章重点介绍了相关的研究方法。首先是对实证研究样本选取和数据收集结果的介绍和可靠性分析；接着是详细介绍研究变量的测量题项来源与合理性；最后是对选择的统计分析方法进行简单介绍。一研究的数据收集及样本描述为探索本研究所提出的理论问题，并检验解决思路的有效性，笔者围绕着研究内容设计了相关的调研问卷，并选取了我国制造业企业作为调研样本。旨在通过理论与实践的结合，发现解决我国企业在创新中遇到的一系列问题的方法，同时为政府的创新工作提供一定的参考。（一）问卷设计工作从第一章的文献回顾中，可以看出技术商业化领域的理论与实践的代表性研究主要是国外学者完成的。研究变量测量题项的首次提出，必须符合严谨的程序要求。因而为了保障问卷设计的质量与测量题项的代表性，本研究以得到广泛认可的英文研究文献中的成熟量表为主要参考，结合专家调研，确定了调研问卷中的研究变量测量指标。为了保障英文题项翻译的准确性，防止信息丢失，本研究采用了Berry（1980）提出的“回译”准则：在前期的文献整理和专家调研基础上，首先确立英文版本的调研问卷（Ev1）；调研问卷英文版本（Ev1）到中文版本（Cv1）的转化，是邀请一位相关领域精通英文的研究学者进行的。为贴合中国企业具体实践，首先以初版问卷（Cv1）进行了预调研，并基于企业管理人员的意见反馈，调整了中文问卷中的一些语言描述（Cv2）；为了保障预调研工作中的调整没有与英文调研问卷的初衷有出入，进行了修订版本的中文问卷（Cv2）到英文问卷（Ev2）的翻译，这是由另一位相关领域精通英文的教授进行的。通过比对回译得到的英文问卷（Ev2）与初版英文问卷（Ev1），得出调研问卷的设计基本实现了两种语言的同等性，最终的中文问卷（Cv2）的测量题项既具备合理的理论框架又符合中国人的阅读习惯。问卷的设计工作开始于2010年初，最终于2010年7月末形成了正式的调研问卷（Cv2）。问卷总的设计是按照定性和定量相结合的方法，以定量的封闭式问题（李克特7级量表）为主。问卷的有效回收是研究顺利展开的保障。结合已有研究中提到的一些方法，本研究在问卷的设计和调研中采取了多种措施，以提高问卷的回收率。首先，在调研问卷的前言即申明，调研收集的数据是保密的，仅用于管理学研究，并且承诺向愿意接受调研统计分析结果的受访者发布部分调研处理信息，期望增强受访者的回答意愿。其次，采用结构化方法设计问卷。由于问卷涉及企业绩效、企业创新行为等多方面问题，对问卷的内容进行了分块，方便受访者填写。最后，在展开正式的调研之前，对发放问卷人员进行了集中培训，不仅包括调研的流程和技巧，还详细地介绍了调研的目的和需要解决的问题，以及问卷中每个题项的含义。最终，调研人员可以在调研过程中回答受访者关于如何填写以及含义不清等问题，以提高问卷回收率以及问卷填写的质量。（二）样本选取与调研过程调研工作主要分为预调研和正式调研两个阶段。（1）预调研首先进行预调研问卷的编制和试用，形成了“企业自主创新调查问卷（预调研）”。2010年6月8～10日，选择西安高新区的10家企业进行了预调研工作。主要为了实现两个目标：一方面，使问卷对样本公司在自主创新方面的情况进行更加全面和恰当的描述；另一方面，发现并改正调研方法以及问卷语言表述方面可能出的纰漏，为正式的大规模调研顺利开展提供保障。调研人员到被访者的办公地点，面对面请他们填写问卷，并对其中语焉不详等问卷存在的问题当场给予回答并记录，还请他们在填写问卷后，就问卷的格式、内容提出自己的看法和建议，调研人员在旁边将这些意见一一记录。这些意见主要有，“程度比较类型”的问题回答起来较烦琐，被访者倾向于直接答题如最好是直接画钩的题型。预调研的问卷收回后，根据被调研对象的意见和预调研过程中的体会，对问卷进行了整体排列组合以及语言发表上的修改，使之更加容易、更加方便答题人的填写，也有利于样本数据的处理。据此，2010年7月末最终确定了调研问卷的形式和内容。需要指出的是，因为问卷版本的变化，预调研的样本企业并未包含于最终回收的样本量中。（2）正式调研正式的调研取样工作主要是由作者及西安交通大学管理学院的部分教师和研究生于2010年8月至2011年1月进行的。为使调研活动更有效率，调研尽量涵盖国内大部分省区市，调研工作在合理期限内完成，调研成本维持在研究经费预算之内，采用了Imbens和Lancaster（1996）所描述的分层随机抽样法（StratifiedRandomSamplingMethod）。在问卷发放地区的划分方面，依据2009年各省区市的GDP总量，并依据等距分组原则将全国31个省区市划分为三个调研区域。2009年全年GDP排名前10的省区市为调研Ⅰ区域；排名从11到12的省区市为调研Ⅱ区域；排名从21到31的省区市为调研Ⅲ区域。由于问卷是企业有关自主技术创新、技术竞争等方面的信息，因此调研对象基本上是具有一定的生产和研发能力的制造业企业，主要集中在能源、化工、机械、电子等行业。调研样本从调研目的地的开发区管委会或政府统计部门提供的制造业企业目录中随机抽样产生。问卷调研的样本所有制形式丰富，包括国有企业、民营企业、集体（合伙）企业、中外合资（合作）企业、外商独资企业等。调研采用上门面访和发送电子版问卷的方式进行。上门面访时，每份问卷的完成过程都是在调研员的指导下进行的。基于获取的样本企业列表上企业联络人的信息，我们进行一一联系。在得到被调研企业回复愿意接受调研后，调研人员则遵从约定的时间，按照以下程序进行面对面的访谈：先向企业填写问卷的中高层管理人员介绍调研的目的和内容，重申数据保密承诺，说明请受访者根据对问题的第一反应填写，对受访者填写问卷过程中可能提出的问题进行回答，发现有遗漏题项时提醒填写人员注意等。整个调研活动平均持续1.5～2小时。调研结束后，问卷由调研人员当场收回。电子邮件则由调研人员基于样本企业信息通过电话或电子邮件与企业进行联系，询问企业是否愿意接受调研，并明确我们会承诺保守企业信息的秘密、反馈调研结果。若企业同意接受调研，则根据企业提供的电子邮件地址发送电子版的问卷，或提供网页版本问卷的网址，请企业中两名中层以上管理人员填写。（三）调研数据的基本特征正式的调研中，通过面对面访谈和发送电子问卷相结合的方式，在1500家样本企业中发放了问卷，每个企业发放独立问卷两份。收回的样本企业数量为490家，其中含有286家面对面访谈企业以及204家电子问卷调研企业。被调研企业的规模大小分布符合社会整体趋势；企业所有制类型多样，包括国有企业、民营企业、集体（合伙）企业、中外合资（合作）企业、外商独资企业；所处行业不尽相同，但主要集中在机械制造、汽车、化工、电子和能源等制造业。由于被调研人员经验，以及受访者的职位、态度有一定的差距，以及电子问卷过程的不可监督性，我们发现一些回收问卷的回答有效程度不高。为此对回收的问卷进行了仔细的甄别。对于回收的问卷一份一份检查筛选，对于数据不全或不诚实回答的问卷，制定相应的标准将其删除，标准主要有：第一，剔除空白问题达到总问题的1/4及以上数量（即220个问题未回答）的问卷；第二，剔除“题项选择答案相同”连续达到总问题的1/4及以上数量（即220个问题选答项相同）的问卷。经过筛选之后得到同一家企业完成双份有效问卷的样本有303套（606份），同一企业只完成单份有效问卷的样本有101份，为避免共同方法偏差，本研究仅使用了回收双份问卷的企业（同一企业的两份问卷按照A、B分别编号），有效样本为303家，满足回归分析以及结构方程模型分析的样本要求（Hairetal.，2009，详见本章第三部分的论述）。另外，Gaedeke和Tootelian（1976）提出20%的回收率对基于企业的调研就可以被接受，这一观点得到后续学者认可，例如Gao、Xu和Yang（2008）等。本书中，有效问卷的回收率为20.2%，可以进行下一步研究。对于问卷收集数据有效性的初步检验，本研究采纳了吴明隆（2000）的建议。他建议的问卷效度分析方法是，在最终的有效问卷中对由李克特量表测量的所有变量（主要是问卷的第二、三、四部分问题）的回答得分进行加总。得出所有问卷代表企业的总分，并按照分数的高低排序，划分高分组与低分组。其中高分组是总分数位列前27%的样本企业，低分组是总分数位列后27%的样本。在此基础之上，对于每一变量的回答，计算出高分组和低分组的平均得分，进行“t检验”。最终结果显示，问卷中由李克特量表测量的变量在高分组与低分组的平均数之间有显著的差异，表明问题中的变量测量是有区分度的，测量问题是有效的。因为数据库格式方便对数据的初步处理，本研究在问卷数据录入时，将数据存储到ACCESS数据库中。为避免输入数据时的录入错误，每一份问卷都由两人独立输入，并通过软件校对生成两个配对数据库，发现有不一致之处时，比照原始问卷进行修订，多次校订后形成最后可以使用的数据库。（1）样本企业的地域分布最终，所回收的有效样本涵盖了全国23个省区市。样本企业来源按调研区域与省区市分类的大致情况如表4-1所示。表4-1样本企业地区分布情况（以调研区域划分）单位：份，%调研区域所含省份问卷发放数量问卷收回情况数量比例第一区域

（Ⅰ）广东、山东、江苏、浙江、河南、河北、辽宁、上海、四川、湖北5009531.35第二区域

（Ⅱ）湖南、福建、北京、安徽、内蒙古、黑龙江、广西、陕西、吉林、天津50013042.90第三区域

（Ⅲ）山西、江西、云南、重庆、新疆、贵州、甘肃、海南、宁夏、青海、西藏5007825.74总计31个省区市1500303100表4-1样本企业地区分布情况（以调研区域划分）（2）有效问卷样本企业分析①规模分析被调研企业的规模，根据国家统计局2003年发布的《统计上大中小型企业划分办法（暂行）》，以法人企业或单位作为对企业规模的划分对象，以从业人员数和销售额两项指标为划分依据。企业规模的具体划分按照“工业企业”（包括采矿业、制造业、电力、燃气及水的生产和供应业三个行业的企业）标准（见表4-2）。表4-2企业规模划分标准规模划分标准大型企业中型企业小型企业从业人员数（人）2000及以上300～2000300以下销售额（万元）30000及以上3000～300003000以下资料来源：国家统计局《统计上大中小型企业划分办法（暂行）》（2003）。表4-2企业规模划分标准以2009年企业的销售额为准，大型和中型企业须同时满足所列各项条件的下限指标，否则下划一档。最终双份有效样本统计中，含大型企业80家，中型企业112家，小型企业111家（见图4-1）。②受访者情况分析因为受访者在企业中的职务和身份直接标示着受访者对该企业了解的深入程度和提供的信息的可靠性，也在很大程度上影响着调研问卷能否如实地反映企业在技术竞争、技术创新等领域的现状，因此统计了样本企业受访者的职务情况（见表4-3）。图4-1样本企业规模分布情况表4-3样本企业受访者职务情况单位：份，%问卷数量访问人职务所占比例57董事长/总经理9.41244高层管理人员40.26305中层管理人员及其他50.33606总数100表4-3样本企业受访者职务情况③企业类型分析从企业所有制类型来看，样本企业包括国有企业、民营企业、集体（合伙）企业、中外合资（合作）企业、外商独资企业等，从比例上来看，在双份样本企业中，国有企业约占36%，民营企业约占29%，中外合资（合作）企业和外商独资企业约占21%。具体情况如表4-4所示。表4-4样本企业所有制类型单位：家，%样本数量公司类型所占比例110国有企业36.3087民营企业28.7114集体（合伙）企业4.6230中外合资（合作）企业9.9033外商独资企业10.8929其他9.57303100表4-4样本企业所有制类型（四）样本的可靠性检验无回应偏差（Non-responseBias）和共同方法偏差（CommonMethodVariance）是问卷调研方法可能遇到的数据偏差。无回应偏差指，因为存在没有回收的样本数据，所以最终所收回的样本可能并不符合在总体抽样时设定的标准，例如随机抽样，产生的严重后果是最终的回收样本不具有总体的代表性。为检测本研究所回收样本是否存在无回应偏差，按照Armstrong和Overton（1977）提出的经典方案——比较早期回收的样本和经过催收回收到的问卷样本（在一定程度上可以视为未回收样本的代表）在客观数据上是否存在显著性。本研究比较了最终样本中两部分企业在企业规模、地域分布以及所有制形式等特征上的差异，“t检验”结果表明，早期回收样本和经过催收后回收的样本在客观数据上不存在显著差异（所有的p值都大于0.1）。可以认为，本次调研不存在显著的无回应偏差问题。共同方法偏差是由同一受访者回答自变量和因变量所引起的，指由于受访者个体倾向而造成统计结果的偏差（例如，VanBruggen，Lillien＆Kacker，2002）。为了减弱这一问题对研究结果的影响，本研究采取了多种方式。首先，采用配对样本收集方法，一家企业访谈两位受访者。也就是说，每一家企业都采取A、B卷调研的方式，两卷均请被调研企业的中高级管理人员独立填写，在程序上避免共同方法偏差（Podsakoffetal.，2003；Luo，Slotegraaf＆Pan，2006）。并且在最终的研究样本选择上，保证了每家企业回收两份独立的问卷。在此基础上，本研究还采取探索性因子分析与验证性因子分析两种方法相结合的方法，来检验本书所采用的变量和样本是否存在共同方法偏差。Podsakoff等（2003）推荐的Harman单因子检验方法是检验共同方法偏差最常用的方法之一。假设模型中变量所涉及的37个测量指标，进行主因子分析（无旋转），结果显示7个特征值大于1的因子，并没有一个因子可以解释所有测量指标的大部分方差（如果该因子存在，表明受访者的主观态度倾向对测量结果有很大影响），初步显示了样本数据没有受到共同方法偏差的显著影响。而最大方差旋转法（VarimaxRotation）对37个测量指标的探索性因子分析（Waldman，Javidan＆Varella，2004），也显示了7个因子载荷大于0.7的变量，与设计的测量是一致的，表明共同方法偏差并没有显著影响本次调研数据。二研究变量的测量量表开发（一）测量指标选择的原则有效开展实证研究中，保障研究变量的测量有效性是至关重要的因素。问卷中的测量题项能否准确有效地衡量出研究的变量（构念），在很大程度上决定了实证统计分析结果的可靠性和有效性。基于此，为保证研究的效果，本研究谨慎地选择了变量的测量指标。已发表文献中使用的测量指标，可以被视为经过严格设计并且得到同行评审专家认可的有效测量方式（Mumfordetal.，1996）。基于技术商业化领域的现实研究状况，基本采用了英文文献中的成熟量表。对于英文问卷在中国展开调研会遇到的问题，也按照Berry（1980）的建议进行了谨慎的处理，详见前文的介绍。（二）变量的测量指标除了特别申明之外，本研究中涉及的变量都是使用李克特7级量表的测量形式，即要求受访者选择1～7之间的数字，以回答企业在测量问题中的具体表现，1往往表示非常不符合/非常不同意，而7则表示非常符合/非常同意，2～6为中间状态。李克特量表具有的两个优点：可以方便地测量难以用客观数字描述的行为变量；有助于建立对变量更加全面、更具有可比性的测量，使其成为实证调研中被最广泛采用的测量方式。值得指出的是，虽然传统认识将合法性视为一个“非黑即白”的概念，认为企业只具备两种状态，有合法性或者是不具备合法性。然而Zimmerman和Zeitz（2002）提出合法性是一个连续的变量，可以表现出高的合法性以及低的合法性这样一个渐变的过程。因而本书也采用李克特量表的形式来测量合法性。（1）企业技术资产本研究中的技术资产含义是指企业可以用于技术研发活动的资源与能力。本书沿用了Zhou和Wu（2010）提出的测量企业技术能力的题项，要求受访者回答相比于竞争对手，是否在以下五个方面表现更好：①获取重要的技术信息；②识别新的技术机会；③对技术转变做出反应；④掌握技术诀窍；⑤持续不断地进行同一系列的创新。这是对企业技术资产的综合评定。（2）企业政治资产本书通过企业政治行为对政治影响的积累来测量企业的政治资产。一般而言，对企业政治行为的测量主要有两种方法：一是通过对公共媒体报道文本分析的方法，例如Shaffer、Quasney和Grimm（2002）以及Hillman、Zardkoohi和Bierman（1999）；二是通过管理者访谈。本研究选择了后者。借鉴Hillman和Wan（2005）以及Wei（2006）的研究，首先删除不适合中国国情的题项，例如公开的竞选捐款（campaigncontributions），然后通过以下题项测量企业政治行为所带来的政治资产：本公司①经常参与政府决策以避免不利影响；②经常参与政府和公共社会活动，如慈善和环境保护活动；③采用公关活动维护公司的社会形象和位置；④企业人员作为人大、政协代表直接参与决策；⑤通过参与政策制定过程和游说等方法，直接影响公共政策的制定；⑥通过行业协会影响政府政策制定。（3）企业生产资产已有研究中有对于特定行业内企业生产互补资产的测量，以微电子行业为例，可以发现三种主要的互补生产资产，也就是：①固态物理上的领先（例如，在微米/亚微米层面上，半导体产品的电气性能）；②半导体产品生产以及检测设备的知识；③生产流程的逻辑性。借鉴Christmann（2000）的研究，我们用以下五个题项测量更具普适性的行业内企业的生产资产——与主要竞争对手相比，贵公司在以下方面的表现相对更好：①拥有高技能的劳动生产力；②拥有与技术创新相关的先进制造设备；③拥有最新的制造运营技术；④公司依赖于自身所有的制造技术；⑤公司依赖于自行发展的流程技术。和特定行业研究中生产资产的测量方式相比，本研究的测量题项更具提炼性和普适性。（4）企业市场资产借鉴Song等（2005）的研究，本研究用以下四个题项来测量企业市场资产，与主要竞争对手相比，贵公司在以下方面的表现相对更好：①拥有优秀的顾客维系资产（创造和维持长久的顾客关系）；②拥有敏锐的市场洞察能力（能有效预测顾客需求的变化）；③拥有卓越的渠道整合能力（与渠道经营商维持良好关系）；④拥有领先的销售能力。（5）中介变量本研究中的中介变量是合法性，在大多数的研究里，都是采用间接的、代理（Proxies）的方式。测量方法之一是对主要媒体相关概念的曝光频率进行统计。例如，Deephouse（1996）用报刊文章的统计数测量合法性；Kuilman和Li（2009）在一项关于外资银行在华业务的研究过程中用《纽约时报》和《伦敦时报》所披露的信息来衡量组织的外部合法性；Deephouse和Carter（2005）使用政府报道来测量组织的政治管制合法性，使用媒体数据文本分析的方法来测量组织的社会合法性。但是，考虑到三方面因素，本研究并没有采用媒体信息来测量企业的合法性。第一个因素也是最重要的因素，即这种测度方式在具体的操作过程中，测量结果很可能与另外一个概念——“组织声誉”相混淆。组织合法性和组织声誉在概念上有所重叠，但并不能完全画上等号：Deephouse和Carter（2005）在论文中提到合法性是符合行业的标准，但是声誉主要是来源于和竞争企业的对比地位；Dacin、Dliver和Roy（2007）也专门比较了合法性和企业声誉、企业形象的不同。另一个因素是考虑到在中国大多数的媒体刊物没有实现电子化，对媒体信息的收集在技术上较为困难。第三个因素是，近年来一些学者也在尝试开发直接测度组织合法性的感知性主观量表，例如，Certo和Hodge（2007）开发了以关键利益相关者的认可度来测度合法性的主观量表。最终，本研究选择通过主观量表的方式对政治合法性和社会合法性进行测量。政治合法性反映的是组织行为与管制标准的适合与一致性（Deephouse，1996；Deephouse＆Carter，2005）。社会合法性反映的是组织行为与社会规范与价值观的适合与一致性（Suchman，1995；Deephouse＆Carter，2005）。Elsbach（1994）研究中对合法性的测量题项丰富，既包含了政治合法性也包含了社会合法性，本研究中合法性的测量题项来源于Elsbach的研究。考虑到合法性研究具有很强的情境性，并且有学者指出，由于合法性是一个宽泛、模糊的构念，进行合法性研究时可以依据特定需要自主选择评价标准（Suchman，1995），本研究删除了原有题项中对特定行业合法性判断的题项。最终题项如下：政治合法性的测量，集中于政府这一利益相关者对企业合法性的认可程度。对应的六个题项分别为：本公司的做法得到①地方政府部门的认可；②省级政府部门的认可；③本市场监管部门如工商、税务、质检等部门的认可；④国有金融机构如国有银行的认可；⑤官办行业协会的认可；⑥公共利益团体如消协、环保机构的认可。社会合法性的测量由四个题项构成：①本公司的做法得到同行的认可；②本公司的做法得到供应商的认可；③本公司的做法得到顾客的认可；④本公司的做法得到社区/公众的认可。（6）因变量本研究中的因变量是技术商业化。Nerkar和Shane（2007）度量技术商业化，使用的是目标产品或服务的第一笔销售收入。本书认为这并不能完整地代表商业化的成功，因为许多企业虽然能够获得他们新产品或服务的第一笔销售收入，但是这样的收入是不可持续的，很快这些企业就会在市场竞争中失败。前文提到的施乐、万燕等公司都是如此。Sternitzke（2010）在研究中使用历史事件分析的方式来度量商业化，选择了三个不同的指标：销售增长，对市场价值（Tobin'sQ值的改变）的影响以及FDA的上市批准。历史事件的方法在目前信息化不完善的中国开展较为困难，因而我们依然采取调研问卷的方式来测量技术商业化。基于Li等（2008）、Zahra和Nielsen（2002）的研究，本研究强调了技术商业化的市场规模与商业化速度，采用七个题项来测量企业的技术商业化：①我们有效地利用了所有的专利和技术秘密；②和过去相比，我们的新产品开发周期更短；③和过去相比，我们目前的产品推向市场速度更快；④和主要竞争对手相比，我们的新产品开发周期较短；⑤和主要竞争对手相比，我们的新产品推向市场速度更快；⑥我们可以依照计划将产品推向市场；⑦我们开发的产品市场潜力巨大。（7）控制变量①企业规模。大企业有更充裕的财力进行企业经营，企业规模对本研究的多个变量均有显著的影响。例如，学者们发现，组织规模对技术创新绩效具有影响（Damanpour，1996），企业规模对政治战略形成有影响（Keim＆Baysinger，1988；Schuler，Rehbein＆Cramer，2002）。企业规模是影响企业政治战略选择的重要因素。Deephouse（1996）认为大企业对外部环境具有更大的影响，会受到更多的媒体关注及经营合法性的挑战，从而促使企业采取实质性的措施去影响和塑造政治与公众意见。Schuler、Rehbein和Cramer（2002）认为同小企业相比，大企业更倾向于采取积极的政治战略。更多情况下，大企业，尤其是在国外经营的大公司，更易受到外国企业的攻击，从而企业有更强的动因获得政治合法性（Kostova＆Zaheer，1999）。为防止出现数据的偏态分布，本研究采用员工人数的自然对数表示企业规模。②企业所有制。制度环境的区别是多层面的，包括与财产权相关的法律和法规，以及新行业进入的许可（Henisz，2003）。而企业所有制的区别也是制度环境区别的一个表现。新制度理论认为，同一制度环境对于不同组织的作用并不相同（高山行、蔡新蕾、江旭，2013），组织所选择的制度环境也会因组织地位而异（姚康、宋铁波、曾萍，2011）。中国经济是一个典型的转型经济，所有权的多样性是一个重要特点（Peng＆Luo，2000）。所有权作为企业管理机制是影响中国企业的主要驱动力之一，对企业组织的战略和行为具有重要的意义（Li＆Peng，2008）。例如有研究表明，所有权类型是管理者用来在认知上将企业分成不同战略集团的一个简洁而重要的变量（Peng，Tan＆Tong，2004）。不同所有权企业显示不同的组织文化（Tsui，Wang＆Xin，2006）和不同的知识创造模式（Walsh，Bhatt＆Bartunek，2008）。而且张维迎（2001）发现，中国企业的管理人员相对于国外企业，要投入更多的时间、精力与资源用于处理与政府的关系上；而民营企业花在与政府关系上的时间比国有企业还要多。因而，本研究中按照企业所有制的不同进行数字编码，作为控制变量。③行业发展阶段。不同的行业在技术商业化的速度（Schoonhoven，Eisenhardt＆Lyman，1990）上有差异。Schuler、Rehbein和Cramer（2002）认为在更集中的行业中，企业的政治收益更大，这些企业应具有更强的动力去实施政治战略。在行业发展到高度集中阶段，领导企业在政治资产上的“搭便车”行为的激励将被弱化。此外，Dacin、Oliver和Roy（2007）还提出，社会合法性（SocialLegitimacy）在不同的环境下作用不同，当制度环境具有紧密监督企业对社会规范与期望是否符合的特征，或是当企业的社会责任形象对于企业的生存至关重要时，社会合法性的重要性将大大增加。例如，可能受到环境保护组织监视的行业中。本研究通过询问被访者，公司主要产品所处行业当前的发展阶段是投入、成长、成熟稳定还是衰退阶段，来测量行业发展阶段。三模型检验的统计分析方法本书进行实证分析的主要目的是检验第二章中提出的各项理论假设：技术资产、生产资产、市场资产、政治资产对技术商业化的直接影响，“互补资产”互补性的验证，以及各项互补资产之间的交互对技术商业化的影响，政治合法性和公众合法性在企业资产与技术商业化间关系的中介效应。为了实现以上目的，将使用SPSS16.0以及AMOS7.0，按照以下步骤进行统计分析。首先是对调研样本的描述性统计，研究涉及变量的信度效度分析（区分效度和聚合效度），判断所收集数据是否满足进一步统计分析的要求。在这些必要的检验之后，使用AMOS通过结构方程模型（StructuralEquationModeling，SEM），检验各类互补资产对技术商业化的直接效应，并进行政治合法性、公众合法性在互补资产与技术商业化之间的中介效应检验。再使用SPSS软件中的回归分析（RegressionAnalysis）检验各种互补资产之间的交互效应。做出这样选择的原因有以下几个。①中介效应检验——本书理论框架中中介效应部分包含两个中介变量。如果选择回归分析方法，则需要分别检验政治合法性的中介作用、社会合法性的中介作用。这样的分析方法并不符合理论推导，因为本书的研究中这两种合法性同时中介企业资产与技术商业化之间的关系。因而选择结构方程模型对这一效应进行检验，结构方程模型的突出优点之一就是可以同时处理多个因变量，并可比较及评价不同的理论模型（比较中介模型与替代模型）。②交互效应检验——截至目前，学术界对于变量间的交互作用的检验方式是将两个变量相乘，用变量的乘积项进行假设中交互效应的判断。又因为结构方程模型的另一个特点是通过观测变量来生成研究中的潜变量，因而在乘积项的生成将涉及庞大的数据计算，而且目前研究发现，在对交互作用的检验上使用回归分析与结构方程模型的结论相似，没有显著差别。因而，在交互效应的检验上，选择了回归分析方法。相对于十分成熟的回归分析方法，结构方程模型方法虽然在20世纪80年代即出现在英文文献研究中，但是直到最近才逐渐被国内学者了解与使用，而且结构方程模型从对数据的要求，到处理的过程以及处理的结果都具有鲜明的特征，所以接下来的一节是对结构方程模型特征的简单介绍，之后是通用的中介效应与交互效应检验方法介绍，为下一章节的研究奠定基础。（一）结构方程模型结构方程模型常用来进行多元回归分析、路径分析以及验证性因子分析。结构方程模型是检验理论推导的模型与真实数据拟合关系的一种统计方法。而理论模型的研究变量就是结构方程模型中的“潜变量”，这一变量是无法直接观测的，需要通过“测量变量”进行代表，也就是上一节中各变量的测量指标。基于受访者的回答，得到测量指标的对应数据。测量模型（MeasurementModel）和结构模型（StructuralModel）的同时估计，组成了结构方程模型（陈晓萍、徐淑英、樊景立，2008）。其中前者体现的是潜变量与观测变量之间的关系，后者体现的是潜变量与潜变量之间的关系，这里的潜变量按照互相之间的影响关系可以分为外因潜变量（不受其他潜变量影响）和内因潜变量，此外还有潜在误差变量。在结构方程模型中，最终的输出结果除了有模型和数据之间整体的拟合度，还有潜变量与观测变量之间的因子载荷，以及研究模型中潜变量之间的系数。（1）结构方程模型分析的优点基于侯杰泰、温忠麟和成子娟（2004）的分析，结构方程模型有以下三个突出的优点。首先，结构方程模型相对于回归分析最突出的特点是它可以同时处理多个因变量，可以综合分析因变量之间的影响。其次，结构方程模型容许自变量和因变量含测量误差，例如，应用AMOS进行分析时会设置专门的误差项。事实上，无论再严谨细致的调研、测量误差都无法避免，因而这一设置更为合理。最后，结构方程模型不仅估计了每一条路径的参数，还会估计研究模型对样本数据的整体拟合度。基于结构方程模型可以对多个模型进行拟合比较。（2）结构方程模型的样本要求结构方程模型相比于回归分析对样本的数量要求更高。这是因为，在小样本的条件上，容易导致分析结果的聚合失败、不适当的解（违犯估计）、低估参数值及错误的标准误等问题。Bentler和Chou（1987）提出样本数至少为估计参数的5倍（在符合常态，无遗漏值及例外值下），否则要15倍的样本数。Hair等（2009）讨论了样本数量，并且基于模型的复杂度和基本的测量模型特征，给出了最小样本数量的建议。最小样本规模——100：对于那些包含五个或更少的构念模型，每个变量都有多余三个的观察变量，并且因子分析显示观察变量有着高的变量共同度（ItemCommunalities大于或等于0.6）。最小样本规模——150：对于那些含有七个或七个以下的构念模型，拥有适度的变量共同度（0.5），并且没有不能识别的构念。最小样本规模——300：模型含有七个或七个以下的构念，测量变量拥有相对更少的变量共同度（低于0.45），同时或不同时拥有多个不能识别的构念（少于三个）。最小样本规模——500：模型中有较多的构念，其中的一些是有较少的变量共同度（低于0.45），同时或不同时有一些构念的测量指标少于三个。对比本研究的数据初步处理结果，可以发现，检验中介效应时，模型中有七个变量，每个变量的测量指标间的变量共同度都大于0.7，并且每个都有多于三个的测量指标，对应于Hair等（2009）关于最小样本数为150个的建议。而本研究调研有303份样本，符合使用结构方程模型分析研究模型的条件。此外，对于结构方程模型测量变量，Bollen（1989）提出了如下的建议：模型中潜变量至少应为两个；量表最好为七点尺度；每个潜变量至少要有三个测量题项，以五到七个题项为佳；每一指标不得横跨到其他潜在因素上。对比本书前面章节中对各变量测量指标的介绍，符合了Bollen的建议。（3）结构方程模型的结果分析结构方程模型不仅输出路径系数，还输出理论模型与数据的拟合程度，这是它的一大特点。结构方程模型提供了丰富的拟合指数，有助于判断模型的有效性。大多数的研究中，学者们关注的拟合指数有以下几类：绝对拟合指数、相对拟合指数和简约指数，下面将简单介绍。绝对拟合指数，描述的是样本共变异数矩阵中被模型共变异数矩阵解释的比例，类似于回归方程中的R2，包括χ2（卡方值）、df（自由度）、RMSEA（近似误差均方根）、GFI（拟合优度指数）和AGFI（调整拟合优度指数，不受样本量影响）。卡方值和自由度主要用于比较多个模型：卡方值越小越好；自由度反映了模型的复杂程度，模型越简单，自由度越多，反之，模型越复杂，自由度越少。总的来说，如果卡方值和自由度的比值小于2就是很好的模型，小于5也被有些学者建议接受。RMSEA受样本量影响较少，该值越小越好；一般认为RMSEA值低于0.08则模型可以接受，小于0.05表示拟合得非常好。GFI、AGFI和CFI的取值