企业家精神对技术创新绩效的影响研究

来源 :南京师范大学 | 被引量 : 0次 | 上传用户:nibuhao222
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着我国经济由“高速增长”向“高质量发展”转变,如何在新环境下提升企业的技术创新绩效愈发成为亟待解决的问题。企业家精神对技术创新绩效的提升有一定作用,然而,在新经济时代企业家精神有新的内涵和表现形式,需要进一步探明企业家精神和技术创新绩效的关系。技术创新绩效的提升不仅受到企业行为的影响,而且会受到行业竞争环境的影响,故而这种影响也需要进一步研究。基于资源基础理论和战略匹配理论,本文探讨企业家精神与技术创新绩效的关系,并引入行业竞争性研究其对两者关系的调节作用。通过文献分析法,将企业家精神划分为三个维度即创新型企业家精神、冒险型企业家精神和进取型企业家精神,将技术创新绩效划分为三个维度即知识-技术阶段绩效、技术-产品阶段绩效和产品-市场阶段绩效。在此基础上,研究在不同的行业竞争环境下企业家精神各维度对技术创新绩效各维度的影响,进而构建了以行业竞争性为调节变量的企业家精神与技术创新绩效的关系模型。通过问卷调查法和实证分析法,发现创新型企业家精神、冒险型企业家精神和进取型企业家精神对知识-技术阶段绩效、技术-产品阶段绩效和产品-市场阶段绩效均有正向作用。行业竞争性正向调节创新型企业家精神、冒险型企业家精神与技术创新绩效的关系,但行业竞争性对进取型企业家精神和技术创新绩效之间的关系不具有调节效应。最后,根据实证分析结果,提出了重视企业家精神、聚焦企业家精神与行业竞争环境动态变化的匹配、对技术创新活动实施全过程管理等具体的管理建议。
其他文献
基于图像的人体姿态估计是指从图像中检测人体各部分的位置并计算其方向和尺度信息的过程,计算的结果分为二维和三维两种情况,本文主要研究单张室外RGB图像的三维人体姿态估
相似性图像搜索问题是指在给定数据集中返回与查询点距离相近数据点的问题。最近邻(Nearest Neighbor,NN)搜索方法在数据点维度较低的时候表现出良好的查询效果。对于高维的数据点,由于维度灾难问题的出现,最近邻搜索方法变得极其困难。为了提升数据搜索的效率,近似近邻(Approximate Nearest Neighbor,ANN)搜索方法被提出来。局部敏感哈希(Locality Sensi
在当今信息爆炸时代,需要更多的存储介质来存储信息和数据。因为NAND FLASH的速度较快,面积较小以及存储容量较大等优点,已经被广泛地用作数字系统的存储介质,例如智能手机,电脑,固态驱动器和云存储。因此,NAND FLASH的闪存市场每年都保持着较高的增长率。随着FlASH的存储容量的增大,每个存储单元存储的数据也在不断增多,外界微弱的干扰都会导致存储状态的改变,导致存储数据的出错。存储器的可靠
21世纪以来,我国国有商业银行零售业务快速增长,产品种类日益丰富,业务渠道不断拓宽,业务范围逐渐扩大,成为我国商业银行主要的利润增长点。随着互联网技术的不断发展,我国居民的日常生活习惯被大大改变。尤其在移动互联网飞速发展的今天,我国国有商业银行的零售业务也要跟上移动互联网发展的步伐不断发展、创新。加之p2p平台、“余额宝”等宝类产品对存款市场的抢占,致使金融市场存款争夺大战不断升级,储户议价能力大
本文以“伴着”“随着”“跟着”“接着”四个表伴随义“V着”为研究对象,在共时平面描绘其语法分布、语义功能和语篇语用功能,分析共性与差异,并结合历时平面考察该组词的演化历程,探析其演化动因和机制。全文包括六章。第一章为绪论,对“X着”类词的研究现状加以评述,扼要说明本文理论基础与研究方法,并将本文的语料来源进行介绍。第二章主要对伴随义“V着”进行语法分析,论述伴随义“V着”语法功能和成员语法功能分布
如何从图像数据库中准确快速地检索与用户查询相关的图像,是视觉检索领域的热点研究问题。随着图像数据的爆炸式增长,基于文本的图像检索由于标注工作量增大并且标注内容极具主观性从而逐渐发展成基于内容的图像检索。在基于内容的图像检索中,需要研究的关键问题有:1)研究更能表示图像内容和图像语义的特征提取算法;2)研究如何让查询的图像特征快速匹配到海量图像特征库中距离相近的特征。基于这两个关键问题,近年来研究者
精准扶贫政策在我国实施多年,取得了显著的成效,但随着扶贫工作的深入,余留的贫困问题更加顽固,以往金融扶贫的低效和潜在的风险问题渐渐显现。这其中很关键的一个问题就是很多本能提升农户收入能力的借款没有被用于生产,使农户产生了一些不恰当的消费,这不仅浪费了金融资源,还会造成违约风险的增加,而目前这类问题并没有引起足够的关注,本文主要研究这种贷款后过多增加生活消费的行为,窥伺金融扶贫中借款方的道德风险问题
数据流分析旨在从连续的样本中提取用于分类的判别信息。以有效和稳定的方式逐步更新模型的同时检测新来样本是一件极具挑战性的任务,尤其是对于高维度和大规模数据流。因此
随着云计算的发展与普及,云数据中心已广泛应用于日常生产生活中,越来越多的应用依托云系统资源提供服务,基于虚拟化技术,以虚拟机的形式进行资源共享与管理是最常见的方式。物联网与大数据相关技术的发展使数据驱动的服务逐渐成为主流,且应用主体也从云数据中心扩展到边缘云系统,构成了新型的云边融合系统(云边系统)。这些应用服务需要处理海量数据,这使得云边系统内产生大量数据传输,对于具有实时性要求的数据密集型应用
近年来,指数级增长的网络终端和有限的频谱资源之间的矛盾冲突日益严重,对无线网络部署提出了更高的挑战。在大规模高密度网络中,由于节点随机密集分布且移动性强、信道环境