3320 浏览3 . 研究方法论
为了实证检验我们的假设，我们使用了一项调查来收集公司层面的数据。调查通常用于调查公司绩效事件（Chu 等人，2018 年；García-Sánchez 等人，2018 年），尤其是当战略联盟信息不易从二手来源获得时（Ariño，2003 年）。我们开发了一个结构化问卷来收集参与 TSA 的联合公司的原始数据，这是战略联盟和基于资源的研究的常见做法（Dess 和 Robinson，1984 年；Newbert，2008 年）。
3.1 . 研究背景
我们收集了中国信息技术（IT）行业高科技公司的大部分经验数据。中华人民共和国是最大的新兴经济体。参与制定国际技术标准已成为加强技术领先地位和市场力量的重要途径（Williams et al., 2011）。中国高科技公司越来越多地参与 TSA，以促进中国 IT 产业的国际化。标准是确保 IT 系统内部和之间的互操作性的先决条件（De Vries 等，2003）。参与 TSA 的高科技公司制定通用的 IT 标准，以应对动态和动荡的环境，并通过新的技术突破、产品和服务加强其市场地位。因此，与 IT 行业相关的 TSA 适合我们的研究，而中国提供了丰富而恰当的背景。
中国制造业居世界第一。它正在逐步与新一代IT产业融合，例如发展智能制造。我们的背景是一个传统的制造业：汽车行业。汽车技术的快速进步得益于 IT 行业，汽车行业已经建立了多产的联盟，以制定与组件之间的兼容性、软件架构、能源安全、环境问题等相关的技术标准（Traub 等，2017；温等人，2020）。因此，目标群体包括这两个行业。
传统上，中国的大多数标准是由政府机构制定的并且是强制性的。然而，2017 年颁布并于 2018 年 1 月 1 日实施的新《中国标准化法》，在政府主导标准之后，为市场驱动标准提供了更多空间（见下面的链接）。鼓励企业参与自愿标准化，制定市场驱动的标准，特别是重要行业、战略性新兴产业、共性关键技术等。通过自我声明披露和监督制度，企业应披露所实施标准的数量和名称. 应当按照标准组织生产经营活动。其生产的产品和提供的服务应当符合其所披露标准的技术要求。企业可根据自身需要制定企业标准，或主动与其他企业共同制定团体标准。这种新的中国标准是灵活的、实验性的、非官方的（范德卡等人，2011）。与政府主导的标准不同，政府机构不对团体标准设置行政许可。生产者、经营者、用户、消费者、教育科研机构、检测认证机构、政府部门等相关方的代表参与团体标准的制定，充分体现相关利益。实施效果好的团体标准可以进一步转化为地方标准、行业标准或国家标准。县级以上人民政府标准化行政主管部门和有关行政主管部门依照法定职责，对团体标准的制定进行指导和监督，对团体标准的实施情况进行监督检查。尽管有政府参与，但团体标准的制定对市场参与者开放。其次，市场可以自主选择标准，在标准相互竞争的情况下，优胜劣汰。每个组标准都是在基于组的 TSA 中准备的。公司可以参与制定一项或多项团体标准。这导致与各种利益相关者建立伙伴关系：TSA 网络。因此，参与制定共同自愿标准联盟的中国公司适合本研究。公司可以参与制定一项或多项团体标准。这导致与各种利益相关者建立伙伴关系：TSA 网络。因此，参与制定共同自愿标准联盟的中国公司适合本研究。公司可以参与制定一项或多项团体标准。这导致与各种利益相关者建立伙伴关系：TSA 网络。因此，参与制定共同自愿标准联盟的中国公司适合本研究。
3.2 . 问卷设计
我们采用了一种全面的方法来预测试、改进和验证量表（Sarkar 等人，2001 年）。首先，我们充分利用关于标准化和联盟网络的文献，确定成熟的方法，并开发新的方法来产生问题。考虑到语言差异，我们将原始问卷测量值翻译成中文，然后使用反向翻译技术仔细检查翻译的准确性。其次，我们邀请了两位经验丰富的研究人员对问卷设计和测量指标进行评估。第三，我们验证了问卷项目是否适合真实的标准化条件（Wang et al., 2018）。由第一作者和5名企业管理专业博士研究生组成的研究团队，均具有丰富的标准化知识，分别与熟悉本公司标准化合作实践的管理人员进行了3次访谈。博士生接受了面试前的培训，包括对问卷中每个问题的确切含义的指导和练习。因此，当受访者填写问卷时，团队成员可以帮助回答任何问题。每次录制的采访平均持续 60 分钟。受访者在有疑问时可以咨询其他经理。第一作者因为不在中国，做了两次电话采访。感谢之前的项目接触，我们与熟悉 IT 和汽车行业标准化实践的企业管理人员进行了交流，并请他们在问卷填写过程中提出建议。在大规模分发问卷之前，通过在线调查，我们对30家高科技IT企业和30家汽车企业（不在最终目标样本中）进行了一系列早期预测试，以验证问卷中问题的清晰度（试验研究）。我们将他们的反馈与我们的研究目的和背景相结合，对措辞进行了细微的修改，并删除了模糊的描述以提高内容的有效性。我们对 30 家高科技 IT 公司和 30 家汽车公司（不在最终目标样本中）进行了一系列早期预测试，以验证问卷中问题的清晰度（试点研究）。我们将他们的反馈与我们的研究目的和背景相结合，对措辞进行了细微的修改，并删除了模糊的描述以提高内容的有效性。我们对 30 家高科技 IT 公司和 30 家汽车公司（不在最终目标样本中）进行了一系列早期预测试，以验证问卷中问题的清晰度（试点研究）。我们将他们的反馈与我们的研究目的和背景相结合，对措辞进行了细微的修改，并删除了模糊的描述以提高内容的有效性。
3.3 . 样本和数据收集
考虑到中国地区差异显着，本研究的目标样本包括北京、广东、浙江、吉林和黑龙江省的企业。前三个地区地方经济发展和创新能力相对领先，吉林省和黑龙江省则不然。这提供了样本的多样性，以最大限度地减少由区域特定特征引起的偏差（Su et al., 2010）。我们关注新中国标准化法中新增的标准化形式：由企业集团制定的标准。这些标准是自愿的，从这个意义上说，它们偏离了国家标准。我们通过中国集团标准信息披露平台确定了目标公司。可用信息包括组名、标准号、标准名称和起草单位。为根据中国企业标准信息公共服务平台提供的信息获取大样本，我们联系了一些通过该平台公开企业标准的企业。由于这些公司积极制定企业标准，它们也可能参与 TSA。根据行业（IT或汽车）和集团标准信息的披露，我们初步形成了一个联盟公司名单。
为了纳入我们的样本，公司应该在我们的目标样本中参与至少一年的相关 TSA，以确保受访者至少有一年的经验（Muthusamy 和 White，2006 年）。每家公司都应与至少两个其他公司级合作者联系起来，才能被视为 TSA 网络成员（Eisingerich 等人，2010 年）。事实上，公司可能会参与多个 TSA 以制定一个或多个标准，从而通过许多直接和间接的联系嵌入到与其他公司级利益相关者的非正式协作标准化网络中（Kenis 和 Knoke，2002 年；Ranganathan 和 Rosenkopf，2014 年） .
问卷通过不同渠道分发，以收集更多数据并减少不回复和受访者偏差等风险（Roy et al., 2001）。首先，得益于政府资助的研究项目（国家重点研发项目），我们得到了吉林省科技信息研究所和黑龙江省科技资源共享服务中心两个政府部门的帮助。他们通过电子邮件发布和收集问卷，并附上一封强调本研究目的和意义的求职信。政府的支持可能会在一定程度上提高响应率。具体而言，根据我们的选择标准，我们在政府数据库中搜索并确定了公司的基本信息（例如，名称、联系方式和行业），并向符合要求的目标TSA公司发送了调查问卷。我们要求熟悉其标准化实践的关键知情人在两周内完成并返回。政府提供的名单包括公司名称和联系方式。我们提前通过电话联系了每家选定的公司，确认他们是否愿意参与，使研究团队能够进行额外的实地考察访问，面对面收集数据。其次，我们使用了吉林大学MBA和EMBA项目的网络。我们向现在和以前的学生发送了问卷，他们都在中国担任企业管理职位。第三，我们聘请了合格且信誉良好的数据服务机构将调查问卷发送到其数据库中的目标公司。该机构拥有一份完整的 TSA 公司名单及其联系信息，并且有过类似研究的先前经验，这为所收集的调查数据的质量提供了信心。通过对这些数据源的严格控制，每家加盟企业只收到一份问卷。
知识渊博的受访者包括在公司工作至少一年的主要决策者和标准化专家，例如产品、技术或项目经理。这些经理应该熟悉他们公司在每个标准化社区中的标准化过程（Keil，2002 年）。一些事前程序补救措施可以限制潜在的共同方法偏差（ Engelen 等人，2014 年；Podsakoff 等人，2003 年））。具体来说，我们通过使用不相关的问题来区分自变量和因变量的顺序。这减少了上下文线索的影响，并在填写问卷时检查了受访者的注意力。此外，我们承诺收集的数据将仅用于这项研究，并且受访者将是匿名的。此外，我们鼓励受访者根据公司标准化的实际情况进行回答，并强调没有正确或错误的答案。知情人如果感兴趣，可以收到结果摘要。因此，我们尽一切努力获得可接受的响应率和高质量的反馈。
如表 1所示，参与 TSA 的 800 家公司中有 525 家完成了我们的调查。从三个来源共收集到 437 份有效回复，有效回复率为 54.6%。表 2显示了样本的特征，包括行业类型、公司所有权、公司年龄、公司规模、网络规模、标准制定项目数量、政府支持和专利。IT 和汽车行业分别占 69.3% 和 30.7%。在所有制方面，76%的样本为私营企业，98.4%的企业在相关行业经营五年以上。超过一半 (55.6%) 的公司拥有 100 至 500 名员工，49.2% 的公司拥有 5 至 10 个联盟合作伙伴。标准制定项目的数量主要从4个到6个不等，大多数企业得到政府支持，略超过一半（51.9%）的企业在一个或多个案例中拥有标准制定过程的必要专利。
表 1。数据源的结果。
表 2。样本配置文件。
| 分类 | 物品 | 数字 | 百分比 （％） |
|---|---|---|---|
| 行业 | 信息技术行业 | 303 | 69.3 |
| 汽车行业 | 134 | 30.7 | |
| 所有权 | 国有 | 39 | 8.9 |
| 私人拥有 | 332 | 76.0 | |
| 合资企业 | 55 | 12.6 | |
| 外商独资 | 11 | 2.5 | |
| 公司年龄（岁） | ≤ 5 | 7 | 1.6 |
| 6–10 | 96 | 22.0 | |
| 11-15 | 146 | 33.4 | |
| 16–20 | 89 | 20.3 | |
| > 20 | 99 | 22.7 | |
| 在职员工人数 | ≤ 100 | 12 | 2.7 |
| 101–300 | 127 | 29.1 | |
| 301–500 | 116 | 26.5 | |
| 501–1000 | 70 | 16.0 | |
| 1001–2000 | 32 | 7.4 | |
| > 2000 | 80 | 18.3 | |
| 联盟伙伴数量 | 2–4 | 150 | 34.3 |
| 5–10 | 215 | 49.2 | |
| 11-20 | 51 | 11.7 | |
| > 20 | 21 | 4.8 | |
| 标准制定项目的数量 | 1 | 3 | 0.7 |
| 2–3 | 118 | 27.0 | |
| 4-6 | 212 | 48.5 | |
| 7–9 | 75 | 17.2 | |
| ≥ 10 | 29 | 6.6 | |
| 政府支持 | 绝不 | 4 | 0.9 |
| 在某些情况下 | 281 | 64.3 | |
| 在大多数情况下 | 152 | 34.8 | |
| 专利 | 绝不 | 3 | 0.7 |
| 在某些情况下 | 227 | 51.9 | |
| 在大多数情况下 | 207 | 47.4 |
3.4 . 变量和度量
3.4.1 . 因变量
企业绩效描述了企业联盟目标实现的程度（Das 和 Teng，2003 年；Lunnan 和 Haugland，2008 年）。由于参与者通常有多个目标（Gravier 等人，2008 年），我们采用主观测量来捕捉公司绩效，这是战略联盟领域研究中的常见做法（克里斯托弗森等人，2014 年）。我们从联合公司的线人处收集评估结果，并通过实现特定财务和非财务目标来评估公司绩效，这些目标反映了公司通过 TSA 获得的利益，旨在结合短期和长期水平（Ariño，2003；Townsend , 2003）。基于此，我们使用从“非常不同意”到“非常同意”的五点量表来衡量公司绩效。所有项目都是根据文献开发的，以保证量表的内容有效性（Simonin，1997；Zollo 等，2002）。
3.4.2 . 自变量和调节变量
TSA 网络。我们区分了联盟网络的两个关键维度：中心性和关系强度（Lee and Kim，2011）。中心性是指公司在标准化方面的领导地位，例如在 TSA 网络中的影响力、声望、独立性和控制力。我们使用改编自文献 ( Leiponen, 2008 ; Tsai, 2001 ) 的五个项目来衡量网络中心性，捕获参与者在 TSA 网络中的位置。网络关系与参与者随后的联合行为有关。我们采用从以前的研究（Eisingerich 等人，2010 年；Sarkar 等人，2001 年）发展而来的关系强度测量方法) 并使用五个指标来反映 TSA 网络内参与者之间互动的强度、频率、稳定性和信任度。
吸收能力。获取外部知识资源的效率取决于吸收能力的高低，这对于联盟企业创造价值、获得和保持技术标准的竞争优势非常重要。按照Zahra和George（2002）的吸收能力模型，该结构分为潜在吸收能力和实际吸收能力。前者更关心获取和吸收外部知识，后者提供了公司转化和利用外部知识能力的证据。针对这些维度，我们使用了来自Engelen 等人的 11 个问卷项目。(2014)，Flatten 等人。（2011）和弗洛尔等人。(2018)来衡量这个结构。
环境不确定性。研究人员广泛使用技术和市场不确定性来衡量环境不确定性（Song 等人，2016 年）。准确预测技术变化为公司制定通用技术标准提供了机会。基于Lee (2014)和Lu and Yang (2004)，我们从技术标准相关技术变化的数量和不可预测性三个方面来衡量技术不确定性。此外，联盟公司需要经常开发和修订技术标准，以满足高度动态市场中的客户需求（Van den Ende 等人，2012 年）。我们采用了Lu 和 Yang (2004)以及Su 等人的三个项目。(2010)捕捉预测市场变化的困难。
3.4.3 . 控制变量
其他几个因素可能会影响网络和公司层面的组织绩效。我们将它们作为控制变量来衡量，以部分消除公司业绩的替代前因。
网络规模是公司创新成果的重要贡献者，因为在其网络中拥有众多合作者的公司可以获得更多外部资源并利用它们来制定通用标准（菲尔普斯，2010 年）。对于嵌入 TSA 网络的目标公司，公司的网络规模可以通过四个序数值（1 = '2 - 4' 到 4 = '> 20' 来衡量与公司合作的合作者总数） ., 2018 ;谢等人, 2016 )。
联盟经验。更多的联盟经验可能有助于联盟公司开发更多有助于标准制定的知识和能力（Gilsing 等人，2016 年）。还可以提供多样化的知识获取和学习机会，以便这些公司可能获得更多收益。我们通过具有五个值的序数变量来衡量联盟经验：过去三年公司每年参与的合作标准制定项目的平均数量（1 = '1' 到 5 = '≥ 10'）。
专利可能在标准制定中发挥作用（Blind 等人，2012 年）。拥有对该标准至关重要的专利的公司具有更大的议价能力（Leiponen，2005 年）。这些专利更有可能在后续专利中被其他利益相关者引用，这对于制定技术标准非常重要（Delcamp 和 Leiponen，2014 年）。我们控制公司是否拥有任何带有序数变量的必要专利（从不 = '0'，在某些情况下 ='1'，在大多数情况下 ='2'）。
行业类型。标准化活动是高度特定的部门。因此，我们将工业部门的影响作为虚拟变量进行控制（IT 行业 = '1'，汽车行业 = '0'）。
企业所有权和政府支持水平影响参与标准化的资源水平和能力（谢等，2018）。我们将这个变量分为国有、私营、合资和外资企业。作为虚拟变量，国有企业所有权为“1”，其他为0。
公司的年龄和规模。先前的研究表明，平均而言，老化的公司具有更高的生产力、利润和权益以及更低的债务比率，因此公司可能会随着年龄的增长而改善（Coad 等人，2013 年）。麦考利等人。(2018)认为公司规模会影响资源的获取，而中小企业可能会面临从标准化中受益的障碍（Blind 和 Mangelsdorf，2012 年；De Vries 等人，2009 年）。我们用五个序数来衡量年龄，即从公司成立之日起的年数（1 = '≤ 5' 到 5 = '> 20'），并用公司员工总数来衡量大小，通过六个序数值（1 = '≤ 100' 到 5 = '> 2000'）。
