数字创业生态系统中的开放创新:连接领导力与中小企业绩效的认知—行为机制

《Journal of Complexity》:Open innovation in digital entrepreneurial ecosystems: A cognitive–behavioral mechanism linking leadership and SME performance

【字体: 大 中 小 】 时间:2026年07月28日 来源:Journal of Complexity 1.7

编辑推荐:

  本研究探讨创业领导力(Entrepreneurial Leadership, EL)与数字创业生态系统(Digital Entrepreneurial Ecosystem, DEE)对巴基斯坦制造业中小企业(Small and Medium-sized Ent

  
本研究探讨创业领导力(Entrepreneurial Leadership, EL)与数字创业生态系统(Digital Entrepreneurial Ecosystem, DEE)对巴基斯坦制造业中小企业(Small and Medium-sized Enterprises, SMEs)绩效的影响。基于数字创业与开放创新(Open Innovation)视角,本研究提出一种序列性的认知—行为机制,在环境不确定性(Environmental Uncertainty, EU)背景下,将数字创业思维(Digital Entrepreneurial Mindset, DEM)与创业敏捷性(Entrepreneurial Agility, EA)联系起来,实现领导力与生态系统支持向更高绩效的转化。研究人员从巴基斯坦旁遮普省选取385家制造业SMEs的创始人或管理者进行数据收集,并采用偏最小二乘法—结构方程模型(Partial Least Squares–Structural Equation Modeling, PLS-SEM)进行分析。结果表明,创业领导力与数字创业生态系统对数字创业思维具有显著正向影响,数字创业思维进而正向影响创业敏捷性与SME绩效。在高环境不确定性下,创业敏捷性在提升SME绩效方面更为有效。本研究通过将数字创业思维作为认知机制、创业敏捷性作为行为机制,阐明生态系统在政府、政策与资金等方面的外部支持与SME绩效之间的关联,从而贡献于相关文献。在实践中,结果表明SMEs需要形成数字化思维与敏捷技能,以有效应对不确定与技术化的市场。
该研究立足于数字化转型与全球竞争加剧背景下,中小企业(Small and Medium-sized Enterprises, SMEs)作为经济增长与创新的重要驱动力,面临资源受限与战略不足的困境,难以有效利用数字技术转化为绩效提升。现有文献多单独关注创业领导力(Entrepreneurial Leadership, EL)、数字创业生态系统(Digital Entrepreneurial Ecosystem, DEE)与SME绩效,缺乏对三者间内在过程的解释,尤其忽视了外部资源与领导力如何通过认知与行为过程影响绩效,以及环境不确定性(Environmental Uncertainty, EU)在这一关系中的边界条件。为此,研究人员整合资源基础观(Resource-Based View, RBV)、动态能力理论(Dynamic Capabilities Theory, DCT)与开放创新(Open Innovation)理论,构建序列性认知—行为机制框架,探讨EL与DEE如何通过数字创业思维(Digital Entrepreneurial Mindset, DEM)(指企业识别、评估和利用数字机会的心智能力)与创业敏捷性(Entrepreneurial Agility, EA)(指企业重组资源与策略以快速响应环境变化的动态能力)影响SME绩效,并检验EU的调节作用。研究以巴基斯坦旁遮普省制造业SMEs为对象展开实证分析,得出领导力与生态系统均通过DEM与EA间接促进绩效,且EA在高度不确定环境下对绩效的促进作用更强等结论,在理论上揭示了开放创新背景下外部支持转化为内部绩效的认知—行为路径,在实践上为新兴经济体SMEs数字化适应提供指引。论文发表在《Journal of Complexity》。
研究人员主要采用以下关键技术方法:基于实证主义范式开展定量假设检验,以巴基斯坦旁遮普省制造业中小企业为样本队列,通过便利抽样选取385位企业创始人或管理者,使用五点李克特量表问卷收集数据,测量条目改编自已有验证量表并针对情境调整,经试点测试与内容效度评估。采用赫尔曼单因子检验与方差膨胀因子(Variance Inflation Factor, VIF)诊断共同方法偏差与多重共线性,运用Smart PLS 4软件通过偏最小二乘法—结构方程模型(Partial Least Squares–Structural Equation Modeling, PLS-SEM)进行测量模型与结构模型分析,以复合可靠性、克朗巴哈系数(Cronbach’s Alpha)、平均方差萃取量(Average Variance Extracted, AVE)、福奈尔—拉克尔准则(Fornell–Larcker Criterion)、异质—同质比(Heterotrait-Monotrait Ratio, HTMT)检验信度与区分效度,通过路径系数、特定间接效应与R2、标准化均方根残差(Standardized Root Mean Square Residual, SRMR)、规范拟合指数(Normed Fit Index, NFI)评估结构关系与模型拟合,并以25000次bootstrap样本检验显著性,采用斜率分析可视化调节效应。
研究结果如下:
  1. 1.
    Introduction
    研究人员在引言中阐述SMEs在经济中的作用与数字化压力,指出单纯依赖EL或DEE不足以提升绩效,需内部能力承接外部资源,据此提出以DEM为认知机制、EA为行为机制的序列路径,并将EU作为调节变量,明确三个研究问题:EL与DEE和DEM的关系,DEM对EA与SME绩效的影响,EU对EA与SME绩效关系的调节,阐明整合RBV、DCT与开放创新理论的框架价值与研究缺口填补意义。
  2. 2.
    Literature review
    研究人员在文献综述中依托RBV、DCT与开放创新理论,论证EL作为独特资源与能力、DEE作为动态资源供给方的作用,定义DEM为动态组织能力、EA为动态能力体现,说明EU强化关系敏感性。分别提出假设:H1为EL对DEM有显著影响;H2为DEE对DEM有显著影响;H3为DEM对EA有显著影响;H4为EA对SME绩效有显著影响;H5为EU调节EA与SME绩效的关系;H6a与H6b分别为DEM与EA顺序中介EL、DEE与SME绩效的关系,并给出概念框架图逻辑。
  3. 3.
    Methodology
    研究人员在方法论中说明样本来自巴基斯坦旁遮普省制造业SMEs,发放464份问卷回收385份,有效回应率83%,受访者多为年轻男性管理者。采用自建结构化问卷,五点李克特量表,获伦理批准与知情同意。通过赫尔曼单因子(37.94%总方差低于50%)与VIF小于5排除共同方法偏差与多重共线性。测量量表分别改编自Zahoor等(EL,7题)、Sachitra和Chinthaka(DEE,5题)、Elbert和Gerdes(EU,4题)、Karimi和Walter(EA,3题)、Handayati等(DEM,6题)、Khalil等(SME绩效,8题),经专家评判与试点测试。选用PLS-SEM因其适合探索性研究、小样本与非正态数据及复杂中介调节模型,以AVE大于0.50、Cronbach’s Alpha大于等于0.70为效度与信度标准。
  4. 4.
    Results and analysis
    测量模型显示所有条目外部载荷大于0.7,Cronbach’s Alpha、复合可靠性(rho_a、rho_c)均高于0.70,AVE均大于0.50,收敛效度良好。区分效度方面,Fornell–Larcker准则中各构念AVE平方根大于交叉载荷,HTMT均低于0.85,VIF在合理范围,无严重共线性。
    结构模型中路径系数表明:EL→DEM为0.516(t=17.699,p=0.000),H1支持;DEE→DEM为0.539(t=20.128,p=0.000),H2支持;DEM→EA为0.661(t=25.652,p=0.000),H3支持;EA→SME绩效为0.577(t=19.852,p=0.000),H4支持。
    特定间接效应显示:EU×EA→SME绩效为0.144(t=4.793,p=0.000),H5支持;EL→DEM→EA→SME绩效为0.197(t=10.827,p=0.000),H6a支持;DEE→DEM→EA→SME绩效为0.206(t=11.797,p=0.000),H6b支持。
    R2值为DEM 0.593、EA 0.437、SME绩效 0.470,模型解释力中等至强。饱和模型SRMR为0.027、估计模型SRMR为0.037低于0.08,NFI分别为0.943与0.940接近1,模型拟合良好。斜率分析显示EA对SME绩效的正向关系在EU高水平(+1 SD)时更强,验证EU增强EA对绩效的影响。
  5. 5.
    Discussion and conclusion
    研究人员在讨论与结论中指出,EL与DEE对SME绩效的影响主要通过内部认知与行为过程间接实现,符合开放创新理论中外部知识流需内部转化的观点,DEM作为认知机制帮助解读生态机会,EA作为行为机制将认知准备转为绩效,二者构成“先思后行”的序列路径。EU的调节作用表明在技术与市场动荡中EA更为关键,动态能力理论解释其在不确定环境下的资源重构价值。研究贡献在于将开放创新与数字生态系统结合,提出认知—行为顺序机制,并纳入情境边界。结论重申SME成功取决于将领导力与生态系统资源转化为数字思维与敏捷行动的能力,在不确定市场中内部过滤与外部行动同样重要。局限包括便利抽样、自评数据、横截面设计与样本地域与人口结构限制,未来建议纵向设计、跨区比较与深化理论整合。
讨论部分总结:研究人员讨论认为结果印证开放创新下SMEs依赖外部知识流与协作网络,但需DEM内化机会识别、EA实现动态重构,序列机制弥补了直接效应视角的不足。EU调节凸显情境依赖性,高不确定下敏捷能力更具价值,与复杂性与动态能力视角一致。理论上面向东新兴经济体制造业,强调生态系统支持需配以内生认知与行为转化,延伸了数字创业、开放创新与SME绩效文献。实践上提示SMEs培育数字思维与敏捷技能以应对技术化与不确定的市场。同时坦诚便利抽样、自评、横截面与样本代表性等局限,指明未来可做纵向、跨文化及多产业比较研究。
研究结论部分原文翻译:
本研究通过将创业领导力、数字创业生态系统与开放创新整合到单一框架中,为中小企业绩效相关知识作出贡献。基于资源基础观与动态能力理论,结果表明中小企业在数字化变化环境中的成功不仅由资源可得性或领导力导向预先决定,而取决于企业利用内部过程将输入源转化为可操作输出的能力。结果将弥补所识别的缺口,并从数字创业思维与创业敏捷性角度理解创业领导力、数字创业生态系统与中小企业绩效之间的关系;同时表明在环境不确定的情况下敏捷性在波动市场中至关重要。因此,本研究回答了领导力与生态系统支持如何通过数字认知、敏捷行动与提升的中小企业绩效的中介作用实现的核心问题,揭示出开放创新过程被内化并转化为绩效收益的极具重要性的认知—行为路径。在动态市场中,能够过滤外部知识流并以适应性策略对其采取行动的中小企业更具保持竞争力的优势。此外,环境不确定性的调节影响也强调敏捷性作为在挑战与不稳定环境中运作的关键方面。不确定性越出现,适应能力价值越大,中小企业应更具灵活性与对变化做出响应。核心发现是数字化不确定情境下的中小企业成功依赖于将领导力与生态系统响应转化为数字思维与敏捷行动。从理论上讲,资源基础观可用于解释为何中小企业绩效由资源基础决定,动态能力理论可用于解释如何发展能力,开放创新理论可用于解释外部知识流如何改善中小企业绩效。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号