2009 年5 月第十二卷二期 • vol. 12, no. 2, may...

2009 年 5 月第十二卷二期 • Vol. 12, No. 2, May 2009

運用 PLS 方法探討價值創新導入新產品

開發之調節角色

何雍慶蔡青姿

http://cmr.ba.ouhk.edu.hk

中華管理評論國際學報 ‧第十二卷‧ 第二期 1

何雍慶國立中正大學企業管理系蔡青姿國立中正大學企業管理系

運用 PLS 方法探討價值創新導入新產品開發之調節角色何雍慶蔡青姿

摘要一般高科技產業往往專注於漸進式的「價值創造」而非「價值創新」，即使

價值改善，仍不足以在巿場上脫穎而出。然而價值創新導入新產品開發的議

題與研究卻相當缺乏。本研究以價值創新商數（value innovation quotient, Value IQ）為基礎，探討高科技產業價值創新的特性，及價值創新商數在新

產品開發流程品質與新產品開發績效之間所扮演的角色。因此，針對高科技

廠商之經理人進行問卷調查，有效樣本為 104 份，運用 PLS（partial least squares）方法。研究結果發現，「價值創新商數」不只影響「新產品開發流

程品質」與「開發績效」，並且對「新產品流程品質」與「開發績效」之間

有調節效果，尤其是在新產品開發流程中，越重視敏捷地決策、創新規劃、

顧客導向的思維、尊重與授權與創新學習，越能創造新產品開發績效。無論

在管理或理論上，價值創新對新產品開發都扮演很重要的關鍵角色。

關鍵詞：價值創新、價值創新商數、新產品開發績效、偏最小平方法


緒論隨著市場全球化創造了高度競爭的環境，企業為了生存與成長，必需不斷地

發展成功的新產品。在過去幾十年，新產品的競爭已經有了相當大的改變，

企業也了解依靠傳統的標準，如高品質、低成本及差異化，但不足以保證新

產品的成功（Balbontin et al., 1999）。

在大多數的產業中，成功的新產品開發與商品化是公司生存與成長的根本

（Calantone, Schmidt & Song, 1996），也代表著競爭優勢的潛在來源（Song & Montoya-Weiss, 2001）。公司的營業收入有高逹三分之一來自於新產品開發，

但失敗率極高（Griffin & Hauser, 1996; Kolter, 2002）。儘管目前的企業已致

力於改善新產品發展的程序（如減少前置時間、採用陣列方法、時間壓縮、

新科技的導入等），仍無法成功地達成商品化。然而如何將科技轉換成為消

費市場所接受的產品與服務，是當代的管理者在新產品開發時所要面臨的挑

戰。

公司在產業中享有競爭優勢，主要是企業能夠比競爭者創造更多的顧客價

值。因此，近年來價值創新成為台湾及各國專家學者相當關注的課題。許多

專家學者已開始對價值創新進行相關研究（e.g. Christensen, 2003; Kim & Mauborgne, 2005a; 2005b; Matheson & Matheson, 1998; Leifer et al., 2000）。

然而新產品發展之研究已有 30 年之久（Ernst, 2002），仍缺乏以價值創新工

具衡量公司內價值創新能力之相關實證研究。若能了解何種組織內部因素

（也就是價值創新特性）對於新產品開發具關鍵性的影響，將有助於未來新

產品開發活動的進行，並縮短新產品開發的時程，提升新產品開發的績效。

有鑑於此，本研究以價值創新商數（value innovation quotient, 簡稱 Value IQ）

（Aiman-Smith et al., 2005; Dillon, Lee & Matheson, 2005）衡量企業之價值創

新能力，透過價值創新商數探討企業價值創新能力在新產品開發中所扮演的

角色，其目的分別為：(1) 分析台湾高科技產業的價值創新商數（價值創新

的能力）；(2) 探討組織價值創新商數對新產品開發流程品質與新產品開發

績效之影響；(3) 探討價值創新商數對新產品開發流程品質與新產品開發績

效之間的調節角色；最後，將實證之結果與相關的建議，提供給高科技相關

產業參考。


文獻探討與研究假設

價值創新

企業能否在市場上生存與獲利，關鍵在於是否擁有「突破現況，創造差異」

的能力。近幾年崛起的藍海策略（blue ocean strategy）（Kim & Mauborgne, 2005a; 2005b）即強調透過優越的價值創新來開創無人競爭的市場空間，達

到顧客及公司價值的大幅躍進，可謂將「差異化」和「創新」結合之極致，

Aiman-Smith 等人（2005）定義價值創新（value innovation）是組織成員使用

比較好的方法去服務他們的顧客及界定新的巿場。這種觀念在競爭激烈的環

境下，逐漸成為企業經營及行銷活動的基本精神，亦帶領了以價值創新為首

的策略風潮。

許多學者認為，運用創新可以擴大顧客價值或是提供顧客及市場更佳的服務

（Aiman-Smith et al., 2005; Harmsen & Jensen, 2004; Sawhney & Piper, 2002）。例如，Harmsen & Jensen（2004）認為，價值創新是源自於公司所

具備的能力，當市場特性與公司所具備的能力相互配適時，企業就會出現價

值創造的行為。Aiman-Smith 等人（2005）認為，新技術的發展與商業化，

並不能代表組織真正的創新，真正創新必須發生在價值鏈之中，如行銷巿場

研究、銷售、廣告、配銷及後續服務。Sawhney & Piper（2002）則認為，行

銷與作業部門是企業兩大重要功能，唯有這兩大功能的有效運作，才有助於

創造顧客價值。因此，公司要維持競爭力，唯有透過不斷的進行產品、服務、

流程及整體供應鏈的價值創新，才能維持其優勢與存續，創造公司的價值

（Matheson & Matheson, 1998; Leifer et al., 2000）。

價值創新商數

價值創新商數（Value IQ）起源於 Matheson & Matheson（1998）所提出「聰

明組織」（the smart organization）的評估工具，稱之為「組織智商測驗」

（organizational IQ test）。Dillon, Lee & Matheson（2005）與 Aiman-Smith等人（2005）也相繼提出價值創新商數，Dillon, Lee & Matheson（2005）的

價值創新商數，主要是幫助公司修正他們的文化與改變組織的行為決策。而

Aiman-Smith 等人（2005）的價值創新商數，則協助企業判斷其創新潛力的

高低，其所涉及的內容由個人屬性橫跨至事業規劃及組織特性，可說是以組

織內部特性為標的進行的創新能力檢測。由前述可發現，價值創新商數同時


涵蓋了組織內部及供應鏈的諸多因素，也就是將企業視為一個開放系統的有

機體，由內部關鍵變數來衡量企業的創新能力。

組織內部屬性及創新活動的進行與績效有相當大的關聯性，其源於不斷的創

意與新產品的開發。Hurley & Hult（1998）研究發現，創新活動是一種因應

環境變動之調整機制，而組織的文化對創新能力與績效有相當大的影響，尤

其是高階管理者對創意的追求、承擔風險的態度、成員的認知、個人決策權、

權力共享、合作及支持、鼓勵學習等。Cooper & Kleinschmidt（1995）也發

現，在有關組織內部的活動過程中，新產品規劃、創新的策略、氣候與文化

等變數，都是決定新產品成敗的重要因素。同時，Varela & Benito（2005）同樣也證實了組織特性會影響新產品研發過程的績效。

上述因素與價值創新商數的內涵有若干的重疊。且 Dillon, Lee & Matheson（2005）也認為，價值創新的程序有助於新產品開發，並且強烈正向地影響

企業的價值。因此，透過價值創新商數來衡量創新能力，也就是組織內部創

新因素會影響組織運作，並影響開發流程的品質，進而影響開發績效。故本

研究提出以下假設：

H1：組織價值創新商數對新產品流程品質有正向顯著的影響。

H2：組織價值創新商數對新產品流程品質與開發績效之間有調節效果。

H3：組織價值創新商數對新產品開發績效有正向顯著的影響。

新產品開發

新產品開發（new product development）流程指由創意到上市之間一連串的活

動及步驟（Cooper, 1996）。新產品開發流程對新產品成功與否扮演關鍵性

的角色，其所涉及的活動，包括新產品開發流程中的品質、關鍵性活動、熟

練度、速度、知識分享、合作行為等因素（Song & Montoya-Weiss, 2001; Cooper, 1996）。

許多研究顯示，新產品開發流程會影響新產品開發績效（Cooper, 1996; Lynn et al., 1999; Song & Montoya-Weiss, 2001; Song & Parry, 1997），當新產品開

發的管理流程能依不同環境彈性調整，則新產品開發的成功機率最大（Souder & Song, 1998）。而且高品質的研發流程可以加速新產品上市的速度、市場


績效、財務績效及技術績效的增長（Cooper & Kleinschmidt, 1995; Lynn, Valentine & Wright, 1996）。

因為開發新產品時常會面臨強烈的不確定風險，若事前能夠妥善的規劃與配

合，在過程中不斷的管理、調整與監控，其新產品的成功機率較大，同時減

少不當活動所造成的巨額損失（Millson & Wilemon, 2002）。因此，本研究

提出研究假設如下：

H4：新產品流程品質對新產品開發績效有正向顯著的影響。

研究方法

研究架構

綜合上述文獻探討與推論之假設，可建立本研究架構，如圖 1 所示。

價值創新商數(Value IQ)

新產品開發績效

H1H2

新產品開發流程品質

H3

H4

圖 1 研究架構

研究變項的衡量

價值創新商數

價值創新商數是判斷企業創新潛力的高低，如有意義的工作、承擔風險的文

化、顧客導向、敏捷地決策、商業情報、開放的交流、授權、商業規劃及組

織學習等的要素（Aiman-Smith et al., 2005）。本研究參考 Dillon, Lee & Matheson（2005）與 Aiman-Smith 等人（2005）的量表，去除相似及重覆意

涵之題項，共計 33 題。


新產品開發流程品質是新產品流程中的所有活動，如各活動進行時之執行完

整性、執行水準、產品測試、產品商業化及彈性化流程等品質特性（Cooper,


1996; Song & Parry, 1997）。本研究整合 Song & Parry（1997）的新產品流程

品質與 Cooper（1996）的新產品流程之量表，共計 28 題。


衡量新產品開發績效相當繁多，如 Cooper（1998）建議以長短期表現來衡量

新產品績效，短期績效：是否達成預設的品質性能、開發成本、開發時間等

目標；長期績效：是否達成預設的獲利、銷售目標等。Cooper & Kleinschmidt（1995）則以成功率、銷售百分比、達成預期銷售目標與獲利目標、相對競

爭者獲利等指標來衡量新產品開發績效。因此，本研究參酌 Cooper & Kleinschmidt（1995）、Millson & Wilemon（2002）與 Souder & Jenssen（1999）的新產品開發績效，採用巿場績效（是否達成預期的銷售目標及獲利目標）、

技術績效（是否達成預期的品質及技術水準）及顧客績效（是否達成顧客接

受與滿意程度）衡量新產品開發績效。

以上參酌與整合各學者之量表時，皆採用平行／重覆轉譯法

（parallel-translation/double-translation method）。本研究邀請二位研究生進行

轉譯工作，首先將英文題項轉譯成中文題項，後再將中文題項轉譯成英文題

項，使得題項的意涵不被改變，以確保轉譯的正確性。量表衡量方式採自我

評估，並以 Likert 五點尺度衡量之。

調查對象與方法

本研究以台湾的高科技產業公司為研究對象，原因是高科技產業往往致力於

「價值創造」而非「價值創新」，新產品開發是否產生開發績效是本研究探

討的重要課題。因此，針對台湾新竹科學工業園區（簡稱竹科）、中部科學

工業園區（簡稱中科）及南部科學工業園區（簡稱南科）等高科技產業的廠

商進行研究，分為積體電路、電腦週邊、通訊產業、光電、精密機械及生物

科技等 6 種產業。

本研究調查方法以郵寄問卷為主。在 Pilot Study 時，邀請高科技廠商專案經

理人填答，共收集 42 份，運用專家效度及信度分析，以 Cronbach’s Alpha為檢測標準，對語意不清或不切實際之題項予以修正，以符合本土化廠商的

適用性。結果 Alpha 介於.89~.96，顯示量表具有高信度。正式問卷調查時，

以竹科、中科、南科之廠商名冊為發放對象，共發放 752 份，並於信中懇請

專案經理人撥空回函，經過二週後，再以電話連絡未回應之廠商，徵求專案

經理人的意願，重新寄上回郵問卷或以郵寄方式傳送問卷，在第四週時，再


以電話提醒並強調問卷對該公司及產業的重要性，懇請經理人務必回覆。總

共有效問卷 104 份，回應率 13.8%。經無反應誤差檢定，並無顯著差異

（T-value<1.72, p>.05）。

資料分析方法

本研究採用偏最小平方法（partial least squares, PLS），這是一種探測或建構

預測性模型的分析技術，尤其是對於潛在變項之間的因果模型（causal model）分析，優於一般的線性結構關係模式（LISREL），PLS 的優點有：(1) 能處

理多個依變數與多個自變數；(2) 能克服多變量共線性的問題；(3) 強健

（robust）地處理干擾資料及遺失值；(4) 投入反應變項對潛在變項有很強的

預測能力；(5) 可以同時處理反應性指標（reflective indicator）和形成性指標

（formative indicator）；(6) 適用於小樣本；(7) 不受資料分配的限制（Pirouz, 2006）。由於本研究樣本不多，若使用 PLS 則可不受變數分配型態及樣本數

的限制，且具有良好的預測與解釋能力。

因此，本研究採用Ringle, Wende & Will（2005）所研發的SmartPLS軟體進行

PLS分析。因為樣本數不大，以bootstrap反覆抽樣法 1

（bootstrap resampling method）反覆抽取 1,000 個樣本做為參數估計與推論。

研究結果

樣本剖析

本研究的樣本數來自竹科、中科及南科，分別佔有 52.9%、26.0%及 21.1%；

而在產業別方面，以精密機械產業及積體電路產業佔多數，分別為 25.0%及

23.1%，此結果與廠商名冊分佈極為相似。廠商的平均成立年數約 12 年，平

均投入資本額約 1,770（百萬元新台幣），員工平均人數約 271 人，研發人

數約 40 位，公司新產品開發之互動團隊部門約有 8 個部門，平均每年 6 個

新產品產出。但台湾的高科技公司大小差異很大，如對成立年數而言，標準

差即有 11 年之差，表示年輕與老公司都涵蓋在本研究之中（詳見表 1）。

1 Bootstrap 反覆抽樣法係由 Efron（1979）所提出，屬於無母數統計推論法，是以「放回

後再抽樣」的反覆抽樣程序（resampling），無需要知道母體分配為何，即使樣本小到

20，也能得到很好的結果（Zhang, Pantula & Boos, 1991）。


表 1 樣本之描述性統計

家數

(n=104)

百分比

(%)

平均數標準差

新竹科學工業園區（竹科） 55 52.9 成立年數 12 11

中部科學工業園區（中科） 27 26.0 資本額（百萬） 1,770 8,265

南部科學工業園區（南科） 22 21.1 員工人數 271 711

精密機械產業 26 25.0 研發人數 40 72

積體電路產業 24 23.1 互動團隊部門 8 23

光電產業 19 18.3 開發新產品數/年 6 5

生物科技產業 15 14.4

通訊產業 12 11.5

電腦及週邊產業 8 7.7

因素分析

因本研究參酌各學者之量表，且經 Pilot Study 修正題項後，己與學者原本量

表的構面有所出入，故進行探索性因素分析，以縮減幾個具有代表性之因

素，使因素結構變得簡單且易解釋，以利後續分析及了解。首先檢測「價值

創新商數」、「新產品開發流程品質」與「新產品開發績效」三個量表在

KMO & Bartlett's test 是否適合進行因素分析，其結果顯示三個量表都符合並

適合進行因素分析（分別為 KMO=.902, .868 及.831; Bartlett's test 皆達統計上

的顯著性，p<.001）。故本研究使用主成份分析法及最大變異法（varimax）進行因素正交轉軸。

結果「價值創新商數」、「新產品開發流程品質」及「新產品開發績效」量

表，各萃取出九個、四個及三個因素，其因素負荷量皆在.5 以上，累積解釋

變異量分別達 68.4%、70.7%及 63.4%。各因素的命名則邀請一名新產品開發

的專家及二位研究生，參照本文內涵與學者文獻，依量表的題項及因素負荷

量的大小予以命名（請詳見表 2）。各因素之 Cronbach’s Alpha 值都在.70~.92之間（請詳見表 2），依 Nunnally（1978）的判斷標準，Cronbach’s Alpha係數皆在.7 以上，顯示本研究所使用之量表有良好的信度及穩定性。每個萃

取之因素將依本身題項之因素負荷量加以權重計算成一因素值，以利後續分

析。其各因素之平均數、標準差及相關係數亦呈現於表 2。


表 2 各構面因素分析之彙整

構面與萃取因素 Mean SD 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

價值創新商數

1.敏捷地決策 3.71 .73 (.82)

2.偵測情報 3.80 .76 .63 (.80)

3.創新規劃 3.87 .69 .75 .60 (.87)

4.顧客導向的思維 4.21 .66 .65 .50 .67 (.92)

5.尊重與授權 3.92 .73 .63 .67 .74 .60 (.79)

6.創新學習 4.00 .64 .62 .59 .78 .71 .75 (.80)

7.重視員工的影響力 4.10 .66 .65 .49 .68 .85 .57 .67 (.89)

8.接納與鼓勵挑戰 3.93 .71 .73 .61 .78 .73 .75 .76 .65 (.82)

9.風險承擔的文化 4.12 .66 .70 .52 .72 .81 .69 .72 .82 .80 (.87)


10.目標巿場與產品定位 3.98 .66 .81 .65 .83 .79 .77 .77 .79 .83 .85 (.80)

11.品質與資源管理 3.89 .68 .76 .67 .84 .72 .76 .80 .73 .80 .80 .88 (.85)

12.測試與商業化 3.94 .68 .79 .67 .84 .77 .76 .73 .75 .82 .81 .91 .90 (.88)

13.發展過程彈性化 3.94 .67 .76 .62 .83 .75 .77 .79 .74 .80 .81 .93 .89 .92 (.75)


14.巿場績效 3.91 .68 .82 .67 .84 .79 .79 .76 .81 .84 .86 .95 .90 .91 .91 (.70)

15.技術績效 3.91 .66 .84 .63 .86 .77 .77 .76 .78 .83 .81 .89 .88 .88 .84 .91 (.82)

16.顧客績效 3.90 .66 .80 .64 .87 .78 .78 .76 .77 .86 .81 .88 .89 .90 .86 .90 .95 (.80)

註：表格中對角線（）內資料為 Cronbach’s Alpha 係數。

PLS 分析

PLS 模型的分析與詮釋有二個步驟，第一個步驟是檢驗測量模型的信效度，

第二個步驟檢測結構模型的路徑係數的顯著性與預測能力。在測量模型方

面，(1) 各別（items）因素負荷量（loading）必須大於 0.5；(2) 組合信度

（composite reliability）與 Cronbach’s alpha 必須大於 0.7，以確保內部一致性

的程度；(3) 平均變異萃取量（average variance extracted, AVE）須大於 0.5；(4) 每個構面 AVE 的平方根必須大於與其他構面的相關係數；(5) 該因素負

荷量必須大於其他因素負荷量，也就是 own-loadings 大於 cross-loadings，即

表示測量具有很好的收歛效度（convergent validity）與區別效度（discriminant


validity）。在結構模型方面，則視(1) 標準化路徑係數（path coefficient）是

否達統計上的顯著性；(2) 以R2判斷模型的解釋能力（Fornell & Larcker, 1981;

Hair et al., 1998; Hulland, 1999; Medina & Chaparro, 2007/2008; Pavlou & Fygenson, 2006）。

本研究採用 PLS 方法進行二個模型之分析，首先，PLS 模型（一）是以路徑

分析驗證本研究之假設 H1、H3 及 H4，而 PLS 模型（二）則探討價值創新商

數對新產品開發的調節效果，以驗證本研究之假設 H2。

PLS 模型（一）

PLS 模型（一）探討「價值創新商數」對「新產品開發流程品質」與「新產

品開發績效」的直接與間接關係，以及「新產品開發流程品質」與「新產品

開發績效」的直接關係，在此測量模型中，因素負荷量都大於.50，且達到統

計上的顯著水準（請詳見圖 2）；三個構面之組合信度，分別為.958、.981及.981；Cronbach’s Alpha 則分別為.951、.974 及.970；AVE 為.719、.929及.944，而各別因素負荷量也大於其他因素負荷量，唯獨「價值創新商數」

構面的 AVE 平方根小於與其他構面的相關係數，雖然此方面欠佳，但整體

而言，模型的信效度尚可接受（請詳見表 3）。在結構模型方面，標準化路

徑係數均達統計上的顯著性，並且「新產品開發流程品質」與「新產品開發

績效」的 R2 高達.893 及.938，表示模型的解釋力相當好（請詳見圖 2）。

價值創新商數(Value IQ)



X1

X2

X3

X4

X5

X6

X7

X8

X9

Y10 Y11 Y12 Y13 Y14 Y15 Y16

R2= .938R2= .893

.96**

.408**

.95** .96**.97**

.574**.945**

.83**

.98**.97**.96**

.72**.88**.86**

.83**

.87**

.84**

.90**

.89**

*p<0.05; **<0.01

註：原始樣本 104 份，bootstrap 反覆抽樣抽取 1,000 個樣本為參數估計。圖 2 PLS 模型（一）（outer loadings, path coefficients and R2）


表 3 各因素分析之 cross loadings 與各構面之相關係數及 AVE2

cross loadings 相關係數與 AVE2

A B C A B C

1.敏捷地決策 .833 .810 .822 A (.517)

2.偵測情報 .722 .674 .665 B .862 (.863)

3.創新規劃 .883 .864 .880 C .913 .874 (.891)

4.顧客導向的思維 .858 .787 .803

5.尊重與授權 .835 .790 .798

6.創新學習 .868 .804 .787

7.重視員工的影響力 .836 .778 .808

8.接納與鼓勵挑戰 .895 .845 .867

9.風險承擔的文化 .888 .844 .847

10.目標巿場與產品定位 .930 .965 .931

11.品質與資源管理 .902 .953 .913

12.測試與商業化 .909 .968 .922

13.發展過程彈性化 .901 .968 .895

14.巿場績效 .941 .950 .962

15.技術績效 .925 .905 .979

16.顧客績效 .930 .913 .974

註 1：A：價值創新商數；B：新產品開發流程品質；C：新產品開發績效。

註 2：右側表格對角線（）內資料為各構面之 AVE 平方根。

PLS 模型（二）

PLS 模型（二）探討「價值創新商數」對「新產品開發流程品質」與「開發

績效」之間的調節效果（moderating effect），本研究將「價值創新商數」

（moderator variable, M）的各因素與「新產品開發流程品質」（predictor variable, X）的各因素相乘而形成交互效果（interaction effect, X*M）的變數，

而這些變數在 PLS 模型中都視為獨立變數，進而估計對「開發績效」

（dependent variable, Y）產生影響。此方法主要是觀察交互效果的路徑係數

是否顯著性，以判斷調節效果存在與否（Kaplan, Schoder & Haenlein, 2007）。

首先，須判斷模型良窳與否，在此測量模型中，因素負荷量都大於.50，且達

到統計上的顯著水準（請詳見圖 3）；四個構面（X, M, X*M, Y）之組合信


度，分別為.958、.981、.997 及.981；Cronbach’s Alpha 則分別為.951、.975、.997及.971；AVE 為.719、.929、.900 及.945，表示模型的信效度很好。在結構模

型方面，交互效果的路徑係數達統計上的顯著性，並且對「新產品開發績效」

解釋力高達 94.2%，表示模型的解釋力相當好（請詳見圖 3）。

既然「價值創新商數」對「新產品開發流程品質」與「開發績效」之間有顯

著的交互效果（β=.780, p< .01），「價值創新商數」與「新產品開發流程品

質」的主效果對本研究就不是很重要。因此，後續探討單純（simple）主要

效果，也就是(1)「新產品開發流程品質」在不同水準下，探討「價值創新商

數」對「開發績效」之影響；(2)「價值創新商數」在不同水準下，探討「新

產品開發流程品質」對「開發績效」之影響。

由表 4 顯示，「新產品開發流程品質」在不同因子水準下，高低二組之「價

值創新商數」對「開發績效」影響，雖然都達統計上的顯著性（β>.805, p<.001），但每組之配對檢定都有顯著的差異（T>3.50, p<.004），也就是證

實「新產品開發流程品質」在不同因子水準下，「價值創新商數」對「開發

績效」影響會有所不同。

MModerator Variable

YDependent Variable

XPredictor Variable

M1

M2

M3

M4

M5

M6

M7

M8

M9

X1 X2 X3 X4

Y1

Y2

Y3

.96**.95** .97**

.97**

X*MInteraction Effect

Predictor Variable: 新產品開發流程品質(X)Moderator Variable: 價值創新商數(M)Dependent Variable: 新產品開發績效(Y)

X1*M1 X1*M9 X2*M1 X2*M9 X3*M1 X3*M9 X4*M1 X4*M9... ... ... ...

R2= .942

.238*

.780**

.006.83**

.72**

.88**

.86**

.84**

.87**

.84**

.90**

.89**

.96**.98**

.97**

*p<0.05; **<0.01

X1 X2 X3 X4M1 .94** .95** .94** .95** M2 .90** .90** .89** .90** M3 .96** .96** .96** .96** M4 .95** .96** .96** .95** M5 .95** .94** .95** .94** M6 .96** .94** .97** .95** M7 .94** .95** .95** .95** M8 .96** .96** .96** .96** M9 .96** .96** .97** .96**

註：原始樣本 104 份，bootstrap 反覆抽樣抽取 1,000 個樣本為參數估計。

圖 3 PLS 模型（二）（outer loadings, path coefficients and R2）


表 4 「新產品開發流程品質」在不同水準下，「價值創新商數」對「開發績效」

之影響

「新產品開發流程品

質」之各水準組別

價值創新商數開發績效高-低組之配對

T-test

β T-value R2(%) T-value P-value

目標巿場與產品定位高 .949*** 95.82 90.1% 3.50 .004

Cut-off=3.9805 低 .805*** 25.08 64.9%

品質與資源管理高 .945*** 100.4 89.3% 5.27 .000

Cut-off=3.8893 低 .828*** 25.81 68.5%

測試與商業化高 .933*** 74.03 87.1% 4.00 .002

Cut-off=3.9422 低 .854*** 36.18 72.9%

發展過程彈性化高 .943*** 95.88 88.8% 4.40 .001

Cut-off=3.9375 低 .831*** 26.08 69.0%

註 1：Cut-off 以該組平均數為基準；bootstrap 反覆抽樣抽取 1,000 個樣本為參數估計；

***p<.001

註 2：配對 T-test：採用高-低二組之 outer loadings, path coefficients 及 R2進行比較。

由表 5 顯示，「價值創新商數」在不同因子水準下，高低二組之「新產品開

發流程品質」對「開發績效」影響，雖然都達統計上的顯著性（β>.848, p< .001），其中敏捷地決策、創新規劃、顧客導向的思維、尊重與授權與創

新學習之每組配對檢定有顯著的差異（分別 T=4.05；T=3.36；T=2.94；T=3.02；T=3.90；p<.01），而偵測情報、重視員工的影響力、接納與鼓勵及挑戰與風

險承擔的文化之每組配對檢定，並無達到統計上的顯著性（分別 T=1.95；T=2.24；T=2.13；T=2.31；p> .05）。


表 5 「價值創新商數」在不同水準下，「新產品開發流程品質」對「開發績效」

之影響

「價值創新商數」

之各水準組別

開發流程品質開發績效高-低組之配對

T-test

β T-value R2(%) T- value P-value

敏捷地決策高 .944*** 55.44 89.1% 4.05 .004

Cut-off=3.707 低 .888*** 35.70 78.8%

偵測情報高 .934*** 52.43 87.2% 1.95 .087

Cut-off=3.796 低 .929*** 49.45 86.3%

創新規劃高 .942*** 50.94 88.8% 3.36 .010

Cut-off=3.868 低 .860*** 29.86 74.0%

顧客導向的思維高 .944*** 64.22 89.2% 2.94 .019

Cut-off=4.212 低 .895*** 36.27 80.1%

尊重與授權高 .957*** 85.23 91.5% 3.02 .017

Cut-off=3.917 低 .849*** 24.47 72.1%

創新學習高 .944*** 73.44 89.0% 3.90 .005

Cut-off=4.002 低 .917*** 43.67 84.2%

重視員工的影響力高 .986*** 323.1 97.3% 2.24 .055

Cut-off=4.100 低 .848*** 25.85 71.8%

接納與鼓勵挑戰高 .970*** 147.28 94.2% 2.13 .066

Cut-off=4.215 低 .892*** 32.72 79.6%

風險承擔的文化高 .966*** 125.3 93.3% 2.31 .050

Cut-off=4.125 低 .849*** 25.31 72.0%

註 1：Cut-off 以該組平均數為基準；bootstrap 反覆抽樣抽取 1,000 個樣本為參數估計；

***p<.001

註 2：配對 T-test：採用高-低二組之 outer loadings, path coefficients 及 R2進行比較。

研究假設之驗證

價值創新對新產品流程品質的影響

由本研究結果顯示（如圖 2 所示），價值創新（敏捷地決策、偵測情報、創

新規劃、顧客導向的思維、尊重與授權、創新學習、重視員工的影響力、接

納與鼓勵挑戰及風險承擔的文化）對新產品流程品質（目標巿場與產品定


位、品質與資源管理、測試與商業化及發展過程彈性化）有顯著的影響（β=.945, p< .01），其中價值創新對新產品流程品質的直接效果為.945，且解釋力高達

89.3%。本研究之假設 H1 成立，此結果受到諸多學者的支持（Aiman-Smith et al., 2005; Garrett, Buisson & Yap, 2006; Ozer, 2006）。若公司鼓勵員工發表不

同意見、鼓勵員工接受改變，並且會從員工工作經驗獲取最佳化的學習，即

會對整體新產品流程品質有提升的效果。因此，價值創新對整體新產品流程

品質而言是非常重要的角色。

價值創新對新產品開發績效的影響

由本研究結果顯示（如圖 2 所示），價值創新（敏捷地決策、偵測情報、創

新規劃、顧客導向的思維、尊重與授權、創新學習、重視員工的影響力、接

納與鼓勵挑戰及風險承擔的文化）對新產品開發績效（巿場績效、技術績效

及顧客績效）有顯著的影響（β=.574, p<.01），其中直接效果為.574；間接效

果為.386（.945.408=.386）；總效果.960，且解釋力高達 93.8%。因此本研

究之假設 H3 成立，此結果也受到諸多學者的支持（Aiman-Smith et al., 2005;

Dillon, Lee & Matheson, 2005; Cooper & Kleinschmidt, 1995; Hurley & Hult, 1998; Varela & Benito, 2005）。價值創新確實有助於新產品開發，組織應重

視敏捷地決策、偵測情報、創新規劃、顧客導向的思維、尊重與授權、創新

學習、重視員工的影響力、接納與鼓勵挑戰及風險承擔的文化，這些皆會影

響組織的運作，影響流程品質的好壞，進而影響開發績效。

新產品流程品質對新產品開發績效的影響

由本研究結果顯示（如圖 2 所示），新產品流程品質（目標巿場與產品定位、

品質與資源管理、測試與商業化及發展過程彈性化）對新產品開發績效（巿

場績效、技術績效及顧客績效）有顯著的影響（γ=.408, p< .01），其中直接

效果為.408，與「價值創新商數」同共解釋「新產品開發績效」高達 93.8%。

因此本研究之假設 H4 成立，此結果也受到諸多學者的支持（Cooper, 1996;

Cooper & Kleinschmidt, 1995; Millson & Wilemon, 2002; Lynn, Valentine & Wright, 1996）。目標巿場與產品定位、品質與資源管理、測試與商業化及發

展過程彈性化對新產品開發績效有顯著的影響。此意味著新產品開發過程中

關鍵活動的完整性、投入應有的注意及資源，並且進行嚴謹的品質控制與檢

驗，相關的規定會隨著計劃的風險及需求而彈性調整，新產品上市前進行試

賣及謹慎發起市場活動等，有助於新產品開發績效的提升。


價值創新對新產品流程品質與開發績效之調節效果

由本研究結果顯示（如圖 3 所示），「價值創新商數」對「新產品開發流程

品質」與「開發績效」之間存在著調節效果（β=.780, p< .01），且解釋力高

達 94.2%。因此研究假設 H2 成立，即「新產品開發流程品質」對「開發績效」

的影響會隨著「價值創新商數」而有所不同，也就是「價值創新商數」會加

強「新產品開發流程品質」對「開發績效」的影響，因此，「價值創新商數」

有助於組織開發新產品的效率，可視為組織創新中的強心劑。

另外，「新產品開發流程品質」之各因子水準下，「價值創新商數」都會影

響「開發績效」，且高水準比低水準影響更大（β 高>β 低；R2高>R2

低），這無

疑告訴我們，目標巿場與產品定位、品質與資源管理、測試與商業化及發展

過程彈性化等四個因子，是新產品開發流程中重要因子，但運作流程品質越

高（高水準優於低水準），越能創造新產品開發績效（高水準優於低水準的

解釋力）；再則，「價值創新商數」之各因子水準下，「新產品開發流程品

質」也會影響「開發績效」，其中偵測情報、重視員工的影響力、接納與鼓

勵及挑戰與風險承擔的文化，高低二組的水準不相上下，也就是程度不是問

題，組織若有從事偵測情報、重視員工的影響力、鼓勵員工接受挑戰及勇於

承擔風險的文化，仍有助於開發績效，可視為新產品開發中的次要因子。而

敏捷地決策、創新規劃、顧客導向的思維、尊重與授權與創新學習等因子，

則高水準比低水準影響更大（β 高>β 低；R2高>R2

低），也顯示在「價值創新商

數」中扮演非常重要的角色，因為組織若不重視這些因子，將有礙於新產品

開發績效，也就是新產品開發流程中，越重視敏捷地決策、創新規劃、顧客

導向的思維、尊重與授權與創新學習（高水準優於低水準），越能創造新產

品開發績效（高水準優於低水準的解釋力）。


討論價值創新對新產品開發扮演非常重要的角色。本研究印證了「價值創新商數」

對「開發績效」的影響，它比「新產品開發流程品質」對「開發績效」的總

效果更強，而且具有調節效果，尤其是敏捷地決策、創新規劃、顧客導向的

思維、尊重與授權與創新學習等因素對新產品開發績效的影響最大，也顯示

對新產品開發的重要性。稍後，我們將逐一討論，最後本研究對高科技產業

提出可行之建議。

「敏捷地決策」對新產品開發的影響

在決策過程中，若企業能對環境快速回應，每位成員適度地涉入其中，並獲

得最好的資訊，及無阻礙適時適地進行敏捷的決策，對新產品開發績效將發

揮很大的作用，這是企業投入新產品開發活動必須要有的認知。

「創新規劃」對新產品開發的影響

價值創新計劃應包括掃描計劃及模擬（Aiman-Smith et al., 2005），每個開發

流程都應評估風險，若偵測到新機會，以價值鏈觀點看待每個開發流程，依

不同環境條件進行調整，新產品成功的機會比較大（Souder & Song, 1998）。

「顧客導向的思維」對新產品開發的影響

顧客導向在於了解顧客如何真正使用產品、反覆檢查提供什麼產品或服務給

目標顧客，並思考解決顧客的問題，不斷為顧客創造附加價值，提供優質的

顧客價值。這有助於快速完成新產品開發，提高新產品開發的績效。如此的

顧客導向在各國都有實證，對新產品開發成功有正面的影響（Ozer, 2006; Song & Noh, 2006; Zhou, 2006）。

「尊重與授權」對新產品開發的影響

若企業能尊重員工發表不同意見與表達他們對創新的看法，授權員工自主地

決定事情，讓他們在自己的領域中自我創造，此員工就會開發個人的創造

力，如此開放的改變對創新是有貢獻的（Aiman-Smith et al., 2005），也可提

升新產品開發的績效。


「創新學習」對新產品開發的影響

若鼓勵員工勇敢說出自己的意見，支持員工改變與接受挑戰，讓員工從過去

的工作經驗獲取最佳化的學習，對整體新產品的開發是有幫助的。即使在失

敗中，仍然允許承擔風險與學習的組織文化，這是有利於創新的

（Aiman-Smith et al., 2005）。

「價值創新商數」對「開發績效」不止有直接效果及間接效果，更有調節效

果，表示價值創新對企業在新產品開發中占非常重要的角色。

建議過去高科技產業由生產導向邁入行銷導向，而今不能只停留在行銷導向的觀

點上，應深刻體會到，價值創新強化了企業開發績效的提升，由以上觀之，

對台湾高科技產業提出以下可行方案，盼對未來經營者在新產品開發中有些

建樹。

以價值創新提升企業的應變能力

企業應隨時察覺巿場與商業趨勢，不只對現今顧客與未來潛在顧客，甚至競

爭者的顧客都要了解，因為顧客的需求與喜好多變。因此，對顧客及競爭廠

商的活動反應，能快速敏捷做出反應，對巿場的需求也能及時反應現況，將

有助於建立價值創新，使組織能成長與續存於競爭環境之中（Aiman-Smith et al., 2005）。

以價值創新加強顧客導向

企業在新產品開發階段應探索顧客的內隱知識，以了解顧客的需求與偏好，

結合在 R&D 的開發技術裡，就會容易開發出符合顧客需求的產品，增加新

產品開發績效。剛開始可使用品質機能展開法（QFD），將與新產品開發有

關部門的人員（包含行銷）整合起來，並以團隊合作方式來運作。從產品創

意概念的產生與發展企劃階段，即投入行銷計劃，同步考慮生產製造與行銷

部門的意見，詳細地規劃未來的方向。

以價值創新強化創新文化

首先從個人的價值觀著手，使其知道他們的工作影響著組織與顧客，了解個

人專業發展與創新在他們的工作中扮演很重要的角色。讓員工意識到工作不

只刺激個人創新，而且影響著他如何與其他人合作或幫助他人。創造組織學


習與組織分享的文化，特別是有關顧客創新方面，以提升比對手更高的競爭

優勢與傳送價值給顧客。

未來更可透過導入價值創新的思維，抱持勇於自我突破、面對挑戰未來的決

心，為企業帶來全新的視野與獲利的新契機，在詭譎的環境中，開創企業的

新藍海。

管理意涵與研究限制

理論與管理的意涵

本研究探討企業價值創新能力在新產品開發中扮演的角色。透過新產品流程

品質的聯結，更能清楚了解價值創新商數對新產品開發績效的重要性，然

而，過去學者未見價值創新商數與績效的實證，本研究不僅實證出價值創新

對新產品開發績效有強烈的影響及調節效果，並對價值創新理論的意義重

大。

價值創新商數的內涵對高科技產業有其特殊的意義，未來可經價值創新管

理，透過新產品開發流程的管理，切實掌握顧客價值，關注創新文化，靈活

穩健的應變，可獲得新產品開發績效而永續經營，價值創新仍成為企業管理

的主流趨勢。

研究限制與未來研究方向

本研究的回收率偏低，這是一個一直困擾著研究者的問題，主要因為台湾的

調查問卷繁多，且被調查者害怕詐騙問卷與洩露機密。當研究者與專案經理

人連絡時，多數經理人表示他們常常為處理各式各樣問卷調查而感到煩人，

且詐騙事件頻傳，讓人起戒心，又擔心不慎將公司資訊洩露，所以大多採取

「不予理會」的處理態度。本研究建議未來研究可採取以下方法，以提高回

應率，(1) 與產業的領導廠商合作，由領導廠商背書，增加公信力；(2) 獲得

政府單位或貿易協會的背書；(3) 與各廠商建立良好關係；(4) 提供誘因；(5) 利用或創造正式場合與研習會議，進行小小簡報與問卷調查。

未來研究方向可針對不同產業進行研究，探討在不同產業特性下，價值創新

對新產開發或開發階段的影響；或對不同國家的文化差異進行相關研究，文

化差異的特性是否在價值創新上會有所不同；或以群組比較的方式進行研

究，也是不錯的研究方向。


參考文獻

Aiman-Smith, L., Goodrich, N., Roberts, D., & Scinta, J. (2005). Assessing your organization’s potential for value innovation. Research Technology Management, 48(2), 37-42.

Balbontin, A., Yazdani, B., Cooper, R., & Souder, W. E. (1999). New product development success factors in American and British firms. International Journal of Technology Management, 17(3), 259-280.

Calantone, R. J., Schmidt, J. B., & Song, X. M. (1996). Controllable factors of new product success: A cross-national comparison. Marketing Science, 15(4), 341-358.

Christensen, C. (2003). The innovator’s solution: Creating and sustaining successful growth. Boston: Harvard Business School Press.

Cooper, R. G. (1996). Overhauling the new product process. Industrial Marketing Management, 25(6), 465-482.

Cooper, R. G. (1998). Leadership product: Creating and launching superior new products. M.A.: Perseus Books.

Cooper, R. G., & Kleinschmidt, E. J. (1995). Benchmarking the firm’s critical success factors in new product development. Journal of Product Innovation Management, 12(5), 374-391.

Dillon, T. A., Lee, R. K., & Matheson, D. (2005). Value innovation: Passport to wealth creation. Research Technology Management, 48(2), 22-36.

Efron, B. (1979). Bootstrap methods: Another look at the jackknife. Annals of Statistics, 7, 1-26.

Ernst, H. (2002). Success factors of new product development: A review of the empirical literature. International Journal of Management Reviews, 4(1), 1-40.


Fornell, C., & Larcker, D. F. (1981). Evaluating structural equations models with unobservable variables and measurement error. Journal of Marketing Research, 18(1), 39-50.

Garrett, T. C., Buisson, D., & Yap, C. M. (2006). National culture and R & D and marketing integration mechanisms in new product development: A cross-cultural study between Singapore and New Zealand. Industrial Marketing Management, 35, 293-307.

Griffin, A., & Hauser, J. R. (1996). Integrating R&D and marketing: A review and analysis of the literature. Journal of product innovation management, 13(3), 191-215.

Hair, J. F., Anderson, R. E., Tatham, R. L., & Black, W. C. (1998). Multivariate data analysis. Upper Saddle River: Prentice Hall.

Harmsen, H., & Jensen, B. (2004). Identifying the determinants of value creation in the market: A competence-based approach. Journal of Business Research, 57, 533-547.

Hulland, J. (1999). Use of partial least squares (PLS) in strategic management research: A review of four recent studies. Strategic Management Journal, 20, 195-204.

Hurley, R. F., & Hult, G. T. M. (1998). Innovation, market orientation, and organizational learning: An integration and empirical examination. Journal of Marketing, 62, 42-54.

Kaplan, A. M., Schoder, D., & Haenlein, M. (2007). Factors influencing the adoption of mass customization: The impact of base category consumption frequency and need satisfaction. Journal of Product Innovation Management, 24, 101-116.

Kim, W. C., & Mauborgne, R. A. (2005a). Value innovation: A leap into the blue ocean. The Journal of Business Strategy, 26(4), 22-29.


Kim, W. C., & Mauborgne, R. A. (2005b). Blue ocean strategy: From theory to practice. California Management Review, 47(3), 105-121.

Kolter, P. (2002). Marketing management (11th Ed.). Upper Saddle River: Prentice Hall.

Leifer, R., McDermott, C. M., Colarelli-O’Connor, G., Peters, L. S., Rice, M. P., &Veryzer, R. W. (2000). Radical innovation: How mature companies can outsmart upstarts. M.A.: Harvard Business School Press.

Lynn, G., Valentine, W., & Wright, R. (1996). A benchcasing study of new product and process development. Engineering Management Journal, 8, 5-14.

Lynn, G. S., Abel, K. D., Valentine, W. S., & Wright, R. C. (1999). Key factors in increasing speed to market and improving new product success rates. Industrial Marketing Management, 28, 320-329.

Matheson, D., & Matheson, J. (1998). The smart organization. Boston: Harvard Business School Press.

Medina, M. Q., & Chaparro, J. P. (2007/2008). The impact of the human element in the information systems quality for decision making and user satisfaction. The Journal of Computer Information Systems, 48(2), 44-53.

Millson, M. R., & Wilemon, D. (2002).The impact of organizational integration and product development proficiency on market success. Industrial Marketing Management, 31(1), 1-23.

Nunnally, J. C. (1978). Psychometic theory. New York: McGraw-Hill.

Ozer, M. (2006). New product development in Asia: An introduction to the special issue. Industrial Marketing Management, 35, 252-261.

Pavlou, P. A., & Fygenson, M. (2006). Understanding and predicting electronic commerce adoption: An extension of the theory of planned behavior. MIS Quarterly, 30(1), 115-143.


Pirouz, D. M. (2006). An overview of partial least squares. Retrieved February 19, 2008, from http://www.merage.uci.edu/~dpirouz04/research/pls/PLS.pdf.

Ringle, C. M., Wende, S., & Will, A. (2005). SmartPLS-Version 2.0. Germany: University at Hamburg. Retrieved February 20, 2008, from http://www.smartpls.de.

Sawhney, R., & Piper, C. (2002). Value creation through enriched marketing- operations interfaces: An empirical study in the printed circuit board industry. Journal of Operational Management, 20, 259-272.

Song, M., & Montoya-Weiss, M. M. (2001). The effect of perceived technological uncertainty on Japanese new product development. Academy of Management Journal, 44(1), 61-80.

Song, M., & Noh, J. (2006). Best new product development and management practices in the Korean high-tech industry. Industrial Marketing Management, 35, 262-278.

Song, X. M., & Parry, M. E. (1997). The determinants of Japanese new product successes. Journal of Marketing Research, 34, 64-76.

Souder, W. E., & Jenssen, S. A. (1999). Management practices influencing new product success and failure in the United States and Scandinavia: A cross cultural comparative study. Journal of Product Innovation Management, 16(2), 183-203.

Souder, W. E., & Song, X. M. (1998). Analyses of U.S. and Japanese management processes associated with new product success and failure in high and low familiarity markets. Journal of Product Innovation Management, 15, 208-223.

Varela, J., & Benito, L. (2005). New product development process in Spanish firms: Typology, antecedents and technical/marketing activities. Technovation, 25(4), 395-405.

Zhang, J., Pantula, S. G., & Boos, D. D. (1991). Robust methods for testing the pattern of a single covariance matrix. Biometrika, 78, 787-795.


Zhou, K. Z. (2006). Innovation, imitation, and new product performance: The case of China. Industrial Marketing Management, 35, 394-402.

2009 年5 月第十二卷二期 • vol. 12, no. 2, may...

Documents