Moderators for Outsourcing and Firm

Moderators for Outsourcing and Firm Performance Relationship
In addition to the direct relationship outlined in H1, it is important to identify potential moderators of the relationship between outsourcing and firm performance. To do so, I utilize capability theory. Following capability theory, firms tend to engage in productive activities for which they can utilize their core capabilities. Therefore, a firm that can efficiently transform its resources into productive value will utilize that capability internally. As noted by Kotabe (2012, p. 334), “if a firm has high labor productivity, it is better off by internalizing activities and outsourcing them leads to misalignment and associated lower performance.” Therefore, labor productivity could act as a negative moderator for the relationship between outsourcing and firm performance. Given this, I offer the following hypothesis:
H2: Labor productivity is a negative moderator of the relationship between outsourcing and firm performance.
Because firms are able to focus their core capabilities on those activities for which they are most appropriate by purchasing other companies’ product capabilities in the market, R&D efficiency will improve, causing the R&D expense to sales ratio to fall. Additionally, because the purchase of product capabilities in the form of modules can reduce transaction costs, it can serve to improve overall firm performance. In other words, there exists a negative relationship between the degree to which firms with high R&D intensity (R&D expenditure to sales ratio) engage in
7 ©JBSQ 2013
outsourcing and their performance (Kotabe et al., 2012). Therefore, when outsourcing, increases in a firm’s R&D intensity may decrease that firm’s performance. As such, I offer the following hypothesis:
H3: R&D intensity is a negative moderator of the relationship between outsourcing and firm performance.
4. Empirical Analysis
In this section, I test the three hypotheses proposed in the previous section. I first describe the data used to test the hypotheses, then present the results of the analysis.
Data
All companies sampled for this study are Japanese manufacturing firms. Specifically, data were collected from 1,421 firms for the five years between 2007 and 2011. Given this data collection strategy, the entire dataset consists of 7,105 independent observations. All data were downloaded using the Nikkei NEEDS Financial QUEST Version 2.0. The purpose of collecting longitudinal data over five years is to observe medium- to long-term activities within individual firms. Sampling data from only one year would risk allowing outlier events (e.g., financial crises, natural disasters) to influence observations of firms’ performances. As a result, the observation of their typical activities would be more difficult.
Data were collected on the basis of a Japanese fiscal year lasting from April 1 to March 31. As such, panel data for each year were constructed on the basis of this time period. Firms that lacked data required to perform regression analyses were removed from the data set. In addition, firms that did not have data for the entire five-year period between 2007 and 2011 were also removed. These exclusion criteria reduced the original sample from 7,555 observations to the above-cited 7,105 observations.
To analyze the hypotheses proposed above, I utilize the fixed effects regression model to evaluate the proposed hypotheses because it was supported by the F test and the Hausman test.
Dependent Variable
For all three hypotheses, firm performance is used as the dependent valuable. Previous research in this domain has used a number of variables to represent firm performance. These include sales share (Grimpe & Kaizer, 2010; Kotabe et al., 2012), revenue (Rothermel et al., 2006), and return on assets (Hsu & Wang, 2012; Lim, Stratopoulos, & Wirjanto, 2012). In this paper, I used return on sales (ROS) as the dependent measure meant to indicate firm performance. I did so because it is one of the most important financial indicators, and recent research has also adopted ROS as a proxy for firm performance (see Acquaah, 2012; Li, Veliyath, & Tan, 2013). Because business operations can be quantified, I used operating profit to calculate ROS.
Independent Valuables
In addition to the outcome measure, I also incorporated a number of independent variables into the fixed effects regression model. These predictor variables are described below.
(1) OSR (Outsourcing Rate)
Typically, vertical integration rate is demonstrated by value-added to sales ratio (Balakrishnan & Wernerfelt, 1986; Hutzschenreuter & Grone, 2009; Levy, 1985; Nor Ghani,
8 ©JBSQ 2013
Ahmad, & Khalil, 2006). In these studies, outsourcing rate is calculated as [(Sales – Value Added) / Sales] (Mauri & de Figueiredo, 2012). In this study, however, I calculate OSR using data that has been officially published by the company to which it is attributed. Outsourcing rate can be shown by the rate of industrial purchases to sales (Kotabe & Mol, 2009; Kotabe et al., 2012). I follow that rate to calculate OSR but use “cost of goods sold” as a denominator because this article focuses on production outsourcing. To obtain data related to the calculation of OSR, I downloaded non-consolidated financial statements using Nikkei NEEDS Financial QUEST 2.0. Following Matsuda (1989), I calculated OSR as follows: [(Goods purchased + Low materials + Outsourced processing fee + Fuels & utilities) – Purchases from related companies] / Cost of goods sold.
(2) SIZE

Kết quả (Việt) 1:

Điều phối viên cho gia công phần mềm và công ty mối quan hệ hiệu suấtNgoài mối quan hệ trực tiếp nêu trong H1, nó là quan trọng để xác định tiềm năng người kiểm duyệt của mối quan hệ giữa tính năng của gia công phần mềm và công ty. Để làm như vậy, tôi sử dụng lý thuyết khả năng. Sau khả năng lý thuyết, công ty có xu hướng để tham gia vào các hoạt động sản xuất mà họ có thể tận dụng khả năng cốt lõi của họ. Vì vậy, một công ty có hiệu quả có thể chuyển đổi tài nguyên của nó vào sản xuất giá trị sẽ sử dụng khả năng đó trong nội bộ. Như lưu ý bởi Kotabe (2012, p. 334), "nếu một công ty có hiệu xuất lao động cao, nó là tốt hơn hết bởi internalizing hoạt động và gia công phần mềm dẫn đến misalignment và kết hợp hiệu suất thấp." Vì vậy, năng suất lao động có thể hoạt động như một người điều tiết tiêu cực cho mối quan hệ giữa tính năng của gia công phần mềm và công ty. Được điều này, tôi đưa ra giả thuyết sau đây:H2: Các năng suất lao động là một điều phối viên tiêu cực của mối quan hệ giữa tính năng của gia công phần mềm và công ty.Bởi vì các công ty có thể tập trung khả năng cốt lõi của họ vào các hoạt động mà họ đang thích hợp nhất bằng cách mua các công ty khác khả năng sản phẩm trên thị trường, hiệu quả R & D sẽ cải thiện, gây ra R & D chi phí bán hàng tỷ lệ rơi. Ngoài ra, bởi vì việc mua sản phẩm khả năng trong các hình thức mô-đun có thể giảm chi phí giao dịch, nó có thể phục vụ để cải thiện tổng thể công ty hiệu suất. Nói cách khác, có tồn tại một mối quan hệ tiêu cực giữa mức độ để mà công ty với cao R & D cường độ (R & D chi tiêu để bán hàng ratio) tham gia vào7 © JBSQ NĂM 2013gia công phần mềm và hiệu suất của họ (Kotabe và ctv., 2012). Vì vậy, khi gia công phần mềm, tăng cường độ R & D trong một công ty có thể làm giảm hiệu suất của công ty đó. Như vậy, tôi đưa ra giả thuyết sau đây:H3: Các cường độ R & D là một người điều hành tiêu cực của mối quan hệ giữa tính năng của gia công phần mềm và công ty.4. thực nghiệm phân tíchTrong phần này, tôi thử nghiệm các giả thuyết ba đề nghị trong phần trước. Tôi lần đầu tiên mô tả các dữ liệu được sử dụng để kiểm tra những giả thuyết, sau đó trình bày các kết quả phân tích.Dữ liệuTất cả công ty lấy mẫu cho nghiên cứu này là công ty Nhật bản sản xuất. Cụ thể, dữ liệu được thu thập từ các công ty 1.421 cho năm năm từ năm 2007 đến năm 2011. Toàn bộ số liệu cho chiến lược thu thập dữ liệu này, bao gồm 7.105 quan sát độc lập. Tất cả dữ liệu đã được tải về bằng cách sử dụng các chỉ số Nikkei nhu cầu tài chính nhiệm vụ phiên bản 2.0. Mục đích của việc thu thập dữ liệu dọc hơn năm năm là để quan sát các phương tiện truyền thông - cho dài hạn hoạt động trong công ty cá nhân. Lấy mẫu dữ liệu từ chỉ một năm sẽ có nguy cơ cho phép outlier sự kiện (ví dụ, tài chính crises, thảm họa thiên nhiên) để ảnh hưởng đến quan sát của công ty biểu diễn. Kết quả là, các quan sát của các hoạt động điển hình sẽ là khó khăn hơn.Dữ liệu được thu thập trên cơ sở một năm tài chính Nhật bản kéo dài từ ngày 1 đến ngày 31 tháng 3. Như vậy, bảng dữ liệu cho mỗi năm được xây dựng trên cơ sở này khoảng thời gian. Công ty không có dữ liệu cần thiết để thực hiện phân tích hồi quy đã được gỡ bỏ từ các thiết lập dữ liệu. Ngoài ra, công ty không có dữ liệu cho toàn bộ thời gian năm năm từ năm 2007 đến năm 2011 cũng được tháo bỏ. Các tiêu chí này loại trừ giảm mẫu ban đầu từ những quan sát 7,555 để ở trên trích dẫn quan sát 7.105.Để phân tích các giả thuyết được đề xuất ở trên, tôi sử dụng các mô hình ảnh hưởng cố định hồi qui để đánh giá các giả thuyết được đề xuất bởi vì nó được hỗ trợ bởi thử nghiệm F và kiểm nghiệm của Hausman.Phụ thuộc vào biếnCho tất cả các giả thuyết ba, hiệu suất công ty được sử dụng như phụ thuộc có giá trị. Các nghiên cứu trước đây trong lĩnh vực này đã sử dụng một số biến để đại diện cho công ty hiệu suất. Chúng bao gồm bán hàng chia sẻ (Grimpe & Kaizer, 2010; Kotabe et al., 2012), doanh thu (Rothermel và ctv., 2006), và lợi nhuận trên tài sản (Hsu & Wang, năm 2012; Lim, Stratopoulos, và Wirjanto, 2012). Trong bài báo này, tôi đã sử dụng trở lại vào bán hàng (ROS) là các biện pháp phụ thuộc có nghĩa là để cho biết hiệu suất công ty. Tôi đã làm như vậy bởi vì nó là một trong các chỉ số tài chính quan trọng nhất, và nghiên cứu gần đây cũng đã thông qua ROS như là một proxy cho hiệu suất công ty (xem Acquaah, năm 2012; Li, Veliyath, và Tan, 2013). Vì hoạt động kinh doanh có thể được định lượng, tôi đã sử dụng lợi nhuận hoạt động để tính toán ROS.Vật có giá trị độc lậpNgoài các biện pháp kết quả, tôi cũng kết hợp một số độc lập biến thành các hồi quy mô hình ảnh hưởng cố định. Các biến này dự báo được mô tả dưới đây.(1) OSR (gia công phần mềm tỷ lệ)Thông thường, tỷ lệ tích hợp theo chiều dọc được thể hiện bởi giá trị gia tăng tỷ lệ bán hàng (Balakrishnan & Wernerfelt, 1986; Hutzschenreuter & Grone, năm 2009; Levy, 1985; Cũng không phải Ghani,8 © JBSQ NĂM 2013Ahmad, & Khalil, 2006). Trong các nghiên cứu, tỷ lệ gia công phần mềm được tính dưới dạng [(bán hàng-giá trị gia tăng) / bán hàng] (Mauri & de Figueiredo, 2012). Trong nghiên cứu này, Tuy nhiên, tôi tính toán OSR sử dụng dữ liệu đã được chính thức công bố bởi công ty mà nó là do. Tỷ lệ gia công phần mềm có thể được hiển thị bởi tỷ lệ mua hàng công nghiệp để bán hàng (Kotabe & Mol, 2009; Kotabe et al., 2012). Tôi làm theo tỷ lệ đó để tính toán OSR nhưng sử dụng "các chi phí của hàng hoá bán" như là một mẫu số bởi vì bài viết này tập trung vào sản xuất gia công phần mềm. Để có được dữ liệu liên quan đến việc tính toán OSR, tôi đã tải về phòng không củng cố báo cáo tài chính bằng cách sử dụng chỉ số Nikkei nhu cầu tài chính QUEST 2.0. Sau Matsuda (1989), tôi tính OSR như sau: [(vật liệu mua + thấp trong hàng hóa + Outsourced chế biến phí + nhiên liệu và tiện ích)-mua hàng từ công ty liên quan] / chi phí của hàng hoá bán.(2) KÍCH THƯỚC

Kết quả (Việt) 2:

Người điều hành cho Gia công phần mềm và Firm Performance Mối quan hệ
Ngoài các mối quan hệ trực tiếp nêu trong H1, điều quan trọng là phải xác định điều hành viên tiềm năng của mối quan hệ giữa gia công phần mềm và hoạt động công ty. Để làm như vậy, tôi sử dụng lý thuyết khả năng. Sau lý thuyết khả năng, các công ty có xu hướng tham gia vào các hoạt động sản xuất mà họ có thể sử dụng năng lực cốt lõi của họ. Vì vậy, một công ty có hiệu quả các nguồn lực của nó có thể chuyển đổi thành giá trị sản xuất sẽ sử dụng khả năng đó trong nội bộ. Theo ghi nhận của Kotabe (2012, p. 334), "nếu một công ty có năng suất lao động cao, nó là tốt hơn bởi nội hóa các hoạt động và gia công phần mềm cho họ dẫn đến những sai lệch và kết hợp hiệu suất thấp hơn." Do đó, năng suất lao động có thể hành động như một người điều tiết tiêu cực cho mối quan hệ giữa gia công phần mềm và hoạt động công ty. Vì điều này, tôi cung cấp các giả thuyết sau đây:
H2: Năng suất lao động là một điều phối viên tiêu cực của mối quan hệ giữa gia công phần mềm và hoạt động công ty.
Bởi vì các công ty có thể tập trung năng lực cốt lõi của họ vào những hoạt động mà họ là thích hợp nhất bằng cách mua sản phẩm các công ty khác khả năng trên thị trường, R & D hiệu quả sẽ cải thiện, gây ra các chi phí R & D với tỷ lệ doanh thu giảm. Ngoài ra, do khả năng mua sản phẩm dưới dạng các module có thể làm giảm chi phí giao dịch, nó có thể phục vụ để cải thiện hiệu suất tổng thể vững chắc. Nói cách khác, tồn tại một mối quan hệ tiêu cực giữa các mức độ mà các công ty có R & D cao cường độ (chi tiêu R & D với tỷ lệ bán hàng) tham gia vào
7 © 2013 JBSQ
gia công phần mềm và hoạt động của họ (Kotabe et al, 2012.). Vì vậy, khi gia công, tăng cường độ R & D của công ty có thể làm giảm hiệu suất của công ty đó. Như vậy, tôi đưa ra các giả thuyết sau đây:
H3: cường độ R & D là một người điều tiết tiêu cực của mối quan hệ giữa gia công phần mềm và hoạt động công ty.
4. Phân tích thực nghiệm
Trong phần này, tôi thử nghiệm ba giả thuyết được đề xuất trong phần trước. Đầu tiên tôi mô tả các dữ liệu được sử dụng để kiểm tra các giả thuyết, sau đó trình bày các kết quả phân tích.
Dữ liệu
Tất cả các công ty lấy mẫu cho nghiên cứu này là các công ty sản xuất Nhật Bản. Cụ thể, dữ liệu được thu thập từ 1.421 doanh nghiệp trong năm năm từ năm 2007 đến năm 2011. Với chiến lược thu thập dữ liệu này, toàn bộ số liệu bao gồm 7105 quan sát độc lập. Tất cả các dữ liệu đã được tải về bằng cách sử dụng chỉ số Nikkei NHU CẦU Financial QUEST Version 2.0. Mục đích của việc thu thập dữ liệu theo chiều dọc hơn năm năm là để quan sát trung cho các hoạt động dài hạn trong các doanh nghiệp cá nhân. Lấy mẫu dữ liệu từ chỉ một năm sẽ có nguy cơ cho phép sự kiện outlier (ví dụ, các cuộc khủng hoảng tài chính, thiên tai) gây ảnh hưởng đến quan sát các buổi biểu diễn của các công ty. Kết quả là, các quan sát các hoạt động tiêu biểu của họ sẽ khó khăn hơn.
Các dữ liệu được thu thập trên cơ sở của một năm tài chính Nhật Bản kéo dài từ ngày 1 tháng 4 đến tháng 31. Như vậy, dữ liệu bảng cho mỗi năm đã được xây dựng trên cơ sở thời gian này giai đoạn. Các công ty mà thiếu dữ liệu cần thiết để thực hiện phân tích hồi quy đã được gỡ bỏ từ các tập dữ liệu. Ngoài ra, các công ty mà không có dữ liệu cho toàn bộ giai đoạn năm năm từ năm 2007 đến năm 2011 cũng đã được gỡ bỏ. Những tiêu chuẩn loại trừ giảm các mẫu ban đầu từ 7.555 quan sát đến 7.105 quan sát trên được trích dẫn.
Để phân tích các giả thuyết được đề xuất ở trên, tôi sử dụng mô hình hồi quy tác động cố định để đánh giá các giả thuyết được đề xuất bởi vì nó đã được hỗ trợ bởi các thử nghiệm F và thử nghiệm của Hausman.
Biến phụ thuộc
cả ba giả thuyết, hiệu suất công ty được sử dụng như là các giá trị phụ thuộc. Nghiên cứu trước đây trong lĩnh vực này đã được sử dụng một số biến để đại diện cho công ty thực hiện. Chúng bao gồm doanh số bán phần (Grimpe & Kaizer, 2010;. Kotabe et al, 2012), doanh thu (. Tốt đối et al, 2006), và lợi nhuận trên tài sản (Hsu & Wang, 2012; Lim, Stratopoulos, & Wirjanto, 2012). Trong bài báo này, tôi đã sử dụng lợi nhuận trên doanh thu (ROS) là biện pháp phụ thuộc có nghĩa là để cho thấy hiệu suất vững chắc. Tôi đã làm như vậy bởi vì nó là một trong những chỉ số tài chính quan trọng nhất, và nghiên cứu gần đây cũng đã thông qua ROS như là một proxy cho hiệu công ty (xem Acquaah, 2012; Li, Veliyath, & Tan, 2013). Bởi vì hoạt động kinh doanh có thể được định lượng, tôi đã sử dụng lợi nhuận kinh doanh để tính toán ROS.
Vật có giá trị độc lập
Ngoài các kết cục, tôi cũng kết hợp một số biến độc lập vào các hiệu ứng mô hình hồi quy cố định. Những biến dự báo được mô tả dưới đây.
(1) OSR (Outsourcing Rate)
Thông thường, tốc độ hội nhập theo chiều dọc được chứng minh bằng giá trị gia tăng tỷ lệ bán hàng (Balakrishnan & Wernerfelt, 1986; Hutzschenreuter & Grone, 2009; Levy, 1985; Nor Ghani,
8 © 2013 JBSQ
Ahmad, và Khalil, 2006). Trong những nghiên cứu này, tỷ lệ gia công phần mềm được tính như là [(Sales - giá trị gia tăng) / Sales] (Mauri & de Figueiredo, 2012). Trong nghiên cứu này, tuy nhiên, tôi tính toán OSR sử dụng dữ liệu đã được công bố chính thức của công ty mà nó được gán. Tỷ lệ gia công phần mềm có thể được thể hiện bằng tỷ lệ mua hàng công nghiệp để bán hàng (Kotabe & Mol, 2009; Kotabe et al, 2012.). Tôi làm theo tốc độ đó để tính toán OSR nhưng sử dụng "giá vốn hàng bán" như một mẫu số vì bài viết này tập trung vào gia công sản xuất. Để có được dữ liệu liên quan đến việc tính OSR, tôi tải về báo cáo tài chính hợp nhất không sử dụng chỉ số Nikkei NHU CẦU QUEST tài chính 2.0. Sau Matsuda (1989), tôi OSR tính như sau: [(Hàng hóa mua + vật liệu thấp + lệ phí xét đưa dịch vụ + Ấn tiện ích) - mua từ các công ty liên quan] / Giá vốn hàng bán.
(2) SIZE