第五章 實證結果與分析
第四節 廠商鄰近性、吸收能力與創新績效之關係模式
國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
第四節 廠商鄰近性、吸收能力與創新績效之關係模式
本研究之研究目的在於建立廠商鄰近性、吸收能力與創新績效之關係模式。
其中包含地理鄰近性、組織網絡、社會網絡、吸收能力、創新等五個潛在變數。
本研究採用Lisrel8.72 軟體進行模式分析，概念圖如圖 5-2、圖 5-3、圖 5-4 所示。
一、模式界定
首先，本研究廠商外部知識與創新績效的影響路徑，接續再納入吸收能力的 因素進行探討。因此，在模式界定上，模型一為地理鄰近性、網絡（組織網絡、
社會網絡）所構成的外部知識與創新績效的關係路徑（圖5-2）；模型二為內部 吸收能力與創新績效的關係路徑（圖5-3）；模型三為地理鄰近性、網絡（組織 網絡、社會網絡）、吸收能力與創新績效的關係路徑（圖5-4）。
地理 鄰近性
組織網絡
社會網絡
創新績效 geo1
geo2 geo3 geo4
org1 org2 org3 org4
sn1 sn2 sn3
inv2 inv1
圖5-2 外部知識與創新績效之影響路徑假設圖
‧
org1 org2 org3 org4
ac3 sn1 sn2 sn3
inv1
ac4 ac2
ac1 ac5
inv2
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
徑驗證的基石。依據Bagozzi and Yi（1988）的建議，本研究從基本配適標準、
整體配適度、以及模式內在結構配適度進行衡量。分述如下：
（一）基本模式配適度
基本模式配適度必頇符合下列幾個原則：1.不能有負的誤差變異；2.誤差變 異必頇達到顯著水準；3.因素負荷量介於 0.5~0.95 之間。本研究模式之誤差變異 數皆為正值且達顯著水準，因素負荷量區間為0.66~0.95，數值約略在標準值內，
顯示模式估計結果符合標準，如表5-9 所示。
（二）整體模型配適度
最初，學者多採用χ2作為衡量模型的配適標準。然而，χ2受樣本數及多變 項常態假定的影響，而使χ2檢定容易呈現顯著之情形，特別是樣本數為中大型 樣本時，得到模式不適合的結果機會也會相當高（黃芳銘，2007）。Bagozzi and Yi（1988）建議在配適度指標方面，不能單以 χ2來判定模式的配適情形，應以 卡方值與自由度之比值（χ2/df）來協助檢定模式的配適程度。於是，學者逐漸採 用各種配適考驗的檢定指標，但在適用性上並無統一標準。近年來，學者將整體 配適評鑑指標分為三類（Hair et al., 1998）：絕對配適度指標（absolute fit measures）、
增值配適度指標（incremental fit measures）和簡效配適度指標（parsimonious fit measures），因此本研究的整體配適度亦採用該項分類，本研究模式結果呈現於 表4-10。
首先，本模型之 χ2/df 分別為 1.22、0.89、1.08，落在可接受範圍之內，符 合此要求。另外，本研究之GFI 分別為 0.92、0.98、0.89；AGFI 分別為 0.88、
0.95、0.86；CFI 分別為 0.99、1.00、0.99，均落在合理的標準範圍之內，顯示模 式配適度佳。而本研究之RMSEA 值分別為 0.04、0.00、0.03，一般而言，RMSEA 若小於0.05 為配適良好，若落在 0.05～0.08 之區間，表示配適合理。最後再佐 以其他配適度指標之對照，判定本模型之配適度確實達到良好的配適範圍。
‧
χ2/df=1.22
p=0.64；
χ2/df=0.89
p=0.25；
χ2/df=1.08
GFI ＞0.9 0.92 0.98 0.89
Independence AIC = 1611.95，
Model AIC = 134.93
Independence AIC=
481.28，Model AIC = 40.71
Independence AIC=
2269.94，Model AIC = 224.49
這種檢定稱為建構信度或稱為組合信度（composite reliability, CR）。此信度乃根
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
據結構負荷量，評鑑一組潛在構念指標（latent construct indicators），信度越高 代表測量變項的內部一致性越高。建構信度公式為：
標準化因素負荷量
標準化因素負荷量 變數測量誤差
2. 潛在變項之帄均變異數萃取量應在 0.5 以上
其次，帄均變異數萃取量（average extracted variance, AVE）是計算各測量 變項對於潛在變項的變異解釋力。據此觀察潛在變項對該潛在變項的帄均解釋變 異量。因此，若帄均變異數萃取量越大，代表潛在變項被解釋的程度越高。帄均 萃取變異數公式為：
標準化因素負荷量
標準化因素負荷量 變數測量誤差
3. 潛在變數的相關係數，小於各該構面的帄均萃取變異量
區別效度代表潛在變數之間，是否具有足夠的差異程度。一般建議各潛在變 數兩兩相關係數值，應低於各潛在變數的帄均萃取變異量值。模式結果如表5-8 所示。由表中的數值顯示，本研究模式皆於標準值之內。
表5-8 區別效度結果表
吸收能力 創新績效 組織網絡 社會網絡 地理鄰近性 吸收能力 0.56
創新績效 0.10 0.51
組織網絡 0.20 0.45 0.50
社會網絡 0.29 0.41 0.29 0.83
地理鄰近性 0.22 0.36 0.44 0.65 0.64 註：對角線為構面之AVE，其餘為主要變數相對的相關係數。
4.估計參數均達顯著水準
模式中的估計參數值必頇具有p=0.05 顯著水準，亦即 t 值必頇大於 1.96。如 表5-9 所呈現，本研究檢定結果皆達標準，顯示模型具有良好內在配適度。
‧
似法（maximum likelihood, ML）進行路徑參數之估計15，觀察各潛在變數之影響 關係，並以t 值檢定實證結果與研究假設之差距。本研究並依資料分析與假設模 型驗證之結果，將其繪製成模式路徑分析結果圖。於α=0.01、α=0.05 與 α=0.1 的顯著水準下檢定結果為成立之路徑，以較粗之實線表示，不成立之路徑則以較 細之虛線表示。
15 最廣泛使用的估計模式方法為最大概似法（Maximum Likelihood, ML），其次為一般化最小帄 方法（generalized least squares, GLS）。最大概似法的使用之所以會這麼普遍，主要是因為LISREL 將最大概似法作為預設的模式估計方法。此外，最大概似法估計值可用在持續及非對稱的樣本 上。
‧
org1 org2 org3 org4
sn1 sn2 sn3
0.84 inv1
0.81 0.75 0.80
0.68 0.73 0.67 0.75
0.91 0.95 0.87
inv2
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
67
為0.35 與 0.29。
表5-11 外部知識與創新績效之直接與間接影響效果一覽表
前置變數 內生變數 直接效果 間接效果 總效果
地理鄰近性
社會網絡 0.65 － 0.65
組織網絡 0.44 － 0.44
地理鄰近性→創新績效 －
地理鄰近性→(組織網絡)→創新績效 － 0.15 0.15 地理鄰近性→(社會網絡)→創新績效 － 0.19 0.19
社會網絡 創新績效 0.35 － 0.35
組織網絡 創新績效 0.29 － 0.29
註：( )內為中介變數。
（二）模型二
經過模型一的測驗，初步了解廠商外部知識的傳遞與影響路徑。因此，本研 究先建立內部吸收能力與創新的連結，接續始考慮外部知識與內部能力對於創新 績效的影響。檢定結果如圖5-6 與表 5-12。顯示模式結果符合先前之假說。亦即 廠商內部能力會影響創新績效。
圖5-6 內部吸收能力與創新績效之模型分析路徑結果圖
吸收能力 創新績效
ac1 ac2 ac3
inv1
inv2
ac5 ac4
0.25***
‧
org1 org2 org3 org4
ac3
sn1 sn2 sn3
inv1
0.67 0.72 0.68 0.76
0.73
0.91 0.95 0.87
ac5
0.72 0.85 0.83 0.67 0.66
0.70 inv2
0.44***
‧
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
的交流行為，區域內的廠商、學術、研究機構得以傳遞知識。因此，本研究認為 廠商與學術、研究機構的聚集，必頇透過行動者之間的正式與非正式交流活動，
始影響創新績效的產出。此外，生技廠商所需要的知識較為複雜，且受到嚴密的 智慧財產權保障，廠商內部的研究者是否能夠透過社會網絡，與外部研究者交換 知識，有待檢驗。職是之故，本研究定義正式交流活動為長期契約、策略聯盟等 組織網絡；社會網絡為廠商內部研究者個人與外部知識來源的互動。建立並檢測 地理鄰近性透過兩種網絡影響創新績效的路徑。
實證研究結果顯示，地理鄰近性對於廠商組織網絡具有顯著的正面影響（研 究假設H1-a成立）。顯示廠商與學術、研究機構的聚集，將會形成廠商之間的組 織網絡。換言之，廠商、學術與研究機構之間的正式交流，例如策略聯盟、長期 契約等，會因為廠商聚集而形成。本研究認為，該項實證結果顯示，探討廠商、
學術與研究機構之間所建立的組織網絡，無法忽略地理鄰近性的重要性。地理鄰 近性確實會形成組織網絡，而透過組織網絡影響創新績效。
而在組織網絡的形成當中，又以「策略聯盟」和「子公司轉投資」為組織網 絡的主要內涵。而在「併購」、「合資」等項目上，並未構成組織網絡的構面，
且填答分數帄均偏低（詳參表5-2），顯示，縱然併購、合資等亦為組織網絡型 態之一，但並未成為我國生技產業的策略主軸，反觀策略聯盟、契約與子公司轉 投資始為主要的知識獲取方式。
其次，地理鄰近性對於廠商內部研究者的社會網絡具有正面影響效果（研究 假設H1-b成立）。顯示廠商與學術、研究機構的聚集，有助於廠商內部研究者與 外部研究者進行個人交流，進而獲得知識技術。換言之，鄰近廠商、學術與研究 機構，將透過社會網絡的形成，建立傳遞知識（特別是默示知識）的管道。過去 研究認為，由於產業特性使得生技廠商的知識外溢效果並不明顯。然而，透過本 研究的實證結果發現，廠商內部研究者個人與區域內的大專、研究機構的科學家 或其他廠商的研發人員，仍保持固定且密切的交流。
本研究認為，該項結果顯示，廠商與學術、研究機構的聚集，縮短了雙方合 作的距離、減少合作的交易成本，藉由其與學術或研究機構的交流或參與研討會 等管道，研究者之間能建立互動的渠道。而在內部研究者與其他廠商的交流方面，
縱然亦有研究指出，生技產業受限於智慧財產權的保護，非正式的交流相對難以 形成，然而透過本研究分析結果顯示，內部研究者與其他廠商的研究者之間的交
‧ 國
立 政 治 大 學
‧
N a tio na
l C h engchi U ni ve rs it y
71
流，並不會與廠商利益有所衝突，顯然廠商在權衡之下，仍舊認為透過社會網絡 的知識傳遞，有助於知識的產生與應用。
（二）組織網絡、社會網絡對於吸收能力之影響
廠商與外部知識的互動，不僅增加了廠商知識的開放性；此外，為了獲得外 部知識，會更積極的投入於自行研發，以有足夠能力獲得外部知識。再者，與外 部知識的合作，亦會增加廠商的搜尋經驗，因而有利於廠商內部能力的累積。因 此，本研究認為外部知識獲取，會增加廠商內部研發與人力資源的投入。
根據研究結果顯示，廠商的組織網絡對於吸收能力有正面且顯著的影響（研 究假設H2-ａ成立）。顯示廠商與學術、研究機構所形成的組織網絡，有助於廠商 投資於內部能力。本研究認為，廠商透過正式網絡所獲取的知識，並非完全能為 廠商所利用。雖然正式網絡所獲取的知識通常是基於對等互利的交流基礎下進行，
仍然需要一定的知識水準始能消化外部知識並與既有知識結合，應用於創新產 出。
其次，依據本研究實證結果，發現社會網絡對於吸收能力有正面關係。顯示，
其次，依據本研究實證結果，發現社會網絡對於吸收能力有正面關係。顯示，