How does dynamic network capability operate? A moderated mediation analysis with NPD speed and firm age
Notice bibliographique
Résumé
Purpose Systematic research examining the mechanisms that mediate the dynamic capability–performance relationship remains scarce. So too is research on the conditions under which these mechanisms might be influential. Accordingly, this study aims to build upon business network research to examine how a firm’s dynamic network capability (DNC) impacts firm performance, mediated by the speed of product reconfiguration (i.e. new product development [NPD] speed) and bounded by firm age. Design/methodology/approach The authors conduct moderated mediation analysis on survey data from small- and medium-sized manufacturing and technology firms in the USA. This study uses an initial survey and then a follow-up survey. Findings The findings support the general view that DNC is instrumental to firm performance, regardless of firm age. However, DNC operates differently for younger vs older firms. That is, DNC’s impact on the performance of younger firms is enabled by speeding up NPD, while much of the performance impact for older firms appears to be through alternative resource reconfiguration route(s). This study identifies the need to include a mediating variable such as resource reconfiguration to detect how DNC impacts performance. Research limitations/implications The model could include different dimensions of mediating resource reconfigurations, alternative boundary conditions and longer-term data. Practical implications This study provides managers with insight on how speed of product reconfiguration (in terms of NPD) operates in the DNC–performance relationship. It also helps them understand how this relationship changes in younger vs older firms. Originality/value To the best of the authors’ knowledge, this study is the first to provide empirical evidence on how DNC operates to influence performance in firms that are younger vs older.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».