范文丨基于选择的联合分析法

这次想跟小可爱们分享一篇使用基于选择的联合分析法的文章。这个方法在组织行为学里也比较少见，但仔细看看又有可取之处，所以这次萜妹也来介绍一下哇~

整体介绍

Czakon, W., Niemand, T., Gast, J., Kraus, S., & Fruhstuck, L. (2020). Designing coopetition for radical innovation: An experimental study of managers' preferences for developing self-driving electric cars. Technological Forecasting and Social Change, 155, 119992.

摘要：

本研究的主要前提是管理者有目的地塑造突破性创新的商业环境。特别是，与直接竞争对手合作进行突破性创新的战略选择提供了至关重要的机会。作者通过为突破性创新设计竞合环境的实验研究来挖掘其认知基础。作者收集了160名管理者的5760个二分决策。这些决策被用于进行一项基于选择的联合分析，以确定在一个突破性创新项目(大众、戴姆勒或特斯拉生产的自动驾驶电动汽车)中，哪些因素与形成竞合的决定有关。作者使用分层贝叶斯多项式Logit回归来检验四个假设，每个假设针对不同的竞合因素，以揭示管理者为突破性创新设计竞合环境时的偏好。研究结果表明管理者对网络竞合、正式治理、密集的知识共享都有明显偏好。与现有文献相反，市场不确定性似乎没有显著影响针对突破性创新的竞合环境设计。

The major premise of this study is that managers purposefully shape the business context for radical innovation. Particularly, the strategic option of developing radical innovation in collaboration with direct competitors offffers opportunities otherwise unattainable. We tap into its cognitive underpinnings by running an experimental study of coopetition design for radical innovation. We have collected 5760 binary decisions from a sample of 160 managers. Their indications are used to run a choice-based conjoint analysis in order to identify utilities attributed to coopetition-shaping decisions in a radical innovation project (using a scenario of self-driving/electric cars produced by VW, Daimler or Tesla). We use Hierarchical Bayes Multinomial Logit Regression to test a set of four hypotheses, each addressing a difffferent coopetition factor to unveil manager's preferences in coopetition design for radical innovation. Our fifindings pinpoint a clear preference for network coopetition, using formal governance, and being based on intensive knowledge sharing. Contrary to prior literature, market uncertainty does not appear to signifificantly inflfluence coopetition design for radical innovation.

研究问题：

商业网络研究的一个基本前提是，与其他各方的互动对于管理组织行为、提高其效率至关重要。这给高科技企业提出了一个管理挑战，即从传统地关注企业的组织方式、资源分配方式，或者从关注普通的供应商和客户关系，转向了解企业如何与其环境相关联 。特别是，创新越来越被视为企业和其他各种组织之间互动的结果，而不是孤立的单一代理结果。如果创新是由嵌入了高科技企业的网络决定的，那么理解管理者如何设计这些网络以实现预期结果是很重要的。

这一开创性的假设促进了一系列研究，这些研究侧重于理解网络环境中影响创新过程有效性的各种因素。竞合便被认为是其中一种，它既可能促进创新，也可能为创新带来不利影响。竞合中创新过程的有效性取决于几种管理选择。特别是，企业设计、管理与竞争对手关系的方式决定了这种关系中的利益和风险的结构。最近的研究分别检验了治理机制、合伙人异质性、合伙人数量的影响，以阐明决定创新与竞合间关系的重要因素。本研究通过同时考虑多种因素及其替代值，以期回答：管理者更喜欢采用哪种竞合设计来进行突破性创新？

此外，在战略研究领域，实验法并未得到充分运用。最近，通过解决驱动实际选择的偏好或意图，实验法在理解企业决策方面越来越受欢迎。由于先前研究表明，竞合更有利于突破性创新，作者进行了一项针对突破性创新的竞合环境的实验研究 。作者提出了一个突破性创新的场景，即是对其决策问题的简化认知表示，以识别个人偏好，从而有助于准确预测行为的意图，而这些意图在实际行为中解释了相当大的变异量。作者确定了一系列先前研究中提出的会积极影响创新的竞合因素，以解决研究问题。

理论模型：

作者在第二个部分先简要提到了突破性创新与竞合间的关系，再做出了如下假设：

• H1：在突破性创新的竞合中，管理者更偏好网络竞合而不是二元竞合；

• H2：在突破性创新的竞合中，管理者更偏好正式治理而不是关系治理；

• H3：在突破性创新的竞合中，感知市场不确定性胜于感知市场确定性；

• H4：在突破性创新的竞合中，管理者更偏好知识共享而不是知识保护。

方法

联合分析法的背景与优点

实验不同于传统的调查，因为其中的关系可以被操纵、控制甚至随机化。就贴近现实而言，联合研究由于是对整个产品和服务概念的评估而与现实有更高的关联。在过去的三十年里，联合实验已经成为衡量消费者选择的一项重要技术。虽然建立于营销研究，联合实验以及其他形式的实验已被发现可用于创业和战略研究。

基于选择的联合分析具有各种优势。与传统的测量工具相比，它将现实的模拟决策嵌入到具有高内部有效性的实验环境中。因此，通过推导偏好选择而不是排名，可以阐明对决策的影响。参与者可以凭直觉做出决定，而不是对备选方案进行评级，这从整体上反映了自然环境。因此，作者解释了这样一个事实，即竞合设计可以被视为需要联合评估多个标准的多维决策过程。基于选择的联合分析为同时提供了对不同属性重要性的新颖见解。参与者被迫在重复的选择集之间进行评估和权衡。参与者决策的这种划分有助于揭示其潜在的偏好结构和决策原则。作者认为这些优势对本研究实验设计是有益的，因为被试被迫进入一个现实场景，即决定哪些因素在竞合环境中最重要。

实验原理

在基于选择的联合分析理论中，被试需要在几个选项间进行选择，从中他们估计出最高效用。也有可能不选择所提出的备选方案，这被定义为“无选择”选项。在这项研究中，被试被要求选择他们认为最有吸引力的突破性创新的竞合设计。多个备选方案被反复呈现给被试，方案根据不同的级别可能会有所不同。

然后可以使用多项式logit回归（MNL）来预测偏好，其中概率表示从一组J个备选方案集中选择a备选方案的可能性。

实验设计

场景的开发从寻找主要应用竞合策略的行业开始，而对于潜在的被试来说，易于理解的实验环境是可行的。由于在实验中高科技行业的活动可能被认为过于复杂，因此概念框架已嵌入到通常应用竞合关系的汽车行业中。除了广为人知的行业外，本研究还选择了成熟企业，在这些企业中竞合策略可以使技术创新有所增长。

在实验时（2016年），该场景必须既新颖又合理，作者特意选择了自动驾驶电动汽车作为突破性创新的示例。为了增加现实性和可理解性，作者在实验中使用了成熟企业，因为它们可能被被试所熟知。作者选择了特斯拉、德国汽车企业大众和戴姆勒。特斯拉是自动驾驶和电动汽车发展的先驱和公认的颠覆者。作为世界上最大的汽车制造商之一，大众正试图赶上电动汽车行业，而作为德语国家的高端品牌之一，戴姆勒是最早从事自动驾驶的成熟制造商之一。

本研究使用了一组四个属性。每个不同的竞合影响因素代表一个实验属性，包括两个不同的水平。

为了确保现实性和对属性与各水平的理解，被试被要求扮演德国大众汽车企业的执行董事会成员。据推测，大众正日益面临内部和外部压力，如柴油车销量的下降趋势。因此，大众决定与汽车行业同样著名的企业合作，共同制定一项突破性创新战略，即开发一种减少电池充电的自动驾驶电动汽车。本研究进行了预测试以确定对场景中描述的创新的突破程度。来自一所大型奥地利大学的43名工商管理学生对以下选项的突破性创新程度进行评估：混合动力汽车、电动汽车、自动驾驶汽车、自动驾驶电动汽车和减少电池充电的自动驾驶电动汽车。评估采用Gatignon等(2002)的四个题项的5点Likert量表。被试表示，减少电池充电的自动驾驶电动汽车被认为是最具突破性的(M = 1.60，SD = .69)，因此被选为场景中的突破性创新。为了确保竞争伙伴之间的联合创新战略成功，必须考虑几个决策因素。这些属性，即：合作伙伴数量、治理类型、市场情况和知识管理，和它们的相关特征或水平，都展示给了被试。

总体而言，通过Fedorov算法优化了16(2 × 2 × 2 × 2) 种突破性创新策略的可能组合以获得具有12个选择集(D-efficiency = 1)的D效率全因子设计（D-efficient full factorial design）。对它们进行了双重检查以避免虚幻的组合，并且将它们平均布置以确保平衡和正交的选择设计以及较小的重叠。此外，选择集的时间顺序是系统随机的，包括3个随机选择的保留项，以估计内部一致性。因此，总共向被试展示了15个选择集，以确保所有观察到的决策的有效性。所有选择集都包括3个决策选项，2个不同的战略选项和1个非选择的选项。应用在线问卷系统进行基于选择的联合分析。被试还可以通过点击链接，在实验过程中随时查看全面的表格来解释这四个属性（图2）。在第一次决策后，形成了一个新的页面来提醒被试查看后续决策，而不接着上一页。此外，还要求被试仔细阅读所有问题和选择集，由于场景的复杂性，这似乎必不可少。应该注意的是，作者把本研究设计理解为实验性的，这与对应用可操纵、受控的统计设计的理解相一致。

实验操纵

为了控制可能影响实验结果的背景因素，在线实验的最后几页包含了控制变量。

为了评估品牌(大众、戴姆勒、特斯拉)对最终结果的潜在影响，作者采用了Chattopadhyay和Basu (1990)的三题项 (好-坏、喜欢-不喜欢和好-不好)的5点语义差异量表来衡量对品牌的态度。作者采用了从英语到德语的翻译和回译(Brislin, 1970)。在本研究中，添加了控制变量，例如性别、年龄、居住地点、工作状态、职级、行业、员工人数以及企业总部。

结果

描述性统计

作者首先对被试样本进行了描述，证明样本足以满足本研究问题。

信度检验

为了检验被试决策间的一致性，在12个实验性选择之后，重复了选择集1、4和9，获得三个重复的保留值。使用固定评分者的组内相关系数(ICC)来比较每个原始决策(1，4，9)与其各自重复保留值的相对一致性。0.78(10)、0.86(4)和0.74(9)表示具有良好的相对一致性。

关于对大众、特斯拉和戴姆勒品牌的态度量表，采用最小残差估计量的主成分分析和Cronbach α进行了内部一致性的维度和可靠性评估。所有项目在单因素主成分分析和三因素主成分分析中加载到各自的因子上，表明预期的维度、收敛以及区分的有效性（大众的最低加载为0.80，戴姆勒为0.85，特斯拉为0.90，无交叉加载）。Cronbach α系数为0.87（大众）、0.89（戴姆勒）和0.90（特斯拉）同样没有可靠性问题。所有其他变量都是被操纵的或显而易见的，因此无法评估其一致性或可靠性。

模型估计

基于实验设计，作者假设每个属性作为一个潜在的构念都包含可分为系统性和误差性的效用（随机效用理论）。这种系统性效用可以通过MNL模型从目前的选择中得到。由于作者旨在获取所有因子效用的个体水平估计，作者采用马尔可夫链-蒙特卡罗(MCMC)模拟中的分层贝叶斯MNL，并进行了20000次Metropolis迭代和10000次burn-in迭代，也就是说，在假设剩余部分价值效用呈正态分布的情况下，将剩余的10000次迭代用于获得作为平均估计的部分价值效用之前，马尔可夫链有时间收敛。为了检验马尔可夫链的收敛性，作者应用了Geweke诊断，该测试将第一次估计(第10000次迭代附近)和最后一次估计值(第20000次迭代附近)进行比较。比较前10%和后50%，作者发现在任何模型中都没有显著差异。因此，似乎可以实现收敛。

模型检验包括三个模型。首先，估计一个仅有控制变量的模型，该模型将各个被试的特征作为控制变量，即对大众、戴姆勒和特斯拉的三种态度以及年龄、性别和地位。虚拟变量用于年龄，性别和状态。其次，模型2仅估计四个竞合影响因素（合作伙伴数量、治理类型、市场状况和知识管理）。第三，模型3估算类型，控制变量和影响因素。模型是在BIC (Bayesian Information Criterion) 和 Pseudo R2的基础上进行比较的。也就是说，如果BIC较小而Pseudo R2较大，则模型（相对于另一个模型）会更好。为了便于解释，作者还根据给定的p值得出了不同宽度的置信区间。例如，p值为0.01(1%)表示置信区间[.005＆.995]，因为它包含99%的部分价值分布（在传统的统计中通常用**表示）。也就是说，如果置信区间不包含零，则对于“与零显着不同”的假设，其点估计意味着I类误差≤0.01(1%)。需注意，两种类型的变量的观察数不同，控制变量的观察数为160，而竞合设计的嵌套决策数为5760（160×12×3）。

假设检验

表4 提供了估计的三个模型的结果。模型1表示所有模型中的最高BIC(7445.26)，因此拟合度为.00的Pseudo R2较差。也就是说，控制变量没有考虑选择中的偏好，进一步的结果表明，没有控制变量显示出对选择的充分影响，或者没有显着影响。比较模型2和模型3，控制变量的这种无关紧要在包括竞合影响因素后仍保持稳定，与模型2(6578.66)和相等的Pseudo R2(.18)相比，模型3(6682.57)的BIC更高。因此，我们得出结论，模型2最适合数据，并继续基于模型2进行假设检验。

结果表明，多重竞合（大众与特斯拉和戴姆勒的合作）具有正向影响（模型2：estimate =0.326,，99.9%的置信区间不包含零）。也就是说，多重合作伙伴关系比二元合作伙伴关系更受青睐，从而支持了假设1。

关于假设2，关系治理机制具有负向影响（模型2：estimate = −1.509，99.9%的置信区间不包含零）。因此，被试更偏好正式化程度更高的选择，从而支持了假设2，即在突破性创新的竞合中，正式治理机制明显优于关系治理机制。

作为竞合影响因素的市场情况（市场不确定性与市场确定性），具有正向影响（模型2：estimate =0 .853，99.9%的置信区间不包含零）。因此，被试认为，如果竞合是在不确定的而不是特定的市场环境中进行的，突破性创新的效用更大，支持假设3。

最后，对于假设4，知识共享具有正向影响（模型2：estimate = 1.281，99.9%的置信区间不包含零）。因此，假设4也可以得到支持，即在旨在突破性创新的竞合环境中，知识共享胜于知识保护。

通过将各个因素的部分价值效用的范围（估计值的绝对值的两倍）除以所有部分价值范围的总和，从这些部分价值估计中得出相对重要性，合作伙伴数量的比率为8%，治理类型的比率为38%、市场条件的比率为22%、知识管理的比例为32%。这意味着，对于被试的决定而言，治理类型被认为是最重要的，知识管理的重要性次之，市场条件的重要性第三，合作伙伴的数量影响最弱。需注意，模型3中的估算值保持稳定，并且控制变量（年龄、性别、状态）均未达到显着水平（所有变量99.9%置信区间均包含零）。因此，年龄较大或较小的参与者、妇女和就业状况不同的被试的偏好没有差异。

啦啦啦，这篇文献的介绍就到这里啦。文章摘要部分和后续结论有冲突（不是我翻译错误），有疑问的小可爱可以回原文查看。

其实，基于选择的联合分析法和组织行为学中常用的实验法有些许不同，但是细看还是可以找到相似之处。萜妹个人感觉，如果能将其应用于员工问题，或许会有新发现~

最后，下周的推送可能会推迟，萜妹想生日当天再发。那小可爱们，17号见哇~

往期推送