供应链协同对创新绩效的影响机理研究
发布时间：2021-08-07 12:15
互联网与信息技术的发展、生产分割以及生产国际化的逐步加深,使得制造企业面对的市场环境愈发激烈和复杂,于是企业纷纷选择创新以突破重围。但产品的快速更新、资源的流动和技术的迅速更新、客户的多样个性化需求等都给企业创新增加了难度,在这样的情况下,供应链协同成为企业解决创新中各种复杂问题、获得竞争优势、提高创新绩效的一剂良方。然而,从企业实践结果来看,制造业对于如何使用这剂良方并不十分清楚,学术界关于供应链协同对企业创新绩效的影响路径方面的论说也莫衷一是。基于此,对国内外供应链协同创新领域的既有文献进行整理和述评,了解学术界和企业关于供应链协同创新的研究和实践情况。从知识基础理论和组织学习等理论出发,探讨供应链协同对创新绩效的影响以及知识管理过程的中介作用,进而构建供应链协同、知识管理过程与创新绩效之间的概念模型,提出相应的研究假设。以实践协同创新的中国制造企业为调查对象,进行大样本问卷调查获得数据,采用SPSS22.0和AMOS24.0分析软件对所得数据进行处理和分析,通过多元线性回归方法对研究假设进行验证,得出研究结果。研究结果表明:供应商协同和客户协同皆对创新绩效有显著的正向影响,知识管...
【文章来源】：西安理工大学陕西省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
供应商与客户协同量表的验证性因子分析模型
西安理工大学硕士学位论文48表5-6供应商和客户协同量表组合信度Table5-6SupplierandCustomerCollaborationScaleCombinationReliability路径载荷AVE组合信度SC1<---SC0.842<---0.8450.7110.881SC2SC3<---0.843CC1<---CC0.852<---0.8260.7100.880CC2CC3<---0.849图5-2为知识管理过程量表的验证性因子分析模型。图5-2知识管理过程量表的验证性因子分析模型Fig.5-2ConfirmatoryFactorAnalysisModelofKnowledgeManagementProcessScale图5-2中，XZC1至XZC12为协同知识存储（XZC）的测量题项，XX1至XX9为协同学习（XX）的测量题项，XC1至XC5为协同创造（XC）的测量题项。对协同知识存储（XZC）、协同学习（XX）和协同创造（XC）量表进行验证性因子分析，分析结果绘制成表5-7。同样根据表中所给的参考指标和参考值来判断模型的拟合度。知识管理过程
数据分析与结果讨论49量表的CMIN/DF的结果数据为1.135，处于合适范围内；GFI、NFI、TLI、CFI的检验结果皆大于0.9，且较接近1；RMSEA的结果数据为0.018，在0.5以下，处于良好适配范围内。总之，从以上分析可得出结论：该模型的拟合度较好。表5-7和表5-8为知识管理过程量表的验证性因子分析结果。表5-7中，CMIN/DF的验证结果为1.147，满足1~3的合适范围；GFI、AGFI、NFI、TLI和CFI的检验结果均在0.9以上，符合大于0.9的适配要求；RMSEA的检验结果为0.068，达到良好适配的标准。基于以上分析可知图5-2的分析模型具有很好的拟合度。表5-7知识管理过程量表验证性因子分析拟合指标Tab.5-7ConformanceIndexofValidationFactorAnalysisofKnowledgeManagementProcessScale参考指标参考值检验结果数据匹配程度CMIN/DF合适范围为1~31.147理想GFI0.9<GFI，越接近1越好0.988理想AGFI0.9<AGFI，越接近1越好0.970理想NFI0.8<NFI，越接近1越好0.985理想TLI0.9<TLI，越接近1越好0.986理想CFI0.9<CFI，越接近1越好0.982理想RMSEARMSEA<0.08但<0.5为良好适配0.068理想表5-8中，知识管理过程三个维度的标准化载荷系数均在0.8以上，均在0.5以上的可接受范围；三个维度的平均变异数抽取量（AVE）也均大于0.5，组合信度均超过0.7，从这些数据可知协同知识存储、协同学习和协同创造的效度情况较好，可以利用该量表数据作下一阶段的回归分析。c.创新绩效的效度检验对创新绩效（IP）量表的6个题项（IP1、IP2、IP3、IP4、IP5、IP6）进行验证性因子分析，图5-3为创新绩效量表的验证性因子分析模型。图5-3创新绩效量表的验证性因子分析模型Fig.5-3ConfirmatoryFactorAnalysisModelofInnovationPerformanceScale
【参考文献】：
期刊论文
[1]外部知识网络与企业技术能力:知识距离的调节作用[J]. 詹湘东,谢富纪. 科学学与科学技术管理. 2019(04)
[2]知识积累与双元创新能力动态反馈关系研究[J]. 杨菲,安立仁,史贝贝,高鹏. 管理学报. 2017(11)
[3]内向型开放式创新、国际化、投机性学习与创新绩效的关系[J]. 高照军. 科技进步与对策. 2016(19)
[4]开放式创新视角下二次创新与创新绩效的关系研究[J]. 陈凌云,李夏莲,高照军. 软科学. 2016(07)
[5]国内协同创新研究述评[J]. 杨林,柳洲. 科学学与科学技术管理. 2015(04)
[6]动态环境中企业知识管理与创新能力关系研究[J]. 张军,许庆瑞,张素平. 科研管理. 2014(04)
[7]供应链协同对企业创新的影响效应研究——基于知识共享视角[J]. 龙勇,潘红春. 科技进步与对策. 2014(03)
[8]知识管理战略、创新与绩效的关系—基于企业战略的分析[J]. 李忆,司有和. 科研管理. 2009(03)
[9]中介效应检验程序及其应用[J]. 温忠麟,.张雷,侯杰泰,刘红云. 心理学报. 2004(05)
博士论文
[1]科技型企业管理层知识管理能力研究[D]. 夏金华.中南大学 2011
[2]基于知识的企业动态能力研究：嵌入性前因及创新绩效结果[D]. 章威.浙江大学 2009
本文编号：3327782
【文章来源】：西安理工大学陕西省
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
供应商与客户协同量表的验证性因子分析模型
西安理工大学硕士学位论文48表5-6供应商和客户协同量表组合信度Table5-6SupplierandCustomerCollaborationScaleCombinationReliability路径载荷AVE组合信度SC1<---SC0.842<---0.8450.7110.881SC2SC3<---0.843CC1<---CC0.852<---0.8260.7100.880CC2CC3<---0.849图5-2为知识管理过程量表的验证性因子分析模型。图5-2知识管理过程量表的验证性因子分析模型Fig.5-2ConfirmatoryFactorAnalysisModelofKnowledgeManagementProcessScale图5-2中，XZC1至XZC12为协同知识存储（XZC）的测量题项，XX1至XX9为协同学习（XX）的测量题项，XC1至XC5为协同创造（XC）的测量题项。对协同知识存储（XZC）、协同学习（XX）和协同创造（XC）量表进行验证性因子分析，分析结果绘制成表5-7。同样根据表中所给的参考指标和参考值来判断模型的拟合度。知识管理过程
数据分析与结果讨论49量表的CMIN/DF的结果数据为1.135，处于合适范围内；GFI、NFI、TLI、CFI的检验结果皆大于0.9，且较接近1；RMSEA的结果数据为0.018，在0.5以下，处于良好适配范围内。总之，从以上分析可得出结论：该模型的拟合度较好。表5-7和表5-8为知识管理过程量表的验证性因子分析结果。表5-7中，CMIN/DF的验证结果为1.147，满足1~3的合适范围；GFI、AGFI、NFI、TLI和CFI的检验结果均在0.9以上，符合大于0.9的适配要求；RMSEA的检验结果为0.068，达到良好适配的标准。基于以上分析可知图5-2的分析模型具有很好的拟合度。表5-7知识管理过程量表验证性因子分析拟合指标Tab.5-7ConformanceIndexofValidationFactorAnalysisofKnowledgeManagementProcessScale参考指标参考值检验结果数据匹配程度CMIN/DF合适范围为1~31.147理想GFI0.9<GFI，越接近1越好0.988理想AGFI0.9<AGFI，越接近1越好0.970理想NFI0.8<NFI，越接近1越好0.985理想TLI0.9<TLI，越接近1越好0.986理想CFI0.9<CFI，越接近1越好0.982理想RMSEARMSEA<0.08但<0.5为良好适配0.068理想表5-8中，知识管理过程三个维度的标准化载荷系数均在0.8以上，均在0.5以上的可接受范围；三个维度的平均变异数抽取量（AVE）也均大于0.5，组合信度均超过0.7，从这些数据可知协同知识存储、协同学习和协同创造的效度情况较好，可以利用该量表数据作下一阶段的回归分析。c.创新绩效的效度检验对创新绩效（IP）量表的6个题项（IP1、IP2、IP3、IP4、IP5、IP6）进行验证性因子分析，图5-3为创新绩效量表的验证性因子分析模型。图5-3创新绩效量表的验证性因子分析模型Fig.5-3ConfirmatoryFactorAnalysisModelofInnovationPerformanceScale
【参考文献】：
期刊论文
[1]外部知识网络与企业技术能力:知识距离的调节作用[J]. 詹湘东,谢富纪. 科学学与科学技术管理. 2019(04)
[2]知识积累与双元创新能力动态反馈关系研究[J]. 杨菲,安立仁,史贝贝,高鹏. 管理学报. 2017(11)
[3]内向型开放式创新、国际化、投机性学习与创新绩效的关系[J]. 高照军. 科技进步与对策. 2016(19)
[4]开放式创新视角下二次创新与创新绩效的关系研究[J]. 陈凌云,李夏莲,高照军. 软科学. 2016(07)
[5]国内协同创新研究述评[J]. 杨林,柳洲. 科学学与科学技术管理. 2015(04)
[6]动态环境中企业知识管理与创新能力关系研究[J]. 张军,许庆瑞,张素平. 科研管理. 2014(04)
[7]供应链协同对企业创新的影响效应研究——基于知识共享视角[J]. 龙勇,潘红春. 科技进步与对策. 2014(03)
[8]知识管理战略、创新与绩效的关系—基于企业战略的分析[J]. 李忆,司有和. 科研管理. 2009(03)
[9]中介效应检验程序及其应用[J]. 温忠麟,.张雷,侯杰泰,刘红云. 心理学报. 2004(05)
博士论文
[1]科技型企业管理层知识管理能力研究[D]. 夏金华.中南大学 2011
[2]基于知识的企业动态能力研究：嵌入性前因及创新绩效结果[D]. 章威.浙江大学 2009
本文编号：3327782
本文链接：https://www.wllwen.com/shoufeilunwen/jjglss/3327782.html
