论文部分内容阅读
摘 要 提出了一个旨在分析物流企业在多边合作中价值创造的框架，构造社会资本累积、流程协同以及组织间学习与供应链价值创造关系的概念模型。以物流企业以及其所服务的供应链上下游企业为研究对象，设计调查问卷，借助SPSS及AMOS工具，通过因子分析及结构方程模型检验了概念模型及假设，深入挖掘多边合作中社会资本累积、流程协同、组织间学习对供应链价值创造的综合作用及影响路径。研究发现，多边合作中价值创造的过程会受到流程协同、组织间学习、社会资本累积三者的共同作用。实现流程协同可增强供应链的可控性和快速反应的能力，组织间学习是对存续于供应链中的知识进行吸收、整合、利用，社会资本累积是一种允许合作伙伴间通过柔性来应对不确定性的重要协调机制。文章依据实证中变量之间的作用路径的检验结果，进一步探讨了建立信息治理、知识治理以及关系治理的机制来保障供应链的价值创造。
关键词 多边合作；流程协同；组织间学习；社会资本累积；价值创造；结构方程模型
[中图分类号] F253 [文献标识码] A [文章编号]1673-0461（2018）05-0015-11
一、引 言
供应链中上下游企业之间的多边合作已逐渐被视为改善供应链绩效的主要方式之一。当前物流企业之间的竞争越发激烈，若仅仅提供物流环节服务已经远远不能满足客户的需求，企业的战略正逐步聚焦到供应链上。通过多边合作，在供应链中要实现价值共创很大程度上依赖于流程协同、组织间学习与社会资本累积这三者的联合运用。三者聚焦点不同但能彼此融合于企业供应链管理实践，共同服务于整个供应链的价值创造目标。在梳理了大量相关文献后，本文对供应链中流程协同、组织间学习、社会资本累积及价值创造之间的关系进行了深入的探讨，构建一个能反映这四者之间关系的理论模型并进行了实证，探索其价值创造的具体路径，为后续供应链的治理提供参考。
二、相关研究综述
（一）流程协同
协同论是系统学中的重要理论，它解释了在开放式复杂系统中，由于系统分支之间存在着非线性的相互关系，经过多边合作形成协同，从而使系统产生了从无序到有序的演化。
供应链中的业务流程描述了组织中实现目标价值为导向的带有先后顺序的关键业务活动过程，它体现了以最优化为目标的企业管理思想。[1]学者Hammer [2]的研究提出业务流程是组织把外部的输入要素经过系统性加工处理转化为对顾客有价值的输出的过程。业务流程有别于传统基于职能的管理模式，它遵循的是客户价值导向基础，是对传统职能管理导向的根本性变革。于渝飞[3]的研究指出流程协同的实现能使供应链各成员间在风险利益保持均衡的情况下实现同步运作，达到价值共创的目的。
物流企业与供应链成员多边合作中的流程协同本质上属于跨组织的供应链协同，以客户导向为基础，强调供应链成员间的有效合作。流程协同是供应链成员在统一业务流程基础上的多边合作，是一种在流程上跨组织的同步与协作，经过整合現实供应链系统内外部的有效协同。Shang[4]、Luo[5]、Dalmolen[6]、Simatupang[7]等学者从信息共享、同步决策等多维度对流程协同进行了实证研究。物流企业与其合作伙伴之间的流程协同主要体现在多边合作关系的运作层面上，流程协同的目的是整合各成员的业务流程，通过多边合作实现价值共创。
（二）组织间学习
供应链中各成员在多边合作的过程中，组织间学习是将各成员所拥有的专业知识经过融合最终形成结构化知识体系的过程，其本质是各成员吸收、传递以及整合供应链内、外部的知识。学者Von [8]认为供应链要形成持久的竞争优势，需要在客户、供应商和制造商之间进行跨组织的外部创新，这需要组织间建立行之有效的涵盖知识吸收、传输、共享以及整合的体制和机制。据此可知，无论单个企业还是供应链，其拥有的知识尚处于未经整合的碎片状态，要构成其核心能力，需要将彼此碎片状的知识进行整合形成结构化的知识体系。因此，组织间学习的实质是寻求吸收、整合、重新配置存续于供应链中知识的过程。Bouncken[9]等学者在对供应链中各成员的知识学习进行系统性研究的基础上，指出知识流分布于整个供应链之中，各成员间通过合作学习可以实现多赢格局，这与供应链中物流及资金的流动存在极大的差异。因此，物流企业与供应链上下游企业间通过学习可以提升组织运作与管理效率，可以增进系统内部知识的分享和创造。
（三）社会资本累积
社会资本是一种最基本的资本形态，最初由学者Bourdieu[10]提出，他认为社会资本不单单是由于人际交往及社会关系产生的结果，还包括在社会人际交往过程中产生的便于获取权力和资源的机会和途径。从资本的形态属性看，社会资本与实物资本一样能进行累积，可以进行再生产，因此是组织中一项重要的生产性资源。Huo[11]、Capaldo[12]、Colin[13]、Wan[14]、Ciasullo[15]等学者分别从信任、沟通、关系、承诺、合作、愿景等多维度对社会资本累积进行了研究。研究发现，在供应链中，随着专业化分工的逐步细化，使供应链成员间相互依赖关系不断增强，拥有异质性资源与能力的各成员通过彼此的互动、分享共同的愿景从而形成彼此间的信任关系，促进了异质性资源与能力的交换与合作，由此使得供应链伙伴间合作越来越频繁，合作的深度和广度不断得以拓展和延伸。[16]在每一次合作过程中，随着资源与能力的交换与结合，不仅加深了供应链成员彼此间的认同感，同时还逐步形成了独特的规则及文化，这也使得社会资本在广度和深度上不断得以延伸。组织之间的合作在这种循环往复的过程中不断得到强化，在供应链中逐渐形成稳定的信任关系。
（四）供应链价值创造
Porter [17]最初提出了价值创造的概念，他在对企业价值链研究的过程中发现，企业价值创造是通过企业价值链中各个环节的协同和流程优化来实现的。Kasim[18]从供应链伙伴间合作关系的视角指出稳定的供应链合作关系更容易实现价值创造。Simatupang[7]、Panday[19]、Nguyen[20]、Hammervoll[21]等学者分别从供应链服务水平、服务质量以及供应链柔性等维度对供应链价值创造进行了实证研究。 物流企业与其合作伙伴在多边合作过程中的价值创造是指供应链各成员为了实现共同目标，在多边互动基础上通过整合和利用供应链中的异质性资源与能力，共同进行产品的创造。传统企业间非连续的合作关系在快速激烈的竞争格局中已难以为继，企业需要在快速调整战略布局的同时改变传统的以产品为中心的价值创造方式，及时转变到与客户一起进行价值共创。供应链中的物流企业不再仅仅与其直接客户合作，满足顾客的物流需求，而且还需要与客户的客户进行互动合作才能达成其战略目标。
三、概念模型及研究假设
（一）社会资本累积与供应链价值创造的关系及假设
供应链成员多边合作过程中成员间彼此交错的关系是获得资源与能力的重要渠道，这种资源与能力具有很强的异质性，会对企业绩效产生重大影响，因此也为企业竞争优势提供强大支撑。
物流企业在与其上下游企业多边合作中，由于社会资本的累积效应的存在，供应链成员间多边合作的程度与供应链关系质量、信任程度及承诺呈现正相关关系，可以有效提高整个供应链的服务效率和质量。在多边合作中这种特殊的信任关系使协同成为可能，供应链的整体效率也为此得到极大的提高。据此，提出如下假设：
H1：多边合作中社会资本累积对供应链的价值创造会产生直接的正向影响。
（二）流程协同与供应链价值创造的关系及假设
供应链中的企业已不再是孤立存在的个体，它已经成为价值创造体系中的重要一环。通过流程协同来提升整个供应链的服务水平以及响应速度，并最终在成本上体现流程协同带来的巨大优势才能保持企业持久的竞争力。物流企业与供应链成员多边合作中实现流程协同能提高供应链的服务水平和质量，提高整个供应链的可视性与响应性。据此，提出如下假设：
H2：多边合作中流程协同对供应链价值创造具有直接的正向影响。
（三）组织间学习与供应链价值创造关系及假设
物流企业与供应链成员的多边合作可以为供应链中各成员提供施展其核心业务能力的独特机会，供应链也成为沟通和链接多边合作的信息共享平台，通过这个平台，供应链成员可以获得合作伙伴的知识、能力以及技术支持，这些知识和技能会随着多边合作的广度和深度的不断拓展逐渐内化到企业自身的系统中去。组织间学习的主要作用是对存续于供应链中的碎片状知识加以吸收并整合，在此基础上进行知识的创新。供应链上下游企业在多边合作的基础上经过知识吸收、传递、整合创造的新知识对整个供应链的价值创造具有明显的增值效应。[22]据此，提出如下假设：
H3：多边合作中组织间学习对整个供应链的价值创造会产生直接的正向影响。
（四）流程协同与社会资本累积的关系及假设
流程协同和社会资本累积在具体实施过程中可以使供应链更具柔性、供应链中的信息更具可視性，这也是多边合作中两种重要的价值创造。
供应链成员多边合作中流程协同对于社会资本累积之间具有十分紧密的联系。据此，我们提出如下假设：
H4：多边合作中流程协同对于社会资本累积具有直接的正向影响。
（五）流程协同与组织间学习的关系及假设
供应链合作伙伴间通过建立信息系统，在彼此间信息共享和沟通过程中，组织间的知识吸收、传递及整合也就自然产生了。物流企业与上下游合作伙伴在多边合作中实现流程协同能促使整个系统中显性知识和隐性知识的转移和扩散，扫清上下游企业间知识沟通中的阻碍，从而使组织间学习得以实现。据此，我们提出如下假设：
H5：多边合作中流程协同对组织间学习产生直接的正向影响。
综上所述，多边合作中各潜变量对于供应链价值创造综合影响关系的概念模型如图1所示。
四、问卷设计及回收
（一）变量及测量
1.流程协同的变量选取
本研究在流程协同的变量选取上结合了学者Shang[4]、Luo[5]、Dalmolen[6]、Simatupang[7]等的研究，选用信息共享和同步决策作为观察变量来研究物流企业与供应链成员多边合作中的流程协同（见表1）。
2.组织间学习变量选取
本文结合Yang[23]、Brion[24]、Dobrzykowski[25]等学者的研究，选用知识吸收能力、知识传递能力以及知识整合能力3个维度来研究组织间学习（见表2）。
3.社会资本累积变量选取
本文综合Huo[11]、Capaldo[12]、Colin[13]、Wan[14]、Ciasullo[15]等学者在对于社会资本的研究成果，选用信任、沟通、承诺这3个维度来研究物流企业与供应链成员多边合作中的社会资本累积（见表3）。
4.供应链价值创造变量选取
本文结合Simatupang[7]、Panday[19]、Nguyen[20]、Hammervoll[21]等学者的研究成果，采用供应链服务水平、服务质量以及供应链柔性这3个维度来研究供应链价值创造（见表4）。
本文在问卷设计的过程中参考了陶永明[22-26]、佟成军[27]等学者提出的问卷设计注意事项，目的是确保问卷的合理性和科学性。问卷设计前我们进行了大量的文献整理，对有关社会资本累积、组织间学习、流程协同与供应链价值创造方面的文献进行了分析，问卷主要运用李克特的五级量表制。理论模型的所有潜在变量及观测变量的选用，除了进行文献研究外，还在项目开始前走访10余家物流企业及其合作伙伴的管理层，听取对调查内容及项目的建议，在此基础上不断对问卷进行修订，最终形成预调查问卷。随后选取20家物流企业及其合作伙伴进行了预调查，主要受访对象是企业管理层，在此基础上对预调中出现的相关问题进行整改，确定最终问卷。
（二）样本及问卷回收
1.样本主体 根据学者吴明隆[28]提出的调查研究总体和样本的基本概念，本研究的调查对象的总体为物流企业及供应链上下游客户，涉及范围较广。样本的理论主体构成如下：
（1）物流企业。对于物流企业的定义目前学术界尚未形成达成共识，本研究选择的样本中物流企业参考了学者骆温平[29]基于制造业与物流业联动分析的物流产业划分方法，采集的物流企业样本包含了传统物流企业和高端物流企业（见图2）。
（2）物流企业所服务的供应链上下游企业。本研究的样本企业除了上述物流企业外，还将物流企业服务的供应链上下游企业纳入样本范围，其中主要包括供应链中的制造企业、批发零售企业以及提供其他服务的企业。
本研究在问卷星平台上共投放501份问卷，回收得到215份有效问卷。本研究问卷量表题项总共25题，按照Hair[30]对结构方程模型分析样本量的建议的要求，样本数量应大于170份。215份的有效样本数量已满足上述要求，可以进行统计分析。
2.样本数据特征
本研究调查样本覆盖的基本属性包括：被调查企业的类型、性质、员工数、所在地区、企业年龄以及经营情况等信息。受访者的基本信息包括：性别、职位、任职年限、企业名称以及联系方式等。其数据特征如下（见表5）：
根据统计分析的要求，为了避免分析中出现非正定的问题，要求样本数据必须服从正态分布。根据Kline[31]的研究，服从正态分布的样本统计量中必须同时满足两项条件，即|峰度|<10，|偏度|<3。本研究对这两项条件的检测结果|偏度|<1，|峰度|<3。本研究同时还运用SPSS散点图及K-S检验，数据亦服从正态分布。
五、实证分析
（一）相关分析
本研究主要运用SPSS19.0通过相关分析法研究四个潜变量之间的关系。根据吴明隆[28]的观点，通常根据变量之间的相关系数来判断其相关程度，相关系数>0.7通常被认为变量间具有高度相关关系。系数在0.4以下为低度相关，其余为中度关系。从表6可知，组织间学习与价值创造之间的关系为高度相关，除此之外的其他变量间关系都达到中等程度相关。可见，本研究中各变量之间关系显著。
信度通常是指量表能测量到研究对象的可靠程度，一般通过值来测量[32]。本文主要运用因子分析来进行检验。表7显示了总量表的值，其数值为0.911（>0.75），本研究的量表设计信度较好。
（二）效度检验
1.探索性因子分析（EFA）
通过因子分析来对量表进行效度测定的前提是回收得来的样本要适合做因子分析，通常采用和检验。根据吴明隆[33]的研究观点，在0.5以上都是可以被接受的，如果<0.5属于较差情况，不推荐进行这项检验。对于>0.6同时达到显著的变量，通過主成份分析法按特征值>1提取公因子，与此同时还要求题项的因子载荷>0.5。表8汇总了本研究量表的及检验结果。
（1）社会资本累积EFA。对社会资本累积量表9个题项的检验结果显示，KMO=0.863，p=0.000（<0.05），符合上述条件。该量表提取的3个公因子旋转后的特征值为2.100，2.059，1.329，联合解释的变异量占比60.986%，且各题项的计算得出的因子载荷>0.5，这一结果显示社会资本累积量表理论上能够测量到本研究所需特质。提取的3个公因子与社会资本累积分量表的结论一致，分别为信任、沟通和承诺。
（2）流程协同EFA。流程协同量表的KMO=0.750，Bartlett检验的p=0.000（<0.05），符合上述条件。该量表共提取2个公共因子，转轴后的特征值为1.713（>1），1.055（>1），因子的累积解释变异为69.183%，且P1，P2，P3，P4的因子载荷均大于0.5，这一结果显示流程协同量表理论上能够测量到本研究所需特质，提取的2个公因子与测度量表结论一致，分别为信息共享和同步决策。
（3）组织间学习EFA。对组织间学习的EFA显示，KMO=0.779，p=0.000（<0.05），符合上述条件。3个公因子旋转后其特征值为1.313（>1），1.247（>1），1.247（>1），能解释变异量的76.09%，各题项上的因子负荷>0.5，这一结果显示组织间学习量表理论上能够测量到本研究所需特质，提取的3个公因子与测度量表的结论一致。
（4）供应链价值创造EFA。供应链价值创造量表KMO=0.837，p=0.000（<0.05），符合上述条件。提取的3个公因子旋转后的特征值分别为2.042（>1），1.526（>1），1.241（>1），各题项上的因子负荷>0.5。这一结果显示供应链价值创造分量表在理论上能够测量到本研究所需特质，提取的3个公因子与测度量表的结论一致，分别为服务水平、服务质量和柔性。
2.验证性因子分析（CFA）
本研究借助CFA来测量效度，分为内容效度、区分效度以及收敛效度3个层面。
（1）内容效度。内容效度通常是指问卷中题项能否准确测量到研究中所涉及的概念。为确保本研究所设计的量表能准确测量到相关的概念，本文通过系统的文献研究，参考了国内外学术界被广泛认可的量表，在此基础上多次深入物流企业及供应链上下游企业进行深度访谈，听取专家及业界意见对问卷进行进一步的修订来确保量表的内容准确可靠。
（2）收敛效度。内容效度主要用来反映问卷题项的准确性，收敛效度关注的是题项的关联性层面，收敛效度越高说明题项间有较高的相关关系。根据Hair[30]的研究，较好的收敛效度在测量中需满足以下条件：
a.因子载荷>0.5；
b.组成信度（CR）>0.7；
c.平均方差提取量（AVE）>0.5。
本研究CFA的统计量见表9。 ①社会资本累积收敛效度。社会资本累积潜变量9个题项，df=23，需估计残差9个、变异数1个以及因子载荷8个，模型符合正定要求。社会资本累积C1-C9因子载荷>0.5，且所有残差项非负，统计上显著。
CR=0.91（>0.7），AVE=0.56（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=1.090（<5）；CFI>0.9，AGFI>0.9，模型的适配度指标符合要求，显示社会资本累积测量模型的据拟合效果良好。
②流程协同收敛效度。流程协同潜变量共有4个题项，需估计残差4个、变异数1个以及因子载荷3个。题项P1-P4因子负荷>0.5，残差均为非负，统计上显著。
CR=0.82（>0.7），AVE=0.54（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=0.08（<5）；GFI>0.9、AGFI>0.9，显示流程协同测量模型的数据拟合效果良好。
③组织间学习的收敛效度。组织间学习潜变量共有5个题项，需估计残差4个、变异数1个以及因子载荷5个。题项L1-L5因子载荷>0.5，残差为非负，统计上显著。
CR=0.85（>0.7），AVE=0.54（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=1.197（<5）；GFI>0.9、AGFI>0.9，显示组织间学习测量模型的数据拟合良好。
④供应链价值创造收敛效度。供应链价值创造潜变量对应的题项有7个，需估计残差7个、变异数1个以及因子载荷6个。供应链价值创造CFA的结果显示，供应链价值创造量表的所有题项（V1-V7）其因子负荷都在0.5以上，所有的残差项均为非负，统计上显著。
CR=0.88（>0.7），AVE=0.55（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=1.348（<5）；GFI>0.9、AGFI>0.9，显示适配度达标，证明供应链价值创造的数据拟合效果良好。
（3）区分效度。区分效度主要用来检测不同变量在统计上是否存在差异性。根据Bock[34]的建议，采用CFA对研究中涉及的4个变量构建含有4个因子的模型。CFA结果显示χ2=292.563，χ2/df=1.25（<5），RMSEA=0.034（<0.08），且TLI>0.9、CFL>0.9。
为了对变量间的区分效度做更进一步的验证，本研究拟通过因子两两合并构建3个因子的分析模型并进行检验，最后将两种模型进行比较。通过数据对比发现，4个因子拟合程度好于合并前的3个因子模型。
最后再构建一个只有1个因子的模型，也即将4个变量进行合并后再进行比较。结果见表10，拟合结果按优劣程度排名：4因子>3因子>单因子模型，这表明量表的区分效度良好。
（三）模型拟合及检验结果
根据本文构建的综合影响概念模型（如图2），借助AMOS21.0统计软件，将样本数据输入模型并对模型相关路径系数进行估计。表11列出了初始模型整体适配度即拟合度情况，结果显示初始模型适配度检验p<0.05，适配度指标统计量AGFI<0.9，CFI<0.9。根据模型评估指标检验标准，这三个统计量没有满足统计检验标准，说明初始模型整体的拟合优度偏低，需要进行了相应的修正。根据AMOS21.0统计软件分析结果给出的修正建议，建立测量误差间的共变关系，修正后除了AGFI指标略低于0.9的标准，其他所有统计量均达到显著性水平。
表12统计了SEM拟合后的各指标取值，可见各指标取值均在允许的范围内，说明本研究的理论模型经SEM拟合情况良好。各变量间的综合影响路径检验结果如表13，模型拟合修正后的综合影响作用路径如图3所示。
六、结论及研究启示
（一）主要结论
1.社会资本累积对供应链价值创造的影响
实证检验结果表明，社会资本累积对供应链价值创造具有正向影响，其影响路径的标准系数0.847，C.R.=2.554，p<0.05，统计上达到显著性水平，假设H1获得支持。该结果与Ciasullo[15]等学者的观点一致，社会资本累积对供应链价值创造具有积极的促进作用。
2. 组织间学习对供应链价值创造的影响
组织间学习对供应链价值创造具有正向影响，其影响路径的标准化系数0.957，C.R.=3.231，p<0.05，统计上达到显著性水平，本研究提出的假设H3得到支持。即在多边合作中，组织间学习对供应链价值创造具有直接的正向影响。这一研究结论与Yang[23]、Dobrzykowski[25]等学者的观点一致，组织间学习对供应链价值创造具有积极的促进作用。 3. 流程协同对社会资本累积的影响
流程协同对社会资本累积具有直接的正向影响关系，其路径系数=0.916，C.R.=6.549，p<0.001，在统计上具有显著性，H4獲得通过。说明流程协同对社会资本累积影响正面。该结果与Luo[5]、于建红[35]等学者的观点一致，流程协同对社会资本累积具有显著的正向影响。
4. 流程协同对组织间学习的影响
流程协同对组织间学习具有直接的正向影响关系，其路径系数=0.871，C.R.=6.460，p<0.001，在统计上具有显著性，H5获得通过。流程协同对组织间学习具有显著的正向影响。这一研究结论与Shang[4]等学者的观点一致，流程协同对组织间学习具有显著的正向影响。
5.流程协同对供应链价值创造的影响
流程协同与供应链价值创造之间的直接路径系数=-0.839，C.R.=-1.883，p=0.060（>0.05），未达到显著水平，说明在同时考虑组织间学习、社会资本累积3个潜变量的相互作用时，流程协同对供应链价值创造不存在直接影响，假设H2未获得支持。 依据Judd[36]提出的逐步检验法对变量的中介效应进行检验方法，在假设H3、H4、H5检验都显著的情况下，假设H2的检验结果不显著说明存在完全中介效应，否则存在部分中介效应。由此可知，流程协同对供应链价值创造只存在间接影响，通过社会资本累积以及组织间学习对供应链价值创造产生间接影响，其间接影响的效应为0.52（0.916×0.847+0.871× 0.957-0.839=0.52）。
物流企业与供应链伙伴多边合作过程中，流程协同正是通过社会资本累积以及组织间学习这两个潜变量来影响供应链价值创造，不仅提高了供应链整体的服务水平和质量，同时也大大提升了供应链的可视性与响应性。
根据实证检验的结果，流程协同对供应链价值创造的间接作用具体体现：{1}流程协同提升了供应链的服务水平与服务质量。实现流程协同降低了合作伙伴间的信息沟通和交易的成本，提高了供应链的反应速度和效率，使最终客户的价值体验得以提升。这和学者 Lee[37]提出的观点一致，好的供应链不仅仅是成本有效，还需要有一定的敏捷性和适应环境变化的能力。{2}流程协同还能使供应链在应对外在环境的变化上获得柔性。物流企业与供应链成员多边合作中通过流程协同产生的流程柔性，是一种针对供应链内外部环境的变化及时响应和调整供应链成员间流程的动态能力，通过它能使客户需求的多样性得以实现，最终达成价值创造的目标。学者Purwani[38]等的研究也印证了这一观点，流程协同下的多边合作能够使供应链各成员获得巨大的流程柔性和比较成本优势。
（二）研究启示
本文构建了物流企业参与供应链多边合作的关系模型及研究假设，实证检验了价值创造中的重要路径，对于探讨合作中的多边治理机制具有重要的理论及实践意义。由于流程协同、组织间学习以及社会资本累积这三者之间的依赖关系在物流企业与供应链成员多边合作中都有体现。因此，上下游企业在多边合作中应以此为基础，在供应链中共享利益、共担风险，建立紧密合作的战略伙伴关系以最大限度实现价值共创，这就需要为多边合作的供应链设计适当的管理机制。
1.保障流程协同的关键在于构建有效的信息治理机制
多边合作中，无论是物流企业还是供应链中其他合作方都是相对独立的组织，要实现供应链的协同运作，在供应链中须构建相应的信息沟通机制用来对系统中自组织的涨落进行调节，引导相变状态到可控范围，这在流程协同中通常也被称为被组织的过程。
由于在上下游企业的多边合作过程中，流程协同面临的最大挑战来自于供应链中的不对称信息，不对称的信息会使流程协同的效率受到很大的影响。因而只有在上下游企业多边合作中做到信息的充分共享，构建行之有效的信息治理模式才能解决信息的非对称性问题。以信息共享为基础建立上下游企业间信息协同机制被认为是实现流程协同的关键。Zhen[39]的研究中就发现了组织依靠信息系统这一工具可以很好的调节组织间的关系，网络型组织通过跨边界的信息系统可有效解决信息的非对称性问题。Lee[40]指出共享的信息可以大大降低整体库存成本，有效减少合作伙伴间的牛鞭效应现象。经过Luo[5]等学者的实证，上下游企业间信息的有效共享对于供应链的绩效提升具有显著的正向影响。可以说合作伙伴间信息的共享水平对价值创造具有十分重要的影响。因此，物流企业与供应链成员在流程协同中采用有效的信息治理方式将有助于改变供应链系统自组织的状态，是供应链系统转向有序的重要推动力量。流程协同效应的发挥需要以此为基础建立信息管理机制，搭建供应链信息系统来提升协同的绩效。流程协同将使供应链在资源与能力上获得差异性并进一步巩固建立起来的竞争优势。
2.多边合作中组织间学习的实现需要建立有效的知识治理机制
物流企业与供应链成员组织间学习关注的是知识获取、传递、整合与创造等具体活动，而如何在制度层面上引导、激励和约束组织间学习行为使供应链各成员间保持利益的平衡，这就需要在供应链中引入相应的知识治理机制。
知识治理机制在供应链中以制度安排的形式存在，通过正式或非正式的组织形式对供应链中各成员的知识行为加以治理，可以有效的促进组织间学习活动，抵御可能发生的交易风险，优化组织间学习效益，使知识的共享和创新在组织间得到保障。物流企业与上下游企业多边合作过程中知识治理的主要目的是推动供应链中知识的分享和迁移，优化、协调各成员的知识水平，促进供应链进行知识创造。因此，知识治理必将会成为供应链多边合作中日益普遍的实践活动。
3.多边合作中构建良好的关系治理机制是社会资本累积的坚实保障
关系治理的概念起源于Macneil [41]提出的关系协定理论，他把关系协定定义为人与人之间的一种交换关系。物流企业与供应链成员多边合作过程中，关系治理主要是通过供应链成员间构建有效的规则、惯例等措施来确保交易活动的顺利开展，这与组织中的科层管理或市场机制有较大不同。关系治理是实現供应链价值创造的重要保障机制，其本质是通过软协定和硬协定对供应链合作伙伴间交易关系以及风险进行协调与管理。软协定的构成要素包括合作伙伴的承诺与互信，供应链成员拥有的共同愿景以及不断增强的沟通等。硬协定则主要侧重于正式的合同文书，具有极强的法律效应。硬协定与软协定在合作伙伴间并不是孤立存在的，它们之间往往存在交集（即柔性协定，如图4所示）。硬协定、软协定以及柔性协定共同构成了关系治理的主要内容。软协定中的社会资本要素在硬协定的实施过程中能起到较好的缓冲作用，增强了伙伴间合作的柔性。关系协定为所有供应链成员多边合作提供了动力，可大大改善供应链的服务水平和质量。
综上所述，物流企业与供应链成员多边合作中关系治理是产生社会资本累积效应的重要保障，通过有效的关系治理可以调节组织间学习实践，分担供应链中的合作风险，改善供应链整体的服务水平和质量，是实现价值创造目标的重要保障。 [参考文献]
[1] Bonabeau E，Meyer C. Swarm Intelligence： A Whole New Way to Think about Business[J]. Harvard Business Review，2001（5）：107-114.
[2] Hammer M. Reengineering Work： Don't Automate，Obliterate[J]. Harvard Business Review，1990，68（4）：104-112.
[3] 于渝飞. 基于供应驱动的供应链协同研究[J]. 统计与管理，2016（4）：133-134.
[4] Shang W，Ha A Y，Tong S. Information sharing in a supply chain with a common retailer[J]. Management Science Journal of the Institute for Operations Research & the Management Sciences，2016，62（1）： 245-263.
[5] Luo J Y，Management S O. Supply Chain Operation Synergy Analysis Based on the Process Management of Logistics Service[J]. Logistics Engineering & Management，2013.
[6] Dalmolen S，Sikkel N. The influence of trust on inter-organizational information sharing in logistic outsourcing relationships[J]. Australasian Journal of Dermatology，2015，42（3）：161-167.
[7] Simatupang T M，Sridharan R. The collaboration index： a measure for supply chain collaboration [J]. International Journal of Physical Distribution & Logistics Management，2005，35 （1）： 44-62.
[8] Von Hippel E. The Sources of Innovation[M]. New York： Oxford University Press，1988.
[9] Bouncken R B，Pesch R，Kraus S. SME innovativeness in buyer–seller alliances： effects of entry timing strategies and inter-organizational learning[J]. Review of Managerial Science，2015，9（2）：361-384.
[10] Bourdieu P. The Forms of Capital[M]. Blackwell Publishers Ltd，1986： 280-291.
[11] Huo B，Zhang C，Zhao X. The effect of IT and relationship commitment on supply chain coordination： A contingency and configuration approach[J].Information & Management，2015，52（6）：728-740.
[12] Capaldo A，Giannoccaro I. How does trust affect performance in the supply chain？ The moderating role of interdependence[J]. International Journal of Production Economics，2015，166：36-49.
[13] Colin M，Galindo R，Hernández O. Information and Communication Technology as a Key Strategy for Efficient Supply Chain Management in Manufacturing SMEs [J]. Procedia Computer Science，2015，55（3）：833-842.
[14] Wan A W，Rezaei J，Tavasszy L A，et al. Commitment to and preparedness for sustainable supply chain management in the oil and gas industry[J]. Journal of Environmental Management，2016，180：202-213.
[15] Ciasullo M V，Festa G，Maione M. A sustainable vision of port supply chain. A study on the automotive sector[J]. Esperienze Dimpresa，2016，2（2014）：51-75.
[16] 戴建平，駱温平.供应链异质性资源、能力与绩效关系研究——基于物流企业与供应链成员间多边合作的视角[J].企业经济，2016（12）：80-86. [17] Porter M E. Competitive Advantage： Creating and Sustaining Superior Performance[M]. New York： Free Press，1985.
[18] Kasim E S，Rajamanoharan I D，Omar N H. An integrated supply chain management model for value creation： case evidence[J]. International Journal of Business Performance & Supply Chain Modelling，2017，4（3/4）.
[19] Panday P N，Panday S. Research （Review） Paper： Multi Modal Logistics and Value Creation in Supply Chain Integration.[C]// International Conference on Recent Advances in Management of Marketing，Accounting，Business，Entrepreneurship，Economics and Tourism，2016.
[20] Nguyen T N，Wu R Y，Evans R D. An Investigation into Value Co-creation in Service Supply Chains[C]// IEEE Technology & Engineering Management Conference. IEEE，2017.
[21] Hammervoll T. Governance of Value Creation in Supply Chain Relationships[J]. Supply Chain Forum An International Journal，2015，12（2）：116-126.
[22] 戴建平，骆温平.物流企业与供应链成员多边合作价值创造机理研究[J].商业研究，2015（7）：164-165.
[23] Yang L，Fu X，Pan S L. Leveraging Social Capital and Absorptive Capacity for Knowledge Integration： a Case Study of a Cross-Organization IT Project[J]. 2012.
[24] Brion S，Parmentier G. Crowdsourcing for innovation： from knowledge capture to knowledge integration，the key role of absorptive capacities[J]. Post-Print，2016.
[25] Dobrzykowski D D，Leuschner R，Hong P C，et al. Examining Absorptive Capacity in Supply Chains： Linking Responsive Strategy and Firm Performance[J]. Journal of Supply Chain Management，2015，51（4）：3-28.
[26] 陶永明.问卷调查法应用中的注意事项[J].中国城市经济，2011（20）：305-306.
[27] 佟成军.关于网络调查与传统纸质调查差异的比较分析[J].中国统计，2017（1）：64-67.
[28] 吴明隆.问卷统计分析实务：SPSS操作与应用[M].重庆：重庆大学出版社，2010.
[29] 駱温平.基于制造业与物流业联动分析的物流产业划分[J].企业经济，2015（5）：5-10.
[30] Hair J F， Tatham R L， Anderson R E， et al. Multivariate data analysis [M].Upper Saddle River， NJ： Pearson Prentice Hall，2009.
[31] Kline R B. Principles and practice of structural equation modeling [M].Guilford Press，2011.
[32] Classics， Cronbach.L.J. Coefficient Alpha and the internal structure of tests[J]. Psychometrika，1951，16：297-334.
[33] 吴明隆.结构方程模型：AMOS的操作与应用[M]. 重庆：重庆大学出版社，2009.
[34] Bock G W， Zmud R W， Kim Y G， et al. Behavioral intention formation in knowledge sharing： Examining the roles of extrinsic motivators， social-psychological forces， and organizational climate[J].MIS quarterly，2005，29（1）： 87-111.
[35] 于建红， 马士华， 周奇超. 供需不确定下基于MOI和VMI模式的供应链协同比较研究[J]. 中国管理科学， 2012， 20（5）：64-74. [36] Judd C M， Kenny D A. Estimating the Effects of Social Interventions[J]. Cambridge University Press，1981.
[37] Lee H L. The Triple-A Supply Chain[J]. Harvard Business Review， 2004，82（10）：102-112.
[38] Purwani T， Nurcholis L. Supply Chain Performance Improvement Strategy Through Quality of Synergy in The Automotive Components Industry[J]. 2016， 7（1）：32.
[39] Zhen H E， Zhou F J， Yang W. On the Research of Industrial Cooperation System Innovation about City Emergency Management in Big Data Era[J]. Journal of Xiangtan University，2016.
[40] Lee H L， Padmanabhan V， Whang S. The Bullwhip Effect in S-upply Chains[J]. Sloan Management Review，1997，38（3）：93-102.
[41] Macneil I R. The New Social Contract： An Inquiry into Modern Contractual Relations[M]. New Haven， CT： Yale University Press，1980.
Empirical Research on Value Creation of Supply Chain
in Multilateral Cooperation
——Based on the Perspective of Multilateral Cooperation
between Logistics Companies and Supply Chain Members
Dai Jianping1，2 ，Luo Wenping1
（1.Shanghai Maritime University，Shanghai 201306，China；2.Wuxi Open University，Wuxi 214021，China）
Abstract： This research puts forward a framework to analyze logistics enterprises'value creation in multilateral cooperation，and constructs a conceptual model of the relationship among social capital accumulation，process synergy，and inter-organizational learning and supply chain value creation. This research takes logistics enterprises and the upstream and downstream enterprises that they serve as the research objects，designs questionnaires，uses SPSS and AMOS tools to test conceptual models and assumptions through factor analysis and structural equation model，and further explores the comprehensive role and the path of influence of social capital accumulation，process synergy and inter-organizational learning on value creation of supply chain in multilateral cooperation. The study shows that the process of value creation in multilateral cooperation is influenced by process synergy，inter- organizational learning and social capital accumulation at the same time. The implementation of process synergy can enhance the controllability and rapid response of the supply chain. Inter-organizational learning is the absorption，integration and utilization of knowledge in the supply chain. The accumulation of social capital is an important coordination mechanism that allows partners to deal with uncertainty through flexibility. Finally，based on the empirical results of the path of interaction among variables，the paper further explores the mechanism of information governance，knowledge governance and relationship governance to ensure the value creation of supply chain.
Key words： multilateral cooperation； process synergy；inter-organizational learning； social capital accumulation；value creation；structural equation model
（責任编辑：张丹郁）
关键词 多边合作；流程协同；组织间学习；社会资本累积；价值创造；结构方程模型
[中图分类号] F253 [文献标识码] A [文章编号]1673-0461（2018）05-0015-11
一、引 言
供应链中上下游企业之间的多边合作已逐渐被视为改善供应链绩效的主要方式之一。当前物流企业之间的竞争越发激烈，若仅仅提供物流环节服务已经远远不能满足客户的需求，企业的战略正逐步聚焦到供应链上。通过多边合作，在供应链中要实现价值共创很大程度上依赖于流程协同、组织间学习与社会资本累积这三者的联合运用。三者聚焦点不同但能彼此融合于企业供应链管理实践，共同服务于整个供应链的价值创造目标。在梳理了大量相关文献后，本文对供应链中流程协同、组织间学习、社会资本累积及价值创造之间的关系进行了深入的探讨，构建一个能反映这四者之间关系的理论模型并进行了实证，探索其价值创造的具体路径，为后续供应链的治理提供参考。
二、相关研究综述
（一）流程协同
协同论是系统学中的重要理论，它解释了在开放式复杂系统中，由于系统分支之间存在着非线性的相互关系，经过多边合作形成协同，从而使系统产生了从无序到有序的演化。
供应链中的业务流程描述了组织中实现目标价值为导向的带有先后顺序的关键业务活动过程，它体现了以最优化为目标的企业管理思想。[1]学者Hammer [2]的研究提出业务流程是组织把外部的输入要素经过系统性加工处理转化为对顾客有价值的输出的过程。业务流程有别于传统基于职能的管理模式，它遵循的是客户价值导向基础，是对传统职能管理导向的根本性变革。于渝飞[3]的研究指出流程协同的实现能使供应链各成员间在风险利益保持均衡的情况下实现同步运作，达到价值共创的目的。
物流企业与供应链成员多边合作中的流程协同本质上属于跨组织的供应链协同，以客户导向为基础，强调供应链成员间的有效合作。流程协同是供应链成员在统一业务流程基础上的多边合作，是一种在流程上跨组织的同步与协作，经过整合現实供应链系统内外部的有效协同。Shang[4]、Luo[5]、Dalmolen[6]、Simatupang[7]等学者从信息共享、同步决策等多维度对流程协同进行了实证研究。物流企业与其合作伙伴之间的流程协同主要体现在多边合作关系的运作层面上，流程协同的目的是整合各成员的业务流程，通过多边合作实现价值共创。
（二）组织间学习
供应链中各成员在多边合作的过程中，组织间学习是将各成员所拥有的专业知识经过融合最终形成结构化知识体系的过程，其本质是各成员吸收、传递以及整合供应链内、外部的知识。学者Von [8]认为供应链要形成持久的竞争优势，需要在客户、供应商和制造商之间进行跨组织的外部创新，这需要组织间建立行之有效的涵盖知识吸收、传输、共享以及整合的体制和机制。据此可知，无论单个企业还是供应链，其拥有的知识尚处于未经整合的碎片状态，要构成其核心能力，需要将彼此碎片状的知识进行整合形成结构化的知识体系。因此，组织间学习的实质是寻求吸收、整合、重新配置存续于供应链中知识的过程。Bouncken[9]等学者在对供应链中各成员的知识学习进行系统性研究的基础上，指出知识流分布于整个供应链之中，各成员间通过合作学习可以实现多赢格局，这与供应链中物流及资金的流动存在极大的差异。因此，物流企业与供应链上下游企业间通过学习可以提升组织运作与管理效率，可以增进系统内部知识的分享和创造。
（三）社会资本累积
社会资本是一种最基本的资本形态，最初由学者Bourdieu[10]提出，他认为社会资本不单单是由于人际交往及社会关系产生的结果，还包括在社会人际交往过程中产生的便于获取权力和资源的机会和途径。从资本的形态属性看，社会资本与实物资本一样能进行累积，可以进行再生产，因此是组织中一项重要的生产性资源。Huo[11]、Capaldo[12]、Colin[13]、Wan[14]、Ciasullo[15]等学者分别从信任、沟通、关系、承诺、合作、愿景等多维度对社会资本累积进行了研究。研究发现，在供应链中，随着专业化分工的逐步细化，使供应链成员间相互依赖关系不断增强，拥有异质性资源与能力的各成员通过彼此的互动、分享共同的愿景从而形成彼此间的信任关系，促进了异质性资源与能力的交换与合作，由此使得供应链伙伴间合作越来越频繁，合作的深度和广度不断得以拓展和延伸。[16]在每一次合作过程中，随着资源与能力的交换与结合，不仅加深了供应链成员彼此间的认同感，同时还逐步形成了独特的规则及文化，这也使得社会资本在广度和深度上不断得以延伸。组织之间的合作在这种循环往复的过程中不断得到强化，在供应链中逐渐形成稳定的信任关系。
（四）供应链价值创造
Porter [17]最初提出了价值创造的概念，他在对企业价值链研究的过程中发现，企业价值创造是通过企业价值链中各个环节的协同和流程优化来实现的。Kasim[18]从供应链伙伴间合作关系的视角指出稳定的供应链合作关系更容易实现价值创造。Simatupang[7]、Panday[19]、Nguyen[20]、Hammervoll[21]等学者分别从供应链服务水平、服务质量以及供应链柔性等维度对供应链价值创造进行了实证研究。 物流企业与其合作伙伴在多边合作过程中的价值创造是指供应链各成员为了实现共同目标，在多边互动基础上通过整合和利用供应链中的异质性资源与能力，共同进行产品的创造。传统企业间非连续的合作关系在快速激烈的竞争格局中已难以为继，企业需要在快速调整战略布局的同时改变传统的以产品为中心的价值创造方式，及时转变到与客户一起进行价值共创。供应链中的物流企业不再仅仅与其直接客户合作，满足顾客的物流需求，而且还需要与客户的客户进行互动合作才能达成其战略目标。
三、概念模型及研究假设
（一）社会资本累积与供应链价值创造的关系及假设
供应链成员多边合作过程中成员间彼此交错的关系是获得资源与能力的重要渠道，这种资源与能力具有很强的异质性，会对企业绩效产生重大影响，因此也为企业竞争优势提供强大支撑。
物流企业在与其上下游企业多边合作中，由于社会资本的累积效应的存在，供应链成员间多边合作的程度与供应链关系质量、信任程度及承诺呈现正相关关系，可以有效提高整个供应链的服务效率和质量。在多边合作中这种特殊的信任关系使协同成为可能，供应链的整体效率也为此得到极大的提高。据此，提出如下假设：
H1：多边合作中社会资本累积对供应链的价值创造会产生直接的正向影响。
（二）流程协同与供应链价值创造的关系及假设
供应链中的企业已不再是孤立存在的个体，它已经成为价值创造体系中的重要一环。通过流程协同来提升整个供应链的服务水平以及响应速度，并最终在成本上体现流程协同带来的巨大优势才能保持企业持久的竞争力。物流企业与供应链成员多边合作中实现流程协同能提高供应链的服务水平和质量，提高整个供应链的可视性与响应性。据此，提出如下假设：
H2：多边合作中流程协同对供应链价值创造具有直接的正向影响。
（三）组织间学习与供应链价值创造关系及假设
物流企业与供应链成员的多边合作可以为供应链中各成员提供施展其核心业务能力的独特机会，供应链也成为沟通和链接多边合作的信息共享平台，通过这个平台，供应链成员可以获得合作伙伴的知识、能力以及技术支持，这些知识和技能会随着多边合作的广度和深度的不断拓展逐渐内化到企业自身的系统中去。组织间学习的主要作用是对存续于供应链中的碎片状知识加以吸收并整合，在此基础上进行知识的创新。供应链上下游企业在多边合作的基础上经过知识吸收、传递、整合创造的新知识对整个供应链的价值创造具有明显的增值效应。[22]据此，提出如下假设：
H3：多边合作中组织间学习对整个供应链的价值创造会产生直接的正向影响。
（四）流程协同与社会资本累积的关系及假设
流程协同和社会资本累积在具体实施过程中可以使供应链更具柔性、供应链中的信息更具可視性，这也是多边合作中两种重要的价值创造。
供应链成员多边合作中流程协同对于社会资本累积之间具有十分紧密的联系。据此，我们提出如下假设：
H4：多边合作中流程协同对于社会资本累积具有直接的正向影响。
（五）流程协同与组织间学习的关系及假设
供应链合作伙伴间通过建立信息系统，在彼此间信息共享和沟通过程中，组织间的知识吸收、传递及整合也就自然产生了。物流企业与上下游合作伙伴在多边合作中实现流程协同能促使整个系统中显性知识和隐性知识的转移和扩散，扫清上下游企业间知识沟通中的阻碍，从而使组织间学习得以实现。据此，我们提出如下假设：
H5：多边合作中流程协同对组织间学习产生直接的正向影响。
综上所述，多边合作中各潜变量对于供应链价值创造综合影响关系的概念模型如图1所示。
四、问卷设计及回收
（一）变量及测量
1.流程协同的变量选取
本研究在流程协同的变量选取上结合了学者Shang[4]、Luo[5]、Dalmolen[6]、Simatupang[7]等的研究，选用信息共享和同步决策作为观察变量来研究物流企业与供应链成员多边合作中的流程协同（见表1）。
2.组织间学习变量选取
本文结合Yang[23]、Brion[24]、Dobrzykowski[25]等学者的研究，选用知识吸收能力、知识传递能力以及知识整合能力3个维度来研究组织间学习（见表2）。
3.社会资本累积变量选取
本文综合Huo[11]、Capaldo[12]、Colin[13]、Wan[14]、Ciasullo[15]等学者在对于社会资本的研究成果，选用信任、沟通、承诺这3个维度来研究物流企业与供应链成员多边合作中的社会资本累积（见表3）。
4.供应链价值创造变量选取
本文结合Simatupang[7]、Panday[19]、Nguyen[20]、Hammervoll[21]等学者的研究成果，采用供应链服务水平、服务质量以及供应链柔性这3个维度来研究供应链价值创造（见表4）。
本文在问卷设计的过程中参考了陶永明[22-26]、佟成军[27]等学者提出的问卷设计注意事项，目的是确保问卷的合理性和科学性。问卷设计前我们进行了大量的文献整理，对有关社会资本累积、组织间学习、流程协同与供应链价值创造方面的文献进行了分析，问卷主要运用李克特的五级量表制。理论模型的所有潜在变量及观测变量的选用，除了进行文献研究外，还在项目开始前走访10余家物流企业及其合作伙伴的管理层，听取对调查内容及项目的建议，在此基础上不断对问卷进行修订，最终形成预调查问卷。随后选取20家物流企业及其合作伙伴进行了预调查，主要受访对象是企业管理层，在此基础上对预调中出现的相关问题进行整改，确定最终问卷。
（二）样本及问卷回收
1.样本主体 根据学者吴明隆[28]提出的调查研究总体和样本的基本概念，本研究的调查对象的总体为物流企业及供应链上下游客户，涉及范围较广。样本的理论主体构成如下：
（1）物流企业。对于物流企业的定义目前学术界尚未形成达成共识，本研究选择的样本中物流企业参考了学者骆温平[29]基于制造业与物流业联动分析的物流产业划分方法，采集的物流企业样本包含了传统物流企业和高端物流企业（见图2）。
（2）物流企业所服务的供应链上下游企业。本研究的样本企业除了上述物流企业外，还将物流企业服务的供应链上下游企业纳入样本范围，其中主要包括供应链中的制造企业、批发零售企业以及提供其他服务的企业。
本研究在问卷星平台上共投放501份问卷，回收得到215份有效问卷。本研究问卷量表题项总共25题，按照Hair[30]对结构方程模型分析样本量的建议的要求，样本数量应大于170份。215份的有效样本数量已满足上述要求，可以进行统计分析。
2.样本数据特征
本研究调查样本覆盖的基本属性包括：被调查企业的类型、性质、员工数、所在地区、企业年龄以及经营情况等信息。受访者的基本信息包括：性别、职位、任职年限、企业名称以及联系方式等。其数据特征如下（见表5）：
根据统计分析的要求，为了避免分析中出现非正定的问题，要求样本数据必须服从正态分布。根据Kline[31]的研究，服从正态分布的样本统计量中必须同时满足两项条件，即|峰度|<10，|偏度|<3。本研究对这两项条件的检测结果|偏度|<1，|峰度|<3。本研究同时还运用SPSS散点图及K-S检验，数据亦服从正态分布。
五、实证分析
（一）相关分析
本研究主要运用SPSS19.0通过相关分析法研究四个潜变量之间的关系。根据吴明隆[28]的观点，通常根据变量之间的相关系数来判断其相关程度，相关系数>0.7通常被认为变量间具有高度相关关系。系数在0.4以下为低度相关，其余为中度关系。从表6可知，组织间学习与价值创造之间的关系为高度相关，除此之外的其他变量间关系都达到中等程度相关。可见，本研究中各变量之间关系显著。
信度通常是指量表能测量到研究对象的可靠程度，一般通过值来测量[32]。本文主要运用因子分析来进行检验。表7显示了总量表的值，其数值为0.911（>0.75），本研究的量表设计信度较好。
（二）效度检验
1.探索性因子分析（EFA）
通过因子分析来对量表进行效度测定的前提是回收得来的样本要适合做因子分析，通常采用和检验。根据吴明隆[33]的研究观点，在0.5以上都是可以被接受的，如果<0.5属于较差情况，不推荐进行这项检验。对于>0.6同时达到显著的变量，通過主成份分析法按特征值>1提取公因子，与此同时还要求题项的因子载荷>0.5。表8汇总了本研究量表的及检验结果。
（1）社会资本累积EFA。对社会资本累积量表9个题项的检验结果显示，KMO=0.863，p=0.000（<0.05），符合上述条件。该量表提取的3个公因子旋转后的特征值为2.100，2.059，1.329，联合解释的变异量占比60.986%，且各题项的计算得出的因子载荷>0.5，这一结果显示社会资本累积量表理论上能够测量到本研究所需特质。提取的3个公因子与社会资本累积分量表的结论一致，分别为信任、沟通和承诺。
（2）流程协同EFA。流程协同量表的KMO=0.750，Bartlett检验的p=0.000（<0.05），符合上述条件。该量表共提取2个公共因子，转轴后的特征值为1.713（>1），1.055（>1），因子的累积解释变异为69.183%，且P1，P2，P3，P4的因子载荷均大于0.5，这一结果显示流程协同量表理论上能够测量到本研究所需特质，提取的2个公因子与测度量表结论一致，分别为信息共享和同步决策。
（3）组织间学习EFA。对组织间学习的EFA显示，KMO=0.779，p=0.000（<0.05），符合上述条件。3个公因子旋转后其特征值为1.313（>1），1.247（>1），1.247（>1），能解释变异量的76.09%，各题项上的因子负荷>0.5，这一结果显示组织间学习量表理论上能够测量到本研究所需特质，提取的3个公因子与测度量表的结论一致。
（4）供应链价值创造EFA。供应链价值创造量表KMO=0.837，p=0.000（<0.05），符合上述条件。提取的3个公因子旋转后的特征值分别为2.042（>1），1.526（>1），1.241（>1），各题项上的因子负荷>0.5。这一结果显示供应链价值创造分量表在理论上能够测量到本研究所需特质，提取的3个公因子与测度量表的结论一致，分别为服务水平、服务质量和柔性。
2.验证性因子分析（CFA）
本研究借助CFA来测量效度，分为内容效度、区分效度以及收敛效度3个层面。
（1）内容效度。内容效度通常是指问卷中题项能否准确测量到研究中所涉及的概念。为确保本研究所设计的量表能准确测量到相关的概念，本文通过系统的文献研究，参考了国内外学术界被广泛认可的量表，在此基础上多次深入物流企业及供应链上下游企业进行深度访谈，听取专家及业界意见对问卷进行进一步的修订来确保量表的内容准确可靠。
（2）收敛效度。内容效度主要用来反映问卷题项的准确性，收敛效度关注的是题项的关联性层面，收敛效度越高说明题项间有较高的相关关系。根据Hair[30]的研究，较好的收敛效度在测量中需满足以下条件：
a.因子载荷>0.5；
b.组成信度（CR）>0.7；
c.平均方差提取量（AVE）>0.5。
本研究CFA的统计量见表9。 ①社会资本累积收敛效度。社会资本累积潜变量9个题项，df=23，需估计残差9个、变异数1个以及因子载荷8个，模型符合正定要求。社会资本累积C1-C9因子载荷>0.5，且所有残差项非负，统计上显著。
CR=0.91（>0.7），AVE=0.56（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=1.090（<5）；CFI>0.9，AGFI>0.9，模型的适配度指标符合要求，显示社会资本累积测量模型的据拟合效果良好。
②流程协同收敛效度。流程协同潜变量共有4个题项，需估计残差4个、变异数1个以及因子载荷3个。题项P1-P4因子负荷>0.5，残差均为非负，统计上显著。
CR=0.82（>0.7），AVE=0.54（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=0.08（<5）；GFI>0.9、AGFI>0.9，显示流程协同测量模型的数据拟合效果良好。
③组织间学习的收敛效度。组织间学习潜变量共有5个题项，需估计残差4个、变异数1个以及因子载荷5个。题项L1-L5因子载荷>0.5，残差为非负，统计上显著。
CR=0.85（>0.7），AVE=0.54（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=1.197（<5）；GFI>0.9、AGFI>0.9，显示组织间学习测量模型的数据拟合良好。
④供应链价值创造收敛效度。供应链价值创造潜变量对应的题项有7个，需估计残差7个、变异数1个以及因子载荷6个。供应链价值创造CFA的结果显示，供应链价值创造量表的所有题项（V1-V7）其因子负荷都在0.5以上，所有的残差项均为非负，统计上显著。
CR=0.88（>0.7），AVE=0.55（>0.5），说明概念模型的收敛效度较好。其他的拟合指标中，χ2/df=1.348（<5）；GFI>0.9、AGFI>0.9，显示适配度达标，证明供应链价值创造的数据拟合效果良好。
（3）区分效度。区分效度主要用来检测不同变量在统计上是否存在差异性。根据Bock[34]的建议，采用CFA对研究中涉及的4个变量构建含有4个因子的模型。CFA结果显示χ2=292.563，χ2/df=1.25（<5），RMSEA=0.034（<0.08），且TLI>0.9、CFL>0.9。
为了对变量间的区分效度做更进一步的验证，本研究拟通过因子两两合并构建3个因子的分析模型并进行检验，最后将两种模型进行比较。通过数据对比发现，4个因子拟合程度好于合并前的3个因子模型。
最后再构建一个只有1个因子的模型，也即将4个变量进行合并后再进行比较。结果见表10，拟合结果按优劣程度排名：4因子>3因子>单因子模型，这表明量表的区分效度良好。
（三）模型拟合及检验结果
根据本文构建的综合影响概念模型（如图2），借助AMOS21.0统计软件，将样本数据输入模型并对模型相关路径系数进行估计。表11列出了初始模型整体适配度即拟合度情况，结果显示初始模型适配度检验p<0.05，适配度指标统计量AGFI<0.9，CFI<0.9。根据模型评估指标检验标准，这三个统计量没有满足统计检验标准，说明初始模型整体的拟合优度偏低，需要进行了相应的修正。根据AMOS21.0统计软件分析结果给出的修正建议，建立测量误差间的共变关系，修正后除了AGFI指标略低于0.9的标准，其他所有统计量均达到显著性水平。
表12统计了SEM拟合后的各指标取值，可见各指标取值均在允许的范围内，说明本研究的理论模型经SEM拟合情况良好。各变量间的综合影响路径检验结果如表13，模型拟合修正后的综合影响作用路径如图3所示。
六、结论及研究启示
（一）主要结论
1.社会资本累积对供应链价值创造的影响
实证检验结果表明，社会资本累积对供应链价值创造具有正向影响，其影响路径的标准系数0.847，C.R.=2.554，p<0.05，统计上达到显著性水平，假设H1获得支持。该结果与Ciasullo[15]等学者的观点一致，社会资本累积对供应链价值创造具有积极的促进作用。
2. 组织间学习对供应链价值创造的影响
组织间学习对供应链价值创造具有正向影响，其影响路径的标准化系数0.957，C.R.=3.231，p<0.05，统计上达到显著性水平，本研究提出的假设H3得到支持。即在多边合作中，组织间学习对供应链价值创造具有直接的正向影响。这一研究结论与Yang[23]、Dobrzykowski[25]等学者的观点一致，组织间学习对供应链价值创造具有积极的促进作用。 3. 流程协同对社会资本累积的影响
流程协同对社会资本累积具有直接的正向影响关系，其路径系数=0.916，C.R.=6.549，p<0.001，在统计上具有显著性，H4獲得通过。说明流程协同对社会资本累积影响正面。该结果与Luo[5]、于建红[35]等学者的观点一致，流程协同对社会资本累积具有显著的正向影响。
4. 流程协同对组织间学习的影响
流程协同对组织间学习具有直接的正向影响关系，其路径系数=0.871，C.R.=6.460，p<0.001，在统计上具有显著性，H5获得通过。流程协同对组织间学习具有显著的正向影响。这一研究结论与Shang[4]等学者的观点一致，流程协同对组织间学习具有显著的正向影响。
5.流程协同对供应链价值创造的影响
流程协同与供应链价值创造之间的直接路径系数=-0.839，C.R.=-1.883，p=0.060（>0.05），未达到显著水平，说明在同时考虑组织间学习、社会资本累积3个潜变量的相互作用时，流程协同对供应链价值创造不存在直接影响，假设H2未获得支持。 依据Judd[36]提出的逐步检验法对变量的中介效应进行检验方法，在假设H3、H4、H5检验都显著的情况下，假设H2的检验结果不显著说明存在完全中介效应，否则存在部分中介效应。由此可知，流程协同对供应链价值创造只存在间接影响，通过社会资本累积以及组织间学习对供应链价值创造产生间接影响，其间接影响的效应为0.52（0.916×0.847+0.871× 0.957-0.839=0.52）。
物流企业与供应链伙伴多边合作过程中，流程协同正是通过社会资本累积以及组织间学习这两个潜变量来影响供应链价值创造，不仅提高了供应链整体的服务水平和质量，同时也大大提升了供应链的可视性与响应性。
根据实证检验的结果，流程协同对供应链价值创造的间接作用具体体现：{1}流程协同提升了供应链的服务水平与服务质量。实现流程协同降低了合作伙伴间的信息沟通和交易的成本，提高了供应链的反应速度和效率，使最终客户的价值体验得以提升。这和学者 Lee[37]提出的观点一致，好的供应链不仅仅是成本有效，还需要有一定的敏捷性和适应环境变化的能力。{2}流程协同还能使供应链在应对外在环境的变化上获得柔性。物流企业与供应链成员多边合作中通过流程协同产生的流程柔性，是一种针对供应链内外部环境的变化及时响应和调整供应链成员间流程的动态能力，通过它能使客户需求的多样性得以实现，最终达成价值创造的目标。学者Purwani[38]等的研究也印证了这一观点，流程协同下的多边合作能够使供应链各成员获得巨大的流程柔性和比较成本优势。
（二）研究启示
本文构建了物流企业参与供应链多边合作的关系模型及研究假设，实证检验了价值创造中的重要路径，对于探讨合作中的多边治理机制具有重要的理论及实践意义。由于流程协同、组织间学习以及社会资本累积这三者之间的依赖关系在物流企业与供应链成员多边合作中都有体现。因此，上下游企业在多边合作中应以此为基础，在供应链中共享利益、共担风险，建立紧密合作的战略伙伴关系以最大限度实现价值共创，这就需要为多边合作的供应链设计适当的管理机制。
1.保障流程协同的关键在于构建有效的信息治理机制
多边合作中，无论是物流企业还是供应链中其他合作方都是相对独立的组织，要实现供应链的协同运作，在供应链中须构建相应的信息沟通机制用来对系统中自组织的涨落进行调节，引导相变状态到可控范围，这在流程协同中通常也被称为被组织的过程。
由于在上下游企业的多边合作过程中，流程协同面临的最大挑战来自于供应链中的不对称信息，不对称的信息会使流程协同的效率受到很大的影响。因而只有在上下游企业多边合作中做到信息的充分共享，构建行之有效的信息治理模式才能解决信息的非对称性问题。以信息共享为基础建立上下游企业间信息协同机制被认为是实现流程协同的关键。Zhen[39]的研究中就发现了组织依靠信息系统这一工具可以很好的调节组织间的关系，网络型组织通过跨边界的信息系统可有效解决信息的非对称性问题。Lee[40]指出共享的信息可以大大降低整体库存成本，有效减少合作伙伴间的牛鞭效应现象。经过Luo[5]等学者的实证，上下游企业间信息的有效共享对于供应链的绩效提升具有显著的正向影响。可以说合作伙伴间信息的共享水平对价值创造具有十分重要的影响。因此，物流企业与供应链成员在流程协同中采用有效的信息治理方式将有助于改变供应链系统自组织的状态，是供应链系统转向有序的重要推动力量。流程协同效应的发挥需要以此为基础建立信息管理机制，搭建供应链信息系统来提升协同的绩效。流程协同将使供应链在资源与能力上获得差异性并进一步巩固建立起来的竞争优势。
2.多边合作中组织间学习的实现需要建立有效的知识治理机制
物流企业与供应链成员组织间学习关注的是知识获取、传递、整合与创造等具体活动，而如何在制度层面上引导、激励和约束组织间学习行为使供应链各成员间保持利益的平衡，这就需要在供应链中引入相应的知识治理机制。
知识治理机制在供应链中以制度安排的形式存在，通过正式或非正式的组织形式对供应链中各成员的知识行为加以治理，可以有效的促进组织间学习活动，抵御可能发生的交易风险，优化组织间学习效益，使知识的共享和创新在组织间得到保障。物流企业与上下游企业多边合作过程中知识治理的主要目的是推动供应链中知识的分享和迁移，优化、协调各成员的知识水平，促进供应链进行知识创造。因此，知识治理必将会成为供应链多边合作中日益普遍的实践活动。
3.多边合作中构建良好的关系治理机制是社会资本累积的坚实保障
关系治理的概念起源于Macneil [41]提出的关系协定理论，他把关系协定定义为人与人之间的一种交换关系。物流企业与供应链成员多边合作过程中，关系治理主要是通过供应链成员间构建有效的规则、惯例等措施来确保交易活动的顺利开展，这与组织中的科层管理或市场机制有较大不同。关系治理是实現供应链价值创造的重要保障机制，其本质是通过软协定和硬协定对供应链合作伙伴间交易关系以及风险进行协调与管理。软协定的构成要素包括合作伙伴的承诺与互信，供应链成员拥有的共同愿景以及不断增强的沟通等。硬协定则主要侧重于正式的合同文书，具有极强的法律效应。硬协定与软协定在合作伙伴间并不是孤立存在的，它们之间往往存在交集（即柔性协定，如图4所示）。硬协定、软协定以及柔性协定共同构成了关系治理的主要内容。软协定中的社会资本要素在硬协定的实施过程中能起到较好的缓冲作用，增强了伙伴间合作的柔性。关系协定为所有供应链成员多边合作提供了动力，可大大改善供应链的服务水平和质量。
综上所述，物流企业与供应链成员多边合作中关系治理是产生社会资本累积效应的重要保障，通过有效的关系治理可以调节组织间学习实践，分担供应链中的合作风险，改善供应链整体的服务水平和质量，是实现价值创造目标的重要保障。 [参考文献]
[1] Bonabeau E，Meyer C. Swarm Intelligence： A Whole New Way to Think about Business[J]. Harvard Business Review，2001（5）：107-114.
[2] Hammer M. Reengineering Work： Don't Automate，Obliterate[J]. Harvard Business Review，1990，68（4）：104-112.
[3] 于渝飞. 基于供应驱动的供应链协同研究[J]. 统计与管理，2016（4）：133-134.
[4] Shang W，Ha A Y，Tong S. Information sharing in a supply chain with a common retailer[J]. Management Science Journal of the Institute for Operations Research & the Management Sciences，2016，62（1）： 245-263.
[5] Luo J Y，Management S O. Supply Chain Operation Synergy Analysis Based on the Process Management of Logistics Service[J]. Logistics Engineering & Management，2013.
[6] Dalmolen S，Sikkel N. The influence of trust on inter-organizational information sharing in logistic outsourcing relationships[J]. Australasian Journal of Dermatology，2015，42（3）：161-167.
[7] Simatupang T M，Sridharan R. The collaboration index： a measure for supply chain collaboration [J]. International Journal of Physical Distribution & Logistics Management，2005，35 （1）： 44-62.
[8] Von Hippel E. The Sources of Innovation[M]. New York： Oxford University Press，1988.
[9] Bouncken R B，Pesch R，Kraus S. SME innovativeness in buyer–seller alliances： effects of entry timing strategies and inter-organizational learning[J]. Review of Managerial Science，2015，9（2）：361-384.
[10] Bourdieu P. The Forms of Capital[M]. Blackwell Publishers Ltd，1986： 280-291.
[11] Huo B，Zhang C，Zhao X. The effect of IT and relationship commitment on supply chain coordination： A contingency and configuration approach[J].Information & Management，2015，52（6）：728-740.
[12] Capaldo A，Giannoccaro I. How does trust affect performance in the supply chain？ The moderating role of interdependence[J]. International Journal of Production Economics，2015，166：36-49.
[13] Colin M，Galindo R，Hernández O. Information and Communication Technology as a Key Strategy for Efficient Supply Chain Management in Manufacturing SMEs [J]. Procedia Computer Science，2015，55（3）：833-842.
[14] Wan A W，Rezaei J，Tavasszy L A，et al. Commitment to and preparedness for sustainable supply chain management in the oil and gas industry[J]. Journal of Environmental Management，2016，180：202-213.
[15] Ciasullo M V，Festa G，Maione M. A sustainable vision of port supply chain. A study on the automotive sector[J]. Esperienze Dimpresa，2016，2（2014）：51-75.
[16] 戴建平，駱温平.供应链异质性资源、能力与绩效关系研究——基于物流企业与供应链成员间多边合作的视角[J].企业经济，2016（12）：80-86. [17] Porter M E. Competitive Advantage： Creating and Sustaining Superior Performance[M]. New York： Free Press，1985.
[18] Kasim E S，Rajamanoharan I D，Omar N H. An integrated supply chain management model for value creation： case evidence[J]. International Journal of Business Performance & Supply Chain Modelling，2017，4（3/4）.
[19] Panday P N，Panday S. Research （Review） Paper： Multi Modal Logistics and Value Creation in Supply Chain Integration.[C]// International Conference on Recent Advances in Management of Marketing，Accounting，Business，Entrepreneurship，Economics and Tourism，2016.
[20] Nguyen T N，Wu R Y，Evans R D. An Investigation into Value Co-creation in Service Supply Chains[C]// IEEE Technology & Engineering Management Conference. IEEE，2017.
[21] Hammervoll T. Governance of Value Creation in Supply Chain Relationships[J]. Supply Chain Forum An International Journal，2015，12（2）：116-126.
[22] 戴建平，骆温平.物流企业与供应链成员多边合作价值创造机理研究[J].商业研究，2015（7）：164-165.
[23] Yang L，Fu X，Pan S L. Leveraging Social Capital and Absorptive Capacity for Knowledge Integration： a Case Study of a Cross-Organization IT Project[J]. 2012.
[24] Brion S，Parmentier G. Crowdsourcing for innovation： from knowledge capture to knowledge integration，the key role of absorptive capacities[J]. Post-Print，2016.
[25] Dobrzykowski D D，Leuschner R，Hong P C，et al. Examining Absorptive Capacity in Supply Chains： Linking Responsive Strategy and Firm Performance[J]. Journal of Supply Chain Management，2015，51（4）：3-28.
[26] 陶永明.问卷调查法应用中的注意事项[J].中国城市经济，2011（20）：305-306.
[27] 佟成军.关于网络调查与传统纸质调查差异的比较分析[J].中国统计，2017（1）：64-67.
[28] 吴明隆.问卷统计分析实务：SPSS操作与应用[M].重庆：重庆大学出版社，2010.
[29] 駱温平.基于制造业与物流业联动分析的物流产业划分[J].企业经济，2015（5）：5-10.
[30] Hair J F， Tatham R L， Anderson R E， et al. Multivariate data analysis [M].Upper Saddle River， NJ： Pearson Prentice Hall，2009.
[31] Kline R B. Principles and practice of structural equation modeling [M].Guilford Press，2011.
[32] Classics， Cronbach.L.J. Coefficient Alpha and the internal structure of tests[J]. Psychometrika，1951，16：297-334.
[33] 吴明隆.结构方程模型：AMOS的操作与应用[M]. 重庆：重庆大学出版社，2009.
[34] Bock G W， Zmud R W， Kim Y G， et al. Behavioral intention formation in knowledge sharing： Examining the roles of extrinsic motivators， social-psychological forces， and organizational climate[J].MIS quarterly，2005，29（1）： 87-111.
[35] 于建红， 马士华， 周奇超. 供需不确定下基于MOI和VMI模式的供应链协同比较研究[J]. 中国管理科学， 2012， 20（5）：64-74. [36] Judd C M， Kenny D A. Estimating the Effects of Social Interventions[J]. Cambridge University Press，1981.
[37] Lee H L. The Triple-A Supply Chain[J]. Harvard Business Review， 2004，82（10）：102-112.
[38] Purwani T， Nurcholis L. Supply Chain Performance Improvement Strategy Through Quality of Synergy in The Automotive Components Industry[J]. 2016， 7（1）：32.
[39] Zhen H E， Zhou F J， Yang W. On the Research of Industrial Cooperation System Innovation about City Emergency Management in Big Data Era[J]. Journal of Xiangtan University，2016.
[40] Lee H L， Padmanabhan V， Whang S. The Bullwhip Effect in S-upply Chains[J]. Sloan Management Review，1997，38（3）：93-102.
[41] Macneil I R. The New Social Contract： An Inquiry into Modern Contractual Relations[M]. New Haven， CT： Yale University Press，1980.
Empirical Research on Value Creation of Supply Chain
in Multilateral Cooperation
——Based on the Perspective of Multilateral Cooperation
between Logistics Companies and Supply Chain Members
Dai Jianping1，2 ，Luo Wenping1
（1.Shanghai Maritime University，Shanghai 201306，China；2.Wuxi Open University，Wuxi 214021，China）
Abstract： This research puts forward a framework to analyze logistics enterprises'value creation in multilateral cooperation，and constructs a conceptual model of the relationship among social capital accumulation，process synergy，and inter-organizational learning and supply chain value creation. This research takes logistics enterprises and the upstream and downstream enterprises that they serve as the research objects，designs questionnaires，uses SPSS and AMOS tools to test conceptual models and assumptions through factor analysis and structural equation model，and further explores the comprehensive role and the path of influence of social capital accumulation，process synergy and inter-organizational learning on value creation of supply chain in multilateral cooperation. The study shows that the process of value creation in multilateral cooperation is influenced by process synergy，inter- organizational learning and social capital accumulation at the same time. The implementation of process synergy can enhance the controllability and rapid response of the supply chain. Inter-organizational learning is the absorption，integration and utilization of knowledge in the supply chain. The accumulation of social capital is an important coordination mechanism that allows partners to deal with uncertainty through flexibility. Finally，based on the empirical results of the path of interaction among variables，the paper further explores the mechanism of information governance，knowledge governance and relationship governance to ensure the value creation of supply chain.
Key words： multilateral cooperation； process synergy；inter-organizational learning； social capital accumulation；value creation；structural equation model
（責任编辑：张丹郁）