H3环境不确定性正向调节战略决策周密在伦理型领导与新产品开发绩效间的中介作用.即环境不确定性越高, 则战略决策周密的中介作用越强.反之, 则越弱.
图1 理论模型Fig.1 Theoretical model
根据以上案例分析和理论假设, 提出研究理论模型如图1所示.
2 实证研究
2.1 样本和数据
2.1.1 数据收集本文的案例研究结果与既有理论非常自洽, 本文据此提出了理论模型.在此基础上, 采取抽样的问卷调查对研究假设进行更精细的检验以获得更加稳健的结果.
本研究采用了过往研究中已经在国内外情境下多次使用过的成熟量表.为了降低由于语言和文化差异等产生的理解偏差, 本研究采用回译的方式确保问卷中条目翻译的准确性[32].在正式调研之前, 本文还对15位高科技企业中负责新产品开发项目的高管进行了预测试, 请他们对本问卷题项的表达、内容等提出建议.最后, 根据他们的反馈对问卷进行修饰和调整, 形成最终问卷.上述步骤保证了问卷具有较好的表面效度和内容效度.
本研究选择高科技企业作为调查对象, 原因有如下两点: (1) 相较于其他企业, 高科技企业面临更高的环境不确定性[33-34]; (2) 高科技企业有更强的开发新产品的动机[14,35].本研究根据北京、上海、杭州、深圳这4个高科技企业较为集中的城市的园区企业名录, 随机抽取500家高科技企业进行问卷调查.随后, 对受访企业中负责新产品开发项目的高管进行问卷调研.在被试填写问卷前, 向其保证本问卷调查不会涉及个人或企业隐私, 以消除其顾虑.最终, 回收有效问卷302份, 有效回收率为60.4%.为了测度无响应偏差 (nonresponse bias) 的影响, 本文对回答问卷的企业和未回答问卷的企业的相关特征进行t检验[36].本文选取了企业年龄 (t=-1.537, p>0.05) 和企业规模 (t=-0.444, p>0.05) 进行t检验, 结果均不显著.该结果说明本研究的无响应偏差并不严重.
2.1.2 样本概况
样本的基本情况如表2所示.在受访者中, 男性居多, 占69.9%;40岁以下的占比较高, 达到88.4%;教育程度大多为本科和硕士, 比例分别为60.6%和26.8%;在受访企业中, 私营企业较多, 占比46.0%;行业类型为高新技术行业, 主要集中在电子信息 (43.4%) 、新能源和新材料 (24.5%) 领域.
表2 样本统计特征Tab.2 Characteristic statistics of the sample
注:N=302
2.2 变量和测量
本研究问卷设计采用李克特7点量表, 从1到7分别表示“非常不同意”到“非常同意”.
2.2.1伦理型领导
本研究采用Brown等[4]开发的伦理型领导量表, 用10个题项测量伦理型领导.本文要求受访企业负责新产品开发项目的高管对其自身的领导风格进行评估.
2.2.2战略决策周密
本研究采用Atuahene-Gima和Li[11]研究时所采用的量表, 用5个题项测量战略决策周密.本文要求受访企业负责新产品开发项目的高管对企业在决策时的信息处理模式进行评估.
2.2.3环境不确定性
本研究采用Atuahene-Gima与Li[11]对环境不确定性的度量, 用6个条目测量环境不确定性.本文要求受访企业负责新产品开发项目的高管对企业所处环境的不确定性进行评估.
2.2.4 新产品开发绩效
本研究采用Zhang和Li[37]在中国情景下对高新技术企业研究时使用的量表, 用5个条目测量新产品开发绩效.本文要求受访企业负责新产品开发项目的高管评估企业近三年的新产品开发绩效.
2.2.5 控制变量
借鉴过往研究[11,37], 本研究选取个人年龄、教育水平、性别、企业规模、企业年龄、产权类型、行业类型作为控制变量.其中, 企业规模通过对企业人数取自然对数获得;企业年龄通过调研年限减去企业注册时间获得;产权类型以国家/集体所有制为参照组设置虚拟变量;行业类型以电子信息行业为参照组设置虚拟变量.
2.3 信度和效度
变量的信度和效度分析结果见表3.各个变量的Cronbach'sα系数均大于0.700.此外, 各个变量的组合信度 (composite reliability) 值都高于0.700.这表明本研究所使用的量表信度较高, 具有较高的内部一致性.
表3 变量的信度和效度Tab.3 Reliability and validity of the variables
表3 变量的信度和效度Tab.3 Reliability and validity of the variables
注:a表示固定因子载荷值
表4报告了变量的验证性因子分析模型 (四因子模型) 的拟合程度, χ2/df、DELTA2、CFI、TLI、RM-SEA等拟合指数均达到可接受水平, 拟合程度较好.如表3所示, 除了环境不确定性以外, 其他变量的平均抽取变异量 (AVE) 值均大于门槛值0.500.各构念与其测量题项之间路径系数的t值最小为8.450, 均大于2, 十分显著.这说明各个变量的聚合效度较高.此外, 本研究构建了单因子模型、二因子模型、三因子模型如表4所示.与这3类模型相比, 四因子模型的拟合指数比较好, AIC指标 (值越小越好) 明显较优.同时, 表5中相关系数矩阵对角线上AVE值的平方根大于其所在行和列的相关系数值, 说明各变量具备良好的区分效度.
表4 验证性因子分析结果Tab.4 Results of confirmatory factor analysis
注:+代表两个因子合成一个因子;***表示p<0.001, **表示p<0.01, *表示p<0.05;N=302
表5 描述性统计与相关系数矩阵Tab.5 Matrix of descriptive statistics and correlations
注:***表示p<0.001, **表示p<0.01, *表示p<0.05;N=302;a表示取自然对数;下同
2.4 共同方法偏差
本研究采用主观报告法对变量进行测量, 因此可能会产生共同方法偏差的问题.本研究借鉴Podsakoff等[38]提供的方法, 对共同方法偏差进行控制.在程序上, 本文使用了多个题项测量不同构念, 将预测变量与效标变量放在问卷的不同位置.在统计上, 本文通过Harman单因子检验对共同方法偏差进行检验.根据表4中的数据显示, 单因子模型的拟合情况很差 (χ2/df=8.102, DELTA2=0.599, CFI=0.598, TLI=0.563, RMSEA=0.154) , 表明本研究测量中可能存在的共同方法偏差问题并不严重.但由于Harman单因子检验较不灵敏, 本文还采用了潜在不可测方法因素效应控制法 (controlling for the effects of an unmeasured latent methods factor) 对共同方法偏差进行检验[38].不包含方法因素的模型 (即四因子模型) 的拟合程度要优于包含方法因素的模型 (χ2/df=2.530, DELTA2=0.923, CFI=0.923, TLI=0.906, RMSEA=0.071) , 该结果也表明本研究不存在严重的共同方法偏差问题[39].
3 分析和结果
3.1 描述性统计与相关性分析
表5列出了本研究各变量的均值、标准差和相关系数.由表5可知, 伦理型领导与战略决策周密、新产品开发绩效均呈显著正相关 (r=0.481, p<0.001;r=0.653, p<0.001) , 战略决策周密与新产品开发绩效呈显著正相关 (r=0.472, p<0.001) , 与本文预期相同.
3.2 检验战略决策周密的中介作用
本研究首先采用层级线性回归的方式进行假设检验, 检验结果如表6所示.各变量之间的相关系数均小于临界值0.700, 而且回归模型的方差膨胀因子 (variance inflation factor) 均小于10[40].因此, 多重共线性不会严重影响研究结果.
表6 层级线性回归分析结果Tab.6 Analysis results of hierarchical linear regression
注:回归系数为非标准化系数;括号内为标准误;调节项用伦理型领导和环境不确定性中心化以后的乘积值替代
模型2说明伦理型领导对新产品开发绩效具有显著的正向作用 (β=0.606, p<0.001) .模型7说明伦理型领导对战略决策周密具有显著的正向作用 (β=0.482, p<0.001) .模型3说明战略决策周密对新产品开发绩效具有显著的正向作用 (β=0.166, p<0.001) .综合模型2和模型3来看, 在加入中介变量战略决策周密后, 伦理型领导对新产品开发绩效的正向作用由0.606 (p<0.001) 减弱至0.526 (p<0.001) .该结果表明战略决策周密在伦理型领导与新产品开发绩效间起部分中介作用.因此, H1得到支持.
为了进一步检验中介作用, 本研究使用Preacher和Hayes[41]推荐的bootstrap方法验证假设, 使用他们提供的SPSS宏, 将bootstrap数量设置为5 000, 置信区间设置为95%, 检验结果见表7.偏差矫正与增进95%的bootstrap置信区间为[0.040, 0.139], 置信区间不包括0, 表明战略决策周密的中介效应显著, H1得到进一步验证.
表7 战略决策周密的中介作用Tab.7 Mediation effect of strategic decision comprehensiveness
3.3 检验环境不确定性的调节作用
首先检验了环境不确定性对伦理型领导与战略决策周密关系的调节作用.由表6的模型9可知, 环境不确定性对伦理型领导与战略决策周密关系的调节作用显著 (β=0.102, p<0.05) .此外, 本研究根据Aiken和West[42]推荐的方法进行简单斜率检验 (simple slope test) , 并绘制出调节效应图.本研究以调节变量 (环境不确定性) 的均值加减一个标准差分别作为高环境不确定性和低环境不确定性两类情况, 并对这两类情况下伦理型领导与战略决策周密的关系进行描绘, 如图2所示.当环境不确定性较高时, 伦理型领导和战略决策周密的回归斜率为0.610 (p<0.001) ;当环境不确定性较低时, 回归斜率为0.376 (p<0.001) .综上, H2得到数据支持.
图2 环境不确定性的调节作用Fig.2 Moderating effects of environmental uncertainty
其次, 为了检验被调节的中介的整体效应, 本研究借鉴Edwards和Lambert[43]推荐的方法, 采取bootstrap的方法验证H3.本研究分别检验了高于和低于调节变量均值一个标准差 (即高环境不确定性和低环境不确定性) 两类情况下的中介作用, 并对比了两类情况下中介作用的差异性, 如表8所示.在高环境不确定性下, 间接效应的95%置信区间为[0.044, 0.172], 不包括0, 说明该情况下战略决策周密的中介作用显著.在低环境不确定性下, 间接效应的95%置信区间为[0.027, 0.119], 不包括0, 说明该情况下战略决策周密的中介作用也显著.如果这两类情况中介作用差异性的置信区间不包括0, 则被调节的中介作用存在.在本研究中, 这两类情况中介作用差异性的95%置信区间为[0.005, 0.103], 不包括0, 说明被调节的中介作用存在, H3得到验证.
表8 第一阶段被调节的中介作用bootstrap检验结果Tab.8 Results of bootstrap test of first stage moderated mediation effects
4.1 研究结论
本研究从信息处理理论视角探索了伦理型领导对新产品开发绩效的作用.研究发现, 战略决策周密部分中介伦理型领导对新产品开发绩效的正向作用;环境不确定性加强了伦理型领导对战略决策周密的作用;环境不确定性加强了战略决策周密在伦理型领导与新产品开发绩效间的中介作用.研究表明, 在高不确定性的环境下, 伦理型领导更倾向采取周密的信息处理模式, 进而提高了新产品应对不确定性环境的“反脆弱性”, 也因此提升了新产品开发绩效.
4.2 理论贡献
首先, 本研究基于信息处理理论[11], 从信息处理模式的角度, 为解释伦理型领导对绩效的作用提出了新的机制.过往研究在解释伦理型领导与绩效之间的关系时, 认为伦理型领导可以通过模范带头的作用[4]、对员工的建言提供反馈[5]、消减员工压力源[8]等方式提升员工绩效, 或者通过设立道德 (伦理) 制度[9]、提升企业社会责任感[10]等方式提高企业绩效.而本研究发现, 伦理型领导可以通过其周密的信息处理模式来提升新产品开发绩效.这一发现弥补了从决策或信息处理视角对伦理型领导开展研究的缺失.
其次, 本研究发现在不确定环境下, 伦理型领导更倾向于采取周密式的信息处理模式.企业在新产品开发中不断识别和开发新机会的过程可以被视为公司创业的过程, 而伦理型领导可以被视为创业者.本研究对不确定环境下创业者的信息处理模式提出了一个新的解释.过往研究认为, 在环境不确定的情况下, 创业者更倾向于采取“启发式”的信息处理模式, 并且这种简化的信息处理模式对识别和开发创业机会、克服创业困难十分关键[44].然而, 本研究对此提出挑战, 认为在高环境不确定条件下, 伦理型领导风格的创业者往往更加持重、更倾向于采取周密式的信息处理模式, 以避免决策可能带来的负面、甚至是致命的影响.
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/guanlilunwen/249.html
