双元学习平衡与协同对创新质量的影响

《Journal of Engineering and Technology Management》：The impacts of ambidextrous learning balance and synergy on innovation quality

　　

基于组织学习理论(organizational learning theory)和知识基础观(knowledge-based view, KBV)，本研究探讨了双元学习如何影响创新质量这一尚未充分探索的问题，尤其是知识资源的调节作用。研究人员将双元学习解构为两个维度，即平衡(balance)和协同(synergy)，并利用中国463家上市制造企业的样本实证研究了它们对创新质量的影响。研究人员进一步将知识存量(knowledge stock, KS)和研发合作伙伴多样性(R&D partner diversity, RPD)作为关键调节变量，以阐明相关边界条件。结果显示，双元学习平衡与创新质量呈倒U型关系，而双元学习协同对创新质量有正向影响。此外，协同的正向效应被知识存量和研发合作伙伴多样性削弱。异质性分析表明，知识存量的负向调节效应在高技术行业和高动态环境中更强，而研发合作伙伴多样性的负向调节效应在学术主导和弱联结合作中更为显著。这些发现通过解释双元学习影响创新质量的双重机制以及揭示知识资源所施加的约束条件，扩展了组织学习理论。

**论文解读：双元学习平衡与协同对创新质量的影响**

**1. 研究背景与问题**
在制造业由规模扩张向质量升级转型的背景下，企业持续成功越来越依赖于高质量创新而非单纯的数量增长。组织学习理论指出，实现高质量创新需要战略性地协调探索性学习与利用性学习，即双元学习。然而，以往研究存在三方面不足：第一，多数研究聚焦于创新数量（如专利数、新产品销售额），忽视了对创新质量（即技术重要性及影响）的考察；第二，双元学习的两个核心维度——平衡（ambidextrous learning balance, ALB）与协同（ambidextrous learning synergy, ALS）——被笼统地视为统一构念，而实际上它们遵循不同的逻辑：ALB反映探索与利用之间的资源分配对等性，ALS强调二者的交互整合与互补，但两者对创新质量的作用机制尚不清晰，尤其是ALB与创新质量之间是否存在非线性关系；第三，知识相关的边界条件未得到充分探索，已有研究多关注通用资源属性或环境因素，而知识存量（knowledge stock, KS）和研发合作伙伴多样性（R&D partner diversity, RPD）这两个关键的知识资源因素如何调节双元学习效果，以及这种调节效应在不同产业和合作情境下如何变化，仍缺乏系统实证。因此，本研究旨在回答：（1）ALB与ALS分别如何影响创新质量？（2）KS与RPD如何调节上述关系，且调节效应在不同工业与协作情境下有何差异？

**2. 研究内容与结论**
研究人员基于组织学习理论与知识基础观，利用中国463家上市制造企业2006-2013年的面板数据，实证检验了ALB和ALS对创新质量的影响，并考察了KS与RPD的调节作用。创新质量以排除自引的专利前向引用次数衡量，ALB采用有机平衡指数，ALS以探索与利用学习的乘积表示，KS用专利存量（t-2至t期申请专利数取对数），RPD基于合作专利的伙伴类型熵指数。研究采用负二项回归模型，并进行内生性检验（工具变量法）、替换变量、子样本检验、替代计量模型等多种稳健性检验。主要结论：ALB与创新质量呈倒U型关系，即适度平衡有利于优化知识结构并控制风险，但过度平衡会导致资源分散与协调成本上升；ALS对创新质量有显著正向线性效应，通过知识整合与能力互补实现协同增益。KS与RPD均负向调节ALS与创新质量的关系，但对ALB的调节效应不显著。异质性分析表明，KS的负向调节在高技术行业和高动态环境中更强，RPD的负向调节在学术主导合作和弱联结合作中更突出。这些发现扩展了组织学习理论，揭示了双元学习影响创新质量的双重机制以及知识资源作为约束条件的边界作用。论文发表在《Journal of Engineering and Technology Management》。

**3. 主要关键技术方法**
研究样本来源为中国A股制造业上市公司（2006-2013年），数据来自CSMAR数据库、CNINF官网年报、中国国家知识产权局专利数据库及WIND数据库。最终样本包含463家企业，共2401个公司-年观测值（非平衡面板）。关键方法：创新质量以排除自引的专利前向引用计数（四年前向窗口）衡量；ALB采用有机平衡指数（Balance = 1 - |Exploration - Exploitation| / (Exploration + Exploitation)）；ALS以探索学习与利用学习乘积的自然对数衡量；KS为t-2至t期累积发明专利申请数取自然对数；RPD基于专利共同申请数据，将合作伙伴分为六类（大学、研究机构、用户、供应商、竞争对手、其他关联公司），采用熵指数计算。主要计量模型为负二项回归，加入行业固定效应、年份固定效应，所有自变量滞后一期以缓解反向因果，标准误在企业层面聚类。

**4. 研究结果**
**4.1 实证结果**
通过负二项回归发现：ALB的线性项系数为正（1.703，p<0.01），二次项系数为负（-1.755，p<0.01），证实ALB与创新质量呈倒U型关系，支持假设1；ALS系数为正（0.740，p<0.01），表明ALS正向影响创新质量，支持假设2。KS与ALB的交互项不显著，故假设H3a未获支持；KS与ALS的交互项显著为负（-0.281，p<0.01），表明KS负向调节ALS-创新质量关系，支持假设H3b。RPD与ALB的交互项不显著，假设H4a未获支持；RPD与ALS的交互项显著为负（-0.373，p<0.01），表明RPD负向调节ALS-创新质量关系，支持假设H4b。

**4.2 稳健性检验**
通过工具变量两阶段最小二乘法（2SLS）处理内生性，结果仍支持倒U型与正向线性关系。更换创新质量计量方式（三/五年引用窗口、复合指标、调整ALS测量方式、替换KS与RPD度量）、子样本测试（提高专利门槛、剔除缺失研发支出样本）、替代计量模型（Tobit模型、双向固定效应模型、纳入自引）以及控制变量多期滞后，所有结果均与主回归一致，结论稳健。

**4.3 异质性分析**
基于行业技术强度（高技术 vs 低技术）和环境动态性（销售变异系数中位数分组）的分组回归显示，KS对ALS的负向调节在高技术行业和高动态环境中更强。基于合作伙伴类型（学术主导 vs 企业主导）和联结强度（强联结 vs 弱联结）的分组发现，RPD对ALS的负向调节在学术主导合作和弱联结合作中更显著。

**5. 讨论与结论**
本研究基于组织学习理论与知识基础观，揭示了ALB与ALS对创新质量的差异化影响及其边界条件。主要结论：第一，ALB与创新质量呈倒U型关系，过度平衡有损创新质量；ALS通过知识整合与能力互补产生正向线性效应。第二，KS负向调节ALS-创新质量关系，且该效应在高技术、高动态环境中更强，但KS对ALB的调节不显著，因为ALB更依赖资源结构而非总量，且样本企业多偏向利用性学习，双元规模有限。第三，RPD负向调节ALS-创新质量关系，且该效应在学术主导和弱联结合作中更突出，而RPD对ALB的调节不显著，因为ALB主要涉及内部资源分配，外部知识难以直接调整，且样本合作频率低、知识转移效率有限。这些发现深化了对双元学习机制的理解，指出知识资源可能成为“双刃剑”，过度积累或多样化会带来刚性、复杂性及协调成本，从而削弱协同效应。研究呼吁企业根据行业与情境差异，动态调整平衡区间、构建知识整合机制，并对不同合作伙伴采取差异化治理，以最大化双元学习的创新质量收益。