失败学习对企业绩效的影响机制研究

已有文献认为失败学习对企业绩效具有重要作用，但失败学习通过何种途径促进企业绩效提升的研究并不完善。基于失败学习理论，引入资源拼凑和机会识别作为中介变量，构建失败学习影响企业绩效的多路径模型，探索失败学习对企业绩效的驱动路径及内在机理。实证结果表明：失败学习对企业绩效具有显著积极作用，资源拼凑和机会识别分别在失败学习与企业绩效之间起中介作用，资源拼凑和机会识别在失败学习对企业绩效驱动过程中存在链式中介作用，战略柔性能够强化资源拼凑与企业绩效之间的关系，并正向调节资源拼凑的中介作用。研究结论拓展了失败学习对企业绩效的影响路径，对企业复苏和成长具有重要启示。     

管理层权力制衡强度、债务约束与企业创新投资

企业创新是国家经济可持续增长的关键，受到管理层意愿的影响，因而需要对内部经营者的权力进行制衡。以2010-2018年我国A股上市公司为研究样本，实证检验管理层权力制衡强度对企业创新投资的影响，以及不同债务约束情境下高商业信用配置、高负债水平的调节效应，此外，还考察了产权性质的差异化影响。研究表明，管理层权力制衡强度越大，企业创新投资水平越高；高商业信用强化了该促进作用，而高负债水平弱化了该促进作用。进一步研究发现，管理层权力制衡强度与企业创新投资的关系在民企中更显著；国企能够更好地获得和运用商业信用，使其高商业信用对该关系的强化效应更显著；民企具有更强的债务约束，其高负债水平对该关系的弱化效应更明显。     

资源约束下的创业导向、资源行动策略与企业成长

资源约束背景下，如何制定有效的创业导向及资源行动策略对动态环境中企业成长具有重要意义。基于动态能力视角，以恒瑞医药为例，探讨其不同发展阶段创业导向、资源行动策略与企业成长间的内在作用机理。结果发现：①高差异性和高合法性是企业资源行动所追求的理想状态，但在不同发展阶段二者的侧重点不同；②创业导向为企业资源行动策略提供方向，而资源行动策略则是创业导向得以实施的保障，二者相互契合，共同促进企业成长；③多重资源约束是企业创业导向和资源行动的直接动因，而企业能力提升是创业导向和资源行动产生的有效结果，该过程中管理者认知为企业资源环境分析、创业导向制定以及资源行动选择提供有力保障。     

委托理财导致上市公司脱实向虚吗?——基于企业创新的视角

依据2008-2017年上市公司委托理财与专利数据,本文实证研究了委托理财对企业创新的影响。研究发现随着委托理财规模与理财收益对公司业绩贡献的增加,上市公司总体上创新数量变化不明显,但创新质量却显著下降。对于不同的委托理财而言,上市公司购买银行与非银行委托理财对创新质量的影响均为负面,但对创新数量的影响却正好相反。两种类型委托理财对创新数量的影响可能相互抵消,从而导致总体上委托理财对创新数量的影响不显著。进一步研究发现,购买更多的委托理财导致上市公司更加倾向于进行风险低的开发性创新,减少风险高的探索性创新。购买银行理财的上市公司更倾向于机会主义创新,而购买非银行理财的上市公司更可能消极创新。总之,基于企业创新视角的分析发现大规模和投机性的委托理财会干扰上市公司创新行为,导致其经营"脱实向虚"。     

经济政策不确定性与企业员工配置——来自沪深上市公司的经验证据

企业员工配置是企业内部管理的重要一环,经济政策不确定性是否会影响企业员工配置?本文以员工数量衡量企业员工配置,利用2010-2018年沪深A股上市企业数据和经济政策不确定性指数建立面板数据模型,考察经济政策不确定性对企业员工配置的影响,实证研究发现:经济政策不确定性会显著增加企业员工配置,且该影响经更换变量、调整样本容量以及内生性处理后依旧显著,该反应在还债能力较弱、盈利能力较差、股权制衡度较高、地区经济发展水平较低的企业中更为明显。文章的研究结论对于企业管理和宏观经济管控有一定的参考价值。     

高管薪酬、董事会治理与分类转移

本文研究了高管薪酬和董事会治理对分类转移的影响。研究表明,货币薪酬会诱使高管向上转移利得,股权激励和缺乏区分度的薪酬制度会诱使高管同时向下转移费用和向上转移利得;而勤勉、独立和两职分离的董事会能够在一定程度上识别并抑制这两种不同方式的分类转移;但董事会对分类转移的抑制程度小于高管薪酬对分类转移的诱发程度。进一步地,良好的市场、法制和媒体监督环境能够有效缓解高管薪酬对分类转移的诱发作用,而董事会能够有效弥补法制建设和媒体监督不足导致的分类转移治理缺陷,并在较高质量的审计环境下对分类转移发挥更强的抑制作用。本文首次结合制度背景和媒体监督研究了公司核心治理机制对不同分类转移方式的影响和原因,并创新性地对向上转移利得的程度进行了衡量,为监管部门及公司治理机制、会计准则的制定者提供经验证据。     

Time-sensitive supply chain disruption recovery and resource sharing incentive strategy

Market demand is becoming increasingly time-sensitive in competitive environments. Hence, supply disruptions will have a more serious impact on the profits of supply chains. This study applies a Stackelberg competition between a single supplier and a single manufacturer in a time-sensitive supply chain in a cloud manufacturing environment. We aim to address the supplier’s production capacity recovery issues and the manufacturer’s incentive decision issues after supply disruption. We find that the supplier is in a weak position when the information is symmetrical. The manufacturer can encourage the supplier to shorten the recovery time by raising the unit wholesale price. When the supplier’s unit production cost remains unchanged but the unit wholesale price increases, the profit of the supplier first increases and then decreases. In addition, under the centralized decision-making setting, the optimal recovery time of the supplier is shorter and the optimal unit market price of the product is lower than that under decentralized decision-making. We further find that resource sharing can shorten the optimal recovery time, but it does not necessarily play an incentivizing role.     

Examining artificial intelligence (AI) technologies in marketing via a global lens: Current trends and future research opportunities

Artificial intelligence (AI) has captured substantial interest from a wide array of marketing scholars in recent years. Our research contributes to this emerging domain by examining AI technologies in marketing via a global lens. Specifically, our lens focuses on three levels of analysis: country, company, and consumer. Our country-level analysis emphasizes the heterogeneity in economic inequality across countries due to the considerable economic resources necessary for AI adoption. Our company-level analysis focuses on glocalization because while the hardware that underlies these technologies may be global in nature, their application necessitates adaptation to local cultures. Our consumer-level analysis examines consumer ethics and privacy concerns, as AI technologies often collect, store and process a cornucopia of personal data across our globe. Through the prism of these three lenses, we focus on two important dimensions of AI technologies in marketing: (1) human–machine interaction and (2) automated analysis of text, audio, images, and video. We then explore the interaction between these two key dimensions of AI across our three-part global lens to develop a set of research questions for future marketing scholarship in this increasingly important domain.     

创新生态系统视角下价值共创如何影响企业创新绩效——一个有调节的中介模型

以创新生态系统为视角，引入创新资源互动与生态系统规范机制为中介变量和调节变量，探究价值共创如何影响企业创新绩效。基于307家企业样本数据，运用结构方程模型、Bootstrap和层级回归方法对数据进行分析。研究发现：创新生态系统中，价值共创不完全直接影响企业创新绩效；创新资源互动部分中介价值共创对企业创新绩效的影响；生态系统规范机制部分正向调节价值共创对创新资源互动的影响。最后提出，创新生态系统调控方与企业要差异化地制定提升创新绩效的实施方案，营造活跃的创新资源互动氛围，形成并完善系统内生态规范机制。     

产业共性技术政府支持性研发外包合同影响因素研究

建立产业共性技术研发外包博弈模型，从政府视角研究以共性技术产出最大化为目标的最优政府支持性研发外包合同，并对最优外包合同影响因素进行分析。研究表明：足够多的政府预算是共性技术政府支持性最优研发外包合同存在的前提，最优合同条款随政府预算的增大而增多，企业保留收益增大倒逼政府预算增加；企业最优知识技术投入与共性技术价值系数以及从研发中分享的收益份额正相关，与政府支付的固定研发费用负相关；政府最优知识技术投入与固定研发费用及单位投入成本系数负相关；企业最优投入与政府投入成本系数负相关，与政府投入对研发成功的贡献系数正相关，且企业最优投入随其研发能力的增强而加大。最后，根据研究结论，从政府预算、项目前景及支持性资源分配3个方面提出共性技术研发外包合同实施的政策建议。