<span class="emphasis_bold">企业信息技术应用对开放式创新的影响</span>：<span class="emphasis

摘要：既有文献已初步检验了企业信息技术应用与开放式创新的关系，但未深入探索其影响机制。鉴于此，从交易成本视角解释二者间的影响机制。结果表明，信息技术应用是推动企业开放式创新的重要因素。进一步扩展分析发现：信息技术应用对企业纵向创新合作的推动作用强于社会创新合作；相对于低技术行业，企业信息技术应用的开放式创新效应在高技术行业更为显著；地区信任度提高增强了企业信息技术应用对开放式创新的推动作用。造成企业信息技术应用对开放式创新产生上述效应差异的一个重要原因在于，开放式创新产生的交易成本在创新合作类型间、行业间、地区间存在明显的异质性，从而检验了企业信息技术应用对开放式创新的影响机制。

0 引言

党的十九大报告指出：“创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。”可见，创新已成为国家发展全局的核心。企业作为科技创新主体，其创新力决定着国家的创新力，而企业创新力提升依赖于创新模式。随着现代技术复杂度提高、人力资本流动性增强、产品生命周期缩短、消费者个性化需求凸显等企业外部环境变化，企业创新模式已由封闭式创新转向开放式创新[1]。开放式创新强调企业内部与外部创新资源的有机结合，利用内部与外部市场通道进行商业化推广，进而显著提升企业创新绩效[2-3]。从高技术行业到低技术行业，从大企业到中小企业，开放式创新越来越受到企业青睐[4]。开放式创新逐渐成为全球企业创新的主流模式。然而，张龙鹏等[5]的研究表明，2009-2011年中国制造业中采取开放式创新的企业比重仅为11.6%，而该比重在1990-1992年的德国为35.1%，在1994-2006年的荷兰为36.3%，1996-2002年的芬兰为67.7%。可以说，开放式创新尚未成为我国企业创新发展的主流模式，其原因在于，目前的创新模式并不能很好地支持企业开放式创新发展，从而制约了中国企业创新力提升。因此，中国企业创新模式变革对于国家创新驱动发展战略的实施具有重要现实意义。

在信息时代，信息技术在企业活动中得到了广泛而深入的应用，逐渐成为重要的企业组织要素[6]。学者们意识到将信息技术应用于企业创新活动，能有效促进开放式创新的实施[7-9]，然而已有研究仅初步检验了企业信息技术应用与开放式创新的关系，并未深入探索企业信息技术应用对开放式创新的影响机制。开放式创新意味着企业创新边界发生变化。本文借鉴科斯等从交易成本视角分析企业边界变化的思路，研究企业信息技术应用促进开放式创新实施的机理。与已有文献相比，本文的创新之处主要体现在3个方面：首先，从交易成本角度分析企业信息技术应用对开放式创新的影响；其次，关注企业信息技术应用的开放式创新效应在不同创新合作类型、行业、地区的差异性；最后，以城市海拔高度作为企业信息技术应用的工具变量，较好地处理了企业信息技术应用与开放式创新之间可能存在的内生性问题。本研究在一定程度上解释了开放式创新未在我国成为企业主流创新模式的原因，并且从强化企业信息技术应用的角度提出促进企业开放式创新的政策建议。

1 理论分析与研究假设

1.1 理论分析框架

企业信息技术应用是指企业应用Web3.0、搜索引擎、电子供应链、物联网、大数据等信息技术与产品，控制和集成企业管理活动中的各种信息，实现企业内外部信息共享和有效利用[10-11]。信息技术应用有助于打破企业创新边界，促进开放式创新。从开放式创新实施过程看，企业首先需要识别并选择合适的创新合作伙伴，然后整合由创新合作伙伴组成的开放式创新网络。在该过程中，企业主要承担3种交易成本，即搜寻成本、识别成本与整合成本[12]。搜寻成本是指企业搜寻创新合作伙伴耗费的各种费用、时间、精力，以及承担搜寻未果的风险的总和。搜寻成本主要是由于信息不对称导致的，信息不对称程度越高，搜寻成本就越高；识别成本是指搜寻到可能的创新合作伙伴后，对合作伙伴进行评估、筛选而发生的成本。合作伙伴在地理位置、认知、文化方面的差异越显著，识别成本就越高[12]；整合成本是指企业为整合、管理由创新合作伙伴组成的开放式创新网络而产生的成本。交易成本高低将直接影响企业实施开放式创新的积极性。企业信息技术应用能有效降低开放式创新成本，进而促进企业开放式创新。基于上述分析，构建理论分析框架如图1所示。

1.2 研究假设

在传统环境下，企业会因信息不对称而不断扩大空间搜寻范围，以尽可能多地搜寻创新合作伙伴，从而会产生高昂的交通成本、时间成本等搜寻成本。企业信息技术应用能够减少搜寻过程中的信息不对称，进而有效降低搜寻成本。企业可以通过应用Web3.0、搜索引擎、中间件技术等信息技术构建企业对外开放的信息平台[10-11]，发布有关创新合作的信息。而创新合作信息在互联网上广泛传播，能保证尽可能多的潜在合作伙伴知晓相关信息，进而提高信息透明度。此外，潜在合作伙伴也可以通过信息技术平台向企业传达合作意愿与信息。信息技术应用将极大减少传统环境下因搜寻而产生的交通成本与时间成本，进而以较低的搜寻成本锁定潜在合作伙伴。例如，小米公司利用互联网信息技术打造企业创新生态，让用户主动进入企业创新链，使其搜寻创新合作伙伴的过程变得高效和低成本。Mahr和Lievens[13]也认为，企业可以通过构建互联网平台以低搜寻成本让用户参与到企业创新活动之中。

创新合作伙伴可能在地理位置、认知、文化方面存在显著差异，这为企业识别出合适的合作伙伴带来一定困难与挑战，而信息技术应用能有效应对这一局面。一方面，企业可以利用搜索引擎技术，方便快捷地了解合作伙伴的相关背景信息，从而节约一部分因实地调研而产生的识别成本；另一方面，企业可以应用物联网、移动互联网、大数据、人工智能等信息技术所积累的基础信息与开发的分析工具，从多样化的信息中识别出有用的信息[14]，准确、快速地识别出合适的合作伙伴，进而降低传统环境下多次识别与重复识别而产生生的资金、时间、人力等识别成本。Ravichandran等[15]还强调，信息技术应用对于建立和维护社会关系十分重要，而这些通过跨组织建立的社会关系对于企业识别合作伙伴的创新信息极为有用。

利用识别出的合适合作伙伴，构建企业开放式创新网络。开放式创新网络只有实现有效整合，才能充分发挥开放式创新效应。若不能有效整合开放式创新网络，开放式创新反而会成为企业创新的阻碍，降低企业实施开放式创新的积极性。因此，企业可以应用电子供应链、ERP、协同商务等信息技术与产品，建立协调的开放式创新网络管理体系[10]，实现创新资源共享、创新活动协调、创新成本分担，从而提高整合效率，降低整合成本。此外，开放式创新网络整合过程必然伴随着频繁的交流互动，而频繁的交流互动必然产生高昂的交易成本。基于信息技术的创新平台将使沟通变得更为及时和顺畅，进而有效降低网络整合的交易成本[16]。

基于上述分析，企业信息技术应用能有效降低企业开放式创新过程中诸如搜寻成本、识别成本、整合成本等交易成本。信息技术的应用将导致创新资源发生重大重组与聚合，形成一个无界和有效的开放式创新网络。由此，提出如下研究假设：

H1：企业信息技术应用通过降低开放式创新过程中的交易成本推动企业开放式创新。

在实施开放式创新过程中，企业会与不同类型的组织合作，合作伙伴主要包括供应商、客户、高校(研究机构)等。企业与供应商、客户合作属于纵向创新合作，与高校(研究机构)的合作属于社会创新合作。企业与不同组织创新合作的内涵具有异质性：企业与供应商主要针对中间品创新展开合作，与客户主要就最终消费品创新展开合作，与高校(研究机构)主要是核心技术合作[17]。相比之下，企业与高校(研究机构)的创新合作交易成本显著低于与供应商及客户的合作成本。其原因在于，一方面，在经济全球化背景下，企业的供应商与客户分布于全球，并且搜寻目标对象并不明确，这就需要企业扩大搜寻范围，进而增加了搜寻成本。在全球范围内寻找创新合作伙伴，会使合作伙伴在地理位置、认知、文化等方面的差异更为显著，进而提高了识别成本。另外，企业会与大量供应商及客户展开合作，也会增加开放式创新网络整合成本。然而，企业技术的专有性以及高校(研究机构)的数量的有限性使得企业能够更为容易地搜寻和识别合适的高校(研究机构)，进而与其展开合作。此外，由于与企业合作的高校(研究机构)数量较少，这也为企业整合与高校(研究机构)的开放式创新网络提供了便利；另一方面，企业与供应商和客户主要就相关产品展开创新合作。在产品更新换代迅速的市场背景下，企业要尽快地将产品推向市场，以占领市场，就要求企业与供应商及客户进行频繁交流沟通，从而增加了开放式创新的交易成本。企业与高校(研究机构)展开企业核心技术合作，而技术层面的合作具有一定基础性、长期性和稳定性。在企业与高校(研究机构)合作愿景与方案明确的情况下，双方不需要频繁交流互动，交易成本也相对较低。如果本文的H1成立，即企业信息技术应用对开放式创新的影响机制是交易成本，那么就可以推断：企业的信息技术应用能够显著降低企业与供应商和客户创新合作的交易成本，进而促进企业与供应商、客户的创新合作；企业与高校(研究机构)创新合作的交易成本较低，信息技术应用对企业与高校(研究机构)创新合作的推动作用相对较小。综上而言，可提出如下假设：

H2：企业信息技术应用对企业与供应商、客户创新合作的推动作用大于企业与高校(研究机构)的创新合作。

企业总是在一定产业范围内从事创新活动。产业异质性决定了企业开放式创新的交易成本不尽相同。相对于低技术产业，高技术产业更多地依靠知识、信息等提高竞争力，因此影响高技术产业创新的主要因素是信息获取和交流的便利性、知识创新的产业配套性以及知识产权保护的可靠性等，这使得高技术产业对交易成本比较敏感[18]。随着产业技术水平提高，技术创新复杂度、成本、风险等会相应增加，这为企业创造了创新合作动机，因而企业开放式创新实践更多地发生于高技术产业。在高技术行业，技术创新具有高复杂度、高成本、高风险等特征，使得企业主动寻求与不同类型的创新主体进行频繁交流、合作创新，交易成本会随之提升。另外，合作伙伴数量增加以及组织类型多样性增强也会增加整合开放式创新网络中各创新主体的难度，进而导致整合成本上升。总体而言，高技术产业中企业开放式创新交易成本高于低技术产业。基于上述分析，提出以下假设：

H3：随着产业技术水平提升，企业信息技术应用对开放式创新的推动作用也相应增强。

企业信息技术应用打破了物理空间的限制，企业活动由物理空间延伸到网络空间，社会关系也相应地发生了改变，使得信息交流变得更方便、快捷与及时。因此，信息技术应用不仅能够帮助企业建立新的社会关系，而且能够维持已建立的社会关系[19]。Ravichandran等[15]指出，信息技术应用有助于企业建立和维护良好的社会关系，而良好的社会关系能增强关系双方间的信任。作为一种非正式制度，信任的重要作用就是降低交易成本[20]。信任能够提供稳定的心理预期并减少社会主体间的摩擦，有利于企业整合开放式创新网络中创新主体间的关系，进而降低整合成本。信任度较高的社会能够强化企业信息技术应用对社会关系的正向作用，显著降低开放式创新整合成本，进而促进开放式创新。也就是说，地区信任与企业信息技术应用对开放式创新的影响存在互补效应。综上所述，提出如下假设：

H4：地区信任度提高有助于增强企业信息技术应用对开放式创新的促进作用。

2 数据与模型

2.1 数据来源

本文基于2012年世界银行对中国企业的营商环境调查，研究企业信息技术应用对开放式创新的影响。该调查涉及制造业和服务业。由于本调查问卷中未涉及服务业企业开放式创新，因此本文剔除调查报告中的服务业企业数据，利用剩余的1 692家制造业企业进行研究。调查问卷中大部分问题涉及2011年的企业数据，少数问题数据需回溯至2009年。信息技术应用数据区间为2009年或2009-2011年，开放式创新数据区间为2009-2011年。信息技术测量采用的数据在时间上滞后于开放式创新数据，这是因为信息技术应用效果存在时滞性，而且该操作能在一定程度上避免信息技术应用与开放式创新之间因双向因果关系导致的内生性问题。由于2009年以后成立的企业不包含2009年的信息，因此本文剔除2009年以后成立的企业样本，最终得到制造业企业1 638家，样本企业分布于25个城市、20个行业。

2.2 模型构建

为探讨企业信息技术应用对开放式创新的影响，本文参考周开国等(2017)的研究，构建Probit模型如下：

式(1)中，下标f、i、c分别代表企业、行业、城市；y为企业是否进行开放式创新；ITUsage代表企业信息技术应用指标；Ctrl代表控制变量；δi和ηc分别代表行业效应和城市效应；εfic代表随机误差项；β1是本文关注的估计系数，当其显著为正时，说明信息技术应用促进了企业开放式创新。

2.3 变量说明

研究与开发是极为重要的企业创新行为，因而大多数文献从研究与开发活动的角度刻画企业开放式创新行为。借鉴已有研究，当企业与其它组织共同从事研究与开发活动时，被解释变量(y)赋值为1，否则为0。

参考Hempell和Zwick[21]、王永进等[22]的研究，本文构建3个指标从不同角度衡量企业信息技术应用程度：①企业信息化投资的自然对数(ITUsage1)，用以反映企业信息技术应用投入；②使用计算机的员工与全部员工的比值(ITUsage2)，反映企业信息技术应用效率和存量；③企业来自互联网的销售收入与总销售收入的比值(ITUsage3)，用以衡量企业信息技术应用效果。这3个指标分别代表了企业信息技术应用的一个方面，但不能综合衡量企业信息技术应用的整体情况。因此，本文参考王聪等(2015)的研究，利用主成分分析方法，以此3个指标构造综合指标衡量企业信息技术应用程度。构造方法为，对ITUsage1、ITUsage2、ITUsage3进行标准化处理，构造样本标准矩阵Mcj：

式(2)中，

代表城市，取值为1～n；j代表企业信息技术应用指标，取值为1～3。

依据标准化矩阵Mcj求相关系数矩阵R，然后对样本相关系数矩阵R的特征方程|R-λI3|=0求特征根，根据方差确定主成分，并对各主成分加权求和，权重为各主成分的方差贡献率，进而得到衡量企业信息技术应用的综合指标(ITUsage)。

为避免遗漏重要解释变量带来的内生性影响，借鉴周开国等(2017)的研究，加入以下控制变量：①企业规模(Size)，用2009年企业职工数的自然对数衡量；②企业年龄(Age)，用企业自注册以来的年龄的自然对数衡量；③吸收能力(Absorption)，本文利用企业职工的平均受教育年限作为吸收能力的代理变量,平均受教育年限越长，吸收能力越强；④所有制(SOE)，国有企业赋值为1，否则为0。企业中政府持股比例超过50%，则认定该企业为国有企业；⑤融资约束(Financing)，企业存在融资约束赋值为1，否则为0。调查问卷询问了企业是否有任何透支限额、是否得到银行贷款或授信情况，如果企业既没有任何透支限额，也没有得到银行的贷款或授信，则认为企业存在融资约束；⑥行业竞争程度(Competition)，以企业感受到的行业竞争程度对企业经营造成的负面影响程度度量行业竞争程度。负面影响越大，则行业竞争程度越高。行业竞争程度从低到高分为5个等级，依次赋值为0～4；⑦高管工作经验(Experience)，用高管在本行业就职年限的自然对数衡量。

3 实证分析

3.1 描述性分析

研究变量的描述性统计如表1所示，这里重点关注开放式创新与信息技术应用的描述性统计。研究样本中，仅有11.8%的企业通过开放式创新提升自身创新能力。可见，开放式创新尚未成为中国企业创新的主流模式。就企业信息技术应用情况而言，制造业企业的平均信息化投资约为313万元，但企业信息化投资的离散程度巨大，信息化投资大于均值的企业仅占有信息化投资记录企业的18.1% ；平均而言，企业中使用计算机的员工人数占全部员工人数的比重为22.2%，来自互联网的销售收入占全部销售收入的比重为10.3%，表明中国制造业企业对计算机的应用还不普遍，销售渠道仍以线下销售为主。

表2报告了不同信息技术应用组企业开放式创新情况。首先，计算各信息技术应用度量指标的中位数，将指标值小于或等于中位数的企业归为低信息技术应用组，大于中位数的企业归为高信息技术应用组；然后，计算各信息技术应用组中采取开放式创新企业的比重；最后，通过t检验辨别两组开放式创新企业比值的差异性。以信息化投资为例，在低信息技术应用组中，10.3%的企业与其它组织共同从事研究与开发活动，在高信息技术应用组中，13.5%的企业与其它组织共同从事研究与开发活动，前者比后者低3.2个百分点，这种差异在5%的水平上显著。由此可见，企业信息技术应用与开放式创新存在正相关关系。使用计算机员工比值、来自互联网销售收入比值、信息技术应用综合指标分别进行测算，其结果也均证实了这一结论。然而，由于尚未对其它变量进行控制，不能就此得出企业信息技术应用促进开放式创新的结论，严谨研究结论还有赖于下一步计量分析得出。

表1变量描述性统计

表2企业信息技术应用与开放式创新分组检验

3.2 基准回归结果与分析

Probit模型估计系数仅反映了解释变量对被解释变量的影响方向，未能反映其影响强度。因此，本文通过计算解释变量的平均边际效应以反映解释变量对被解释变量的影响强度。另外，本研究采用截面数据，而截面数据通常存在异方差问题，因此采用稳健标准差避免异方差对估计结果造成影响。

表3第(1)-(4)列报告了企业信息技术应用对开放式创新影响的基准回归结果。其中，第(1)-(3)列分别是开放式创新对信息化投资、使用计算机员工比值、来自互联网销售收入比值3个指标的回归结果，除第(1)列的信息化投资未通过显著性检验外，其它信息技术应用指标估计系数均显著为正，基本表明企业信息技术应用促进了开放式创新。进一步地，为从整体上衡量企业的信息技术应用水平，采用主成分分析法将信息化投资、使用计算机员工比值、来自互联网销售收入比值整合成一个综合指标。第(4)列汇报了企业信息技术应用综合指标与开放式创新的回归结果，其估计系数为0.058 4，通过了1%的显著性检验，即企业信息技术应用水平每提高1个单位，其与其它组织共同从事研究与开发活动的概率将提高5.84个百分点，这在经济意义上也是显著的。总体而言，表3的回归结果表明，信息技术应用是促进企业开放式创新的重要因素，H1得证。

3.3 稳健性检验与分析

由于信息技术应用综合指标(ITUsage)能反映出企业信息技术应用整体水平，因此下文均使用该指标进行相关问题研究。

企业信息技术应用与开放式创新之间可能存在双向因果关系，这将会导致估计结果有偏和不一致。在构建信息技术应用指标时，虽然本文尽力使信息技术应用指标在时间上滞后于开放式创新指标，以避免双向因果关系导致的内生性问题，但受数据获取的限制，该处理方式还不够完善，因而需要寻找合适的工具变量重新评估企业信息技术应用对开放式创新的影响。

从现有研究看，大多数研究主要借鉴Fisman和Svensson[23]的处理方式，将某一企业层面变量分城市、行业的均值作为该变量的工具变量。本文研究样本较少，分城市、行业的企业数量更少，将其均值作为工具变量也可能是内生的。因此，将分城市、行业的均值作为工具变量的处理方式并不适合本文的研究。借鉴Kolko[24]的研究，本文利用企业所在城市的海拔高度作为企业信息技术应用的工具变量。海拔是影响地区信息化建设的一个重要地理因素。一般而言，海拔越高的地区，信息化建设成本越高，企业信息技术应用就会受限。海拔作为外生的地理因素并不受企业创新行为影响。可以说，海拔高度是企业信息技术应用的有效工具变量。

本文利用IV Probit模型重新估计了企业信息技术应用对开放式创新的影响。在第一阶段估计结果中，城市海拔高度的估计系数在1%的显著性水平上为负，说明城市海拔越高，企业信息技术应用水平越低；第二阶段估计结果见表3第(5)列，Wald外生性检验通过10%的显著性检验，检验结果拒绝了信息技术应用变量是外生的原假设，因此采用IV Probit模型进行回归是有效的。回归结果显示，信息技术应用综合指标估计系数在5%的显著性水平上为正，表明考虑了内生性问题后，企业信息技术应用促进开放式创新的结论依然成立。

表3企业信息技术应用对开放式创新影响的回归结果

注：括号内为稳健标准差；*、**、***分别表示10%、5%、1%的显著性水平，下同

创新作为基本企业行为，表现形式多样，因而开放式创新形式具有多样性。研究与开发活动是更为基础、创新力度更大的企业创新活动，因此利用基准回归从研究与开发活动角度度量企业开放式创新。除研究与开发活动外，企业创新行为还包括产品创新与流程创新。为保证研究结论的稳健性，本文还将从产品创新与流程创新角度度量企业的开放式创新，重新估计企业信息技术应用对开放式创新的影响。

调查问卷询问了企业在产品创新或流程创新过程中是否与供应商、客户、高校(研究机构)建立合作关系，只要企业在任何一种创新类型中与任一组织建立了创新合作关系，就认为该企业进行了开放式创新，开放式创新指标(y)赋值为1，否则为0。表3第(6)列汇报了基于开放式创新指标再度量的回归结果，信息技术应用综合指标的估计系数在1%的显著性水平上为正，表明信息技术应用促进企业开放式创新的研究结论依然成立。信息技术应用水平每提高1个单位，企业在产品创新或流程创新活动中与其它组织建立创新合作关系的概率将上升11.44个百分点。与研究与开发活动中的开放式创新相比，信息技术应用对产品创新或流程创新中的开放式创新影响程度更高。

4 影响机制检验

理论分析表明，企业信息技术应用对开放式创新具有促进作用，而这一促进机制在于信息技术应用降低了开放式创新的交易成本。基准回归与稳健性分析已表明信息技术应用能促进企业开放式创新，此处仅检验企业信息技术应用对开放式创新的促进机制。虽然搜寻成本、识别成本、整合成本等交易成本难以度量，不能直接检验企业信息技术应用对开放式创新的影响机制，但仍可以通过一些现象对其进行间接检验。

4.1 企业信息技术应用对不同类型创新合作的影响

本文的理论分析表明，企业与供应商和客户的合作属于纵向创新合作，与高校(研究机构)的合作属于社会创新合作，纵向创新合作交易成本高于社会创新合作。如果交易成本是企业信息技术应用对开放式创新的影响机制，那么企业信息技术应用会显著降低纵向创新合作交易成本，因此可以推测：企业信息技术应用对纵向创新合作的推动作用大于社会创新合作。

调查问卷并未涉及企业研究与开发活动中的创新合作类型，但涉及到产品创新与流程创新活动中的创新合作类型。因此，从产品创新与流程创新角度刻画企业纵向创新合作与社会创新合作。在产品创新或流程创新中，企业只要与供应商或客户开展了创新合作，就认为其实施了纵向创新合作，被解释变量(y)赋值为1，否则赋值为0；企业只要与高校(研究机构)开展了创新合作，就认为企业实施了社会创新合作，被解释变量(y)赋值为1，否则赋值为0。表4第(1)、(2)列报告了相应的回归结果。第(1)列为企业信息技术应用对纵向创新合作的影响，信息技术应用综合指标的估计系数显著为正，信息技术应用水平每提高1个单位，企业纵向创新合作的概率上升14.89个百分点；第(2)列为企业信息技术应用对社会创新合作的影响，信息技术应用综合指标的估计系数也显著为正，信息技术应用水平每提高1个单位，企业社会创新合作的概率上升8.58个百分点。可见，相对于社会创新合作，企业信息技术应用对纵向创新合作的正向影响程度更大，H2得到验证，也在一定程度上说明了企业信息技术应用主要是通过降低交易成本促进企业开放式创新的。

4.2 行业技术水平与企业信息技术应用对开放式创新的影响

理论分析部分认为，行业技术水平越高，企业开放式创新过程中的交易成本就越高。根据这一分析逻辑，如果高技术组中企业信息技术应用对开放式创新的推动作用强于低技术组，就能在一定程度上检验企业信息技术应用对开放式创新的影响机制。

本文主要根据企业R&D支出占销售收入的比重度量行业技术水平。R&D支出为2009-2011年间的年均支出数据，销售收入为2009年的数据。首先，利用企业R&D支出占销售收入的比重表示企业R&D支出强度；然后，利用各行业内所有企业R&D支出强度的均值表示行业R&D支出强度；最后，计算行业R&D支出强度的中位数，将R&D支出强度大于中位数的行业视为高技术行业，小于或等于中位数的行业归为低技术行业。

表4的第(3)、(4)列报告了按照行业技术水平分样本的回归结果。第(3)列为高技术组的回归结果，信息技术应用综合指标估计系数显著为正，信息技术应用水平每提高1个单位，企业实施开放式创新的概率上升7.55个百分点；第(4)列为低技术组的回归结果，信息技术应用综合指标的估计系数为正，但未通过显著性检验，信息技术应用水平每提高1个单位，企业实施开放式创新的概率上升4.77个百分点。由此可见，信息技术应用对企业开放式创新的正向影响在高技术组比在低技术组高2.78个百分点，在统计意义上也更为显著。第(3)-(4)列的回归结果支持了H3，也说明企业信息技术应用促进开放式创新的机制在于降低开放式创新过程中的交易成本。

4.3 地区信任与企业信息技术应用对开放式创新的影响

正如理论分析部分所指出的，地区信任度提高有助于增强企业信息技术应用对社会关系中信任的正向影响，通过降低交易成本，促进企业开放式创新。如果这一结论成立，能在一定程度上证明交易成本是企业信息技术应用影响开放式创新的重要机制。接下来，本文将对地区信任度进行分组，以检验企业信息技术应用对开放式创新影响的差异性，进而验证上述结论是否成立。

参考刘凤委等[20]的研究，利用张维迎和柯荣住(2002)关于地区信任的调查数据度量企业所在省份的信任度。若一个省份的信任度高于所有省份信任度的中位数，则视该省份为高信任地区，否则视为低信任地区。表4的第(5)、(6)列报告了按地区分组的回归结果。第(5)列为高信任地区的回归结果，信息技术应用综合指标的估计系数为0.068 7，通过了5%的显著性检验；第(6)列为低信任地区的回归结果，信息技术应用综合指标的估计系数为0.051 2，未通过显著性检验。比较而言，在信任度高的地区，企业信息技术应用对开放式创新的促进作用更为显著。也即是说，信任与信息技术应用对开放式创新的影响存在互补效应。

表4影响机制检验结果

5 结论与政策启示

本文从交易成本角度研究了企业信息技术应用对开放式创新的影响机制。理论分析指出，信息技术应用推动了企业开放式创新，这一正向作用的影响机制在于企业信息技术应用降低了开放式创新过程中的搜寻成本、识别成本、整合成本等交易成本。为检验本文研究假设，首先实证检验了企业信息技术应用的开放式创新效应的存在性，然后检验“交易成本是企业信息技术应用影响开放式创新的机制”的假设。基准回归分析和稳健性分析表明，信息技术应用是推动企业开放式创新的重要因素，这一结论在考虑了内生性以及开放式创新指标后依然成立。为检验影响机制，在论述纵向创新合作的交易成本高于社会创新合作、高技术行业创新合作交易成本高于低技术行业以及信任与交易成本反向关系的基础上，本文进行了一系列扩展分析。结果表明：企业信息技术应用对纵向创新合作的推动作用强于社会创新合作；相对于低技术行业，企业信息技术应用的开放式创新效应在高技术行业更明显；地区信任度提高有助于增强企业信息技术应用对开放式创新的推动作用。这些研究结果均支持了理论分析提出的影响机制假说。

本研究对促进中国企业创新发展具有重要的政策启示。基于本文研究结论，能够解释开放式创新尚未成为中国企业主流创新模式的主要原因。开放式创新过程中产生的交易成本是影响企业开放式创新积极性的重要因素。如果不能降低交易成本，将抑制企业开放式创新。信息技术应用是降低开放式创新中交易成本的重要路径，正如本文描述性分析部分指出，企业信息技术应用水平有待提高，且企业间信息技术应用存在显著的差异性，从而制约了开放式创新模式在企业间的普及。因此，提高企业信息技术应用水平将释放出更强的开放式创新效应。政府部门可以从3个方面着手提高企业的信息技术应用水平：首先，信息技术应用对于企业(特别是中小企业)而言是一项成本高昂的投资，因此政府部门应建立、健全面向企业的信息化服务平台，降低企业信息技术应用成本。信息化服务平台主要为企业提供信息人才培训、投融资、信息技术咨询等服务；其次，新一代信息技术的快速发展对网络宽带的要求越来越高，如果信息基础设施不足，将直接制约企业对新一代信息技术的应用。因此，政府应进一步完善地区信息基础设施，特别是要加快产业聚集区的光纤网、移动通信网、无线局域网部署和建设，实现信息网络宽带升级；最后，政府、企业、公众应共同参与维护良好的信任环境，为企业信息技术应用的开放式创新效应发挥提供有利的非正式制度环境。社会主体之间信任度提升需要相关法律法规保障，因而还需要加强法治建设。

[1] HAGEDOORN J, DUYSTERS G.External sources of innovative capabilities: the preferences for strategic alliances or mergers and acquisitions [J].Journal of Management Studies, 2002, 39(2): 167-188.

[2] CHESBROUGH H,WEST J,VANHAVERBEKE W.Open innovation: researching a new paradigm[M].Oxford: Oxford University Press, 2006.

[3] PARIDA V, WESTERBERG M, FRISHAMMAR J.Inbound open innovation activities in high-tech SMEs: the impact on innovation performance [J].Journal of Small Business Management, 2012, 50(2):283-309.

[4] GASSMANN O, ENKEL E, CHESBROUGH H.The future of open innovation [J].R&D Management, 2010, 40(3): 213-221.

[5] 张龙鹏, 周立群, 蒋为.协同创新: 演化逻辑、中国情境与政策体系[J].中国行政管理, 2016 (10): 116-121.

[6] CUI T, YE H, TEO H H, et al.Information technology and open innovation: a strategic alignment perspective [J].Information & Management, 2015, 52(3): 348-358.

[7] DONG J Q, NETTEN J.Information technology and external search in the open innovation age: new findings from Germany [J].Technological Forecasting & Social Change, 2017, 120(1): 223-231.

[8] 赵付春, 冯臻.开放式创新绩效实现机制实证研究: 基于IT能力理论的视角[J].科技进步与对策, 2015, 32(16): 1-6.

[9] 李随成, 杨功庆.IT能力及信息共享对企业间研发合作的影响研究[J].科研管理, 2008, 29(4): 55-63.

[10] 李龙一, 陶立华.基于信息技术的开放式创新研究[J].科技管理研究, 2009 (11): 19-22.

[11] 企业信息技术应用与产业链空间变化——以中国服装纺织企业为例[J].地理研究, 2009, 28(4): 883-892.

[12] G

MEZ J, SALAZAR I, VARGAS P.Does information technology improve open innovation performance? an examination of manufacturers in Spain[J].Information Systems Research, 2017.

[13] MAHR D, LIEVENS A.Virtual lead user communities:drivers of knowledge creation for innovation [J].Research Policy, 2012, 41(1): 167-177.

[14] JOSHI K D, CHI L, DATTA A, et al.Changing the competitive landscape: continuous innovation through IT-enabled knowledge capabilities [J].Information Systems Research, 2010, 21(3): 472-495.

[15] RAVICHANDRAN T, HAN S, MITHAS S.Mitigating diminishing returns to R&D: the role of information technology in innovation [J].Information Systems Research, 2017.

[16] 施炳展.互联网与国际贸易——基于双边双向网址链接数据的经验分析[J].经济研究, 2016 (5): 172-187.

[17] 周立群, 张龙鹏, 张双志.研发合作与企业创新——基于中国制造业的实证研究[J].江苏社会科学, 2016 (2): 47-55.

[18] 原小能, 唐成伟.劳动力成本、交易成本与产业结构升级[J].浙江大学学报：人文社会科学版, 2015 (5): 133-143.

[19] 郑中玉.互联网对社会关系的影响: 争议与方向[J].甘肃行政学院学报, 2011 (4): 46-55.

[20] 刘凤委, 李琳, 薛云奎.信任、交易成本与商业信用模式[J].经济研究, 2009 (8): 60-72.

[21] HEMPELL T, ZWICK T.New technology, work organization, and innovation [J].Economics of Innovation & New Technology, 2008, 17(4): 331-354.

[22] 王永进, 匡霞, 邵文波.信息化、企业柔性与产能利用率[J].世界经济, 2017 (1): 67-90.

[23] FISMAN R, SVENSSON J.Are corruption and taxation really harmful to growth? firm level evidence [J].Journal of Development Economics, 2007, 83(1): 63-75.

[24] KOLKO J.Broadband and local growth [J].Journal of Urban Economics, 2012, 71(1): 100-113.

StudyontheEffectofEnterpriseInformationTechnologyUsageandOpenInnovation:thePerspectiveofTransactionCost

(School of Public Administration, University of Electronic Science and Technology of China, Chengdu 611731, China)

Abstract：The previous literature preliminarily tested the relationship between information technology usage and open innovation, but they did not explore the influence mechanism of information technology usage on open innovation.Therefore, the paper studied the effect of information technology usage on enterprise open innovation and explained the influence mechanism between them from the perspective of transaction cost.The study shows that information technology is an important factor that promotes enterprise open innovation.In addition, the extension analyses show the fowling conclusions.Firstly, the promotion effect of information technology usage to vertical innovation cooperation is stronger than social innovation cooperation.Secondly, the promotion effect of information technology usage on open innovation in high-tech industry is higher than in low-tech industry.Finally, the promotion of regional trust degree is helpful to enhance the promotion effect of information technology usage on open innovation.The existence of difference of transaction cost in open innovation between innovation cooperation types, industries and regions is an important factor that leads to the promotion effect of information technology usage on open innovation is different between innovation cooperation types, industries and regions, which supports the influence mechanism put forward by theoretical analysis.

KeyWords:Information Technology Usage; Open Innovation; Innovation Cooperation; Transaction Cost

作者简介：张龙鹏(1988-)，男，贵州毕节人，博士，电子科技大学公共管理学院博士后，研究方向为创新与创业管理；汤志伟(1969-)，男，重庆涪陵人，博士，电子科技大学公共管理学院教授，研究方向为电子政务与数字治理。本文通讯作者：汤志伟。

基金项目：国家社会科学基金专项项目(18VSJ057)；中国博士后科学基金项目(2017M622988)

企业信息技术应用对开放式创新的影响：交易成本视角