引言

企业的发展离不开知识资源的支撑，管理者及其团队拥有的知识资源更是企业最重要的战略资产^[1]。高管们的知识水平和经验往往是企业进行创新活动实现绩效增长的关键催化剂^[2]。高阶理论认为，仅凭企业家或管理者的个人知识难以面对市场快速迭代变化中的各种问题，因而需要高管团队来取长补短、提高效率；组织行为是高管团队的反应，高管决定了企业的战略方向^[3-4]。然而，现有的高阶理论研究还存在以下两方面不足：一方面，为解决影响企业战略决策的高管的认知、经验与价值观等个性特征和心理因素难以度量的问题，学者们通常以人口统计特征作为代理变量来进行研究^[5-6]。虽然这些指标更容易获得，但往往难以反应高管团队特征的全面内容，并且通过高管的人口特征来研究企业战略决策的认知判断、分析和决策等过程也较为粗糙。另一方面，尽管学者们已经开始研究高管团队的教育背景、职业背景及专业背景的异质性特征^[7-8]，但大多数研究仍然集中在高管团队的传记性特征、心理性特征、能力性特征及社会性特征等团队特征上^[5]，并未挖掘这些特征背后的知识特征。

为弥补以上不足，本研究以高管团队的知识特征而非人口统计特征为基础来进行研究。根据知识基础观，企业是一个集成化的知识生产系统和应用系统，因而高管的专业知识无疑是企业整合协调不同知识资源的关键^[9]。高管的技能和经验不仅为企业的各种战略抉择提供了一个知识资源的宝库^[10]，而且更直接影响企业的各类知识资源的输入和输出。高管团队的知识积累能为企业的市场机会识别、风险规避和核心竞争力的培育与保持实现更优越的资源配置，从而取得竞争优势^[11]。同时，企业绩效并不受到高管年龄、任期、性别、职业背景、教育水平和专业背景等特征的直接影响^[6]，而是通过这些阅历和经验形成的显性和隐性知识来做出决策判断和战略选择；而且这些知识因其缄默性和抽象性，其他企业往往难以复制和模仿，是企业获取和保持竞争优势的重要战略资源^[11]。McNamara和Grégoire等的研究指出，企业战略决策者的知识禀赋是其制定战略、发现市场机会的前提，高管团队的知识水平和结构与企业的绩效存在着显著关系^[12-13]。比如苹果公司，不仅仅依靠乔布斯一人之力，其高管团队在其成为世界级公司的过程中也发挥了巨大的作用。苹果的设计总监乔纳森·艾维乔打破只卖硬件的传统，开发出iTunes，集成了硬件、软件和服务；研发总监斯科特·福斯托推出iPhone+App Store这一新的运营模式；负责专卖店的罗纳德·约翰森所倡导的分销管理模式更是苹果业绩快速增长和走向全球的关键。

高管的知识资源与员工知识禀赋相比更加重要也更加稀缺，对组织的影响也更大。对企业这一知识系统的协调过程也是高管团队对组织知识不断创造、管理和利用的过程，知识本身并不具效益，而需要借助于高管，将知识有效地组织起来去解决问题，提升绩效^{[4, 9, 14]}。而高阶理论的研究尽管意识到了知识的重要性，但对其研究仍然较为片面，局限在知识背景异质性上^{[6, 15]}。一方面，高管的经历和经验形成了知识，而判断和决策是在知识的前提下达成的，因而知识特征比人口特征更能直接地反映组织行为，并且知识是动态更新的，外界环境的变化也迫使知识的迭代和升级，因而知识也能反映企业管理的动态性；另一方面，高管教育背景和职业背景等异质性特征本质上是知识的异质性，不同的知识基础意味着对问题的不同理解，从而影响到企业的决策和绩效差异。

尽管高阶理论的研究忽视了过程因素和外界因素，但高管团队的知识库实质上是企业内外环境交替运动的结果。而不同的企业禀赋造就了不同的知识资源，因而形成了不同的竞争优势。Xu指出，知识基础是企业和企业内个体所有的市场信息及关键技术诀窍等各类知识元素的集合，不仅是企业创新的发端，更是企业竞争优势和绩效的来源^[16]。但企业的知识库往往存在专业性和多样性的差异，首先，专长性的深度特征有利于认知风险、解读市场信息、资源获取和利用以及战略决策能力，而广泛性的宽度特征有利于企业感知风险、解决问题和促进创新。由此，企业高管团队的现有知识存量差异是其建立竞争优势、提升绩效必须要考虑的重要因素。综合高阶理论和知识基础观的研究，笔者分析不同高管知识基础的差异，揭示高管知识对于高技术制造型企业绩效的影响机制，并利用2015—2017年间中国高技术制造行业的样本数据对相关假设进行验证。

1 文献综述与研究假设

企业的生存和发展必然伴随着大量经验及知识的产生，这些知识既是企业高管团队对环境的认知总结，又是高管们进一步战略决策的依据和前提。因而，高管团队知识的深厚积累有利于企业加强对当前市场环境的认识和理解，从而保证战略的方向性和正确性。具体而言，其深度特征对企业的影响主要体现3个方面：首先，高管团队中系统性专长性的深度知识基础有利于更好地认识投资行为、评估投资风险、促进投资的价值匹配。对于风险的决策能力是企业的发展潜力的映射，而这种能力往往建立在高管团队较强的判断力基础之上^[8]。或者说，具备更专业知识背景的高管团队能够更好地驾驭投资风险、避免战略选择的偏误，实现企业资本的保值增值^[6]。而管理者对于风险的决策是建立在企业及其个人的知识基础之上，管理者搜集知识和转换知识的能力往往是其高效决策的关键^[9]。其次，高管团队越深的知识基础往往意味着较高的教育水平。Gao和Hafsi对2 124个中小企业的研究发现，企业主教育水平越高越偏好增加研发投入来推动创新提升绩效^[17]。国内学者孙海法等以及黄昕等也发现高管团队的教育水平与企业的成长能力显著正相关^{[14, 18]}。高管越高的教育水平和知识水平，不仅是知识深度的体现，更预示着其更强的信息解读能力，能有效地降低判断失误的可能，带领企业在动态的市场竞争中实现更好的企业定位，选择更契合自身能力的发展战略^[19]。同时，教育程度也体现了个体认知能力的水平，知识水平越高的高管的学习、理解、处理和分析能力往往越强，越能在高度不确定性、高度动态的市场环境下保持思维清晰，更快地做出合理的决策，进而保持绩效的增长态势。最后，高管团体的知识深度基础越深表明他们对本领域知识掌握得更加全面更加系统，因而解决企业运营过程中复杂难题的能力也更强。知识的深度保证了专业性，能帮助高管从纷繁复杂的市场信息中捕捉、发现和识别关键信息和市场机会，而这一整合信息和利用信息的能力往往是高管们做出更理性、更现实、更合乎逻辑决定的前提^[20-21]；并且企业决策者的知识禀赋更是推动企业的认知变革以适应市场环境变化来提升绩效的关键^[12]。因此，笔者提出以下假设：

H₁：高管团队的知识深度有利于企业绩效。

然而，高管团体的知识库还具备多样性的宽度特征，相比于知识深度，高管团队的知识宽度对企业绩效的影响机理也有所差异。高管团体的知识库越宽，意味着企业的高管团队掌握着越多样越全面的市场情报和信息，进而有利于决策。具体而言，表现在以下3个方面：首先，知识宽度的多样性有利于企业从多方面评估决策的科学性和规范性，从而更好地解读市场情报和风险信息，提高对风险的感知能力^[10]。West认为，高管知识的异质性能帮助企业从不同的专业领域进行风险预警和管理，从而提升企业预先发现和全面考虑潜在风险的可能，避免重大决策失误^[22]。因为不同知识背景的高管所擅长的领域不同，其对不同市场风险的认知和感知也不同，比如理工类专业的高管更容易发现技术上的短板，进而进行研发可行性和技术可行性分析，而经管类教育背景的高管更可能在分析市场风险、构建商业前景等方面具备优势^[6]。所以，高管更广泛更多样的知识水平和知识结构有利于企业掌握更多元的信息，从而更完备战略计划、战略方案的制定，增加对未来未知风险的可控范围，促进绩效的稳步提升^[23]。其次，知识基础观认为企业的经营管理中存在的问题实际上是知识的调度和管理问题^{[9, 21]}，而具有较宽知识库的主体往往拥有多样化的知识，这些异质性知识通常涉猎多个领域，因而思考问题更加多样化，从而从不同的视角来看待问题，有利于更好地鉴别问题和解决问题^[20]。相反，知识较为单一或知识背景更为集中的高管团队认识和思考问题在更加深入的同时，也易陷入专业锁定的局限，导致对问题的定型化思考和管理认知模式的认知凝滞，甚至导致其对外界环境的悄然变化反应不灵敏和迟钝^[24]。Li的研究表明，具有各种特征的高管团队更倾向于接受来自广泛来源的信息，更有可能提出更多问题解决方案和创新的想法来提升绩效^[11]。第三，高管团队的知识宽泛性更有利于整合不同的知识资源，进而在公司愿景和战略方向下动态地更新和创新知识体系^[9]。更广泛的知识网络带来不同想法的融合，增强了战略的全面性，提高了总体决策质量，为利润增长的潜在选择增加了可能，能一定程度减少未来发展的机会成本损失^[8]。同时，结合多种专业知识、观点和技能，意味着高管团队更大的选择范围和线索，能极大提高企业对环境动态性和不确定性的应对能力和处理能力^[12]。第四，企业创新的本质是知识的生成和创造，而企业宽广的知识基础无疑提供了更好的创新土壤^[9]。不同学科、不同领域以及不同细分市场的广泛信息更有利于企业去捕捉新的想法、新的产品理念和新的战略^[21]。不同领域的知识能促进对各个领域的新知识和新信息的辨别和吸收，不仅这些不同的知识元素就是创新的源头所在，而且不同知识的交汇也更容易产生创新的火花^[20]。而创新带来的新产品和新市场通常对于企业绩效的增长极具贡献。因此，笔者提出以下假设：

H₂：高管团队的知识宽度有利于企业绩效。

2 研究设计

由于很多上市企业2018年各项数据未完全公开，本研究中的数据来自国泰安数据库2015—2017年的数据。由于在高技术行业知识的影响更为明显，而且以往的知识研究文献也都采用高技术制造业作为样本选择范围^{[21, 25]}，根据证监会行业分类，选取了制造行业中的仪器仪表、计算机、通信和其他电子设备制造业、电气机械及器材制造业、铁路、船舶、航空航天和其他运输设备制造业、汽车制造业、医药制造业、化学原料及化学制品制造业8类知识密集型高技术制造业。在8类行业1 204个企业中去除重复值，最终获得1 160个样本企业。高管团队的知识深度和宽度都采用罗正清^[26]研究提到的方法，其中深度特征用教育水平来测量，但不同于以往的高阶理论研究用均值来研究教育水平，本研究采用高管团队的硕士及博士数量进行研究。因为均值更容易受到极端值的影响，因而在刻画高管团队的知识深度时可能存在统计偏误。而高管的知识宽度用高管团队人员的学历学科专业涉及的数量来衡量，其中专业学科采用国标通用的学科分类标准。通过对1 160个企业高管所跨学科专业以及高管学历水平的逐个计数，累计得到高管团队的知识深度和宽度数据。由于数据缺失和公开程度的差异，最终得到较为完整的713个企业数据。在企业绩效的指标选取上，根据以往研究的选取原则，不考虑与股东权益相关度更高、更能体现企业值不值得投资的每股收益（EPS）、每股净资产（BPS）及托宾Q等指标^[27]，而是以体现企业管理水平和资产效率的净资产收益率（ROE）来衡量企业的绩效水平^[18]。同时，资产回报率（ROA）和利润边际率（PM）也是衡量企业绩效的重要指标^{[15, 28]}，而总资产增长率（TAGR）往往被视为是衡量绩效的成长性指标，因此本研究将其作为进一步稳健性检验的因变量指标。由于713个企业中这些指标部分缺失的现象，删除缺失值后最终剩下590个企业。

在控制变量上，本研究以企业的资产规模大小作为控制变量。根据规模经济理论，企业生产效率、利润能力和企业绩效的提升受到其规模的影响。比如规模较大的高技术制造企业可能接触更多的资源和技术，不仅具备更强的研发能力，更可能利用技术创新来推动绩效增长，而且往往原材料的大量购入有利于通过降低生产成本来提高绩效。相反，在资金及其他资源不占规模优势的技术企业当中，相比于大规模的技术企业而言，其在企业绩效追求的侧重点和程度亦存在较大差异。故在前人的研究基础上^[27]，笔者以资产总额作为绩效研究的控制变量，并且由于上市企业的资产总额往往数值过大，因而对其进行对数化处理。另外，资产负债率、营业现金流、企业年龄、董事会规模、股权集中度这些控制变量也会影响到决策质量，故而均采用2017年的数据，其中董事会规模为董事会人数的自然对数、股权集中度为第一大股东持股比例。

3 实证结果 3.1 描述性统计分析

表 1给出的为本研究选用指标的描述性统计结果。表 1表明，在选取样本企业数均为590，我国企业高管团队的总体知识水平较低，博硕士数量、海外留学背景和学术背景的均值都较小。这符合我国企业现有的实际状况。2015—2017三年的资产回报率（ROA）、利润边际率（PM）和净资产收益率（ROE）的标准差表明2016年的波动性更大，间接说明了采取均值研究的合理性。资产增产率（TAGR）采取2017年的数据，资产总额极值相差巨大，故而对其进行对数化处理。

3.2 回归结果分析

回归结果如表 2所示。所有模型均以三年净资产收益率均值作为因变量，但模型1以博士数量作为知识深度的回归结果并不显著。

如表 1所示，博士数量均值过低，并且存在大量为0值的极小值，因而影响了回归结果。因此在模型2当中删除了所有为0值的数据，结果回归结果显著（b= 0.012，p < 0.10）。尽管其显著性达到p < 0.05的要求，但根据Zhou和Li的研究^[21]，p < 0.10的显著性是可以接受的。考虑到国内上市企业高管整体教育素质较低的情况，笔者进一步以硕士数量作为知识深度的衡量标准，回归结果如表 2模型3所示，回归系数正向显著（b= 0.005, p < 0.10）。在模型4中，知识宽度与资产收益率的回归系数也是正向显著（b= 0.006，p < 0.10）。

3.3 稳健性分析

在此项分析上，笔者以2015—2017年间可获得数据的高技术制造企业为研究样本。尽管回归分析结果表明知识的深度和宽度对净资产收益率有良好的拟合效果，但为证明其实证结果的可靠性，表明本研究实证检验是稳健的，笔者进行了稳健性检验。首先，就自变量而言，分别以学术背景和海外留学背景作为知识深度和知识宽度的替代变量，因为具备这些背景的高校教师往往兼任高管董事，并且一般博士学历通常具备学术背景；而高管团队的知识多样性不仅仅表明其学科多样性，也与其海外留学经历紧密相关。模型1表明学术背景对净资产收益率回归显著（b= 0.009，p < 0.10），模型2表明海外留学背景对净资产收益率回归显著（b= 0.01，p < 0.10），实证结果仍然成立，表明本研究实证检验稳健。

在因变量上，本研究又继续以企业绩效的资产回报率和利润边际率作为净资产收益率的替代变量，回归结果表明：除模型8中知识宽度对利润边际率的回归系数不显著外，回归系数都很显著，而且比之前的显著更高，R方更大，解释力度更好。此外，本研究又以衡量绩效成长性特征的总资产增长率作为因变量，结果发现：模型9中知识深度对总资产增长率回归不显著，而模型10中知识宽度对总资产增长率回归系数更加显著。尽管知识深度对成长性指标的回归结果不显著，但知识宽度对其回归显著，因此总体上本研究实证结果具备较好的稳健性。

在滞后性上，由于稳健性都是取自2017年的指标，不同于因变量采用3年的均值，因此一定程度上也消除了时间差异，所以并未作出滞后一期的回归结果。然而，在表 3的模型6和模型10中，知识宽度对资产回报率和总资产增长率的回归系数更加显著，尽管表 2的模型4只是回归系数和R方值稍大一点，但表 3的R方解释表明知识宽度对企业绩效的正相关性更好，这也符合高管团队中群体决策这一实际。

4 研究结论与展望

组织行为是高管团队的反应，因而由高管团队中不同个体所具有的知识资源形成的团体知识无疑对企业战略决策的认知判断、经营问题的分析解决、各种资源的获取和整合产生极其重大的影响。笔者基于高阶理论，结合知识基础观，重点对高管团队的知识特征展开研究，探讨了高管团队不同知识基础对企业绩效作用机制的影响差异。一方面，知识本身就存在专长性和多样性两种基本的差异，而以往的高阶理论研究仍然只聚焦在高管的知识背景上，即使提出了教育异质性及功能异质性，也仍然未能反映出高管团队知识的深度和宽度特征。然而，如果宽度和深度知识对企业绩效的不同影响机制不厘清，则很难更科学更有效率地组建和调整管理团队。另一方面，高管知识深度和宽度对企业绩效的正向显著回归结果表明企业绩效受到高管团队知识特征的影响，这也印证了高阶理论现有的研究，但对绩效促进作用的运作过程存在显著差异。也就是说，企业对于风险的认知、问题的认知、资源信息的处理能力和重大决策的战略方向性更依赖于高管知识的深度纵向拓展，专家的知识专长优势不可或缺；而对于发现市场机会、感知风险和创新性想法及决策更倾向于高管团队知识的多样性和宽泛性。同时，实证结果指出，知识宽度对短期净资产收益率和成长性指标的总资产增长率都显著，而知识深度只对资产回报率显著。这一实证结果与假设有些许出入，但也更符合实际。在高管团队中，CEO或者某个高管团队过于专业的知识往往可能导致决策的刚性问题，相反，广泛的宽度知识基础更有利于企业做出更全面的决策。

本研究对企业管理实践具有重要的实践意义。首先，高管团队知识在企业的知识体系中发挥着举足轻重的重要作用。因此，在企业经营管理中，应以高管视角考虑企业的知识管理，将企业的战略决策、风险识别、问题解决及促进创新等经营焦点放在企业高管的知识环境中，强调高管知识基础对于企业提升竞争优势和增升绩效的重要性。其次，组建高管团队必须考虑高管团队知识的深度特征和宽度特征。知识的专长性和多样性对于风险的认知与感知、问题的识别和解决以及资源的获取和整合的影响存在差异，如何根据高管个体的学历学科等知识特征来组建一个适应当前市场环境的高效率高管团队至关重要。最后，在群体决策的科学性上，知识宽度比深度无疑更具备优势，更广泛更多样的知识有利于企业掌握更全面的信息，做出更理性、更现实、更合乎逻辑的决策，有效提升企业的经营绩效。这也表明，尽管在高管团队中少不了专家的技术专长优势，但知识宽度特征对企业绩效的贡献率更大。

当然，本研究仍存在以下方面的局限：第一，样本数据直接来源于国泰安数据库，存在较多的数据缺失，1 160个样本企业最终只筛选下590个企业。未来的研究可进行更细致的分析，在行业上集中某一行业，通过年报、新闻、百度搜索等更全面的渠道搜集更多的信息。第二，本研究采用的绩效数据可能存在一定程度的失真，因此在以后的研究中可开展主客观相结合的研究以及动态跟踪研究，使研究更有说服力。第三，申宇等^[29]发现，创新存在高校“小圈子”效应，因而下一步可探讨知识特征在不同层次高校之间是否存在差异，并且高管的学历学科背景也可进一步按其他标准分类以进行对比研究；第四，本研究的知识特征研究未考虑从业背景、政治背景等其他因素的影响，未来的研究中可进一步拓宽和完善。