精益管理与创新之间多层面关系的元分析研究

《Journal of Engineering and Technology Management》：A meta-analytical investigation of the multifaceted relationship between lean management and firm innovation

　　

精益管理（LM）被广泛用于提升运营效率，但其对创新的影响仍存在争议。研究人员对22项实证研究（K = 71; N = 25,867）进行了元分析，这些研究将LM与创新结果联系起来。结果显示，LM与整体创新之间存在中等程度的正相关，但其强度因创新类型和情境而异。可持续创新、创新能力以及过程创新受益最大，而与产品创新的关联不具有统计学显著性。精益工作场所组织与结构产生的关联最强，其次是精益战略导向、社会实践和技术实践。行业类型和创新类别解释了异质性，而企业规模则不能。

**论文解读：精益管理与创新之间多层面关系的元分析研究**

**1. 研究背景与问题**

在当今竞争激烈、资源受限且日益强调可持续性的商业环境中，企业面临着同时提升运营效率与创新能力的双重压力。精益管理（Lean Management, LM）作为一种旨在消除浪费、稳定流程、提升资源利用效率的系统性方法，已在制造业、医疗、制药、旅游等多个领域得到广泛应用。然而，关于LM对创新的影响，现有研究结论存在显著分歧。一方面，大量研究表明LM能够支持组织创新、提升员工创新技能、促进流程与可持续创新；另一方面，也有研究指出LM可能削弱创新，尤其是在强调标准化、纪律和效率的背景下，可能限制进行激进创新所需的冗余、实验和偏离常规的行为。此外，LM与创新之间的关系是否受到企业规模、行业类型、创新类别以及国家层面因素（如地理区域和收入水平）的调节，尚不明确。因此，本研究旨在通过系统性综述和元分析方法，整合现有实证证据，厘清LM与创新之间复杂、多层面的关系，以填补这一知识空白。

**2. 研究方法与主要技术方法**

为解答上述问题，研究人员开展了一项系统性综述和元分析研究。该研究严格遵循了系统综述和荟萃分析优先报告条目（PRISMA）指南，通过检索Web of Science和Scopus两大数据库，最终纳入了22项符合标准的实证研究，共包含71个效应量，累积样本量为25,867。研究采用了以下关键方法：首先，对纳入研究进行独立编码，将精益管理（LM）解构为五个维度：精益战略导向（Lean Strategic Orientation, LSO）、社会精益实践（Social Lean Practices, SLP）、技术精益实践（Technical Lean Practices, TLP）、精益工作场所组织与结构（Lean Workplace Organisation and Structure, LWOS）以及精益文化与氛围（Lean Culture and Climate, LCC）。同时，将创新结果细分为六类：产品创新（Product Innovation, PdI）、过程创新（Process Innovation, PrI）、组织创新（Organisational Innovation, OI）、可持续创新（Sustainable Innovation, SI）、创新能力（Innovation Capabilities, IC）和创新绩效（Innovation Performance, IP）。其次，使用随机效应模型汇总效应量，并采用Pearson相关系数（r）作为效应量指标。为校正测量误差，研究人员对每个相关系数进行了信度校正。此外，通过元回归分析（Meta-Analytic Regression Analysis, MARA）检验了企业规模、行业类型、创新类别、地理区域和收入水平等调节变量的影响。最后，通过漏斗图、Egger回归检验、剪补法（Trim and Fill）和失安全系数（Fail-Safe N）等方法评估了发表偏倚。样本来源涵盖22项研究，未注明特定样本队列，但研究分布涉及多个国家和地区。

**3. 研究结果**

**3.1 整体关系**
元分析结果显示，精益管理（LM）与整体创新之间存在中等程度的、统计学显著的正相关关系（rc = 0.452, 95% CI [0.390, 0.510], p < .001），表明实施精益管理程度较高的组织，其创新结果也更强。

**3.2 精益管理与创新类型**
通过分析LM与不同类型创新的关系，发现效应量存在显著差异。LM与可持续创新（SI）的关联最强（rc = 0.703），其次是与创新能力（IC）（rc = 0.561）和过程创新（PrI）（rc = 0.461）的关联。与组织创新（OI）（rc = 0.177）和创新绩效（IP）（rc = 0.243）的关联虽小但显著。然而，LM与产品创新（PdI）的关联虽然为正，但未达到统计学显著性（rc = 0.207）。因此，假设H1a（LM与产品创新正相关）不成立，而假设H1b至H1f均得到支持。

**3.3 精益管理维度与创新**
分析不同LM维度与创新的关系，发现各维度的影响有所不同。精益工作场所组织与结构（LWOS）与创新的关联最强（rc = 0.526）。社会精益实践（SLP）（rc = 0.457）和精益战略导向（LSO）（rc = 0.460）显示出中等程度的正相关。技术精益实践（TLP）也呈正相关（rc = 0.409）。然而，精益文化与氛围（LCC）与创新的关联为正，但未达到统计学显著性（rc = 0.341）。因此，假设H2a、H2b、H2c和H2d得到支持，而假设H2e被拒绝。

**3.4 调节效应分析**
**企业层面调节变量：** 企业规模对LM-创新关系没有显著的调节作用（F(1, 64) = 0.847, p = .361, R2 = 0.10%）。行业类型则是一个显著的调节变量（F(2, 63) = 4.671, p = .013, R2 = 12.18%），在混合行业情境下，LM与创新的关联显著强于单一的制造业或服务业。创新类别是最强的调节变量（F(2, 52) = 7.255, p = .002, R2 = 22.82%），其中可持续技术创新（STI）的效应量显著大于非技术创新（NTI）。因此，假设H3得到部分支持。
**国家层面调节变量：** 地理区域（F(5, 60) = 2.129, p = .074, R2 = 10.36%）和收入水平（F(2, 43) = 2.572, p = .088, R2 = 9.04%）的调节效应均仅在趋势水平上显著，未达到传统显著性阈值（p < .05）。因此，假设H4仅得到有限支持。

**4. 结论与讨论**

本研究通过元分析，为精益管理（LM）与创新之间的关系提供了一个更有限、更具差异性的解释。研究结论表明，LM与创新的关联并非单一或普遍，其强度取决于创新类型、LM的核心维度以及具体情境。

**讨论部分总结：**
- **LM与创新类型的关系：** LM并非对所有创新类型都有同等影响。其与可持续创新、创新能力和过程创新的关联最强，与产品创新的关联不显著。这支持了基于学习的解释，即LM的标准化和持续改进特性更有利于利用式学习（Exploitative Learning），而非探索式学习（Exploratory Learning），因此更契合过程创新和累积性改进，而与需要实验和容错能力的产品创新关联较弱。
- **LM维度与创新的关系：** LM不应被视为单一构念。其各维度通过不同机制影响创新。精益工作场所组织与结构（LWOS）影响信息可见性和协调速度，从而最强地关联于创新。社会精益实践（SLP）和精益战略导向（LSO）通过促进团队合作、知识共享和战略支持来推动创新。技术精益实践（TLP）主要通过改进执行和减少变异来支持创新。而精益文化与氛围（LCC）本身并非可靠的直接预测因子，其作用可能更间接，作为支持性条件存在。
- **调节因素：** 企业规模并非显著的调节变量，削弱了LM对不同规模企业影响不同的普遍假设。行业类型和创新类别是关键调节变量，尤其是在混合行业和可持续技术创新情境下，LM与创新的关联更强。国家层面的调节效应（区域和收入水平）仅提供提示性证据，而非确定性结论，这可能是由于样本数量有限和异质性所致。

**研究结论翻译：**
这项元分析为精益管理（LM）与创新之间的关联提供了一个更有限、更具差异性的描述。基于22项研究和25,867个观测值的证据表明，LM总体上与创新正相关，但这种关系并非均匀一致。其强度因创新类型、精益维度以及情境条件而异。因此，LM不应被理解为一种普遍增强创新的实践，而应被视为一个多维度和情境敏感的系统，其创新效应取决于所考虑的创新类型、强调的维度以及实施的具体情境。