供应链协同对创新绩效的影响研究——知识共享的中介效应.pdf

THE BUSINESS CIRCULATE|商业流通MODERN BUSINESS现代商业41供应链协同对创新绩效的影响研究知识共享的中介效应谷琦冯百侠华北理工大学管理学院河北唐山063210摘要：面对越发激烈的市场竞争环境，企业创新能力对于提升企业竞争力具有十分重要的意义，而仅仅凭借单个企业的力量，往往难以获得创新所需要的全部资源，企业创新不仅需要企业自身的力量，供应链协同可以为企业提供丰富的创新资源。本文以制造企业为研究对象，构建了供应链协同对创新绩效影响的研究模型，结果发现：供应链协同对创新绩效具有正向影响；知识共享在供应链协同与创新绩效之间起到中介作用；大数据能力正向调节供应链协同与创新绩效之间的关系。关键词：大数据；供应链协同；知识共享；创新绩效中图分类号：F274；F273.1文献识别码：A文章编号：1673-5889（2023）15-0041-05一、引言关于积极推进供应链创新与应用的指导意见提出“推进供应链创新发展，有利于加速产业融合、深化社会分工、提高集成创新能力，有利于建立供应链上下游企业合作共赢的协同发展机制”。随着经济发展方式的转变，创新驱动已经成为我国经济发展的重要战略支撑。制造企业作为实体经济的重要主体，对我国经济的长期稳定发展具有重要意义，“中国制造 2025”战略提出，要求我国制造企业提升创新能力，实现高质量发展。供应链作为企业重要的外部环境，企业在与上下游企业协同的过程中实现了对创新资源和创新要素的协同配置，创新资源与创新能力的有效互补，产生协同效应，突破了企业自身资源限制，达到“1+1 2”的协同创新效果。随着社会经济的发展，知识已经成为企业发展不可或缺的资源，由于信息壁垒，企业从外部获取知识的成本越来越高，缺乏高水平的知识共享，企业将很难实现提升创新绩效的目标。供应链协同使制造企业与上下游企业形成了供应链伙伴关系，良好的协同关系能够促进企业间知识共享行为的发生，从而提高创新绩效。同时，随着数字时代的不断发展，企业所处的大数据环境对企业行为和发展产生了不可忽视的影响，大数据能力已经成为企业的一项重要能力。在企业管理实践中，虽然有小部分企业通过供应链协同实现了巨大的发展，但是对于大部分企业来说，如何进行有效的供应链协同管理，仍然是一个巨大的管理难题。基于此，本文以制造企业为调查对象，探讨了供应链协同对创新绩效的影响，以知识共享为中介变量，大数据能力为调节变量，研究了供应链协同、知识共享、大数据能力以及创新绩效之间的相互作用机制和影响关系，为有效发挥供应链协同作用，提升企业创新绩效具有重要的理论意义和实践价值。二、理论假设（一）供应链协同对创新绩效的影响供应链协同是指企业与供应链上其他成员为了实现共同的目标，通过信息共享、同步决策、激励联盟等措施提高企业之间的协同度，实现企业之间的合作共赢。许婷、杨建君（2017）1研究认为制造企业与供应链合作伙伴进行合作，通过资源共享、共同协商制定管理决策等，可以更好地实现创新目标。Estrada（2016）2探究发现与合作伙伴之间通过信息资源共享，能够帮助企业激发创新思维，获得创新的灵感，企业合理的分配有效资源对产品进行创新，提升企业创新绩效。Tieng（2020）3以泰国制造企业为研究对象，将加入供应链关系的制造企业创新绩效进行对比，发现在加入供应链网络，与上下游企业形成良好的协同关系后，企业的创新绩效得到提升。宋丽平、黄瑞雪（2021）4在研究中认为，企业所处的供应链为企业创新活动提供了大部分的目标和资源，供应商和客户为企业创新提供了重要的信息，企业要注重供应链关系和创新绩效的协同发展。供应链协同能够帮助企业整合和利用供应链上其他企业的资源和能力，实现创新资源的互补。信息共享能够降低企业获取信息的成本，更好地把握产品和市场的相关信息。在信息共享的基础上，企业与供应链伙伴共同做出决策，合理运用不同企业的资源，实现优势互补，在考虑每个企业的状况的前提下进行同步决策，更有利于创新计划的实施与创新目标的达成。有效的激励措施，能够鼓励供应链中的企业参与供应链协同的积极性，提升对整个供应链的认同感，达成合作共赢的共识，降低企业之间冲突所带来的成本，提升创新绩效。同时，建立良好的协同关系，企业之间相互合作与沟通，能够帮助企业降低创新所带来的风险，提高创新的成功率。据此本文提出如下假设。H1：供应链协同对创新绩效有显著正向影响。（二）供应链协同对知识共享的影响冯长利（2015）5企业所处的供应链不仅是企业的一张供需网络，供应商为企业的生产制造提供了原材料、零部件等；下游的分销商、零售商等为企业生产的产品提供了需求和销售渠道，而且与供应链成员企业进行知识共享还是企业进行知识共享的重要渠道。当企业现有的知识体系无法解决遇到的问题THE BUSINESS CIRCULATE|商业流通MODERN BUSINESS现代商业42时，从外部获取知识成为了企业必然的选择。供应链协同加深企业之间的联系，企业之间建立了合作关系，在利益与目标一致的基础上，企业更愿意与供应链成员进行知识共享。供应链协同在企业之间建立的激励联盟使企业能够享受到知识共享所带来的好处，这也将进一步促进企业间知识共享行为的发生。同时企业在进行信息共享与同步决策时往往需要企业间深入和频繁的沟通，这些都为知识共享创造了良好的环境，良好的沟通提升了企业之间的关系质量和对彼此的了解，更容易建立相互信任的关系，同时，企业之间的良好交流也有利于知识的传递与表达，使对方更好地理解所分享的知识，实现知识的共享。据此本文提出如下假设。H2：供应链协同对知识共享有显著正向影响。（三）知识共享对创新绩效的影响知识共享是指企业将自身所拥有的知识与其他企业进行交流和共享，促进知识在企业之间的流动，企业在增加自身知识储备的同时利用这些知识来为企业创造价值。张悟移等（2020）6在研究中认为企业间的知识共享突破了企业间的壁垒，对于企业提升创新绩效具有重要的促进作用，同时创新能够提升企业所获得的利益并且帮助企业取得竞争优势。Fawcett（2012）7等认为供应链成员间不同的知识体系和知识来源有利于企业之间知识资源的互补，并且企业之间良好的互信关系可以使制造企业更好地利用供应链环境实现产品创新。Changfeng 等（2020）8以知识管理和创新能力理论为基础，在对中国企业调查后通过实证研究发现，协作创新活动、知识共享对创新绩效具有显著的提升作用，揭示了不同关键因素对于供应链企业创新绩效的影响。童红霞（2021）9通过对数字经济环境下知识共享与创新绩效之间关系的研究发现，知识共享对创新绩效具有显著的正向影响。喻登科、周子新（2020）10在研究中认为企业在与外部组织展开合作时，有机会获得企业所需的外部知识，通过对其他企业经验和技术的借鉴来实现对自身产品的改进。知识共享增加了企业获得知识的来源，对企业现有的知识资源进行了补充，有利于企业突破原有知识资源所带来的限制，同时在知识共享过程中增强了企业的学习能力，有利于企业创新绩效的提升。据此本文提出如下假设。H3：知识共享对创新绩效有显著正向影响。（四）知识共享的中介作用企业与供应链伙伴之间的协同关系使企业间形成了合作共赢的利益共同体，为了提升企业的竞争力，企业之间会加强合作，而知识共享是企业间合作行为的一种重要方式。在供应链协同过程中，企业之间的关系变得密切，企业的创新活动往往也需要其他企业的帮助，知识资源作为企业最重要的资源之一，企业间的知识共享有助于企业突破创新瓶颈。Shih 等（2012）11在研究中指出在上下游企业进行协同合作来取得创新成果时，企业间的知识共享在这个过程中起到了十分重要的作用。供应链协同为企业间的知识共享行为的发生创造了更多的可能性，通过知识共享企业获得了丰富的知识资源，同时在对知识进行理解和吸收的过程中，企业的学习能力进一步加强，有利于企业创新绩效的提升。据此本文提出如下假设。H4：知识共享在供应链协同与创新绩效的关系中起到中介作用。（五）大数据能力的调节作用企业的大数据能力是指企业运用大数据信息技术对企业内外的大数据资源进行收集、整合和分析，在深度分析的基础上探索数据背后的价值，为企业的管理决策提供支持。随着大数据时代的到来，海量的数据渗透到企业管理的各个方面，企业如何在供应链管理中运用大数据能力实现与供应链伙伴之间的有效协同，达到提升创新绩效的目的需要进一步的探索。Schoenherr（2015）12研究表明，大数据的运用可以帮助企业提高决策和需求计划能力，降低企业供应链运营的成本，提高供应链运营效率。曹凌（2013）13研究认为，大数据的运用可以为社会带来创新和变革。许芳（2020）14通过实证研究发现，大数据能力对供应链协同和企业创新绩效都具有正向的促进作用。大数据资源整合能力帮助企业收集和整合企业内外的各种数据资源，对资源进行分类，减少了企业对数据收集的成本，提高了效率。在对数据资源进行整合的基础上，大数据深度分析能力运用大数据分析软件对数据进行深度的分析，发现数据背后的价值，为企业的管理决策提供支持。实施洞察和预测能力，有助于企业、通过数据更好的发现市场机会，及时应对各种风险，有利于企业制定战略和决策。大数据所代表的信息技术为企业的信息交流和共享提供了技术上的支持，使得信息数据变得透明，信息的及时获取有助于创新绩效的提升，同时，大数据的分析和预测能力，为企业间的同步决策提供了支持，对数据的分析提升了决策的科学性和可靠性，企业能够在更了解市场发展趋势和用户需求的基础上做出创新决策，提升了创新成功的可能性。大数据技术的运用将供应链上各企业更加紧密的联系起来，更好地了解彼此间的发展情况，提高企业间的协同程度，为了共同的目标而努力。大数据能力促进了企业与供应链成员的协同程度从而实现创新绩效的提升。据此本文提出如下假设。H5：大数据能力在供应链协同与创新绩效之间起到正向调节作用。本文研究的理论模型图 1 所示。图1理论模型三、研究设计（一）变量测量为了保证测量量表的信度和效度，本文在对所涉及到的变量供应链协同、知识共享、大数据能力和创新绩效进行测量时，在对前人的研究进行整理的基础上选择与参考国内外学者已经THE BUSINESS CIRCULATE|商业流通MODERN BUSINESS现代商业43使用过的成熟量表，同时结合本文的研究内容和目的对有的题项加以适当修改，使得所用量表更加符合本文需求。本研究中各变量采用李克特 5 级量表进行测量，1 5 分依次代表非常不同意、不同意、一般、同意、非常同意。关于供应链协同的测量，本文参考 Simatupang（2005）15、Cao 和 Zhang（2011）16以及曾文杰和马士华（2010）17的测量量表并进行相应的修改和调整，从信息共享、同步决策、激励联盟三个维度对供应链协同进行测量。关于知识共享的测量，本文参考冯长利等（2015）5的测量量表，研究供应链企业间的知识共享，主要从知识共享所包含的内容方面对知识共享进行测量，量表主要包括 6 个题项。关于大数据能力的测量，本文主要参考了谢卫红（2016）18的测量量表，并结合程刚等（2014）19对大数据能力的研究，从资源整合能力、深度分析能力和实时洞察和预测能力三个维度对大数据能力进行测量。关于创新绩效的测量，本文参考钱锡红等（2010）20、章威（2009）21的测量量表，对创新绩效进行测量。此外，本文将可能影响创新绩效的企业规模、企业成立年限、企业所处的行业以及企业运用大数据技术的时间作为控制变量。（二）样本选择与数据收集根据本文的研究内容，本研究在发放问卷进行调查时选取江苏省内制造企业作为样本，此外，在调查对象的选择上应尽量选取对企业大数据能力、供应链协同和研发创新了解较为全面的各层级管理人员、供应链管理人员以及产品研发人员，用来保证数据获取的真实性，使得本研究更具现实意义。本文共发放调查问卷 408 份，回收问卷 337 份，回收率为 82.6%，剔除无效问卷后，最终获得有效问卷 278 份，有效回收率为68.1%。（三）信度和效度检验对所获样本数据的信度和效度进行检验，结果如表 1 所示。由表 1 可以得出，各变量的 Cronbachs 系数均大于 0.7，说明量表具有较好的信度。在效度方面，从 AVE 值来看，各变量维度的 AVE 值均大于 0.5，符合 AVE 值大于 0.5 的要求；从CR 值来看，表中的 CR 值均大于 0.7。因此，本文中使用的量表具有良好的聚敛效度。在区分效度的检验上，通常采用 AVE的值与对因变量与其他变量之间的相关系数的平方做对比，当AVE 值大于相关系数的平方时，即对该变量的测量具有良好的区分效度。通过计算与对比，本研究中所用的量表具有良好的区别效度。综上，本文中使用的量表具有良好的信度和效度。表1样本信度和效度检验结果变量维度Cronbachs CRAVE供应链协同信息共享0.8920.8930.628同步决策0.9150.9170.689激励联盟0.8860.8870.612知识共享知识共享0.8730.8740.538大数据能力资源整合能力0.8940.8950.631深度分析能力0.8930.8940.678实时洞察与预测能力0.8920.8950.632创新绩效创新绩效0.9130.9160.647同时对本文的模型拟合指标进行分析，如表 2 所示。由表2 可知，所有拟合优度指标均达到通用标准，说明本研究所建立的验证性因子分析模型有效且与回收数据的匹配程度较好。进一步的，本研究选择最常用的 Harman 单因素方法来检验共同方法偏差，分析结果显示，未旋转的最大的因子方差解释率为37.966%，低于 40%，这表明样本数据中不存在能够解释绝大部分变异的单一因子，即本研究不存在严重的共同方法偏差。表2验证性因子分析模型拟合指标拟合指数判断标准实际值卡方自由度比X/df31.134拟合优度指数GFI0.80.875调整的拟合优度指数AGFI0.80.857近似误差平方根指数RMSEA0.080.022规范拟合指数NFI0.90.901修正拟合指数IFI0.90.987比较拟合指数CFI0.90.985非范拟合指数NNFI（TLI）0.90.987四、实证分析（一）相关性分析根据表 3 相关性分析结果显示，各变量均显著相关，同时，通过多重共线性 VIF 检验，所有变量的 VIF 值均小于通用标准10，说明模型选取的变量不存在多重共线性，可以进行后续的影响关系检验。表3相关性分析结果123456781.XG12.TJ0.507*13.JL0.414*0.577*14.ZZ0.519*0.612*0.477*15.ZZZH0.291*0.395*0.386*0.400*16.SDFX0.330*0.456*0.414*0.379*0.310*17.SDYC0.326*0.455*0.452*0.454*0.310*0.376*18.CJ0.575*0.720*0.601*0.671*0.443*0.523*0.461*1均值3.181 2.958 3.110 3.053 3.275 3.300 3.250 2.990 标准差0.929 1.077 0.998 0.941 1.015 1.019 1.029 1.035 注：*表示p0.01。（二）回归分析1.知识共享对创新绩效的假设检验知识共享对创新绩效的回归分析结果如表 4 所示。在模型 1的基础上将知识共享加入到模型中得到模型 2，分析结果表明，知识共享与创新绩效的回归系数的大小为 0.663，p 0.001，表明知识共享与创新绩效存在显著的正向影响作用，故 H3 假设成立。表4知识共享与创新绩效的回归分析变量创新绩效模型1模型2控制变量企业规模0.0160.018企业所属行业0.1220.058企业成立年限0.0020.022企业运用大数据技术的时间0.0650.032自变量知识共享0.663*模型拟合R0.0250.458调整后R0.0100.448F1.73446.030*注：*P0.05，*P0.01，*P0.001。THE BUSINESS CIRCULATE|商业流通MODERN BUSINESS现代商业442.知识共享的中介作用检验知识共享的中介作用检验结果如表 5 所示。模型 3 是在模型 1 的基础上加入供应链协同，由模型 3 可知，供应链协同对创新绩效有显著的正向影响，即假设 H1 成立。模型 4 检验了供应链协同对知识共享的影响，结果表明，供应链协同对知识共享有显著的正向影响，即假设 H2 成立。在模型 3 的基础上加入知识共享得到模型 5，模型 5 与模型 3 相比，知识共享的回归系数为 0.282，p 0.001，供应链协同的回归系数为 0.586，供应链协同的回归系数与模型 3 相比有所下降，但显著性不变，表明知识共享在供应链协同与创新绩效之间起到部分中介作用。即假设 H4 成立。表5知识共享的中介作用变量创新绩效知识共享模型3模型5模型4控制变量企业规模-0.0050.001-0.021企业所属行业0.0480.0380.033企业成立年限-0.0020.007-0.035企业运用大数据技术的时间-0.008-0.004-0.013自变量供应链协同0.772*0.586*0.659*中介变量知识共享0.282*模型拟合R0.6050.6500.437调整后R0.5980.6420.427F83.293*83.713*42.214*注：*P0.05，*P0.01，*P0.001。3.大数据能力的调节作用在对自变量和调节变量进行去中心化后，大数据能力的调节作用检验结果如表 6 所示。模型 6 是仅有自变量和调节变量的回归模型，在此基础上模型 7 加入了自变量与调节变量的交互项进行回归，回归结果显示，交互项的回归系数为 0.155，p 0.001，即大数据能力对供应链协同与创新绩效之间的关系起到正向的调节作用，即假设 H5 成立。表6大数据能力的调节作用变量创新绩效模型1模型6模型7控制变量企业规模0.0160.0190.015企业所属行业0.1220.0310.035企业成立年限0.002-0.005-0.002企业运用大数据技术的时间0.065-0016-0.029自变量供应链协同0.627*0.592*调节变量大数据能力0.229*0.268*交互项供应链协同*大数据能力0.155*模型拟合R0.0250.6350.658调整后R0.0100.6270.649F1.73478.562*74.115*注：*P0.05，*P0.01，*P0.001。五、研究结论供应链是企业所处的重要外部环境，与供应链上下游企业建立协同关系对于提升企业创新绩效十分重要的意义。研究表明，供应链协同对创新绩效具有显著的促进作用，还对知识共享具有显著的正向影响；同时，知识共享对创新绩效具有显著的正向影响；知识共享在供应链协同与创新绩效的关系之间起到中介作用；大数据能力在供应链协同与创新绩效之间起到正向调节作用。企业与供应链成员企业建立协同关系，增加了企业获取创新资源的外部渠道，协同关系能够增强企业之间的联系与信任，共享信息资源，共同应对可能出现的风险与机遇，增强企业间的认同感，形成合作共赢的良好关系，推动企业创新活动的展开，最大限度地利用企业内外的创新资源，提升创新绩效。企业要做好知识共享工作，建立知识共享渠道，发挥知识资源在创新中的作用。同时，企业要积极融入大数据发展环境，为企业间协同关系与创新的发展增添新动力。参考文献：1 许婷，杨建君.企业间信任，合作模式与合作创新绩效知识库兼容性的调节作用J.华东经济管理，2017（12）：35-43.2 Estrada I，Faems D，Faria P D.Coopetition and product innovation performance：The role of internal knowledge sharing mechanisms and formal knowledge protection mechanismsJ.Industrial Marketing Management，2016，53：56-65.3 Tieng K，Amna J，Chawalit J，et al.Sustaining innovation through joining global supply chain networks：The case of manufacturing firms in ThailandJ.Sustainability，2020，12（13）：52.4 宋丽平，黄瑞雪.高新技术企业供应链关系与创新绩效协同度研究J.科技与管理，2021，23（4）：65-71.5 冯长利，张明月，刘洪涛，等.供应链知识共享与企业绩效关系研究供应链敏捷性的中介作用和环境动态性的调节作用J.管理评论，2015，27（11）：181-191.6 张悟移，孙雪莲，向海林.基于知识共享的供应链协同创新利润分配研究J.重庆理工大学学报（社会科学），2020，34（8）：88-96.7 Fawcett S E，Jones S L，Fawcett A M.Supply chain trust：The catalyst for collaborative innovationJ.Business Horizons，2012，55（2）：16.8 Wang Changfeng，Hu Qiying.Knowledge sharing in supply chain networks：Effects of collaborative innovation activities and capability on innovation performanceJ.Technovation，2020，94-95.9 童红霞.数字经济环境下知识共享、开放式创新与创新绩效知识整合能力的中介效应J.财经问题研究，2021（10）：49-61.10喻登科，周子新.普适性信任、知识共享宽度与企业开放式创新绩效J.科技进步与对策，2020，37（1）：112-121.11Shih S C，Hsus H Y，Zhu Zhiwei，et al.Knowledge sharingA key role in the downstream supply chainJ.Information&Management，2012，49（2）：70-80.12Schoenherr T，Speier-Pero C.Data science，predictive analytics，and big data in supply chain management：Current state and future potentialJ.THE BUSINESS CIRCULATE|商业流通MODERN BUSINESS现代商业45特色小镇旅游地属性对旅游满意度影响研究以认同感和旅游体验为中介凌瑛浙江工业职业技术学院浙江绍兴312000基金项目：浙江省社科联研究课题“后脱贫时代职业教育防控返贫的作用机理和实现路径研究”（批准号：2023N135）阶段性成果。摘要：基于 Fishbein 提出的多属性态度模型1，本研究探讨了特色小镇旅游地属性如何对旅游满意度产生影响。将特色小镇旅游地属性（文化、便利性和基础服务质量）设为自变量，旅游满意度设为因变量，并引入了中介变量认同感和旅游体验。采用情景回顾与调查问卷的方法收集数据，对 282 个样本数据进行分析。结果表明：文化和便利性通过认同感和旅游体验的中介作用对旅游满意度产生影响，基础服务质量对旅游体验的影响并不显著。关键词：特色小镇；文化；便利性；基础服务质量；旅游满意度中图分类号：F832.5文献识别码：A文章编号：1673-5889（2023）15-0045-06Journal of business logistics，2015，36（1）：120-132.13曹凌.大数据创新：欧盟开放数据战略研究J.情报理论与实践，2013，36（4）：118-122.14许芳，田萌，徐国虎.大数据应用能力对企业创新绩效的影响研究：供应链协同的中介效应与战略匹配的调节效应J.宏观经济研究，2020（3）：101-119.15Simatupang T M，Sridharan R.The collaboration index：A measure for supply chain collaborationJ.International Journal of Physical Distribution&Logistics Management，2005，35（1）：44-62.16Cao Mei，Zhang Qingyu.Supply chain collaboration：Impact on collaborative advantage and firm performanceJ.Journal of Operations Management，2011，29（3）：163-180.17曾文杰，马世华.制造行业供应链合作关系对协同及运作绩效影响的实证研究J.管理学报，2010（8）：1221-1227.18谢卫红，刘高，王田绘.大数据能力内涵、维度及其与集团管控关系研究J.科技管理研究，2016，36（14）：170-177.19程刚，李敏.企业大数据能力培育机制研究J.现代情报，2014，34（3）：7-11.20章威.基于知识的企业动态能力研究：嵌入性前因及创新绩效结果D.杭州：浙江大学，2009.21钱锡红，杨永福，徐万里.企业网络位置、吸收能力与创新绩效一个交互效应模型J.管理世界，2010（5）：118-129.作者简介：1.谷琦，华北理工大学管理学院硕士研究生，研究方向：企业管理。2.冯百侠，华北理工大学管理学院研究生导师，教授。一、引言特色小镇位于大城市内部或周边，具有一定的文化、历史、艺术、科学、养生等价值的景观节点、建筑风貌，具有独特的魅力和鲜明的主题文化，拓展高端产业辐射的边界，通过旅游的流动产生更大的消费力。本文研究的特色小镇是指旅游功能鲜明、迎合当地人文化的特色小镇，包含一定的旅游地属性：旅游吸引物、娱乐设施、信息咨询服务等，国家和各个省份都在高度强调推进特色小镇建设的重要性，也越来越多的游客会选择旅游功能鲜明的特色小镇为旅游目的地。方炜（2016）总结了目前针对国内特色小镇的研究主要是从以下角度出发的：特色小镇的政策支撑、内涵研究、产业研究、文化研究、规划研究、开发研究、作用影响研究以及研究的总结与展望等方面9。而为了中国旅游业以及特色小镇旅游的长期发展构建一个政策方针，非常有必要提出一个综合的分析，包括旅游满意度。在旅游研究中，普遍认为游客总体满意度由旅游目的地属性绩效决定2，而旅游满意度可以被认为是顾客在体验旅游服务后所带来的自身的整体态度3，因此本文借鉴 Fishbein（1963）提出的多属性态度模型，以特色小镇旅游地属性为自变量，旅游满意度为因变量，并引入认同感和旅游体验为中介，从消费者感知视角探讨特色小镇旅游属性对旅游满意度的影响。本文回顾了特色小镇旅游地属性、旅游满意度、认同感和旅游体验的相关理论及其关系研究的文献基础上，建立了四者之间关系的概念模型。