信息技术能力对企业绩效影响机制的实证研究

借鉴IT应用模式及组织能力的分类,将信息技术能力(IT能力)分为开发式IT能力和探索式IT能力.从组织决策的视角,剖析了IT能力对企业绩效的影响机制,提出了相应的概念模型和理论假设.然后,以制造企业为对象,以调查问卷的方式回收数据,共回收有效问卷178份,并对上述模型和假设进行实证检验.研究结果表明,IT能力对企业绩效的作用不是直接的,企业决策在两者之间的关系中起中介作用;开发式IT能力通过影响操作决策进而影响企业绩效;探索式IT能力通过影响管理决策进而影响企业绩效.     

基于专利数据情报学分析的国际垂直电梯技术领域竞争趋势与我国发展对策研究

近年来电梯行业蓬勃发展,垂直电梯专利申请量逐年增长。本文以智慧芽专利数据库中收录的全球158个国家/地区的垂直电梯相关专利作为研究对象,从专利申请趋势、专利申请国、专利权人、重点技术分布、热点技术发展趋势分析国际垂直电梯领域的发展现状和主要竞争趋势,为我国垂直电梯行业提供相关发展建议。     

企业R&D外包的模式、测度及其对创新绩效的影响

 研发外包是企业在开放式创新环境下,整合外部技术资源,降低研发成本,提高研发速度的一种新型研发模式。研发外包模式的划分、测试及其对企业创新绩效的影响乃是各外包企业亟待解决的重要问题。从技术、战略、创新性角度划分效率型和创新型研发外包模式,引入R&D外包强度指标,并对研发外包模式与企业创新绩效的关系进行实证研究。研究结果表明,在效率型研发外包模式下,研发外包的强度越大,企业创新绩效越高。而在创新型研发外包模式下,研发强度与企业创新绩效呈倒U型二次性曲线相关关系,当外包强度超过一定阈值后,强度越高,创新绩效越差。同时,环境动态性对两者关系起到调节作用。     

企业研发外包的模式、特征及流程探讨——基于X集团汽车制造案例研究

研发外包是企业在开放式创新环境下,整合外部技术资源、降低研发成本、提高研发速度的一种新型研发模式．本文从战略角度划分效率型和创新型研发外包模式,探讨研发外包的知识密集性、控制复杂性和系统集成性三大特征,提出“方案分析、架构设计、模块分包、分包研发、调试检测、跟踪完善”六阶段的外包流程模型,并结合X集团汽车制造案例,进行了详细的验证和分析,为研发外包理论框架提供借鉴和指导．     

企业R&D外包的模式、测度及其对创新绩效的影响

研发外包是企业在开放式创新环境下,整合外部技术资源,降低研发成本,提高研发速度的一种新型研发模式.研发外包模式的划分、测试及其对企业创新绩效的影响乃是各外包企业亟待解决的重要问题.从技术、战略、创新性角度划分效率型和创新型研发外包模式,引入R＆D外包强度指标,并对研发外包模式与企业创新绩效的关系进行实证研究.研究结果表明,在效率型研发外包模式下,研发外包的强度越大,企业创新绩效越高.而在创新型研发外包模式下,研发强度与企业创新绩效呈倒U型二次性曲线相关关系,当外包强度超过一定阈值后,强度越高,创新绩效越差.同时,环境动态性对两者关系起到调节作用.     

研发外包的内涵、动因及模式研究

本文在总结和归纳国内外研发外包领域相关研究基础上,系统地阐述了研发外包的内涵、动机、模式,并从企业战略角度提出了三种研发外包模式：效率型、增强型和创新型,以期为我国学者进一步深入探讨研发外包理论与实践提供借鉴。     

研发外包进程探索:效率/创新外包模式的动态演进

从社会网络和核心能力视角,以企业成长阶段为时间序列,通过对206个样本的单因素方差分析(ANOVA)、LSD和Tamhane T2检验,揭示企业初始、发展和成熟三阶段中效率型和创新型研发外包演化规律。研究结果表明:从企业的初始阶段、发展阶段到成熟阶段,效率型研发外包的主导地位逐渐降低,而创新型研发外包的主导地位逐渐增强。效率型和创新型外包模式动态演进,为企业研发外包的实施和应用提供决策依据。     

环境动态性对研发外包强度与企业绩效关系的调节效应研究

随着全球化经济的发展,企业外包环境动态性逐步增强。如何在多变的动态环境下,制定行之有效的研发外包策略是各企业极为关注的关键问题。本文重点阐述了创新型和效率型研发外包强度与绩效的关系在动态环境中的表现。研究结果表明:环境动态性对"效率型研发外包强度—绩效关系"调节效应不明显,而对"创新型研发外包强度—绩效的关系"具有负向调节效应。该结论对于理解、解释中国企业研发外包战略决策及其绩效具有重要的启发意义。     

企业信息技术能力研究综述与展望

基于资源观对企业信息技术能力的概念、分类及其与企业绩效的关系进行了研究综述;在此基础上对该领域的三个未来研究方向进行了展望。     

基于SMOTE-LOF-Adaboost模型的核心专利识别研究

针对核心专利识别准确率低的问题，重构指标体系；针对传统核心专利识别方法处理不平衡数据效果欠佳，提出重采样技术与集成算法的组合模型。首先，在传统指标构建基础上加入专利发明人相关指标；其次，使用合成少数类过采样算法(SMOTE)增加少数类样本解决数据不平衡问题，采用局部离群因子(LOF)算法对新生成样本进行降噪处理，并与自适应集成算法(Adaboost)组合成SMOTE-LOF-Adaboost模型；最后，以智慧芽专利数据库中2012—2016年共22077条光伏领域专利数据为例，使用SVM、Adaboost、SMOTE-Adaboost、SMOTE-LOFAdaboost进行实证分析。结果显示SMOTE-LOF-Adaboost模型AUC均值0.977 6,Recall均值0.986 0，均优于其他3种模型，表明该模型能够提高核心专利预测的准确性。