探索危机时期的创新战略如何影响

具体而言，在第一项研究中，创新和绩效变量在参考期内进行了平均。3.1符号已采用以下符号。oTIAXyy代表20yy年的总无形资产（不包括商誉）水平；oTTAyy是20yy年有形资产总额（不包括财产）的水平；oDSalyy代表20yy年的销售变化oDAssyy代表总资产变化，20yy年oDLabyy代表员工变化，20yy年oROIyy代表20yy年的ROIoROYY代表20yy年的ROSoATOyy代表资产周转率，20yy年oS/Eyy代表每位员工的销售额，20yy年前两项是与创新相关的，而剩下的七个依赖于性能。创新术语是2006-2007年期间的平均值，而其他术语是2008-2010三年期的平均值。采用的符号为：o<TIAX>是2年内的平均总无形资产（不包括商誉）[2006-2007]；o<TTA>表示两年内有形资产总额（不包括不动产）的平均值：[2006-2007年]；o<DSal>是三年内销售变化的平均值：[2008-2010年]；o<DAss>是三年内总资产变动的平均值：[20082010]；o<DLab>0表示三年内（2008-2010年）员工人数变化的平均值<ROI>是三年的平均ROI：[2008-2010年]；o<ROS>表示3年内的平均ROS：[2008-2010年]；o<ATO>是三年内资产周转率的平均值：[2008-2010年]；o<S/E>表示三年内每位员工的平均销售额：[20082010]。4 Methodology我们实现的聚类过程基于Voronoi细分，具有欧氏距离的非对称推广。我们将这种方法适应我们的特定环境。我们的最终目标是将这些公司与收集它们的集群进行比较。

聚类程序的实施方式如下：一个用于创新变量，在【2006-2007】两年期内取平均值，另一个用于绩效变量，在【20082010】三年期内取平均值。为了避免规模效应并保持一致，相关变量已在其变化范围方面进行了标准化。形式上，foreach company j=1，62，我们定义：(R)xj=xj- mxMx- mx，（1）其中x是九个创新和绩效变量中的平均关注量，数量xjr表示第j家公司变量x的值，mx=minj=1，。。。，62xj，Mx=maxj=1，。。。，62xj。然后将聚类过程应用于创新变量集I，并应用于集P，收集剩余变量，即绩效。根据（1）对所有变量进行归一化，并在参考期内取平均值。Voronoi细分的质心是正数，将被命名为{φh}Hh=1和{ψk}Kk=1，其中h和k分别是创新变量和性能变量的适当整数。质心的变化范围取决于选定的距离度量，我们很快就会看到。现在，我们介绍用于建议广义Voronoi细分的加权欧几里德距离。具体而言，对于创新变量，我们定义为：dI（j，φh）=Xx∈Iαx（(R)xj- φh），（2）对于每个质心φ手，其中α是范数的非负权重，因此xx∈Iαx=1。类似地，对于性能变量，我们定义为：dP（j，ψk）=Xx∈Pβx（(R)xj- ψh），（3）对于每个质心ψkandXx∈Pβx=1。根据定义，我们有0≤ dI（j，φh），dP（j，ψk）≤ 1，对于每个公司，jand质心φhandψk。通用Voronoi单元分别表示为创新变量和绩效变量的Vh和vkf，其中：Vh={j=1，…，62 | dI（j，φh）<dI（j，φh），\'h 6=h}；Vk={j=1。

，62 | dP（j，ψk）<dP（j，ψk），\'\'k 6=k}。当然，Vs的内部是不相交的集合，V的内部也是不相交的集合。此外，H[H=1Vh=K[K=1Vk={1，…，62}.4.1聚类分析的特点作为前提，必须指出，Voronoiregion的基数可能会随着质心的变化而变化。此外，第j家公司属于特定地区，这提供了有关创新水平和j绩效的信息。我们在不同情景下实施了Voronoi聚类分析。为了进行比较，我们总是设置H=K。下面列出了所分析的情况：I H=K=4，{φH}Hh=1={ψK}Kk=1={1/5，2/5，3/5，4/5}。只有一个α和β是一，而其他项的值为空。在这种情况下，我们探讨了基于所有个体变量的公司集群。II H=K=4，{φH}Hh=1={ψK}Kk=1={1/5，2/5，3/5，4/5}，αx=1/2 foreach x∈ I和βx=每个x的1/7∈ P、 这是一个统一的值情况，其中质心的定义是通过考虑区间[0，1]的统一组合来确定的，并且假设所有变量在Voronoi距离中相等一致。III H=K=4，{φH}Hh=1={ψK}Kk=1={1/5，2/5，3/5，4/5}，αx=1/2∈ I和绩效宏观变量的相同权重（即：增长、盈利能力和生产率的1/3），权重在识别每个宏观变量的变量之间均匀分布。因此，由于增长有三个感兴趣的变量，我们分配了相同的β值（即：1/3×1/3），而稳定性和生产率变量的β值共享相同的1/3×1/2。

这是一种统一的内部情况，其中质心的定义是通过考虑区间[0，1]的非均匀分解来实现的，并且假设性能的所有宏观变量均与Voronoi距离相等，同时确定性能的三个宏观变量的变量权重也相等。情景一导致了一些异常值的识别，其影响是使第一个集群中的大多数公司崩溃。为了消除这种不一致性，从样本中删除了9家公司，并对其余53家公司进行了聚类分析，数据根据（1）进行了标准化。5结果和讨论我们将在下面看到，我们的分析为研究问题Q提供了积极的答案。事实上，通过三种聚类方法提供的聚类重叠表明，即使在经济危机时期进行创新，创新与绩效之间也存在着非直接的关系。表1说明了所考虑变量的主要统计指标。在此插入表1有形资产和无形资产的分布显示出类似的特征：标准差显著高于平均值，偏度和峰度表明数据不是正态分布（具有正偏度和峰度）。这表明，被分析的公司可能会选择采用不同的创新战略，即使它们属于同一细分市场。

同样的特征也与所有增长指标相关，而由于中位数和平均值基本相似，偏度和峰度趋于零，因此可预测性指标趋向于正态分布。在效率指标中，每个员工的资产周转率和销售额分布不同：前者大致呈正态分布，而后者呈正态偏态，峰值显著。表2显示了集群II和集群III中公司在集群中的分布。为了对结果进行评论，我们将第一个集群表示为与较小的质心相关的集群，并以递增的方式表示为第二个和第三个集群，因此第四个集群是与较高的质心值相关的集群。插入关于集群II的表2，将相同的权重分配给所有创新和绩效指标，而在集群III中，将相同的权重分配给创新和绩效所采用的视角（即增长、盈利能力和效率）。对于与创新相关的因素，聚类II和聚类III不会产生任何差异，因为在这两种情况下，创新指标的权重相同。数量最多的公司位于第一个集群，也就是说，我们记得，与价值较低的质心相关的集群，数量有限的公司位于第二和第三个集群。与集群II和III相比，唯一的区别是两家公司从第一个集群重新定位到第三个集群，这意味着作为绩效衡量指标的增长、能力和效率的不同权重略微强调了可变性。

值得注意的是，第四集群中没有一家公司是出于创新或绩效目的而设立的。表3提供了样本公司集群的定性描述。在此插入表3。数值参考集群II和III的创新和性能。就创新集群而言，数量最多的公司（53家中的45家）位于第一个集群，这意味着相对而言，公司的创新举措较弱（至少是那些对有形和无形资产产生影响的创新举措）。总资产、总销售额和员工人数——这是文献中主要用于衡量公司规模的指标——表明创新强度越高，规模越大。这对于总销售额和员工人数来说尤其如此。此外，在三个创新集群中，有形资产和无形资产的发生率（占总资产的百分比）都在增加，这意味着在高度创新的公司中，有形资产和无形资产占所披露总资产的相关部分。平均值/标准差比率表明，除了第三个创新集群由规模相当集中在平均值附近的公司组成外，集群的组成相当不均匀。就绩效而言，企业在集群中的分布与创新的分布截然不同。这提供了证据，证明创新与绩效之间的关联并非不言而喻。

绩效集群中的平均值也不允许评估公司规模或有形资产和无形资产的发生率方面的显著差异。表4显示了整个样本中创新和绩效的平均驱动因素，并参考了集群II和III中的创新和绩效。在此插入表4。查看创新集群，三个集群之间的比较表明，合理地说，创新平均值从第一个集群增加到第三个集群，而绩效平均值显示出相当模糊的趋势。在第一类中，有形资产和无形资产的创新平均值低于整个样本的一般平均值，而所有绩效指标均高于一般平均值。在第二个集群中，一般低于一般平均水平的绩效与高于一般平均水平的创新相关联。在第三个集群中，性能平均值参差不齐。平均/标准偏差（u/σ）比率可以进一步了解集群内的同质性，这通常非常低，这意味着由于集群技术，在创新和绩效方面，极为不同的公司位于同一集群内。唯一的例外是资产周转率，因为标准偏差明显集中在平均值附近。这可以解释为创新与资产周转之间可能存在的关联，即使其方向尚不明确，因为高资产周转率与第一个集群中的低创新相关，而低资产周转率与第二个集群中的中等创新相关，然后高资产周转率与第三个集群中的高创新相关。

值得注意的是，在第三个集群中，公司在绩效方面似乎更为同质，尤其是在稳定性（ROI和ROS）和效率（资产周转率和每位员工的销售额）方面。然后，我们可以认为，在创新强度的特定阈值以上，水平绩效似乎相当同质，即使不确定高创新是否会带来高绩效。可以对performanceclustering进行类似的考虑。在II和III绩效集群中，绩效平均值从第一个集群逐渐增加到第三个集群，而创新平均值减少（无形资产）或减少（有形资产）。那么，关系创新绩效似乎相当令人困惑。即使对于performanceclustering，除了资产移交（assetturnover），异构性通常也会出现在集群内。通过考虑性能集群所指平均值之间的距离，可能会产生一些额外的考虑因素。增长指标（尤其是销售变化和员工变化）表明，集群之间的距离基本相等，而在稳定性方面，第二和第三集群之间的距离低于第二和第一集群之间的距离，这意味着第三集群中的公司表现出与第二集群中的公司基本相似的绩效，而第一个集群中的公司则存在更大的差距。这可能意味着，为了提高绩效，公司应该克服中低创新投资门槛。为了提供一幅合成图，数据按行业进行整合，直方图显示了每个行业内四个集群之间的分布。

有形资产和无形资产的分配集中在前两个集群上，因此无法对其进行实质性差异评估。不同的是，在几乎所有行业的第二和第三集群中，稳定性表现出较高的频率。每位员工的销售额是衡量绩效的唯一指标，其分布与有形资产和无形资产的分布相似。这提供了一点证据，表明在研究中采用的绩效指标中，每位员工的销售额可能是证明创新举措对绩效影响的最合适衡量标准。6结论本文探讨了危机时期创新活动与企业绩效之间的关系。所考虑的样本由在明星市场上市的公司提供；参考期为2006-2010五年期。从公司年度报告的合并部分手动收集了两个创新和七个绩效变量。采用基于Voronoi细分的聚类方法进行分析。在这样做的过程中，本论文填补了复杂科学与微观经济学领域之间的现有差距，特别关注危机时期的创新与绩效之间的关系。复杂科学通过Voronoidigrams对聚类分析进行了专门参考。特别是，已经实施并讨论了三种不同的聚类策略。该领域之前的几篇文章主要使用横截面数据考虑了创新战略对绩效的影响，通常是在特定行业（例如制造业或ICT）的背景下进行的。在危机时期，创新对绩效的影响一直被忽视。

然而，我们的结果支持了文献基本上对非危机时期的断言，即：当公司创新时，公司的绩效可能会明显异质。本研究的另一个重要贡献与使用不同的绩效指标有关，这些指标突出了企业管理的不同视角，但并不总是趋同的。这使我们能够将每名员工的销售额指标确定为最合适的衡量指标之一，以拦截创新举措对绩效的影响，至少在我们的样本中是这样。一方面，这种异质性的动机尚未探索。另一方面，研究结果建议继续采用Voronoi细分方法来阐述和论证关系问题。当然，要理清各种相关性、原因和影响，这是一项非常复杂的任务。朝着这个方向努力应该可以更好地掌握管理政策。参考文献【1】Agostini，L.，Nosella，A.，Soranzo，B.，2015年。正式和非正式的可分配性制度对中高技术产业中小企业可分配性的影响。技术分析和战略管理27（4），405-419。[2] Archibugi，D.，2001年。《帕维特分类法十六年：评论文章》，《创新与新技术经济学》，《创新与新技术经济学》10（5），415-425。[3] Archibugi，D.，Filippetti，A.，Frenz，M.，2013年。经济危机与创新：破坏压倒积累吗？研究政策42（2），303-314。[4] Bartolacci，F.，Castellano，N.G.，Cerqueti，R.，2015年。《创新对公司绩效的影响：基于熵的意大利证券交易所明星市场细分分析》，《技术分析与战略管理》27（1），102-123。[5] Baum，C.F.、Lo-of，H.、Nabavi，P.、Stephan，A.，2017年。