Moderating effects of management control systems and innovation on performance. Simple methods for correcting the effects of measurement error for interaction effects in small samples

In the accounting literature, interaction or moderating effects are usually assessed by means of OLS regression and summated rating scales are constructed to reduce measurement error bias. Structural equation models and two-stage least squares regression could be used to completely eliminate this bias, but large samples are needed. Partial Least Squares are appropriate for small samples but do not correct measurement error bias. In this article, disattenuated regression is discussed as a small sample alternative and is illustrated on data of Bisbe and Otley (in press) that examine the interaction effect of innovation and style of use of budgets on performance. Sizeable differences emerge between OLS and disattenuated regression

Correcting Measurement Error Bias in Interaction Models with Small Samples

Several methods have been suggested to estimate non-linear models with interaction terms in the presence of measurement error. Structural equation models eliminate measurement error bias, but require large samples. Ordinary least squares regression on summated scales, regression on factor scores and partial least squares are appropriate for small samples but do not correct measurement error bias. Two stage least squares regression does correct measurement error bias but the results strongly depend on the instrumental variable choice. This article discusses the old disattenuated regression method as an alternative for correcting measurement error in small samples. The method is extended to the case of interaction terms and is illustrated on a model that examines the interaction effect of innovation and style of use of budgets on business performance. Alternative reliability estimates that can be used to disattenuate the estimates are discussed. A comparison is made with the alternative methods. Methods that do not correct for measurement error bias perform very similarly and considerably worse than disattenuated regression

Innovation, entrepreneurship and outsourcing: essays on the use of knowledge in business environments

Innovació, emprenedoria i subcontractació són els pilars temàtics de la present tesi doctoral. L'ús del coneixement per part de les empreses representa l'element comú d'aquestes temàtiques. Les evidències empíriques provenen principalment del món empresarial, però es complementen amb les del món acadèmic com a principal proveïdor de coneixement a la societat actual, la finalitat de la qual és crear riquesa i benestar socioeconòmic. L'objectiu principal d'aquesta tesi doctoral és contribuir a les diferents àrees de recerca. La primera, gestió de la innovació, més concretament innovació organitzativa, reflexionant sobre la seva importància i monitorització a través d'enquestes. Tot seguit, un exemple d'innovació organitzativa -treball en equip- s'analitza en profunditat, així com també els seus determinants. La segona, analitza el procés de transició d'una universitat tradicional cap a una universitat emprenedora, començant per la fase de disseny fins a l'actualitat contemplant la seva funcionalitat i eficiència en el marc de les institucions públiques de recerca d'Europa. I la tercera, descriu les barreres que les empreses han de fer front a l'hora de cooperar, en general, i amb universitats, en particular. La mateixa mostra d'empreses gasela també serveix per analitzar la decisió de fer-o-comprar. El resum d'aquests resultats, les conclusions, així com les futures línies de recerca finalitzen el treball.