高管团队主导逻辑对企业动态能力形成的影响机制及其复杂性的涌现效应研究

李兴旺 梅步俊 李炳杰

内容提要：高层管理团队(TMT)是动态能力形成的重要前置因素，而关于TMT对动态能力形成的复杂作用机制缺乏相应的研究。本文基于复杂性科学涌现理论和主导逻辑理论，构建TMT形成动态能力的作用机制模型，并分析这一复杂作用机制的涌现性。研究结果表明，高管主导逻辑对动态能力形成的作用机制中包含高管个体主导逻辑、环境因素等五大因素，可进一步细分为13个要素。动态能力与这13个要素之间存在非线性关系，且其作用机制具有涌现性。具体表现为涌现性总熵值越大，企业动态能力越强。此外，本文运用遗传算法解出了与企业动态能力具有高度相关性的由各要素构成的七种情形，企业可依据自身要素构成情况“对号入座”其中的某一情形，通过协调某一情形中的要素关系来提升自身的动态能力。

动态环境的持续性使企业如何适应环境成为一个永恒话题。企业动态能力作为能够让企业在变动且复杂的环境中获得持续竞争优势的根本来源[1-2]，20多年来一直是企业实践和理论研究持续关注的一个焦点。理论研究从对动态能力与竞争优势、动态能力与绩效关系的关注，扩展到对动态能力形成的前置因素的关注，旨在探究如何提升动态能力。

高层管理团队(top management team，TMT)作为动态能力形成的重要前置因素，在管理实践中普遍存在，理论上也普遍认同，但是理论解释能力却比较低，这是因为TMT作用于动态能力的中间过程变量关系复杂难测。尽管学者们预测了一些中间过程变量，但由于其难以测量而无法进行整体机制的探索研究。因而，识别和改善中间过程变量，不仅可以解释管理实践中TMT对动态能力的重要作用，而且可以系统、高效地增强TMT对动态能力的提升作用，促使企业更好地适应环境变化。

学者们已发现高管个体行为及其相互作用对动态能力的重要性[3]，但管理者个人及其行为、企业资源的作用被忽略或没有很好地被纳入动态能力研究[4]，如特里普萨和加韦蒂(Tripsas & Gavetti,2000)仅提出高管主导逻辑对企业动态能力形成具有促进作用的观点，并未进行深入剖析[5]。因此，本文以TMT对动态能力的作用机制研究为核心，运用主导逻辑理论、高阶梯队理论及复杂性系统理论，探求高管个体→高管团队→动态能力之间的“黑箱”，并运用遗传算法(genetic algorithm)，选择“黑箱”中对企业动态能力起到决定性作用的要素组合，增强TMT对动态能力作用机制的理论解释与预测能力，推进动态能力理论研究的纵深发展。

(一)高管主导逻辑及其对动态能力形成的作用

20世纪90年代，基于对逻辑思维的关注，一些学者聚焦于主导逻辑(dominant logic)的研究。主导逻辑由普拉哈拉德和贝蒂斯(Prahalad & Bettis,1986)[6]提出，探讨了主导逻辑对多元化公司绩效的影响，得到了学界的广泛关注，自此主导逻辑成为研究TMT如何发挥重要作用的有效理论工具。

主导逻辑是管理者对所在行业的看法、对业务的概念界定及相关关键资源配置决策方式的集合[6]，是高层管理者对企业如何适应环境变化而进行运作的一种认知[7]或心智模式[8]。高管主导逻辑扮演着两个重要的角色：一是信息过滤器，当组织的注意力只集中在被主导逻辑认为是重要的信息上时，其他信息基本被忽略[9]，此时主导逻辑起到了信息过滤器的作用。冯克罗等(von Krogh et al.,2000)通过案例研究对信息过滤器进行了操作化研究试图开发“信息关注点范围”[10]。二是信息反应器，在进行战略决策和战略实施过程中，主导逻辑还具有对环境信息做出战略行动的“反应器”功能，主导逻辑是针对战略目标按照高管思维模式进行战略行动的一系列反应[11]。显然，信息过滤器与信息反应器其实是管理者认知中的关注焦点和因果逻辑两个维度[12]在主导逻辑中的具体化，并成为后续主导逻辑操作化研究的基础。

科尔和梅斯科(Kor & Mesko,2013)首先将动态管理能力的研究与主导逻辑联系起来，重点研究了管理者动态管理能力与主导逻辑的关系[13]。埃洛宁等(Ellonen et al.,2015)认为主导逻辑和动态能力是在一种互动关系中共同进化的，两者都是支持创新和产业转型所必需的[14]。主导逻辑对动态能力的作用体现在通过设定“关注焦点”来引导动态能力，主导逻辑作为促进变革或抵御威胁的关键手段影响动态能力[14]。

总而言之，主导逻辑的提出引发了对高管认知概念的研究，推动了TMT对企业能力(包括动态能力)形成研究的探索[15]。

(二)TMT与动态能力的形成

自蒂斯等(Teece et al.,1997)[1]提出动态能力以来，就引起国内外学者们的持久关注，现已成为战略管理理论的一个重要组成部分。总体上，动态能力的研究沿着“前置因素→动态能力→企业绩效”这个基本范式展开，已取得了广泛的研究成果(尤其是动态能力→企业绩效的研究)。在“前置因素→动态能力”的研究中，高管个体及TMT作为形成动态能力的前置因素，区别于基层管理者，属于自上而下形成的导向型动态能力研究[16]。动态能力框架将高级管理人员视为组织中的核心角色，在关键时刻，首席执行官和高层管理团队洞察趋势、积极响应、重新分配资源是组织最明显的特征[17]。关于TMT对动态能力形成的相关研究主要集中在以下几个方面：

动态能力的内涵：皮萨诺(Pisano,2017)认为，动态能力概念的提出引发了众多学者的讨论[18]，本文将动态能力的内涵界定为蒂斯(2018)对动态能力的最新定义：动态能力包括环境感知能力(sensing capabilities)、机会捕捉能力(seizing capabilities)和转换调整能力(transforming’ capabilities)[2]。

TMT认知与动态能力：根据能力阶层理论,动态能力明确被界定为一种决定低层级能力(如职能能力)的高阶能力[19],这种高阶动态能力存在于企业高层管理团队的决策中。高管认知的表征决定了动态能力的高低[20]，管理者认知是动态能力的微观基础[21]，且高管的共有主导逻辑对动态能力形成的作用更明显[13]，甚至可以预测企业动态能力的形成，推动企业动态能力的演化[22]。因此，高管对企业动态能力形成具有重要作用[23]。

高管个人特质与动态能力：TMT通过个人文化底蕴、敏锐的商业洞察力以及多年的市场经验对市场机遇的把握，作用于企业动态能力的形成[24-25]。此外，TMT的创新能力有利于企业获取关键信息与资源[26]，TMT信息的多样化能够提高企业的信息处理能力[27]，从而有利于企业动态能力的形成[28]。

TMT互动与动态能力：TMT成员之间的行为与动态能力的形成密切相关[29],其通过调动和整合资源实现知识的共享与传播[30-31]。在此过程中，成员之间的信息共享、共同决策以及相互协作又会反作用于团队学习[32]。而TMT的共同决策行为可以有效减少组织成员之间的冲突[33]，进而减小了决策的执行阻力，动态能力由此产生[29]。

TMT环境感知与动态能力：管理者能够感知到消费者需求和内外部环境的改变，然后通过收集、解释、积累以及筛选相关信息，并能对组织需求、技术、市场反应等未来演变趋势做出预测[27]。实际上，企业家的独特性就体现在其具有敏锐的洞察能力，能感知与捕捉机会并利用其创造利润[27]。主导逻辑贯穿在组织惯例、组织程序中，对期望、信念、优先权能够进行系统性筛选和过滤[13，34]，TMT的管理经验共享使企业的资源获取和整合能力更强，进而能够对市场机遇进行有效识别[27]。

高管转变能力与动态能力：蒂斯(Teece,2007)[35]首先提出管理威胁/转换(指特定有形资产和无形资产的持续调整和重组)，并在后续研究中引入系统思想研究，将其修正为转换能力(指为适应环境变化需要，使组织系统的元素保持一致)，当新的业务模型涉及对组织设计的重大更改或与现有业务模型发生冲突时，上述这些能力是最关键的[2]。

综上可见，学者们持续关注TMT对动态能力形成的重要影响，并从TMT特质、作用路径方面进行了大量探索，但多数研究都只关注主导逻辑、环境因素、组织因素、管理者因素中的某一前置因素[36-37]。然而，探讨TMT对动态能力形成的影响需要对多种前置因素进行整合研究，故本文在揭示主导逻辑对企业动态能力的形成机制中，打破过去研究单一前置因素的常规思路，试图通过复杂性科学涌现理论，探索TMT主导逻辑、TMT构成或结构特征、组织内部情境因素、高管团队过程等所涵盖的13个因素对动态能力的作用机制及其复杂性的涌现效应。

TMT认知(包括主导逻辑)对企业决策的作用是以TMT团队过程为中间变量的[37]。从TMT主导逻辑到输入高管团队过程(黑箱)[38]再到输出组织共识(决策)，受到两个重要因素的作用。一是TMT构成或结构特征，其影响高管团队互动，进而影响到战略决策过程[39]，TMT构成或结构特征反映了高管团队的异质性[40]，包括TMT多样性的浅层特征如人口统计学特征，以及深层特征如心理特征、团队相互依赖性[40]，对高管团队过程有重要影响[41]。二是内部组织情境，TMT成员个体主导逻辑在整合过程中，一般会受首席执行官(CEO)、董事长权力、组织文化等其他内部组织情境因素的影响[42]，而这些因素最终会烙印在组织共识形成的过程中。当外部环境发生变化时，高管个体首先会在其主导逻辑的指引下，充当信息过滤器(即环境关注焦点)的角色，即对自己认为重要的外部信息做出认知反应(即因果逻辑认知模式)。在TMT构成或结构特征影响下和内部组织情境因素的约束下，TMT成员个体主导逻辑会相互作用(即高管团队过程)，最终形成组织共识(机会感知共识、机会捕捉共识、系统要素转换调整共识)，这一过程构成了一个复杂的系统，并具有涌现性。

冯拜尔陶隆菲(von Bertalanffy，1968)首次将涌现的概念引入系统科学，并认为整体大于各部分之和即为涌现现象，其具有“1+1>2”的特征[43]。涌现性是一种客观存在的现象，反映的是系统的整体特征，但整体拥有的特性不一定是涌现，因为只有系统要素通过相互作用而产生的非加和特征才被称为涌现[44]。高阶梯队理论在有限理性假设的基础上，从TMT认知心理过程出发，研究战略决策这一复杂过程，并引出了关于团队过程的研究[42]。由于TMT的内部运作与影响机制掩盖在“过程黑箱”之中，因此团队过程成为完善高阶梯队理论的关键所在[38]。高管团队过程指的是高管团队成员在战略决策过程中的互动属性，其主要表现在高管个体的主导逻辑在实现特定任务或目标的过程中互相冲突、协调与整合，最终形成组织共识的过程。因此，组织共识不是各高管成员个体主导逻辑的简单相加，其具有非加和性特征，即具有涌现性。其概念模型简要归纳为：“高管主导逻辑(dominant logic)→团队过程(processing)→组织共识(consensus)(1)本文研究的重要假设是“组织执行决策的系统是有效的”，在此假设前提下，动态能力形成主要取决于TMT针对环境因素变化所做出的决策，而TMT的决策是在其成员经过团队过程复杂互动形成的组织共识(包括机会感知共识、机会捕捉共识、系统要素转换调整共识)，这三个共识涌现在“组织有效地执行决策的系统”之中并形成动态能力。”(以下简称DPC系统)，如图1所示。

图1 TMT主导逻辑对企业动态能力的作用机制：DPC系统概念模型

(一)研究样本与数据来源

由于环境变化会影响TMT主导逻辑对企业动态能力的作用过程，且不同行业环境的变动情况不同[45-46]，基于数据的可得性，本文选取2020—2021年制造业、商务服务业、批发和零售业、金融保险业、林木业、住宿和餐饮业、教育文化艺术业、交通运输业和采掘业9个行业中的34家企业(主要分布在北京、内蒙古、河北、山东、广州、湖北、上海等地区)作为初始研究样本。剔除数据缺失和明显异常的数据后，样本企业为26家。本文进行实证研究的数据均来自实地调查问卷，并由企业高层管理者填写，最终收回有效问卷总计148份。此外，使用问卷星软件对所有数据进行了手工录入，以利于后续的数据的整理与处理。

其中，性别方面，男性占67.6%，女性占32.4%；
年龄方面，30岁以下占23.0%，30～39岁占38.5%，40～49岁占27.0%，50～59岁占11.5%；
学历方面，中专及以下学历占4.7%，大专学历占32.4%，本科学历占50.7%，硕士学历占11.5%，博士学历占0.7%；
从业年限方面，1年以下占2.0%，2～3年占10.1%，4～6年占29.1%，7～9年占18.9%，10年以上占39.9%。

(二)构建DPC系统涌现性指标体系

在涌现性的相关研究中，其测量方法一度成为研究的关键问题。目前学者们运用的测量方法比较多元化，例如非方程分析方法[47]、仿真模拟实验法[48]、计算关键问题参数熵的方法[49]、散度测量法[50]以及熵值法[51]等。在熵值法的相关研究中，有学者不仅阐释了复杂适应系统理论，建立了正熵与负熵指标，而且提出了涌现性的度量模型[51]。本文在构建DPC系统涌现性度量模型的基础上，借鉴以往学者[51-52]对涌现性的测量过程及方法，建立了DPC系统涌现性的正熵与负熵指标体系。总熵值表征DPC系统的整体涌现性即涌现强度，反映的是DPC系统的有序程度。正熵多来自企业内部，熵值越高，系统越会呈现无序式发展；
而负熵多来自企业外部，熵值越大，系统越会呈现有序式发展[51]。

正熵指标体系包含高管个体主导逻辑熵、TMT构成或结构特征熵、组织内部情境熵和高管团队过程熵4个维度，具体正熵指标体系的构建见表1。负熵指标体系通过对正熵的抵消即减弱正熵的影响，促进DPC实现“导向型”动态能力的涌现。而本文将环境因素归纳为技术、竞争、市场3个方面，具体负熵指标体系的构建见表2。

表1 正熵指标体系构建

表1(续)

表2 负熵指标体系构建

高管个体主导逻辑熵：该熵的测量借鉴高峰(2018)[53]的研究，设计了问卷，共9个题项，如“我对外部环境的变化有明确的关注点”。在本文的研究中，该部分问卷的克朗巴哈系数为0.815。

TMT构成或结构特征熵：该熵的测量借鉴郝芳方(2011)[57]的研究，设计了问卷，共13个题项，如“我希望别人注意到我”。在本文的研究中，该部分问卷的克朗巴哈系数为0.799。

组织内部情景熵：该熵的测量借鉴曹等人(2010)[68]的研究，设计了问卷，共11个题项，如“董事长非常注重我的工作目标”。在本文的研究中，该部分问卷的克朗巴哈系数为0.872。

高管团队过程熵：该熵的测量借鉴姚振华和孙海法(2009)[64]、古家军(2010)[65]的研究，设计了问卷，共22个题项，如“我与高管团队中其他成员团结一致”。在本文的研究中，该部分问卷的克朗巴哈系数为0.876。

环境变化因素熵：该熵的测量借鉴维尔登和古德根(2015)[66]、龙思颖(2016)[67]、孟伟轩(2021)[69]的研究，设计了问卷，共9个题项，如“公司所处行业是否技术变化频繁”。在本文的研究中，该部分问卷的克朗巴哈系数为0.801。

(三)变量含义及测量

环境变化因素、高管个体主导逻辑、TMT构成或结构特征、组织内部情境因素，以及高管团队过程均通过各自的问卷题项测量。而动态能力这一变量的测量主要参照蒂斯(2018)[2]的观点，将其分为环境感知能力、机会捕捉能力和系统要素转换调整能力3个维度[2]，设计了10个测量题项，如“能够快速感知到新的市场机遇”。在本文的研究中，该部分问卷的克朗巴哈系数为0.933。本文变量的具体含义如表3所示。

表3 变量具体含义

本文中所有题项均采用李克特(Likert)5点计分，从1～5分别表示从“完全不符合”到“完全符合”。本文各个变量的克朗巴哈系数都大于70%，这表明问卷的内部一致性较好，通过了信度检验。同时，利用软件SPSS进行探索性因子分析，结果显示，各个题项在单个维度上的载荷均高于0.5，均属于有效题项，通过了效度检验。

本文的重要变量DPC系统涌现性的测量用的是熵值法，具体做法如下：

(1)无量纲化处理

为了消除指标间量纲不同对结果的影响，本文对原始数据进行无量纲化处理。DPC系统涌现性度量指标分为正向指标和负向指标。正向指标包括高管个体主导逻辑、TMT构成或结构特征、组织内部情境因素、团队过程，这些指标值越大，正熵值越大，会抑制涌现性；
负向指标为环境因素变化，这一变量值越大，负熵值越大，涌现性越强。

其中，xij为第j个高管第i项指标的值，qij为原始指标xij极值化后的值，max(xij)为第i项指标中的最大值，min(xij)为第i项指标中的最小值。

(2)计算指标熵值和权重

其中，Si为第i个指标的熵值，qij为指标原始数据的极值化值，qi为所有高管第i个指标极值化的求和，m为每个企业被访问的高管数量，即

(3)涌现性的总熵值

(一)描述性统计分析

本文的描述性统计结果如表4所示。

表4 主要变量的描述性统计

(二)DPC系统组成要素与企业动态能力之间的非线性相关关系的分析

如表5所示，高管个体主导逻辑、TMT构成或结构特征、组织内部情境因素、团队过程、环境因素变化5个变量所包括的13个要素的P值有12个均大于0.1，即线性回归中这12个要素对动态能力的解释力都不符合显著性条件，而仅有的竞争要素也只通过了10%的显著性检验。此外，如表6所示，这13个要素与总熵值之间也没有通过皮尔逊(Pearson)相关系数检验。

表5 多元线性回归结果

表5(续)

表6 Pearson相关系数

(三)验证性分析

如图2—图5所示，高管个体主导逻辑、TMT构成或结构特征、组织内部情境因素与团队过程4个变量与动态能力之间存在非线性关系，而总熵值并不是这4个变量的简单加和而是涌现出来的结果。如图6所示，DPC系统涌现性的总熵值与企业的动态能力的变化趋势相吻合，即总熵值越大，DPC系统的涌现水平越高，企业的动态能力越强。即动态能力的形成是由高管个体主导逻辑等因素共同作用形成的结果，表现为总熵值的大小。

图2 高管个体主导逻辑与动态能力

图3 TMT构成或结构特征与动态能力

图4 组织内部情境因素与动态能力

图5 团队过程与动态能力

(四)有效形成企业动态能力的TMT主导逻辑与其他影响因素的契合度研究

根据前文DPC系统涌现性效应的研究结论，可以看出高管主导逻辑、TMT构成或结构特征、组织情境、团队过程与动态能力之间是非线性关系，故不能只探究既定的TMT构成或结构特征下环境因素、组织情境因素与团队过程如何与TMT主导逻辑相契合，来更有效地形成及提升企业动态能力，使企业更好地适应环境变化。所以，在非线性关系的前提下，本文主要通过遗传算法，找到重要影响动态能力的要素组合。

图6 总熵值与动态能力

本文样本企业共26家，随机选择16家企业做训练集，5家企业做测试集，5家企业做验证集，参数设定如下：遗传代数为10，误差设定为0.005，利用计算机的仿真学习技术输出十次计算结果，最后得出影响动态能力的因素的十种组合。由于遗传算法的黑箱式结构特征(仅考虑输入与输出关系，并不深入解析其内部关系结构或机理)[71]，得出的结论只能代表组合整体的契合程度对动态能力的解释程度，不能代表单独的因素对动态能力的影响。遗传算法输出的与企业动态能力高度相关的7种情形如表7所示。

表7 与企业动态能力高度相关的7种情形

以第1个组合(竞争、因果逻辑、风险偏好、相互依赖性、CEO权力、决策程序理性和团队凝聚力)为例，其拟合优度最高，R2为0.986，在这十次求解中成为最优解。对比其他九个组合来说，显然竞争、因果逻辑、风险偏好、相互依赖性、CEO权力、决策程序理性、团队凝聚力这七个因素的组合对企业的动态能力影响更重要(其他三个组合因决定系数较低未在表中列出)。表7中所有组合的决定系数R2均达到了0.890以上，其中在0.900以上的要素组合有5个。遗传算法的结果输出图如图7—图9所示(2)限于篇幅，其余结果输出图省略，备索。。

图7 遗传算法第1次输出结果 注：1.熵预测对比结果图中真实值与预测值越相近越好，说明预测的准确率高，也就是说遗传算法的自学习功能具有可靠性；
2.R2为决定系数，是相关系数的平方；
3.图(a)的横坐标(1—13，13个矩形块)依次为技术、市场、竞争、环境关注焦点、因果逻辑、核心自我评价、风险偏好、相互依赖性、CEO权力、决策程序理性、团队凝聚力、团队冲突、行为整合，图中仅显示输出的最优特征组合的矩形块，其余不显示；
后图同；
熵预测结果对比R2=0.986。

图8 遗传算法第7次输出结果 注：熵预测结果对比R2=0.968。

图9 遗传算法第8次输出结果 注：熵预测结果对比R2=0.904。

由于13个要素(技术、市场、竞争、环境关注焦点、因果逻辑、核心自我评价、风险偏好、相互依赖性、CEO权力、决策程序理性、团队凝聚力、团队冲突、行为整合)与企业动态能力之间均呈现非线性关系，所以本次计算仅能求出与企业动态能力高度相关的7种组合情形。

由表7可以看出，外部环境要素并没有出现在所有的要素组合中，这说明外部环境因素并不是DPC系统中的决定性因素。根据认知心理学理论可知，环境的刺激会影响认知与决策之间的关系[72]。也就是说，外部环境因素的刺激可以影响企业高管主导逻辑与企业决策(动态能力)之间的关系，其中，主导逻辑包含对环境的关注焦点以及高管认知上的因果逻辑。这进一步完善了DPC系统的作用机制。

(一)研究结论

第一，高管团队对动态能力的形成机制是一个比较复杂的过程。这个过程是主导逻辑通过高管团队过程、TMT构成或结构特征和组织内部情境因素的共同作用来实现的。

第二，高管团队主导逻辑对导向型动态能力作用机制(即DPC系统)具有涌现性。高管团队主导逻辑对导向型动态能力作用机制涌现性的总熵值与企业动态能力的变化趋势相吻合，总熵值越大，高管团队主导逻辑对导向型动态能力作用机制的涌现程度越高，企业的动态能力越强。

第三，高管个体主导逻辑、环境因素变化、TMT构成或结构特征、组织内部情境因素、高管团队过程与动态能力之间的关系是非线性的，通过遗传算法计算可知，不同的要素组合均对动态能力的形成具有重要作用。

第四，企业动态能力的提升不能简单地归因于改善某一个因素的状态，而是应该协调各个情形中因素之间的关系。前文中依照遗传算法得到的7种情形，企业可从中寻求与其自身最相近的状态，进行“对号入座”，通过协调这些要素的关系来达到提升动态能力的目的。

(二)理论贡献

第一，整合多种前置因素(包括高管个体主导逻辑、TMT构成或结构特征、组织内部情境因素、高管团队过程等)，系统构建了TMT对动态能力形成的中间过程机制。

第二，基于遗传算法模拟高管团队对动态能力形成的作用机制的涌现效应，证明了TMT对动态能力的作用机制的成立，从而解释了高管个体→TMT→动态能力之间的“黑箱”现象，从理论上解释了动态能力形成过程的复杂性。

第三，应用计算机仿真技术，证明了主导逻辑对动态能力的作用不仅通过“信息过滤器”设定“关注焦点”来引导动态能力，而且还通过“信息反应器”的因果逻辑共同对动态能力发挥作用，提升了主导逻辑的理论解释能力。

(三)启示

本文研究结果表明，虽然将多种前置因素加以整合会给研究的设计增加复杂性，但在研究方法上的跨学科借鉴的确能够为企业动态能力的形成机制提供更广阔的研究思路。因此，未来研究应基于组态视角，探索形成动态能力的多个前置因素的组态效应。