4.3 研究方法
4.3.1 问卷设计
由于本研究的子研究二、子研究三以及子研究四均使用了同一份调查问卷，因此关于问卷设计的内容一并在此章节予以说明。本研究围绕“焦点企业的战略导向、研发伙伴多样性与创新绩效三者之间存在何种关系”这一基本问题展开，具体细分为以下三个子问题：研发伙伴多样性如何影响创新绩效?战略导向如何影响研发伙伴多样性?战略导向是否会通过研发伙伴多样性来影响创新绩效?研究所需的数据涉及企业实施的战略导向、主要研发合作伙伴的数量、各组织类型研发合作伙伴的数量(旨在计算组织多样性得分)、各地的研发合作伙伴的数量(旨在计算地理多样性得分)。这些数据均属于企业层面，上市公司不会在其年度报告中公开全面的研发合作伙伴的有关信息，并且以往学者也都是通过成熟量表来测度企业战略导向的。因此，本研究采用问卷调查的方法来收集研究所需的数据。问卷数据回收上来之后，我们剔除无效问卷，然后对有效的问卷数据进行描述性统计分析、信度检验、效度检验、相关分析、层次回归、结构方程建模等统计分析。接着，围绕本子研究的研究问题，我们分析焦点企业的研发伙伴多样性对其创新绩效的影响，以及研发合作经验的调节作用。
为了保证问卷设计的科学性和合理性，我们遵循以下流程完成“企业战略导向、研发伙伴多样性与创新绩效”的问卷设计：通过文献回顾和对企业界的经验调查或访谈形成题项;与学术界的专家进行讨论;与企业界的专家进行讨论;通过预测试对题项进行纯化，最终对问卷进行定稿。遵循该流程，本研究的问卷设计也经历了四个阶段：
其一，文献阅读与田野调查。笔者阅读了有关企业战略导向、研发网络、研发合作、多样性以及创新绩效的相关文献350余篇，还阅读了大量医药制造业的资料，包括行业的发展现状，典型创新型企业的新药研发情况，研发合作情况，上市企业的年度报告、调研报告、媒体报道等，形成了初步的研究框架。基于此，笔者撰写了医药制造企业的访谈提纲(访谈提纲见附录1)，走访15家医药制造企业进行了多次田野调研。测度题项的设计建立在已有文献中具有较高信度和效度的量表的基础上，为了适应特定的行业情境，笔者对一些题项的表述方式进行了修改，形成了问卷的初稿。
其二，与学术专家的交流和讨论。问卷初稿形成之后，笔者所在的学术团队中的专家、已毕业的师兄师姐以及团队在读的博士研究生都非常认真地提出了各自的意见和建议。由于学术团队的研究领域大都围绕创新管理和战略管理，因此他们对问卷初稿中的部分题项的设置、措辞、题项顺序等提出了宝贵的建议，接着笔者根据这些建议对问卷进行了调整和修改。同时，笔者还请武汉大学、浙江财经大学、杭州电子科技大学的老师对问卷设计给予指导，他们对问卷中测度“研发伙伴多样性”题项的设计方面，题项词句可能存在的歧义、可能带来的诱导性问题以及问卷的整体布局都提出了很好的建议，笔者针对这些建议，逐一对问卷进行了修改和完善。
其三，企业界人士意见的征求。笔者在调研企业的过程中与走访企业的高层领导或药物研究院领导都保持了长久、良好的合作关系。因此笔者选择了4家典型的创新型医药制造企业负责药物研发的经理进行了交流，征求他们对调查问卷的意见，主要包括对战略导向、研发伙伴多样性变量的总体理解、题项中用词的准确性、对题项的可理解程度和表达的清晰程度。问卷经过反复修改，力争使得医药制造企业的高层领导和员工都能够清晰地理解问卷中所有的题项。
其四，预测试与纯化。在问卷第三稿完成之后，笔者选取之前调研过的15家医药制造企业中的30位高层管理人员或药物研发部门经理，共发放15份调查问卷，进行了预测试。其中每份问卷都请两位符合答题要求的人员共同填写，一人填写第一至第三部分，另一人填写第四和第五部分。由于笔者与这些人员之前有过接触，良好的关系确保反馈意见真实可靠。根据这些意见笔者修改了较难做出回答的题项，以及进一步针对医药制造业的行业特点对题项措辞进行了适当修改。经过反复修改，形成了调查问卷的终稿(调查问卷见附录2)。
本研究的调查问卷终稿共包括六部分内容：在问卷的开头部分，我们详细说明了问卷的研究目的、对答卷者的保密承诺及感激、答卷的具体要求以及研究人员的联系方式。第一部分是企业的基本信息情况，主要涉及企业名称、成立年份、所有权性质、医药制造业的细分行业、企业规模、研发投入等基本信息。第二部分是对企业战略导向情况的测度，从市场导向和技术导向两个维度来测度战略导向，测度方法采用李克特五分量表，要求问卷填写人根据对所陈述题项的符合程度进行打分，“1”表示完全不符合，“2”表示基本不符合，“3”表示不能肯定，“4”表示基本符合，“5”表示完全符合。第三部分测度的是企业在研发活动中的合作伙伴情况，从组织多样性和地理多样性两个维度来测度研发伙伴多样性。此部分要求问卷填写者根据本企业的实际情况，先填写企业的主要研发合作伙伴的总数量，然后分别填写各种组织类型的研发合作伙伴的具体数量，接着分别填写各个国家和地区的研发合作伙伴的具体数量。其中，研发合作伙伴的组织类型分为竞争对手、用户、供应商、高校、研究机构5种。研发合作伙伴的国家分为中国、美国、欧洲国家、日本、其他5种。第四部分测度的是企业创新绩效，包括“与同行相比，我们常常在行业内率先推出新药品”“与同行相比，我们常常在行业内率先应用新工艺”“与同行相比，我们的药品改进与创新有着非常好的市场反应”等5个题项，测度方法采用李克特五分量表，要求问卷填写人根据对所陈述题项的符合程度进行打分，“1”表示完全不符合，“2”表示基本不符合，“3”表示不能肯定，“4”表示基本符合，“5”表示完全符合。第五部分测度的是企业以往的研发合作活动情况，我们使用“贵企业在过去5年中开展的研发合作数量”题项来代理测量“研发合作经验”这一变量。第六部分是问卷填写人的基本情况，主要涉及问卷填写人的性别、年龄、文化程度、职位、工作年限。本子研究关注的是“焦点企业的研发伙伴多样性对创新绩效的影响”，所使用的数据从问卷的第三部分、第四部分、第五部分内容中获得。
由于问卷中很多部分都采用了李克特五分量表的测度方法，为了排除客观因素的干扰，尽量使问卷填写人能够准确作答，本研究实施了以下措施以提高问卷作答的准确性：其一，尽量要求企业的高管和药物研发部门的高管或经理来填写调查问卷，以减少因职位不相符而引起的无法回答问卷的情况。其二，对某些问题没有设置具体的年份，以减少问卷填写人由于记忆失误而无法准确给出答案的情况，例如，题项“贵企业在过去5年中开展的研发合作数量”。其三，在问卷的最开始部分就说明了调查问卷的意图，并对问卷信息的保密做出承诺，以尽量减少问卷填写人因担心泄露公司商业信息而不愿给出真实回答的情况。其四，广泛听取专家学者、企业人士对于调查问卷的各种宝贵意见，改善表述方式，力求问题表述简洁并易于理解，同时还针对特定行业情境对问卷的措辞进行反复修改，以减少由于题项表达存在歧义而造成错误作答的情况。
4.3.2 样本与数据收集
由于本研究的子研究二、子研究三以及子研究四均使用了同一份调查问卷，关于样本与数据收集方式一并在此章节予以说明。本研究选取主营业务是医药制造的企业作为研究样本，具体包括化学药品制造、中成药制造、生物与生化制品制造三个细分行业。我们对江苏省南京市和浙江省杭州市的医药制造企业进行了实地调研。这两个地区的医药制造企业密集度较高，发展较成熟，具有较高的同质性，因而可以降低非观察异质性的影响。由于本研究限定在特定的医药制造行业，因此，我们除了选择南京市、杭州市、台州市、武汉市和青岛市等医药制造企业发放调查问卷之外，还通过委托同学及亲戚朋友等渠道大范围地发放并回收了调查问卷。
我们通过四种方式来发放调查问卷：其一，利用到企业实地调研的机会，现场发放纸质调查问卷;其二，与政府的相关管理部门或工业园区管委会联系，获得企业的名称名录，同时请相关部门人员帮忙发放电子版或纸质版问卷;其三，利用个人关系，委托同学、亲戚朋友发放电子版或纸质版问卷;其四，利用笔者的微信朋友圈平台以及笔者同学的微信朋友圈平台，大规模地发放电子版问卷，符合答题要求的人员可以直接填写并提交或者联系笔者将电子版问卷发送到其邮箱。我们要求企业的高管和药物研发部门的高管或经理来填写问卷，以确保问卷填写者对所要调查的内容是了解和熟悉的。
本次调查共发放问卷625份，共回收问卷281份，回收率为45.0%。由于绝大多数的问卷填答者都在调查问卷的末尾处填写了邮箱地址，因此笔者针对那些填写不完整或者明显是随意填答的问卷，进一步通过邮件或手机联系到问卷填写人，仔细说明了他们的如实、认真填写对笔者博士论文的研究非常重要，并表达了感激之情。在此之后，删除仍不合格的问卷，最终得到有效问卷218份，有效率为77.6%。因此，我们可以忽略本次调查问卷回收的未答复偏差。具体而言，笔者通过企业调研的方式共发放调查问卷15份，回收问卷和有效问卷均为15份，回收率和有效率为100%。我们从政府管理部门或者产业园区管委会那里获得企业的名录。为提高问卷回收率，我们请当地政府管理部门或管委会的职员帮忙发放并回收调查问卷，共发放问卷450份，回收问卷179份，获得有效问卷146份，回收率为39.8%，有效率为81.6%。我们委托同学、亲戚朋友帮忙发放并回收调查问卷，共发放问卷100份，回收问卷65份，获得有效问卷43份，回收率为65.0%，有效率为66.2%。此外，随着互联网行业的日渐盛行，微信也逐渐代替了QQ成为网民们首选的聊天方式，微信朋友圈丰富的形式和内容以及宣传效果也广受好评。笔者通过微信朋友圈这个渠道共发放60份问卷，回收问卷22份，获得有效问卷14份，问卷回收率为36.7%，有效率为63.6%。问卷发放和回收情况如表4.2所示。
表4.2 问卷发放和回收情况
注：回收率=回收数量/发放数量，有效率=有效数量/回收数量。
本研究218份有效问卷中，从企业年龄看，样本企业广泛地分布在不同年龄段，其中成立11～20年的企业所占的比例最大，高达45.4%。从企业规模看，样本企业主要集中在中小企业，员工人数在500人以下的样本企业占52.3%，这与医药制造业是以中小企业为主的行业现状相符合。从企业所有制看，民营/民营控股企业占总样本数的一半，高达54.1%;国有/国有控股所有制占19.3%;港澳台和外商投资企业占11.0%;个人独资/合伙企业占15.6%。从细分行业来看，化学药品制造企业占到总样本数的一大半，占60.6%;中成药制造企业以及生物、生化制品的制造企业各占19.3%和20.2%。研发强度方面，研发强度在6%以下的样本企业占82.5%，研发强度在6%～10.9%的企业占16.5%，这也与中国制药企业以仿制药为主，忽视创新药、研发投入低的现状相吻合。样本企业的基本信息如表4.3所示。
表4.3 样本企业的基本信息(N=218)
续表
注：企业年龄与研发强度这两个指标采用四舍五入的方式取值。
4.3.3 变量测量
4.3.2.1 因变量
关于因变量创新绩效测度的方法非常多，传统的指标包括专利数量、专利引用率、研发投入(Figueiredo，2011)、新产品数量等。然而，有学者指出，采用专利数目来衡量企业的创新绩效会存在某种弊端(Griliches，1990)。首先，企业申请专利的门槛和要求通常比较高，不能很好地体现某些改良性的创新，从而可能出现企业创新绩效被低估的情况;其次，某些企业由于担心过早地泄露核心技术机密而不太愿意将创新结果申请专利;再次，企业申请专利的积极性不同也会影响使用专利来衡量创新绩效的准确性，而我国普遍存在专利保护意识薄弱的现象。因此，我们不选用专利数目这一指标来衡量企业的创新绩效。
许多战略管理领域的学者都强调，应该使用多个指标来衡量企业的创新绩效。基于以往研究，学者们采用创新效率和创新效果来测度创新绩效。其中，创新效率根据产品在开发阶段以及市场化阶段中呈现的过程特征来测度，而创新效果是依据新产品创新的结果来衡量的(Brettel and Heinemann et al.，2011)。Zhang和Li(2010)从产品品质和速度两方面来衡量产品创新，提出了包括5个测度题项的量表，即：①总是推出新产品;②总是在市场中首次推出新产品;③总是迅速地将新产品投放于市场;④总是开发卓有品质的新产品;⑤总是使用新产品去渗透市场。
综上，本研究中采用多个题项来测量企业的创新绩效。具体而言，根据Bell(2005)，Ritter和Gemünden(2004)的研究，我们询问企业在过去的三年中，与同行企业平均水平相比，公司的创新情况如何，并采用5个5分值题项对创新绩效进行测度，如表4.4所示。
表4.4 创新绩效的量表
题项来源：Bell(2005);Ritter and Gemünden(2004)。
4.3.2.2 自变量
本研究试图获得每个企业完整的自我中心网络的信息，特别是它们接触到的多样化以及非重叠知识库的能力。研发伙伴多样性是指在研发网络情境下，焦点企业的研发伙伴跨越组织边界或地理边界，从而桥接多个知识库的程度(Duysters and Lokshin，2011;Reagans and McEvily，2003)。与以往研究保持一致，我们关注多样性的两个维度，即组织多样性和地理多样性，一些最近的研究认为这两个维度是产品创新的重要前因(Owen-Smith and Powell，2004;Reagans and Mc Evily，2003)。组织多样性和地理多样性分别用来测度伙伴的组织类型的多样化程度和地理位置的多样化程度。在多样性的测度方面，Duysters和Lokshin(2011)先将企业的合作伙伴进行了分类，接着通过调研得到企业与几类合作伙伴建立了合作关系，再根据类别的数量直接对合作伙伴多样性给予赋值。例如，如果企业只有1种类型的合作伙伴，那么多样性的得分为1，以此类推，若企业拥有5种类型的合作伙伴，那么多样性的得分就为5。Cui和O'Connor(2012)在已有研究基础上，采用类别数量与合作伙伴数量之间的比例来测度合作伙伴的多样性。同时，以往的研究文献中，大多数学者(Bruyaka，2008;Zhang and Li et al.，2010)都采用Blau's(1977)的多样性指数(赫芬达尔指数，Herfindahl-Hischman Index)来测度多样性，该指数也被称为辛普森多样性指数。该指数的计算公式是分类数据文献中常用的(Richard and Murthi et al.，2007;van Beers and Zand，2014)，该指数是经济学文献中测度多样性的最广为接受的方法(McDonald and Dimmick，2003)。该指数P的公式为：(https://www.daowen.com)
其中，Pj代表伙伴类别j的数量，Pt代表伙伴的总数量，N代表共有N类不同的伙伴。我们遵循大多数学者的做法，采用Blau's多样性指数公式来计算组织多样性和地理多样性的得分，分值在0与1之间，得分越高表明多样性水平越高。在本研究中，我们将研发合作伙伴的组织类型编码为五类，即竞争对手、用户、供应商、高校、研究机构，将研发合作伙伴所处的国家编码为五类，即中国、美国、欧洲国家、日本、其他。
4.3.2.3 调节变量
研发合作经验是指焦点企业通过已有的研发合作活动所获得的知识。在调查问卷中，我们要求企业填写“过去5年中开展的研发合作数量”，这被视为研发网络能够为企业层面的经验做出贡献的时期(Kale and Dyer et al.，2002;Li and Rowley，2002;Sampson，2005)。本研究使用企业在“过去5年中开展的研发合作数量”这一变量作为测度“研发合作经验”的代理变量(Lavie and Miller，2008)。
4.3.2.4 控制变量
企业年龄：很多研究都指出产业区内不同发展阶段的企业具有不同的绩效(Pouder and John，1996)，因此，我们将企业年龄作为控制变量，具体操作化为企业经营的年份，采用“2014减去企业成立年份”的自然对数作为代理变量。
企业规模：企业规模可能会影响其获得的知识与创新绩效。有学者指出，规模越大的企业可能拥有更加丰富的资源，进而有利于其创新能力和绩效的提升(Tsai，2001)。同时，与小企业相比，大型企业往往更能较容易地从其他组织中获得支持与资源。我们将企业规模作为控制变量进入回归方程，采用员工人数的自然对数作为代理变量。
所属细分行业：企业所属的医药制造业的细分行业不同，可能使得企业的总体绩效和创新绩效存在差异。因此，我们控制了企业所属的细分行业，在模型中加入了化学药品制造和中成药制造两个虚拟变量。
企业所有权：遵从以往学者的做法(戴维奇，2010)，我们将医药制造企业的所有制分为国有/国有控股、民营/民营控股、港澳台和外商投资、个人独资/合伙四种类型，设置了国有控股、民营控股、港澳台和外商投资三个虚拟变量对其进行控制。
研发强度：研发强度是影响创新绩效的一个非常关键的决定因素，尤其是对医药制造业这个高技术行业而言(Cohen and Levinthal，1990)。因此，我们将在本子研究的模型中控制研发强度这个变量，具体操作化为“研发经费占销售收入的百分比”。
4.3.4 数据分析方法
在本章节，我们一并介绍子研究二和子研究三所采用的数据分析方法。本研究选择SPSS 19.0版本和AMOS 18.0版本作为数据分析软件，对问卷调查所获得的数据进行统计分析。主要运用到的分析方法包括变量描述性统计分析、信度与效度分析、相关分析、层次回归分析和结构方程建模。其中，SPSS 19.0软件用于描述性统计、信度与效度检验、相关分析、层次回归分析;AMOS 18.0软件用于效度检验和结构方程建模。
(1)描述性统计分析
描述性统计分析用于初步描述和分析研究样本及其相关变量的总体情况，从而得到各变量的均值和标准差，以及整体样本中不同类别的样本量、所占比例及累积百分比等。
(2)信度检验
信度是指量表的可靠性或稳定性，信度表示量表的一致性和稳定性。一般而言，两次或两个测验的结果越是一致，则误差越小，所得的信度越高。常用的信度指标有内部一致性、稳定性和等值性(李怀祖，2004)。本研究主要检验量表的内部一致性。一份量表在测度相同的潜在构念时，理论上应具有较高的内部一致性。学者们对李克特量表的信度估计通常采用克朗巴哈系数(Cronbach'sα)，该系数值介于0与1之间。关于该系数的判断准则，不同的方法论学者也持有不同的看法。学者Nunnally(1978)认为α等于0.70是一个较低但可以接受的边界值;学者De Vellis(1991)也提出以下观点，如果α为0.60～0.65最好不要;α为0.65～0.70是最小可接受的数值;α为0.70～0.80相当好;α为0.80～0.90非常好。吴明隆(2010a)提出的内部一致性信度系数指标判断原则如表4.5所示，也是本研究参考的标准。
表4.5 内部一致性信度系数指标判断原则
续表
资料来源：吴明隆(2010a)。
(3)效度检验
效度是指测量工具对调查对象属性进行测量时的准确程度。研究的效度包括内在效度与外在效度两种，内在效度的内涵是研究叙述的真实性和正确性;外在效度则指研究推论的正确性(吴明隆，2010a)。问卷调查中常说的效度，一般指量表所能正确测量潜在构念的准确程度，主要包括内容效度(content validity)、效标关联效度(criterion-related validity)和构念效度(construct validity)。
其中，内容效度是指量表内容或题目的适切性与代表性，即测量内容能否反映所要测量的本质，能否达到测量的目的或行为构念。笔者以已有研究为基础来设计量表，通过与专家学者以及企业界人士多次讨论修改与完善量表，确保量表具有良好的内容效度。效标关联效度是指多个潜变量之间的关系。如假定某一个潜变量会对另外一个潜变量存在正向作用(positive effect)，我们则可以通过路径模型(path model)的方法来检测效标关联效度(陈晓萍，徐淑英，樊景立，2008)。构念效度由聚合效度和区分效度组成。其中聚合效度是指不同的观察变量是否可用来测量同一潜变量，而区分效度是指不同的潜变量之间是否存在显著差异。常用的做法是根据因子分析法来检验量表的构念效度，来检验问卷题项是否能测到研究者真正想要测量的变量。遵循以往学者的做法，本研究针对概念模型中涉及的战略导向和创新绩效这两个变量进行了探索性因子分析(EFA)，以检验其构念效度。有学者指出，首先要对样本进行KMO(Kaiser-Meyer-Olkin)样本充分性测度和巴特利特球形检验，只有当检测通过了才能进行探索性因子分析(马庆国，2002)。一般来说，当KMO值大于或等于0.70时，巴特利特球形检验的统计值在统计意义上显著，同时各个题项的载荷系数都大于0.50时，才能把同一变量的各测量题项合并为一个因子(Prajogo and McDermott，2005;马庆国，2002)。在具体的操作过程中，我们将严格遵循这一标准。本研究采用主成分分析、最大方差旋转(varimax)、特征根(eigenvalue)大于1的方式提取因子。在探索性因子分析通过后，本研究对战略导向和创新绩效这两个变量做验证性因子分析，以便评价量表的聚合效度和区分效度。
(4)相关分析
本研究以皮尔逊相关分析，研究战略导向与研发伙伴多样性及相关控制变量的相关系数矩阵，以及研发伙伴多样性与创新绩效及相关控制变量的相关系数矩阵，考察各研究变量间是否显著相关，将其作为下一步统计回归分析的基础。
(5)层次回归分析法
层次回归分析方法使得研究者能够根据变量的因果关系设定变量进入回归模型的顺序，从而能够清晰地呈现新进入的变量解释因变量的贡献程度。遵循通用做法，对于多个题项测量的变量，本研究采用题项的平均值作为变量的值。用回归检验调节变量时，我们严格遵循陈晓萍和徐淑英等(2008)中的步骤。
第一步，使用虚拟变量(dummy variable)代表类别变量。本研究中，自变量和调节变量都是连续变量，因此不需要进行处理。第二步，对连续变量进行中心化(或标准化)处理。用回归的方法检验调节变量的一个重要步骤是要对自变量和调节变量中的连续变量进行中心化处理。中心化的目的是减少回归方程中变量间的多重共线性问题(multicollinearity)。第三步，构造乘积项。构造乘积变量时，只需要把经过中心化(或标准化)处理后的自变量和调节变量相乘即可。第四步是构造方程。构造出乘积项之后，把自变量、因变量和乘积项都放到层次回归方程中就可以检验调节作用了。乘积项的系数如果显著，就说明存在调节作用。我们关注的是调节作用的回归系数β是否显著(β服从t分布)。
(6)结构方程建模
结构方程模型能够同时允许所有预测变量进入回归模型中，路径分析不只分析了变量之间的相关关系，还关注变量间的因果关系。结构方程模型一般包含两部分，结构模型和测量模型。其中结构模型用来表示的是潜变量之间的关系，测量模型则表示测量指标以及潜变量之间的关系(吴明隆，2010b)。通常，结构方程建模涵盖建构、拟合、评价以及修正四个阶段。其中，模型的拟合程度能使用χ2、χ2/df、RMSEA、NFI、TLI、CFI、IFI来衡量，并按照模型输出的修正指数以及残差矩阵来修正模型(吴明隆，2010b)。
