Redes de conocimiento y aprendizaje ambidiestro: ¿cuál es el impacto en el rendimiento de la innovación?

Li, Xiaoli; Li, Kun

Acessibilidade / Reportar erro

Brasil

Revista de Administração de Empresas

Español English

Brasil

Español English

sumário « anterior atual seguinte »

Sumário

ARTICLES • Rev. adm. empres. 63 (6) • 2023 • https://doi.org/10.1590/S0034-759020230602 copiar

Redes de conocimiento y aprendizaje ambidiestro: ¿cuál es el impacto en el rendimiento de la innovación?

Autoría SCIMAGO INSTITUTIONS RANKINGS

RESUMEN

Las redes de conocimiento se han convertido en un factor crítico en el desarrollo de la innovación. Sin embargo, la mayoría de los estudios se han centrado en los beneficios de la innovación derivados de la incorporación de redes, pero hay menos estudios sobre las redes de conocimiento de las empresas desde la perspectiva de los atributos de las características. Este estudio analiza los efectos directos e interactivos de la diversidad del conocimiento y el potencial de la combinación de conocimientos sobre el rendimiento de la innovación, y cómo la complementariedad del aprendizaje ambidiestro afecta a la relación entre las redes de conocimiento y el rendimiento de la innovación. El análisis empírico se basa en datos de panel de 116 empresas de la industria automotriz de China entre 2010 y 2018. Los resultados procesados por el modelo de regresión binomial negativa de efectos fijos indican que el potencial combinatorio del conocimiento tiene una relación en forma de U invertida con el rendimiento de la innovación de las empresas, y la diversidad del conocimiento tiene un efecto positivo en el rendimiento de la innovación de las empresas. Existe un efecto interactivo entre el potencial combinatorio del conocimiento y la diversidad del conocimiento, y su coordinación mutua mejora conjuntamente el rendimiento de la innovación empresarial. La complementariedad del aprendizaje ambidiestro modera significativa y positivamente la relación positiva entre el potencial de combinación de conocimientos y el rendimiento de la innovación empresarial.

Palabras clave:
red de conocimiento; complementariedad del aprendizaje ambidiestro; potencial de combinación del conocimiento; diversidad del conocimiento; fabricación automotriz

Patent	Classification number
1	G01M、G01B、G01B
2	G01M、G01F
3	B23K、G01B
4	B23K

	Mean	S.D.	1	2	3	4	5	6	7	8	VIF
IP	201.74	449.71	1								-
CPK	2.65	2.47	0.709^***	1							1.60
KD	0.81	0.16	0.315^***	0.201^***	1						1.46
AMB	2.54	1.17	0.633^***	0.543^***	0.517^***	1					2.24
ROE	0.08	0.12	0.043	0.003	-0.044	0.039	1				1.06
AGE	18.18	4.95	0.086^***	0.112^***	0.071^*	0.115^***	-0.028	1			1.10
SIZE	9.51	0.67	0.644^***	0.497^***	0.443^***	0.661^***	0.138^***	0.290^***	1		2.26
RD	4.32	1.93	0.025	0.140^***	0.109^***	0.102^***	-0.184^***	-0.053	-0.150^***	1	1.18

	Model 1	Model 2	Model 3	Model 4	Model 5	Model 6
SIZE	0.2696^* ***** p < 0. 01. (4.27)	0.2304^* ***** p < 0. 01. (3.59)	0.2036^* ***** p < 0. 01. (3.07)	0.1309^* * p < 0. 1, (1.87)	-0.2069^* ***** p < 0. 01. (-3.88)	-0.2463^* ***** p < 0. 01. (-4.19)
RD	0.1472^* ***** p < 0. 01. (6.04)	0.1042^* ***** p < 0. 01. (4.01)	0.1313^* ***** p < 0. 01. (5.27)	0.0762^* ***** p < 0. 01. (2.85)	0.0072 (0.47)	0.0116 (0.73)
AGE	0.3323^* ***** p < 0. 01. (7.18)	0.2756^* ***** p < 0. 01. (5.83)	0.3303^* ***** p < 0. 01. (7.19)	0.2607^* ***** p < 0. 01. (5.55)	0.2090^* ***** p < 0. 01. (5.93)	0.3251^* ***** p < 0. 01. (10.64)
ROE	0.0713^* ***** p < 0. 01. (2.69)	0.0890^* ***** p < 0. 01. (3.39)	0.0723^* ***** p < 0. 01. (2.78)	0.0921^* ***** p < 0. 01. (3.64)	0.0286^* ***** p < 0. 01. (2.88)	0.0268^ p < 0. 05, (2.56)
CPK		0.4254^* ***** p < 0. 01. (5.63)		0.4190^* ***** p < 0. 01. (5.55)	0.2500^* ***** p < 0. 01. (3.60)
CPK²		-0.2824^* ***** p < 0. 01. (-4.61)		-0.2000^* ***** p < 0. 01. (-3.39)	-0.2460^* ***** p < 0. 01. (-2.63)
KD			0.1057^* ***** p < 0. 01. (3.08)	0.1382^* ***** p < 0. 01. (3.44)		0.0130 (0.44)
CPK^* * p < 0. 1, KD				0.1220^* * p < 0. 1, (1.78)
CPK2^* * p < 0. 1, KD				-0.1946^* ***** p < 0. 01. (-3.20)
AMB					0.9249^* ***** p < 0. 01. (34.79)	0.9159^* ***** p < 0. 01. (32.55)
CPK^* * p < 0. 1, AMB					0.0686^* ***** p < 0. 01. (2.97)
KD^* * p < 0. 1, AMB						0.0032 (0.12)
Constant	1.2657^* ***** p < 0. 01. (20.24)	1.3058^* ***** p < 0. 01. (21.01)	1.2776^* ***** p < 0. 01. (20.45)	1.3458^* ***** p < 0. 01. (21.37)	2.5859^* ***** p < 0. 01. (36.11)	2.5466^* ***** p < 0. 01. (36.01)
Log Likelihood	-2798.4801	-2783.1798	-2793.1616	-2770.3887	-2192.2899	-2210.4528
Wald chi2	175.27^* ***** p < 0. 01.	240.18^* ***** p < 0. 01.	181.61 ^* ***** p < 0. 01.	273.29^* ***** p < 0. 01.	1956.70^* ***** p < 0. 01.	1602.00^* ***** p < 0. 01.

	Model 1	Model 2	Model 3	Model 4	Model 5	Model 6
SIZE	0.4698^* ***** p < 0. 01. (8.26)	0.4511^* ***** p < 0. 01. (8.04)	0.4013^* ***** p < 0. 01. (6.73)	0.3331^* ***** p < 0. 01. (5.48)	0.1601^* ***** p < 0. 01. (5.20)	0.0952^ p < 0. 05, (1.97)
RD	0.1828^* ***** p < 0. 01. (8.05)	0.1366^* ***** p < 0. 01. (5.70)	0.1648^* ***** p < 0. 01. (7.07)	0.1019^* ***** p < 0. 01. (4.13)	0.0286^ p < 0. 05, (2.30)	0.0463^* ***** p < 0. 01. (3.20)
AGE	0.2151^* ***** p < 0. 01. (5.02)	0.1313^* ***** p < 0. 01. (3.03)	0.2132^* ***** p < 0. 01. (5.04)	0.1112^* ***** p < 0. 01. (2.65)	-0.0068 (-0.34)	0.1519^* ***** p < 0. 01. (5.60)
ROE	0.0574^ p < 0. 05, (2.27)	0.0748^* ***** p < 0. 01. (3.04)	0.0582^ p < 0. 05, (2.36)	0.0819^* ***** p < 0. 01. (3.48)	0.0097 (1.12)	0.0086 (0.87)
CPK		0.5093^* ***** p < 0. 01. (7.52)		0.5062^* ***** p < 0. 01. (7.38)	0.4546^* ***** p < 0. 01. (8.65)
CPK²		-0.3348^* ***** p < 0. 01. (-6.12)		-0.2443^* ***** p < 0. 01. (-4.51)	-0.4236^* ***** p < 0. 01. (-5.82)
KD			0.1288^* ***** p < 0. 01. (3.65)	0.1941^* ***** p < 0. 01. (4.81)		0.0208 (0.71)
CPK^* * p < 0. 1, KD				0.1686^ p < 0. 05, (2.53)
CPK2^* * p < 0. 1, KD				-0.2261^* ***** p < 0. 01. (-3.91)
AMB					1.0009^* ***** p < 0. 01. (41.81)	0.9795^* ***** p < 0. 01. (35.08)
CPK^* * p < 0. 1, AMB					0.0641^* ***** p < 0. 01. (3.46)
KD^* * p < 0. 1, AMB						0.0178 (0.64)
Constant	1.2338^* ***** p < 0. 01. (19.76)	1.2602^* ***** p < 0. 01. (20.16)	1.2416^* ***** p < 0. 01. (19.91)	1.2819^* ***** p < 0. 01. (20.16)	2.4509^* ***** p < 0. 01. (34.93)	2.4182^* ***** p < 0. 01. (33.36)
Log Likelihood	-3647.8037	-3621.1659	-3640.1426	-3601.4826	-2897.9752	-2958.8797
Wald chi2	229.47^* ***** p < 0. 01.	353.45^* ***** p < 0. 01.	235.77^* ***** p < 0. 01.	401.93^* ***** p < 0. 01.	3463.07^* ***** p < 0. 01.	2036.95^* ***** p < 0. 01.

Fundação Getulio Vargas, Escola de Administração de Empresas de S.Paulo Av 9 de Julho, 2029, 01313-902 S. Paulo - SP Brasil, Tel.: (55 11) 3799-7999, Fax: (55 11) 3799-7871 - São Paulo - SP - Brazil
E-mail: rae@fgv.br

Acompanhe os números deste periódico no seu leitor de RSS

[1] *Corresponding author

	Model 1	Model 2	Model 3	Model 4	Model 5	Model 6
SIZE	0.2696^* ***** p < 0. 01. (4.27)	0.2304^* ***** p < 0. 01. (3.59)	0.2036^* ***** p < 0. 01. (3.07)	0.1309^* * p < 0. 1, (1.87)	-0.2069^* ***** p < 0. 01. (-3.88)	-0.2463^* ***** p < 0. 01. (-4.19)
RD	0.1472^* ***** p < 0. 01. (6.04)	0.1042^* ***** p < 0. 01. (4.01)	0.1313^* ***** p < 0. 01. (5.27)	0.0762^* ***** p < 0. 01. (2.85)	0.0072 (0.47)	0.0116 (0.73)
AGE	0.3323^* ***** p < 0. 01. (7.18)	0.2756^* ***** p < 0. 01. (5.83)	0.3303^* ***** p < 0. 01. (7.19)	0.2607^* ***** p < 0. 01. (5.55)	0.2090^* ***** p < 0. 01. (5.93)	0.3251^* ***** p < 0. 01. (10.64)
ROE	0.0713^* ***** p < 0. 01. (2.69)	0.0890^* ***** p < 0. 01. (3.39)	0.0723^* ***** p < 0. 01. (2.78)	0.0921^* ***** p < 0. 01. (3.64)	0.0286^* ***** p < 0. 01. (2.88)	0.0268^ p < 0. 05, (2.56)
CPK		0.4254^* ***** p < 0. 01. (5.63)		0.4190^* ***** p < 0. 01. (5.55)	0.2500^* ***** p < 0. 01. (3.60)
CPK²		-0.2824^* ***** p < 0. 01. (-4.61)		-0.2000^* ***** p < 0. 01. (-3.39)	-0.2460^* ***** p < 0. 01. (-2.63)
KD			0.1057^* ***** p < 0. 01. (3.08)	0.1382^* ***** p < 0. 01. (3.44)		0.0130 (0.44)
CPK^* * p < 0. 1, KD				0.1220^* * p < 0. 1, (1.78)
CPK2^* * p < 0. 1, KD				-0.1946^* ***** p < 0. 01. (-3.20)
AMB					0.9249^* ***** p < 0. 01. (34.79)	0.9159^* ***** p < 0. 01. (32.55)
CPK^* * p < 0. 1, AMB					0.0686^* ***** p < 0. 01. (2.97)
KD^* * p < 0. 1, AMB						0.0032 (0.12)
Constant	1.2657^* ***** p < 0. 01. (20.24)	1.3058^* ***** p < 0. 01. (21.01)	1.2776^* ***** p < 0. 01. (20.45)	1.3458^* ***** p < 0. 01. (21.37)	2.5859^* ***** p < 0. 01. (36.11)	2.5466^* ***** p < 0. 01. (36.01)
Log Likelihood	-2798.4801	-2783.1798	-2793.1616	-2770.3887	-2192.2899	-2210.4528
Wald chi2	175.27^* ***** p < 0. 01.	240.18^* ***** p < 0. 01.	181.61 ^* ***** p < 0. 01.	273.29^* ***** p < 0. 01.	1956.70^* ***** p < 0. 01.	1602.00^* ***** p < 0. 01.

	Model 1	Model 2	Model 3	Model 4	Model 5	Model 6
SIZE	0.4698^* ***** p < 0. 01. (8.26)	0.4511^* ***** p < 0. 01. (8.04)	0.4013^* ***** p < 0. 01. (6.73)	0.3331^* ***** p < 0. 01. (5.48)	0.1601^* ***** p < 0. 01. (5.20)	0.0952^ p < 0. 05, (1.97)
RD	0.1828^* ***** p < 0. 01. (8.05)	0.1366^* ***** p < 0. 01. (5.70)	0.1648^* ***** p < 0. 01. (7.07)	0.1019^* ***** p < 0. 01. (4.13)	0.0286^ p < 0. 05, (2.30)	0.0463^* ***** p < 0. 01. (3.20)
AGE	0.2151^* ***** p < 0. 01. (5.02)	0.1313^* ***** p < 0. 01. (3.03)	0.2132^* ***** p < 0. 01. (5.04)	0.1112^* ***** p < 0. 01. (2.65)	-0.0068 (-0.34)	0.1519^* ***** p < 0. 01. (5.60)
ROE	0.0574^ p < 0. 05, (2.27)	0.0748^* ***** p < 0. 01. (3.04)	0.0582^ p < 0. 05, (2.36)	0.0819^* ***** p < 0. 01. (3.48)	0.0097 (1.12)	0.0086 (0.87)
CPK		0.5093^* ***** p < 0. 01. (7.52)		0.5062^* ***** p < 0. 01. (7.38)	0.4546^* ***** p < 0. 01. (8.65)
CPK²		-0.3348^* ***** p < 0. 01. (-6.12)		-0.2443^* ***** p < 0. 01. (-4.51)	-0.4236^* ***** p < 0. 01. (-5.82)
KD			0.1288^* ***** p < 0. 01. (3.65)	0.1941^* ***** p < 0. 01. (4.81)		0.0208 (0.71)
CPK^* * p < 0. 1, KD				0.1686^ p < 0. 05, (2.53)
CPK2^* * p < 0. 1, KD				-0.2261^* ***** p < 0. 01. (-3.91)
AMB					1.0009^* ***** p < 0. 01. (41.81)	0.9795^* ***** p < 0. 01. (35.08)
CPK^* * p < 0. 1, AMB					0.0641^* ***** p < 0. 01. (3.46)
KD^* * p < 0. 1, AMB						0.0178 (0.64)
Constant	1.2338^* ***** p < 0. 01. (19.76)	1.2602^* ***** p < 0. 01. (20.16)	1.2416^* ***** p < 0. 01. (19.91)	1.2819^* ***** p < 0. 01. (20.16)	2.4509^* ***** p < 0. 01. (34.93)	2.4182^* ***** p < 0. 01. (33.36)
Log Likelihood	-3647.8037	-3621.1659	-3640.1426	-3601.4826	-2897.9752	-2958.8797
Wald chi2	229.47^* ***** p < 0. 01.	353.45^* ***** p < 0. 01.	235.77^* ***** p < 0. 01.	401.93^* ***** p < 0. 01.	3463.07^* ***** p < 0. 01.	2036.95^* ***** p < 0. 01.