一、集群分析 (cluster analysis)
集群分析是一種具有資料縮減的特性的分析工具，其透過對研究標的 或個體間的觀察，根據其相異或相似的程度進行客觀的分類。集群分析依 據研究標的的不同被劃分成許多種類，而多數的共被引方法研究領域皆採 用階層集結法(hierarchical agglomerative method)，用來將研究的文獻著 作區分集群，並提供研究領域知識系統的觀察(McCain, 1990)。階層集結 法的內涵是將各研究標的或個體從自我為中心出發，再依各標的間的距離 或組內誤差矩陣，重複將最接近之兩者合併成一集群，直到所有標的皆屬 於同一集群為止。常用的集結方式有單一連結法(single linkage method)、
完全連結法(complete linkage method或稱為遠鄰法)、平均連結法
(average linkage method)以及華德法(Ward’s method)等方式。其中又因 為「完全連結法」與「華德法」之結果與解釋相似度為高(McCain, 1990)，
(
圖4.1組內差異係數陡坡圖)
圖4.2:動態能力領域集群樹狀圖—華德法
Documents Num.
Barney JB (1986) Conner KR (1991) Mahoney JT (1992) Amit R (1993) Priem RL (2000) Peteraf M (1993) Lippman SA (1982) Dierickx I (1989) Nelson RR (1991) Porter M (1996) Prahalad CK (1990) Teece D (1997) Wernerfelt B (1984) Prahalad CK (1986) Hambrick DC (1984) Hannan MT J (1984) DiMaggio PJ (1983) Rumelt RP (1991) Teece DJ (1982) Barney JB(1991) Teece DJ (1980) Fama, EF (1980) Schmalensee R (1985) Eisenhardt K (2000) Helfat CE (1997) Leonard-Barton D (1992) Teece DJ (1986)
Henderson R (1994) Conner KR (1996) Dyer J, Singh H (1998) Grant RM (1996a) Grant RM (1996b) Kogut B (1992) Kogut B (1996) Zander U (1995) Cohen WM (1990) Brown SL (1995) Dougherty D (1992) Hansen MT (1999) Abernathy, WJ (1985) Lane PJ (1998) Powell WW (1996) Szulanski G (1996) Brown SL (1997) Henderson R (1990) Levinthal DA (1993) Fiol C (1985) Levitt B (1988) Peteraf M (1993) Tversky A (1974)
4 clusters
二、因素分析 (factor analysis)
因素分析和集群分析都是一種資料縮減的多變量分析方法，因素分析 方法的意義在於能夠以較原變量個數少之新的構面來解釋原始變量所呈 現的訊息，透過構面縮減可將資料精簡以利資料分析與資訊掌握，因此，
可以研究多個相互關聯的變數，並設法將它們群組於幾個少數且高度描述 性質的因素中(Andrews, 2003)。相較於集群分析依研究標的距離數量將眾 變數分群，因素分析則側重在解釋變數間的互動關係。本研究將依因素分 析結果進行「因素命名」。
我們採用透過因素分析中的主成份分析來做構面縮減，主成份分析是
最常用的構面縮減工具，是以共被引相關係數矩陣 (correlation matrix) R 為基礎進行分析，本研究運用最大變異法(varimax rotation)萃取因素，並 將選取標準設定在特徵值(eigenvalue4)大於1，獲取本研究最主要的因子數 (McCain, 1990; White and McCain, 1998; Andrewd, 2003；Nerur, et al., 2008)。此外，本研究利用正交(orthogonal)轉軸法顯示縮減構面後的資料 結構，並將結果呈現在轉軸後成分矩陣(rotated component matrix)中，即 表4.1所示。運用正交轉軸法的用意在於所製造出的因素會無相關，故每篇 文獻通常只會在單一因素有較高的負荷量，McCain(1990)稱這種情況為簡 單結構(simple structure)，較符合本研究的特性；然而文獻仍可能在多於 單一因素中存有高負荷量，而被解釋為扮演橋樑或整合者的角色。矩陣 中，每一數值即為作者與主要因子對應之因素負荷量(factor loadings)，其 大小即為作者與所屬因素間的統計相關程度。
最大變異法下，轉軸後成分矩陣各因子應為不相關，因此大部分作者
通常會於某一特定因素中擁有較大之負荷，就統計上的解釋，此現象稱為 簡單結構(simple structure)。然而，於共被引研究領域中，相較群集分析 與多維尺度法皆僅能將同一作者依距離數量差異歸屬於一個因素貢獻
4 特徵值表示特定因素對模式總變異的解釋程度。
中，因素分析卻往往可展示作者貢獻因素數多於一的現象，換句話說就是 可以提供作者於特定研究領域寬度(breadth)的瞭解(McCain, 1990)，同時 也解釋了轉軸後成分矩陣中同一作者具有群集的現象。儘管如此，基於每 位作者通常會於某一特定因素中擁有較大之負荷，因此僅有當因素負荷量 大於±0.7時，才能被視為最具效用的解釋，且唯有因素負荷量大於±0.5以 上時才能被予以揭露(McCain, 1990)。
表4.1因素分析(Factor analysis)
Component
28. Lane PJ, Lubatkin M (1998) 0.961
表4.2：選取因素總變異解釋
Component % of variance Cumulative %
1 52.573 52.573
2 31.831 84.405
3 6.377 90.781
最後，本研究依據各因素主要文獻的書目檔案資料，依文獻出處、題 材與論述觀點，得動態能力研究領域的知識結構內容（依探討程度排序），
第一個因素代表DC理論的主要架構來源與理論內涵，可以看出動態能力的 理論架構源自RBV，如：Conner KR (1991)、Mahoney JT, Pandian JR (1992)、Barney(1986)、Peteraf M (1993)等；但除了原始RBV著重組織 內部的資源的看法之外，動態能力研究加入了考慮環境變化等外部因素的 觀念，如：Porter(1996)等；其中有許多文獻可視為動態能力理論的初始，
如：Teece D, Pisano G, Shuen A (1997)與Helfat CE (1997)正式使用動態 能力一名詞並討論其定義與意涵、Amit R, Schoemaker PJH (1993)釐清 了能力與資源的不同，將動態能力與RBV作了區隔；除此之外，如第二章 所述Prahalad CK, Hamel G (1990)提出的核心能力(core competence)也 與動態能力有極為相似的概念。
第二個因素代表是知識基礎觀點、網絡關係觀點(Relational view)與路 徑相依(Path dependency)，是動態能力與其他RBV相關理論延伸學派交 集的部分；在第二因素中因素得點最高的兩篇文獻Szulanski G (1996)討 論路徑相依概念包含組織間的知識傳播與吸收能力，Lane PJ and
Lubatkin M (1998)則討論到組織間互動學習的效果，皆是同時融合了路徑 相依、知識基礎觀點(KBV)與網絡關係觀點(Relational view)的理論；這些 理論是現今探討動態能力的要素中，整合能力、學習能力與網絡關係能力 概念的來源，如: Dyer J, Singh H (1998)與Powell WW, Koput KW,
Smith-Doerr L (1996)皆是Relational view的重要文獻，其探討組織之間的 關係與併購或聯盟等合作行為，這種組織間的關係能力被視為是動態能力
的一種(Helfat, Finkelstein, Mitchell, Peteraf, Singh, Teece, Winter, 2007)；另外，KBV的代表作包括Zander U, Kogut B(1995)、Kogut B (1996)、Grant RM (1996a,1996b)等等；在第二個因素中納入的Cohen WM, Levinthal DA (1990)提出的路徑相依的概念與吸收能力理論(Absorptive capacity)，這也是動態能力中社會資本、網絡關係的重要因素之一，且與 KBV和Relational view三者有密不可分的關係(Helfat, Finkelstein, Mitchell, Peteraf, Singh, Teece, Winter, 2007)，將在討論與分析的部分有進一步的 解釋。而第三個因素代表探討組織變革的理論與企業演化成長理論，為動 態能力研究領域的另一個面向，包含了組織結構與(如：階層)、組織與環 境的互動、組織慣性的討論。
就解釋而言，同前言所述，若在特定的研究議題中因素負荷量大於0.7 以上，則表示文獻對於特定研究議題具有專業(specialty)貢獻(White and McCain, 1998)，如：Conner KR (1991)、Mahoney JT and Pandian JR (1992)等對於連結資源基礎觀點和動態能力的關係、Zander U, Kogut B(1995)等知識基礎觀點對於動態能力領域的研究具有專業性的貢獻。而 對於研究議題同時擁有兩項或以上較大之因素負荷量時，表示該作者對於 所屬兩項或以上的研究議題具有橋接(bridge)的貢獻(Acedo, et al.,
2006)，意即連接兩議題進行整合或跨議題的探討，如：Helfat CE (1997) 透過研發個案的觀查，全面性的探討動態能力累積的過程，以及知識和資 源之間的關聯性、Leonard-Barton D (1992)提出「核心競爭力」，討論運 用知識集合的能力與產品的創新及發展，皆同時涵蓋了前兩項因素－即資 源基礎架構下的動態能力的概念和知識基礎觀點與網絡概念，因此這些文 獻可被視為對其兩議題具有橋接性的貢獻。
此外，關於負值負荷量因為存在不一樣的統計解釋，因此結果通常不 顯示(或忽略)在於書目計量的研究之中(Acedo, et al., 2006)。依Acedo、
Barroso與Galan(2006)的解釋，負值負荷量表示同一因素中的作者，具反
共被引的現象，換句話說，第三方作者引用同一因素作者文獻時，將不會 同時引用具有負值負荷量的作者文獻。因此，對於作者間具如此差異或分 歧現象，較有可能的解釋為理論根源不同或者是探討的議題相異所致。不 過，基於負值負荷量的效果皆存在於一因素中負荷量較低的作者群，因此 並不會影響議題命名與研究結果。
三、多維尺度法 (multi-dimensional scaling,MDS)
多維尺度法是一種將量化矩陣視覺化之技術，其利用目標文獻之間的 相似性(或不相似性)產生視覺圖(Wilkinson, 2002)，除了可提供共被引文獻 簡易資訊呈現外，亦可確認與衡量研究標的間於空間座落的位置與集散程 度。在視覺圖形中，點的鄰近度代表兩文獻之引文者具有相似知覺的算數 相關(White and McCain, 1998)，而相似程度愈高，則表示其具有共同焦 點之研究範疇。而點的群聚可被視為是同一種主題(subject area)、研究專 業(research specialities)、思潮流派(schools of thought)、共享知識形態 (shared intellectual styles)或是具有時間與地理上的聯結；因此透過圖形 展示，目標文獻群集所代表的理論概念就可以描述出特定領域知識結構的 各個面向(McCain, 1990)。
本方法也是屬於資料縮減的分析方法，目的在於找出較少的構面，使 得資料在已縮減後的空間中呈現。為求簡易構形圖(configuration)，本研究 係透過SPSS 套裝軟體的應用，同時使用相同之共被引相關矩陣進行壓力 係數(stress)的配合度測試。依維度多寡分別測試，其配合度結果如下表 4.3 所示：
表 4.3：DC 研究領域之 MDS 配合度測試
維度數 壓力係數 R-square
一個維度 0.29601 0.82947
二個維度 0.15906 0.93975
三個維度 0.13579 0.94382
依SPSS 結果顯示不同維度間配合度測試結果皆為收斂。由上表可知 當縮減構面由一個維度增加是二個維度時，配合度指標遽降且解釋能力大 幅提高至 0.9 以上，但增加至三個維度時，壓力係數下降與 R-square 提 高的情況趨於和緩；此外，基於壓力係數皆小於0.2 且解釋能力大於 0.85，
符合可接受之標準(McCain, 1990)，且二維構形圖相較三維構形易於觀 察，故決定以二維構形圖做為本研究分析結果之依據。
最後，我們可以依照集群分析分群結果，將圖形中每一個變數運用邊 界的概念加以區隔，並運用因素分析所找到的因素項，解釋各邊界內集群 的相關性(McCain, 1990; Andrews, 2003)，使共被引研究更為完整，同時 反應出在特定期間內特定研究領域、學派思想或其它知識群體間之關係。
其最終結果於圖4.3 所示。
D1：Abernathy, WJ & Clark
K(1985) D18：Grant RM (1996b) D35：Peteraf M (1993)
D2：Amit R, Schoemaker PJH
(1993) D19：Hambrick DC, Mason P
(1984) D36：Porter M (1996)
D3：Barney JB(1991) D20：Hannan MT, Freeman J
(1984) D37：Powell WW, Koput KW,
Smith-Doerr L (1996)
D4：Barney JB (1986) D21：Hansen MT (1999) D38：Prahalad CK, Bettis RA (1986)
D5：Brown SL, Eisenhardt KM
(1995) D22：Helfat CE (1997) D39：Prahalad CK, Hamel G
(1990) D6：Brown SL, Eisenhardt KM
(1997) D23：Henderson R, Clark K (1990) D40：Priem RL, Butler JE (2000) D7：Cohen WM, Levinthal DA
(1990) D24：Henderson R, Cockburn I
(1994) D41：Rumelt RP (1991)
D8：Conner KR, Prahalad CK
(1996) D25：Peteraf M (1993) D42：Schmalensee R (1985)
D9：Conner KR (1991) D26：Kogut B, Zander U (1992) D43：Szulanski G (1996)
D10：Dierickx I, Cool K (1989) D27：Kogut B (1996) D44：Teece D, Pisano G, Shuen A (1997)
D11：DiMaggio PJ, Powell WW
(1983) D28：Lane PJ, Lubatkin M (1998) D45：Teece DJ (1980) D12：Dougherty D (1992) D29：Leonard-Barton D (1992) D46：Teece DJ (1982) D13：Dyer J, Singh H (1998) D30：Levinthal DA, March JG
(1993) D47：Teece DJ (1986)
D14：Eisenhardt K, Martin J (2000) D31：Levitt B, March JG (1988) D48：Tversky A, Kahneman D (1974)
D15：Fama, E F (1980) D32：Lippman SA, Rumelt RP
(1982) D49：Wernerfelt B (1984)
D16：Fiol C, Lyles M (1985) D33：Mahoney JT, Pandian JR
(1992) D50：Zander U, Kogut B(1995)
D17：Grant RM (1996a) D34：Nelson RR (1991)
群集一：