动态环境下变革型领导、TMT行为整合与创新绩效关系研究

基于在长三角企业收集的343份问卷样本,探讨动态环境下变革型领导和TMT行为整合与创新绩效的关系。研究结果表明:变革型领导与TMT行为整合均对创新绩效有正向影响;TMT行为整合可以帮助变革型领导并提升创新绩效;动态环境的调节效应揭示了在更高的动态环境水平下TMT行为整合在变革型领导与企业创新绩效上的间接关系会变弱。

高管团队内部社会资本、交互记忆系统与决策绩效的关系

社会资本为信息提供了渠道,提高了管理者发现新机遇的能力。现有文献表明,高管团队内部社会资本对团队绩效具有积极的影响,然而,高管团队内部社会资本影响决策绩效的内在作用机理尚未明晰。基于高阶理论和社会资本理论,从认知过程视角提出了高管团队内部社会资本、交互记忆系统和决策绩效关系间的理论模型。基于392份样本数据的结构方程模型表明:高管团队内部社会资本关系维度的信任、认知维度的共同愿景对决策质量和满意度均具有积极影响,但结构维度的网络关系直接影响效应并不显著;高管团队内部社会资本各维度对交互记忆系统的影响强度依次为认知维的共同愿景、关系维的信任和结构维的网络关系;高管团队交互记忆系统对决策质量和满意度具有显著正向影响;交互记忆系统在高管团队内部社会资本与决策质量和满意度之间起中介作用。

高管团队交互记忆系统、团队过程与战略决策绩效——基于混改科技型企业的实证研究

在混合所有制改革背景下,融合多方主体的高管团队(TMT)的心理和认知行为对组织战略决策绩效的影响机制如何是亟待回答的问题。基于混合所有制改革科技型企业TMT的301份有效问卷样本数据,分析TMT交互记忆系统对组织战略决策绩效的影响机制,并检验团队过程和团队自反在上述关系中所起的中介和调节作用。研究结果发现:TMT交互记忆系统对团队过程和决策绩效具有显著的正向影响;团队过程在交互记忆系统和决策绩效之间发挥了部分中介作用;团队自反性程度越高,TMT交互记忆系统通过团队过程对战略决策绩效产生的间接影响效应就越强。

TMT如何驱动探索式创新?基于社会网络和认知交互的视角

作为战略管理与创新管理的交叉领域,社会网络研究日益成为学界关注的热点。然而,TMT社会网络对探索式创新的有效性及其作用机制尚有待深入探讨。结合社会网络理论与高阶理论,本文运用多元回归分析和Bootstrap方法,从认知交互视角对TMT社会网络影响探索式创新的内在过程进行剖析。研究分析表明TMT内部和外部社会网络是企业追求探索式创新的重要决定因素,认知交互在TMT内部与外部社会网络和探索式创新之间均具有部分中介效应。同时,环境越动荡,认知交互对探索式创新的正向影响就越强,认知交互在TMT社会网络与探索式创新之间所起的中介效应也越强。研究结果深化了探索式创新前因理论研究,有助于把握TMT社会网络影响机理的内在规律,对推动企业创新驱动发展战略具有重要的研究价值。

金融发展水平与经济增长关系的实证研究——以安徽省为例

本文选择向量自回归(VAR)模型作为框架,选择对外开放、金融发展、固定资产投资、劳动投入和经济增长作为模型中的变量指标,使用的是年度数据(1989-2012),目的就是来考察安徽省金融发展在经济增长中的相对作用。根据VAR方差分析结果显示,安徽省金融的VAR原数据层面充分证实了金融发展对经济增长起到了推波助澜作用,而且,金融因素是影响经济增长的四大因素中最重要的一个因素。也有学者表示,固定资产投资因素自第四期开始就会慢慢对经济增长产生强有力的影响,此时,金融因素不再是影响力最大的因素。相关研究证实:金融发展离不开良好的经济环境,也就是说,金融的发展必须建立在经济增长这个大前提之上。但是,关于二者的相互影响程度而言,明显是经济增长对金融发展的影响更为突出。这说明,在上世纪八十年代至新世纪期间,安徽省的金融发展速度为经济增长做出了杰出的贡献,这也是安徽省经济得以稳定增长的原因之一。可见,在我国未来的经济发展过程中,制定一个科学、合理的金融发展战略是十分有必要的。

TMT外部社会资本、警觉性与探索式创新

高管团队(Top Management Team,TMT)的外部社会资本是影响探索式创新的重要因素,但目前二者间关系的争议依然存在。本文探讨了TMT外部社会资本对探索式创新绩效的利弊之争,并分析了TMT警觉性的调节作用。结果表明,TMT外部社会资本的网络中心性和关系强度与探索式创新绩效均呈倒U型关系,TMT警觉性对探索式创新具有正向影响。此外,研究结果还揭示了TMT警觉性减少了高水平外部社会资本(网络中心性和关系强度)的负面影响,即随着TMT警觉性的增强,网络中心性和关系强度与探索式创新的曲线关系将更为陡峭,倒U型关系的负斜率更大。研究结论有助于澄清社会资本的模糊效应,揭示了TMT在战略行动中的实际心理和社会过程,体现了将高阶理论从以往广泛使用的TMT人口统计变量转向更深层次变量研究的重要性。