一、引言

新企业成为推动国家经济发展的重要力量，在推动创新和维护社会稳定方面做出了巨大的贡献。但是，在动态的环境中，并非所有的新企业都能持续发现并开新机会，创造经济财富，大多数新企业因不能克服“新且小”的缺陷而走向失败。如何打破这个魔咒，探索新企业卓越绩效的来源与成因成为学术界和企业界共同关注的重点议题(Batjargal et al., 2013)。实际上，从现有创业实践不难发现，创业成功的企业大多都保持着开放、合作的战略倾向或态度。以小米为例，在奉行开放、合作的战略态势下，企业与飞米公司、紫米公司、Yeelight公司、疯景科技、华米公司、悦米科技等公司合作，实现了快速成长(李平等，2019)。这种开放、合作的战略态度通常又被称作“网络导向”(Sorenson et al., 2008)。现有研究表明，网络导向对于新企业的生存和发展具有重要意义，它构建了企业利用网络的价值体系，为了新企业获取网络资源以突破“新且小”的缺陷提供了方向，有助于企业及时整合资源开发机会，对企业绩效的提升具有重要的推动作用(Sorenson et al., 2008；董保宝等，2016)。

虽然网络导向对企业绩效的直接促进作用逐渐引发学者关注，但网络导向和其他战略导向一样，仅仅是企业的一项无形资产，为企业构建并利用网络提供了一种支持性情境，情境并不能直接作用于企业绩效，其对绩效的作用还需要通过一定的行为或活动来实现(郝生宾等，2019)。对新企业而言，在网络导向的指导下，实施一定的网络行为以有效的管理网络资源与新企业绩效息息相关(Nason et al., 2019)。而网络资源通常是由网络位势高的外部行为者控制(Ahuja et al., 2012)，新企业需要进行跨边界的资源编排行为才能实现持续成长(Baert et al., 2016)。资源编排包括获取、整合、利用、更新与重构资源等过程，而现有研究多关注于对网络资源的获取和整合过程，对网络资源的利用、更新与重构关注仍然不够，基于此，本研究主要从这两个角度出发去探讨网络导向对新企业绩效的路径机制。在网络资源利用方面，Sirmon et al.(2007)强调在动态不确定的情境中，为了适应变化的环境并创造更多顾客价值，企业需要不断地进行学习，其中组织间学习在企业提高资源利用效率和效果过程中扮演着关键的角色。作为特殊的组织间学习，关系学习强调企业之间的信息共享、共同问题解决和关系记忆整合，有利于推动建立合作关系的双方在特定领域共同开发资源、创造更多顾客价值，从而提升企业绩效(Cheung et al., 2011；Selnes and Sallis, 2003)。在网络资源更新与重构方面，Sirmon et al.(2011)指出，企业自身的资源需求总是发展变化，企业需要不断地更新或重构资源以满足企业发展的资源需求。我国学者苏敬勤等(2017)也指出，在新企业成长过程中，外部资源情境总是变化的，新企业需要根据资源情境的变化适时更新并重构资源才能保证持续竞争优势。而对内部资源匮乏的新企业来说，网络是新企业异质性资源的主要来源，重构资源更多地是重构网络资源(Stuart, 1999)。为了更好地更新并重构网络资源，新企业需要对动态变化的外部网络关系做出适应与反馈，而这正是网络响应的核心要义，网络响应强调通过调整网络结构、协调网络关系等行为过程来应对外部网络关系的动态变迁，反映了企业在网络资源更新与重构方面的重要内容(Kleinbaum and Stuart, 2014)。已有研究表明，网络响应速度快的新企业更有可能在外界环境冲击下生存下来(Venkataraman, 1998)，并体验到卓越绩效(Baum et al., 2000)。因此，本研究选择以关系学习、网络响应作为中介变量，探讨二者在网络导向转化为新企业绩效中发挥的效用。

此外，现有研究表明，战略导向到企业绩效不同中介路径之间总是存在着千丝万缕的关系(Liu et al., 2018)，探讨中介变量之间的关系有助于更好地解释新企业之间的绩效差异性，但现有网络导向研究往往忽略中介变量之间的关联以及此种关联对网络导向与新企业绩效关系的影响。基于此，本研究将进一步探讨关系学习与网络响应之间的关系以及此种关联对网络导向与新企业绩效关系的影响。已有研究表明，资源利用的效果为企业资源更新与重构提供了认知和行动基础(Sirmon et al., 2007)。从这个角度出发，体现网络资源利用过程要义的关系学习也可能为聚焦网络资源更新与重构的网络响应提供支撑，推进网络响应的高效进行。基于此，本研究试图构建“网络导向-关系学习-网络响应-新企业绩效”的链式中介路径以进一步揭示网络导向与新企业绩效之间的复杂中介机制。

本研究的理论贡献与实践价值主要体现在三个方面，第一，本研究从网络资源编排的视角出发，探讨了关系学习和网络响应在网络导向与新企业绩效之间的中介作用，为网络导向与新企业绩效中介机制的研究增添了新的理论视角；第二，本研究聚焦于关系学习和网络响应两个资源编排行为过程的链式中介效用，明确了不同资源编排过程在新企业生存与成长阶段的序列顺序，在新创企业的情境中拓展了资源编排理论。第三，本研究在理论上回答了新企业在动态的环境中如何编排网络资源更容易实现网络导向到绩效的转化，有助于启发新企业理性建构并利用社会网络，提高创业成功率。

二、概念界定与假设提出 (一) 网络导向与新企业绩效

战略导向相关研究指出，企业战略导向构建了企业行动的蓝图，在促进绩效方面起了重要作用(Brush et al., 2008；Anderson et al., 2010)。企业绩效取决于企业能否构建合适的战略导向以指导企业整合资源和能力(Eisenhardt and Martin, 2000；Zhang et al., 2016)。与成熟企业相比，新企业成立时间短，资源匮乏，不能在有限的时间内顺利地整合资源，形成内嵌于组织的能力来支撑企业的生存与发展。而网络导向作为一种战略导向，是指企业与外部利益相关者以及企业内部各部门间建立合作关系的倾向与期望(Sorenson et al., 2008)，创造了一套独特的构建和利用网络的哲学和文化，为新企业运用网络关系在有限的时间内顺利地整合资源和开发机会提供了方向(Sorenson et al., 2008)，推进新企业绩效的提升(董保宝、周晓月，2015)。具体而言，网络导向包含网络合作性、网络关注度和网络开放性三方面的内容(Sorenson et al., 2008；董保宝等，2016)，其中，网络关注度与网络合作性强化了组织对网络的构建、利用和维持，不仅能够确保企业迅速解读机会的价值，还能促使企业有效地整合并利用内外部资源，解决新企业资源瓶颈问题(Wales et al., 2013)。网络开放性强调通过实施宽松和放权式的管理以促进内部网络关系的和谐和沟通的顺畅，这有利于激发员工活力，促进信息、知识的扩散和吸收，加速资源整合，提高机会开发的效率和效果(Zhang et al., 2016)。此外，现有研究也探讨了网络导向与新企业绩效之间关系，结果表明，网络合作性、网络开放性、网络关注度都对企业绩效的提升具有重要价值(Sorenson et al., 2008；董保宝等，2016)。因此，根据以上分析，本研究提出如下假设：

H1：网络导向对新企业绩效具有正向影响。

(二) 关系学习的中介作用

作为一种战略导向，网络导向对企业绩效的作用更多的体现为一种潜在的价值，不会自动引致企业绩效的提升(郝生宾等，2019)，需要通过一定的网络资源利用行为来提升企业绩效(任萍，2011)。鉴于大部分网络中的资源都由在位企业控制，在利用这些由外部实体控制的网络资源以开发机会时，新企业需要不断开展组织间学习(Sirmon et al., 2011)，与这些外部企业实体进行深度交流与合作才能创造价值、提升企业绩效(Nason et al., 2019)。作为一种特殊的组织间学习，关系学习强调企业作为交换一方与另一方在特定目标市场共同创造价值的活动，包括共享信息、共同解释信息、整合知识到共享的特定关系记忆等内容(Selnes and Sallis, 2003)。通过关系学习，企业可以更好地开展跨边界的资源利用，提高网络资源的利用效率和效果，从而推进绩效的提升(李贞、杨洪涛，2012)。也就是说，网络导向可以经由关系学习间接影响新企业绩效。

具体而言，网络导向可以通过以下方式影响关系学习：第一，网络导向作为一种战略导向，致力于与外部企业建立良好的合作关系，反映了新企业参与网络合作共同创造价值的意愿以及合作的承诺(Sorenson et al., 2008)，而合作承诺是企业与合作企业彼此进行信息共享、创造新知识的前因(Nahapiet and Ghoshal, 1998)。因而，网络导向正向促进了合作企业间的信息分享。第二，由于企业间心智模式的不同，与合作企业进行信息传递与解释的过程中，容易产生认知冲突，阻碍关系学习的进程(Fang et al., 2011)。而网络导向致力于构建开放式的网络关系机制(Sorenson et al., 2008；董保宝等，2016)，强调及时的信息反馈，并鼓励企业积极汲取外部关系主体所提出的有益意见和建议，这些措施有利于减少合作企业间信息传递与解释过程中的冲突，促进知识的转移与吸收(Gupta and Govindarajan, 2000)，并推进彼此关系记忆的及时更新(Seless and Sallis, 2003)。

关系学习的形成与提升反过来可以通过以下两个方面促进网络导向到新企业绩效的转化。一方面，关系学习有助于提高新企业跨边界的资源利用效率，强化网络导向对绩效的正向效应。终端用户购买行为、技术、市场结构等的变化信息都会对合作双方的资源利用效率产生影响，在这种外部不确定的情境中，不完全的信息分享、不同步的信息理解、数据的延迟输送都会增加协作成本，不利于产品质量的提升。换言之，合作企业之间信息共享越全面，信息理解越同步、储存关系记忆的电子数据库更新越及时，越有利于合作双方控制成本，缩短生产周期，提高准时交货能力(Seless and Sallis, 2003; Cheung et al., 2011)，进而使得企业绩效表现就越好。另一方面，关系学习有助于促进产品创新，更有效地满足顾客需求(简兆权等，2014)。研究表明，产品创新是企业内部知识优势和外部知识结合的产物(Gupta et al., 2000)。在推进产品创新过程中，相对于单独进行产品研发以满足客户需求，与合作企业分享、共同理解并定期面对面沟通最终客户的需求、偏好和行为相关的信息，有助于知识的跨组织传递，扩展合作双方各自的知识库。在整合内外知识优势的基础上，合作双方能够更好更快地为客户定制所需的产品，为客户提供更多的价值(Seless and Sallis, 2003)，进而改善各自的绩效表现。

综上，本文提出如下假设：

H2:关系学习在网络导向与新企业绩效之间具有中介作用。

(三) 网络响应的中介作用

如前所述，网络导向对企业绩效的潜在价值需要通过一定的网络资源管理行为来实现。根据资源编排理论，企业在生存与发展过程中，其资源需求也处在动态变化的过程中，故而为了不断满足企业发展变化的资源需求，企业需要不断地更新并重构其资源基础(Sirmon et al., 2007；Sirmon et al., 2011)。而对于资源贫乏的新企业而言，社会网络提供了其接触并获取外部资源的渠道，是其异质性资源的主要来源，故而对资源的更新与重构其实主要是对其所能接触的网络资源的更新与重构。而企业间社会网络总是处于动态变化过程中(Ahuja et al., 2012)，这会影响网络资源的可得性，为了更好地更新并重构网络资源，企业就需要对变化的外部关系网络做出适应与反馈，即网络响应。而当企业不断通过调整网络结构并协调网络关系来更新并重构资源基础时，就表现了较强的网络响应水平。在网络响应的影响下，新企业能够及时应对外部网络关系的动态变迁，加快对原有资源组合的创造性破坏与重置，保障企业在变化中不断开发机会，并提升竞争力(Adner and Helfat, 2003；Gulati and Puranam, 2009)。因此，聚焦于网络资源更新与重构的网络响应便成为网络导向转化为新企业绩效的重要中介路径。

具体而言，网络导向的高低虽能在一定程度解释新企业绩效表现的差异，但已有研究表明，网络导向对绩效的影响具有滞后性和不稳定性(Mizruchi and Stearns, 2006)。因此，在网络导向转化为新企业绩效过程中，网络响应发挥了关键的传导作用，主要表现在：第一，网络导向倡导企业与网络参与者开展广泛的网络合作，积极关注未来网络关系发展的方向和网络关系的治理(Slotte-Kock and Coviello, 2010)，有助于新企业迅速感应网络变化，灵活调整网络结构，提升企业对于外部网络变迁的网络适应性，而网络适应性的提升，不仅展现了网络导向的本质，更有助于组织在动态变化的环境中重构资源，识别新的市场机会，推进企业绩效的提升(Gulati and Puranam, 2009)。第二，网络导向强调弹性管理，提升了组织的灵活性与内部沟通效率(Sorenson et al., 2008)，这有利于企业协调企业内部各部门之间以及企业与外部网络成员之间的网络关系。而网络关系协调效率的提升，一方面有助于弥补网络导向对新企业绩效的滞后性和不稳定性，帮助企业在尽可能短的时间内整合所需资源开发机会；另一方面也体现了网络导向在外部网络变迁过程对新企业绩效的独特贡献。而网络适应和网络协调是网络响应的重要方面，两者在网络导向的推动下，不仅深化了组织对动态变化网络中机会的认知与把握，还确保组织不断地给客户带来价值增值的产品和服务，推进了企业绩效(潘安成，2007)。基于此，本文提出如下假设：

H3:网络响应在网络导向与新企业绩效之间具有中介作用。

(四) 关系学习与网络响应的链式中介作用

在动态变化的网络环境中，为了求得生存并不断成长，新企业需要根据资源利用过程中所体现的资源价值判断现有资源结构的合理性，并据此重新调整资源结构(Schmidt and Keil, 2013；Nason et al., 2019)。鉴于新企业内部资源、能力相对短缺，其必要资源甚至稀缺资源主要源于外部社会网络，新企业的资源重构行为实际上就是针对网络关系变化的网络响应行为。为了避免低效或者无效的网络响应行为，企业需要首先识别出当前网络联系的冗余程度，从而有根据地实施网络行动以更新并重构资源，而网络联系冗余与否主要体现在网络资源的价值上，这与关系学习息息相关，企业需要通过与网络成员的关系学习来判断网络成员所持有的资源能否为自身的谋利行为服务，进而重新调整网络结构和关系过程(Kale and Singh, 2007)，即网络响应。从这个角度出发，关系学习与网络响应之间可能存在正向关联，在网络导向与新企业绩效关系间扮演链式中介的角色。

具体而言，第一，关系学习强调了企业之间信息、资源与知识的互通有无，通过彼此之间的交流学习以及最终所创造的价值，企业才能甄别出有用的联系或冗余的联系，才能积极来处理网络关系，根据自身的资源需求来调整、删减、抑或是重构网络联结，并在此基础上完善自身的关系网络。对于新企业而言，对外部网络关系的调整与运用正是其解决资源瓶颈、突破资源限制并避免冗余网络关系维系的关键路径。通过关系学习进一步识别网络价值，才是新企业积极响应网络关系的前提要件。也就是说，通过这种互通有无的过程，关系学习加强了企业对外部环境变化的网络适应性。第二，关系学习倡导在合作过程中不断提高资源利用的效率，鼓励双方在产品或过程设计中反复概念化客户需求，并不断改进过程输入，如调整订单交付流程、及时更新电子数据库等，这些“外部化过程”可以将关系互动的隐性知识转化为显性知识(Nonaka，1994)，即将网络成员间的互动范围和互动方式形成合作例程。这些合作双方共享的合作流程是网络成员间关系协调的基础，有助于企业提高网络关系协调的效率。而根据之前的研究，网络适应和网络协调是网络响应的重要内容，有助于企业在动态变迁的网络中重构和整合资源以探索和开发机会，提升绩效(Gulati and Puranam, 2009)。

因此，综合以上的分析，我们提出假设H4：

H4：关系学习和网络响应在网络导向与新企业绩效之间具有链式中介作用，即网络导向通过正向影响关系学习，进而影响到了网络响应，最终有助于新企业绩效的提升。

根据前文的假设推演，本文构建了如下理论模型，如图 1所示：

三、研究方法 (一) 样本和数据收集

样本的收集范围主要集中在中国东北和华南地区。近年来随着振兴东北老工业基地战略的实施，东北新企业很多，极具代表性；而华南是中国经济最发达的地区之一，经济发展迅速，创业如火如荼，新企业数量较多。鉴于现有研究对新企业的成立年限划定存在分歧，本研究遵循Zahra and Bogner(2000)、Li and Zhang(2007)等学者的观点，将成立8年以内的企业作为新企业，向这类企业的高管成员(总裁、董事长、CEO、总经理等4类)发放调查问卷，因为他们不仅熟知企业的整体绩效表现，还了解企业的网络关系发展以及相应的学习情况，能够对问卷测项做出较为正确的评价。问卷分两个阶段发放，第一阶段始于2018年1月，终于2018年3月，主要评估除绩效之外的所有变量测项，在2018年11-12月，我们要求上述人员评估企业的绩效表现。

本研究所用量表主要源于已有研究的成熟量表，信度和效度均通过多次检验。但为了确保测项表意的准确性，我们也请了创业管理领域的四位专家学者对问卷进行了审核，接着对问卷进行了预调研，根据预调研的结果对问卷的题项及表述进行了进一步修改和完善，确保调研问题阐述清晰，方便填答者理解。

第一次调研共发放问卷600份，东北和华南地区各300份，最后回收问卷344份，其中有效问卷241份，东北地区107份，华南地区134份。在第二阶段，我们对上述241家企业进行绩效测量，其中的235家企业同意参与。最后，我们经过审慎筛选，剔除有关键缺失项和未填答的问卷，最后得到177家新企业的问卷，其中东北地区81家，华南地区96家。问卷总有效回收率是29.5%。样本的分布情况如下表 1所示。

(二) 变量测量

在文中所涉及的量表均采用李克特7级量表进行测量。

1.网络导向。网络导向借鉴了Sorenson et al.(2008)以及董保宝等(2016)基于中国情境开发的网络导向量表，包括三个维度，网络关注度、网络开放性、网络合作性，总共15个条目。其中网络合作性测量了“企业内部经常沟通交流，以便更好地发现存在的问题”、“企业与外部关系主体经常交流以识别有价值的机会”等5个条目，网络关注度测量了“企业十分关注其自身所处的网络范围”、“企业很重视与所处的网络内成员之间保持紧密联系”等5个条目；网络开放性测量了“企业内部管理灵活多样并去集权化，沟通氛围宽松和谐”、“企业内部言路畅通，成员都能够畅所欲言”等5个条目。总量表的Cronbach's α系数为0.79，因子载荷值区间为0.68-0.81，组合信度CR是0.92。

2.关系学习。关系学习采用Selnes and Sallis(2003)开发的量表，包括信息共享、信息共同解释和特定关系记忆三个维度，共17个题项。其中信息共享有7个测量题项，示例题项如“企业与伙伴企业互相分享市场需求和消费者偏好改变的信息”、“企业与伙伴企业互相分享企业合并、并购或联盟等产业结构信息”。信息共同解释有4个测量题项，示例题项如“企业与伙伴企业共同商讨及解决伙伴关系中所遇到的问题”。特定关系记忆有6个题项，包括“双方常进行面对面沟通以更新人际关系网络”、“双方经常评估并在需要时更新存储在电子数据库中的关系资料信息”等题项。总量表的Cronbach's α系数0.81，因子载荷值区间为0.60-0.84，组合信度CR是0.90。

3.网络响应。网络响应量表改编自Gulati and Puranam(2009)、Kleinbaum and Stuart(2014)，包含网络适应和网络协调。其中网络适应有4个测项，包括“本企业鼓励员工打破旧的传统或惯例以适应网络关系的演进”、“本企业灵活调整网络结构以适应战略优先级的变化”、“本企业把握网络演进的方向，并快速适应之”、“本企业快速适应网络关系的变化”等条目。网络协调共有5个测项，包括“本企业通过协调各部门关系以应对不断变化的网络关系”、“本企业通过调配资源以跟上网络关系的变化”、“本企业通过协调与网络成员的关系以获取必要的资源”、“本企业通过协调合作的广度和深度以应对外部网络关系的变化。”“总体而言，本企业通过与网络成员间的互动实现了协同增效”等条目。总量表Cronbach's α系数为0.89，因子载荷值区间为0.68-0.79，组合信度CR为0.91。

4.新企业绩效。依据Stam and Elfring(2008)的研究，本研究采用主观测量的方法来测度新企业绩效。我们请新企业的高管评估与主要竞争对手相比，企业过去一年的绩效情况：包括投资回报率、销售利润率、利润增长率、资产回报率、运营效率、销售收入增长率、市场份额增长率等获利性指标和成长性指标。我们计算了这七个指标的均值，将其作为主观创业绩效。Cronbach's α系数为0.82，因子载荷值区间是0.60-0.83，组合信度CR为0.87。

5.控制变量。为了避免其他变量对本模型解释变量的干扰，我们控制了个体层面、企业层面、行业层面的变量。研究表明，高管任职年限、高管行业经验、高管创业经验、高管管理经验能够正向促进创业成功(Politis，2005)，因此，本研究控制了上述变量。本文用高管在当前企业的任职时间来测度其任职年限。在衡量高管行业经验时，我们请企业高管指出在建立现在的企业之前，他们在同一行业工作了多少年；高管在建立现有企业之前是否有创建过其他新公司来衡量其创业经验(1=是；0=否)；高管在创建目前的企业之前是否在其他公司担任过高管来衡量管理经验(1=是; 0=否)。在企业层面，遵循前人的研究(Stam and Elfring, 2008；Zhang et al., 2016)，我们控制了企业规模和企业年龄，因为它们对新企业的绩效具有明显的影响(Li and Gima, 2001)。企业年龄从企业成立的年份开始计算，企业规模以企业的员工人数表征。最后，我们控制了企业类别(Industry)，将其分为传统行业和高科技行业，因为传统企业与高科技企业所面临的挑战是不一样的，其所展现的网络战略也相异(Li and Zhang, 2007；董保宝等，2016)。

四、实证研究 (一) 相关偏差问题

由于所有测项来源于一个人的填答，因此容易出现同源偏差问题(Podsakoff et al., 2003)。对此，本研究利用Harman单因子法来解决此问题。在对整个问卷分析的基础上，我们发现，在未旋转的情况下，第一个因子只解释了33.15%的方差，而且因变量和自变量均负载到不同的因子上。这表明单个因子并不能解释多数方差，而且出现了多个因子，所以此偏差并不严重。

另一个问题是非回应偏差问题(non-response bias)，这主要是由于无效问卷和有效问卷之间的答案可能存在一定的偏差所致。据此，本研究对第一次收集到的241份有效问卷和103份无效问卷进行了t检验，所有值均呈现非显著性(p>0.10)。因此，非回应偏差问题并不严重。

(二) 信度和效度分析

本研究使用Cronbach's α系数和组合信度(CR)来评估信度，网络导向、关系学习、网络响应和新企业绩效的Cronbach's α在0.79-0.89之间，高于标准值0.7 (Nunnally，1978)。同时，组合信度(CR)的范围在0.87-0.92，也属于满意区间(Fornell and Larcker, 1981)。上述测量结果表明，本研究主要构念的信度都是可接受的。

效度包括内容效度、收敛效度和区分效度。在内容效度方面，本研究所用的测量题项均来源于成熟量表，而且这些量表已经过多位学者使用，具有较高的内容效度。在收敛效度方面，四因子模型拟合数据良好(χ²/df=1.81，CFI=0.91，TLI=0.89，RMSEA=0.07)，标准因子负荷值范围为0.60至0.84，这说明所有条目都反映了主构念的意思，模型具有较好的收敛效度(Fornell and Larcker, 1981)。对于区分效度，如表 2所示，网络导向、关系学习、网络响应、绩效等构念AVE的平方根大于相应的相关系数，而且表 2中主要变量间的相关系数都低于相应的信度(0.79-0.89)。这说明本问卷具有一定的区分效度(Fornell and Larcker, 1981；Zhang et al., 2016)。

最后，为了避免结果的稳定性受到多重共线性的影响，本研究使用方差膨胀因子(variance inflation factor，VIF)来检验此问题。结果表明，VIF值介于1.96-2.29之间，并未超过3这一以临界值，所以多重共线性问题并不严重(Fornell and Larcker, 1981)。为了确保回归结果的可靠性，降低统计误差，本研究在回归分析前对数据进行了均值标准化处理。

(三) 假设检验

参考Russo et al.(2018)的研究，本研究使用Hayes开发的Bootstrap方法来验证文中的假设。在Hayes所设计的回归分析中我们选择模型6(templates 6)，迭代次数选择10000。Bootstrapping分析结果表明结果表 3所示，网络导向与新企业绩效关系呈现正向显著关系(β=0.42，p < 0.01，CI∈[.25, .58])。因而假设H1得到验证。

接着，我们检验关系学习、网络响应的中介效应。结果表明，网络导向对关系学习和网络响应都分别呈现显著的正向影响(β=0.67，p < 0.01，CI∈[.56, .79]；β=0.30，p < 0.01，CI∈[.15, .45])，关系学习对网络响应有显著的正向影响(β=0.49，p < 0.01，CI∈[.34, .64])；关系学习和网络响应对新企业绩效都有显著的正向影响(β=0.37，p < 0.01，CI∈[.14, .60]；β=0.27，p < 0.05，CI∈[.05, .48])，而在同步分析网络导向、关系学习、网络响应与新企业绩效的关系时，也即在加入两个中介变量的情况下，网络导向对新企业绩效的直接效应却变得不显著(β=0.002，ns)。这说明关系学习、网络响应在网络导向影响绩效的过程中分别具有完全中介效应和链式中介效用，因此H2、H3和H4得到支持。完全中介的模型如下图 2所示。

为了进一步明确中介效应的大小，本研究参考方杰等(2014)提出的多重中介效应分析程序。首先，分析关系学习、网络响应的同步并列中介和链式中介效应，如表 3所示，网络导向通过关系学习到新企业绩效的中介效应M1为0.25，95%的置信区间为[.08, .43]。网络导向通过网络响应到新企业绩效的中介效应M2为0.08，95%的置信区间为[.01, .20]。网络导向依次通过关系学习、网络响应到新企业绩效的链式中介效应M3为0.09，95%的置信区间为[.01, .19]。M1、M2、M3的置信区间都不包含零，充分证明三个中介效应都是显著的，假设H2、H3、H4进一步得到支持。其次，分析网络导向通过关系学习、网络响应到新企业绩效的总体中介效应，如表 3所示，总体中介效应M1+M2+M3为0.42，95%的置信区间也不包含零(95%CI= [.22, .63])。这说明网络导向是完全经由关系学习和网络响应对新企业绩效起作用。再次，分析不同中介路径在网络导向转化为绩效过程中的相对重要性，网络导向通过关系学习对新企业绩效的中介效应占网络导向对新企业绩效总效应的60%；而通过网络响应产生的中介效应占总效应的19%，通过关系学习→网络响应的链式中介效应占总效应的21%。这表明在三个中介路径中，关系学习发挥的中介作用最大，关系学习-网络响应的链式中介效应也强于网络响应的单独中介效应。

(四) 辅助分析(Supplementary Analyses)

在分析链式中介效应时，为了确定研究模型中链式中介变量之间序列顺序的稳健性，我们交换了关系学习和网络响应在网络导向与新企业绩效间的顺序，形成了两个SEM模型，对比了两条不同路径模型的拟合指标(Hair et al., 2011)，结果显示，网络导向-关系学习-网络响应-绩效路径模型的拟合指标(χ²/df=1.369，CFI=0.916，TLI=0.905，RMSEA=0.046)明显优于网络导向-网络响应-关系学习-绩效路径模型(χ²/df=1.530，CFI=0.875，TLI=0.863，RMSEA=0.055)。这在一定程度上说明了在网络导向与新企业绩效关系中，关系学习在前网络响应在后的顺序能更好地解释网络导向到绩效的转化机制。

五、结论与讨论 (一) 研究结论

尽管网络导向与新企业绩效关系的研究逐渐引发学者们的关注(Sorenson et al., 2008；董保宝等，2016)，但网络导向到新企业绩效间的作用机制却并没有形成洞见。通过对177家新企业两阶段数据进行实证分析，本研究结果表明，网络导向正向促进了新企业绩效，关系学习、网络响应在网络导向与新企业绩效关系中发挥了并列中介效应和链式中介效应，且在多条中介路径中，关系学习发挥的中介效应最大。

(二) 理论贡献

本研究结果主要有以下三个方面的理论意义。

第一，现有研究多从静态的视角关注网络资源获取和整合在网络导向与企业绩效之间的作用机制(任萍，2011)，忽略了企业网络资源需求动态变化的事实情况，以及在此基础上网络资源更新与重构过程所发挥的作用。本研究提出并证明了网络响应在网络导向与企业绩效间发挥的中介作用，网络响应不仅反馈出不同阶段企业网络关系的变迁与发展，还有助于企业利用动态演进的关系网络重新调整资源组合来识别和开发机会，促进网络导向到企业绩效的转化。这不仅拓弥补了先前研究忽略网络资源需求动态变化的缺陷，还有助于启发后续研究进一步探索网络演进的规律，拓展网络动态性相关研究。

第二，现有研究在探讨网络导向与企业绩效的关系时，多聚焦于企业内部的资源整合以及利用活动(郝生宾等，2019)，而对企业跨越组织边界的资源利用过程关注得仍然不够。与网络成员在特定目标市场上跨边界的资源利用行动是新企业探索和开发机会的重要方式，本研究将关系学习引入网络资源利用过程并验证了其在网络导向与新企业绩效中发挥的中介作用，不仅弥补了先前研究的缺陷，还有助于启发网络导向与新企业绩效关系研究进一步从网络资源利用的角度探讨其他跨边界资源利用行为所发挥的中介作用。

第三，现有研究并未过多关注网络导向与企业绩效间不同中介路径之间的关联以及此种关联对网络导向与新企业绩效关系的影响。事实上，如果不能充分说明不同中介路径之间的关联及其发挥作用的顺序，便难以解释为什么实施相同行为的企业在绩效水平上存在较大的差异。基于此，本研究从动态资源管理的视角出发，提出并验证了聚焦于网络资源利用的关系学习与聚焦于网络资源更新与重构的网络响应之间的正向关联以及二者在网络导向与新企业绩效间发挥的链式中介作用机制。这一研究一方面验证了资源编排理论关于资源利用过程与资源更新与重构过程之间正向关联的理论推断，为动态资源管理的研究提供了借鉴。另一方面有助于进一步揭示网络导向与新企业绩效间的复杂中介作用机制，为探索如何实施网络资源管理来提高新企业绩效提供了新的思路与借鉴。

(三) 实践启示

从实践价值来看，本研究对新企业及其管理者有重要的实践价值。

首先，本研究结论有利于帮助新企业管理者正确看待网络导向对新企业绩效的重要作用。网络导向与新企业绩效正相关的结果表明，在大量新兴技术以及商业模式的出现使得创业活动变得更加的复杂且难以捉摸的环境中，创业者需要做的不再是“单打独斗”，而是构建开放、合作的价值体系，对内实施柔性管理，建立可以及时反馈的沟通渠道；对外与持有资源的各方共同探索学习，努力拓宽企业的网络以获取多样化和非冗余的资源和信息，这对新企业尤其重要，因为它们通常面临内部资源和能力的相对短缺(Wales et al., 2013)。为了形成并不断提高生存能力，新企业需要在创业初期就积极培育网络导向，为有效开发市场机会创造必要条件，并注意调整员工的目标与企业网络战略目标一致，实现网络战略行动的一致性。

其次，本研究对于新企业管理者更好地进行网络资源利用以提高新企业绩效具有一定的借鉴意义。实证结果表明，网络导向通过关系学习对绩效的间接效应解释了60%网络导向对绩效的总体效应。这说明，新企业应尽量减少可能无意中限制关系学习机制功能的因素。例如，在实践中，企业可能只和熟悉的上下游企业进行关系学习，这在一定程度上限制了关系学习主体的范围，不利于获取新鲜的信息和知识。因此，为了强化网络导向，提高新企业绩效，管理者应积极拓展关系学习主体的范围，和供应商、营销商、广告商、科研机构、咨询机构、客户企业等不同类型的合作企业开展关系学习，挑选合适的合作企业进行共同研发、共同营销、共同库存管理、共同质量控制等联合行动，并适当拓展联合行动的广度和深度，这样的广度和深度对于新企业构建深入可信赖的关系具有极其重要的作用。

再次，本研究对于新企业管理者更好地进行网络资源更新与重构以提高新企业绩效具有一定的借鉴意义。本研究结果表明，网络响应是网络导向转化为企业绩效的重要中介路径。因此，新企业管理者也应关注网络响应的重要价值，减少阻碍网络响应形成的相关因素。例如，企业员工可能囿于过去工作的惯例以发展网络关系，这不利于企业及时调整网络结构以应对外部网络关系的变化。因此，为了最大化网络响应的中介效用，企业应识别并管理这些可能的阻碍因素，一方面，企业应鼓励员工打破旧的传统或惯例以发展网络关系，广泛收集信息以把握网络发展的方向，确保灵活调整网络结构以匹配战略优先级的变化。另一方面，企业应注意协调企业内部各部门之间、企业与合作企业之间的关系，确保能够及时调配资源以跟上网络关系的变化。

最后，本研究结果表明，关系学习正向促进了网络响应的形成，关系学习和网络响应在网络导向与新企业绩效关系中发挥了链式中介效用。因此，为了促进关系学习向网络响应的转化，在与合作企业开展关系学习的过程中，企业需要及时总结与合作企业互动的经验和知识，构建与外部关系主体合作的特定例程、惯例以及相关的信息系统，如供应链管理系统，并不断更新。这些惯例和信息系统的重复使用有利于提高型企业与合作企业的信息共享效率，促进网络响应的形成，进而改善新企业绩效。

(四) 研究局限与展望

尽管本研究揭示了网络导向和新企业绩效之间内在的关系机理，但与大多数研究一样，本研究也存在一些局限性。第一，本研究在操作时，将行业划分为高科技行业和非高科技行业，这将会影响研究结论的普适性，未来研究可以对其他行业进行研究或者进行行业之间的比较研究，以增加本模型的适用性。第二，本研究在新企业绩效的测量指标上采用了主观测量的方式，这难免会出现评定偏差，未来研究可同时使用客观绩效和主观绩效并行的方式(Stam and Elfring, 2008)，利用主客观数据综合分析网络导向对新企业的绩效可能会更有意义。第三，本文只是探讨了网络导向对新企业绩效的多重中介机制，虽然阐释了关系学习和网络响应在转化新企业绩效过程中的完全中介作用，但本文并未探讨不同中介路径适用的边界条件，未来的研究可从CEO个人层面、企业层面以及行业层面探讨影响中介效用发挥的调节变量。