图1 理论模型
毛荐其，李新秀，刘 娜
(山东工商学院 工商管理学院，山东 烟台 264005)
摘要：随着社会经济快速发展，技术会聚备受关注。基于美国专利商标局授权的2 025项中国专利数据，利用负二项回归模型，探讨组织机构技术会聚程度对创新绩效的作用机制，并引入技术知识成熟度和技术知识流动性作为调节变量。研究结果表明：组织机构技术会聚程度与其创新绩效呈倒U型关系；组织机构技术知识成熟度削弱了技术会聚程度与创新绩效之间的关系；组织机构技术知识流动性削弱了技术会聚程度与创新绩效间的关系。研究结论可为组织机构提高创新绩效提供理论依据。
关键词：技术会聚；技术知识成熟度；技术知识流动性；创新绩效
随着社会经济快速发展，单一学科领域的技术知识已不足以解决复杂的社会经济问题，技术会聚现象不断涌现[1]。技术会聚是指不同学科的技术知识溢出和融合，即整合不同领域或来源的知识进行技术创新，由会聚生成的新技术具有组合知识的整合价值和协同价值，当前许多新兴技术领域都是技术会聚的结果[2]。技术会聚作为技术创新的主要来源，有望领导并主导未来技术创新[3]。
自2001年12月美国国家科学基金会与商务部技术管理局等组织首次提出“NBIC(纳米-生物-信息技术与认知科学)会聚技术”概念以来，技术会聚这一突出且有影响力的现象受到国内外学者广泛关注。学者们主要研究了研发项目时间、资金投入和研发环境对技术会聚的影响[4]；基于专利分析技术会聚模式，将技术会聚模式划分为领域间技术会聚和部类间技术会聚等[5]；探讨技术会聚的研究方法，如基于发明家的多学科方法、共现分析法和引文分析法等，并使用专利信息对技术会聚程度进行测度、对技术会聚趋势进行预测，以及辨识主要会聚技术[6]；基于案例分析法，探讨会聚背景下的技术策略选择，构建战略象限进化模式，识别企业战略行为的异质模式[1]。
尽管目前关于技术会聚动因、技术会聚模式、技术会聚测度与辨识及技术会聚作用的研究已经取得了一定进展[1,4,6]，但很少有学者对技术会聚与创新绩效的关系进行深入探讨[7]，仅有Lee等[7]关注如何将科学知识应用到技术研发活动中，从技术层面研究一项技术的科学知识及技术知识会聚程度对该项技术未来影响力的作用。然而，不同领域的技术知识交叉与融合带来的技术会聚如何作用于组织创新绩效？何种程度的技术会聚更有利于组织创新？技术会聚对组织创新绩效的作用是否受到情景因素影响？尚未有学者运用计量模型对这些问题进行实证研究。鉴于此，本文基于美国专利局授权的专利数据，利用标准的负二项式模型和零膨胀的负二项模型对组织机构技术会聚程度与创新绩效间的关系进行研究，并引入技术知识成熟度和技术知识流动性作为调节变量，以期从中观层面(组织层面)揭示技术会聚对创新绩效的作用机制，并为组织机构提升创新绩效提供理论依据。
技术会聚产生会聚技术，会聚技术往往具有先前技术不具备的新功能[8-10]，可以改变组织机构的核心竞争力[11-12]，提升组织机构的商业战略及产品策略管理能力[1],为组织机构进入产业价值链关键位置并挑战行业领导者提供了条件[11]。可见，拥有较高技术会聚程度的组织机构往往拥有更有利的创新条件，从而能够提高研发效率[8,10]。因此可以认为，提高组织机构的技术会聚程度能提升其创新绩效。
然而，技术会聚也可能为组织机构带来风险。技术会聚是潜在的技术知识会聚转化为技术发明的过程，会使得技术知识溢出到其它新技术领域[13-14]。某一组织机构要实现技术会聚，往往需要与其它组织机构交换和共享私有技术知识资源，此过程中很可能出现搭便车行为以及意想不到的资源溢出。此外，组织机构的技术会聚程度越高意味着其涉及的技术或产业领域越多[1,12]。鉴于任何组织机构的承载力都是有上限的，当其涉及的技术或产业领域数量超过某个特定值时，就需要花费更多的时间及精力来协调和处理相关事务，进而可能导致组织机构规模不经济的现象。因此可以认为，某一组织机构的技术会聚程度过高可能不利于其未来创新活动，从而降低创新绩效。综上所述，提出如下假设：
H1：组织机构的技术会聚程度与其创新绩效呈倒U型关系。
在创新过程中，随着组织机构不断对技术知识进行验证、试错、得出结论以及进一步总结学习，技术知识会逐渐成熟[15]。一项技术发明出现得越早，意味着它的技术知识成熟度越高[7,15,16]。组织机构的技术会聚程度较低时，鉴于成熟的技术知识往往缺乏新颖性，组织机构以成熟技术作为技术创新的知识基础，将会降低技术创新效率[13]。因此，当组织机构的技术会聚程度较低时，技术知识成熟度将削弱技术会聚程度对创新绩效的正向作用。
鉴于成熟的技术知识往往更容易被组织机构获取和利用[7,15]，使得组织机构拥有更多时间和精力协调、处理不同技术领域或不同产业的事务，有助于缓解组织机构在技术会聚程度较高时的规模不经济现象。因此，当组织机构的技术会聚程度较高时，技术知识成熟度会削弱技术会聚程度对创新绩效的负向作用。据此，提出以下假设：
H2：组织机构的技术知识成熟度反向调节技术会聚程度对技术创新绩效的倒U型关系。
组织机构间的技术知识流动有助于组织机构获取外部技术知识，降低自身创新投入和创新风险[17-18]。陈子凤和官建成[18]研究了国际专利合作和国外专利引用的知识流动对创新绩效的影响，发现国家间的知识流动性对其创新绩效具有一定促进作用。此外，组织机构的技术会聚程度越高，意味着拥有的技术知识越多，这为组织机构技术创新提供了有力支撑，有助于创新绩效提升[5,10]。当组织机构技术会聚程度较低时，组织机构技术知识流动性与技术会聚程度对创新绩效的作用相似，这会产生一定的作用冗余。因此可以认为，当组织机构技术会聚程度较低时，技术知识流动性将削弱技术会聚程度对创新绩效的正向作用。
组织机构的技术知识流动性越大，意味着能从外部获取的技术知识越多，这将弥补组织机构技术会聚过程中的技术知识溢出损失[19]。因此可以认为，组织机构技术会聚程度较高时，技术知识流动性将削弱技术会聚程度对创新绩效的负向作用。据此，提出如下假设：
H3：组织机构的技术知识流动性反向调节技术会聚程度对技术创新绩效的倒U型关系。
综合上述研究假设，构建本文研究模型如图1所示。
图1 理论模型
专利是反映技术创新的重要指标。大量研究表明，专利文件的题目、摘要、申请人、发明人、IPC分类号、引证信息、被引证信息及详细声明等能反映出一系列技术信息，因而专利指标能够有效表征创新活动[17,20,21]。美国专利局授权的专利被公认为具有较高的技术质量，因此本研究选择从美国专利局的授权专利数据库中提取专利数据。因变量涉及专利前向引用次数，即一项专利公开发布后，被其它专利引用的次数。考虑到专利引用具有滞后性，将美国专利局授权的中国专利搜索年限限定在2010年全年。也就是说，本研究所选因变量和主要自变量数据由2010年全年中国内地(不包括香港、澳门、台湾)在美国专利局的所有授权专利数据计算得到，具体的专利检索式为：ISD/1/1/2010->12/31/2010 AND ACN/CN。于2016年8月对2010年全年中国内地在美国专利局的被授权专利进行检索，经过彻底的数据清洗，最终获得2 350项专利。通过对专利权人进行识别，发现2 350项专利中有2 025项专利的专利权人为组织机构，其余专利的专利权人为个人。进一步识别发现，2 025项专利的专利权人涉及449家中国的组织机构。最终确定实证样本为被识别出的449个组织机构，该样本为截面数据。
2.2.1 因变量
大量研究表明，专利前向引用、专利家族大小以及专利更新年份加权的专利数量等是一个组织机构创新绩效的有效代理指标[7,12,17,21]。专利获取前向引用数越多，表明未来创新受该专利的影响越大，意味着该专利的技术创新性越大[7]。因此，参照Lee等[7]的做法，使用专利前向引用作为专利价值的判别标准。综上所述，某个焦点组织机构的创新绩效可以通过以下公式计算得到：
创新绩效
(1)
式(1)中，m表示该组织机构在2010年全年获得美国专利局授权的专利数量，Si表示专利i在被授权后5年内(2011-2015年)的前向引用频次。
2.2.2 自变量
(1)技术会聚程度。世界知识产权组织(WIPO)建立的国际专利分类(IPC)系统是以往学者最常用的技术会聚技术分类信息测度工具。然而，由于IPC的技术分类方式不能全面反映专利技术类别[11]，WIPO在2008年又提出“技术-IPC索引表”，用以补充那些覆盖不同领域的专利技术类别。该索引表将所有IPC号分为电气工程、仪器、化学、机器工程和其它5大技术部类，并将这5大技术部类细分为35个技术领域。当一项专利涉及两个及以上细分技术领域时，则可认为该项专利发生了技术会聚[4,13]。关于技术会聚程度，借鉴Jeong等[13]的做法，将某个焦点组织机构的技术会聚程度定义为：观测年内(2010年)某一焦点组织机构发生技术会聚的专利数与其获得的专利总数之比。
(2)技术知识成熟度。对于该变量的计算，参考Lee 等(2016)的做法，具体步骤如下：首先，分别计算焦点组织机构拥有的各项专利授权时间以及各项专利所有参考专利授权时间的平均时间间隔[7]。例如，对于组织机构的一项授权时间为2010年的专利，它的技术知识成熟度为：
式中，n表示专利引用其它专利的数量，yij表示专利i引用的专利j的授权时间。然后，对考察时期内每个组织机构所有专利的技术知识成熟度得分求平均值。
图2 技术会聚定义框架
(3)技术知识流动性。本文根据以往研究，通过构建专利引用网络测度技术知识流动情况。该变量表示某个焦点组织机构在2010年全年获得美国授权的发明专利引用其它组织机构专利的次数。参照Guan等[19]的做法，该变量的计算步骤如下：首先，找出各焦点组织机构在2010年全部发明专利引用的其它专利，通过查询被引用专利的第一发明者所属组织机构识别其组织机构信息。然后，构建一个有向加权网络：边的起点表示知识流出组织机构，即被引用组织机构；边的终点表示知识流入组织机构，即引用组织机构；边的权重表示知识流量，即被引用次数。最后，利用Pajek软件计算有向加权网络各节点的入度值。因此，某焦点组织机构在2010年的技术知识流动性即为对应节点的入度值。
2.2.3 控制变量
虽然本研究关注技术会聚对组织机构创新绩效的作用机制以及技术知识成熟度、技术知识流动性对二者关系的调节作用，但不能排除其它因素对组织机构创新绩效的影响。因此引入控制变量，包括研发能力、专利权人类型以及技术部类数量。
(1)研发能力。组织机构过去拥有的成功研发经验能够表明它是一个高效的研发组织机构。鉴于组织机构研发能力直接影响其创新产出，必须对研发能力的相关影响进行控制。根据常见的做法，将组织机构在过去4年(2006-2009年)内被美国专利局授权的专利存量作为研发能力的代理指标[7,17,21]。据此，以专利权人作为检索依据，在美国授权专利数据库中检索出2006-2009年449家组织机构的被授权专利，将其作为研发能力代理指标。
(2)专利权人类型。不同类型的组织机构可能具有不同的专利申请偏好。因此，根据美国专利商标局对专利权人的分类，引入虚拟变量表征某个组织机构的专利权人类型，包括企业、大学及研究院所，其中默认值为企业。
(3)技术领域数量。在本研究样本中，一个组织机构涉及的“技术-IPC索引表”定义的5个技术部类的数量，即为技术领域数量。已有研究表明，不同技术领域的组织机构申请专利的偏好不同[4,12,13]，但跨越技术领域数量不同的组织机构可能具有相同的专利偏好。因此，引入组织机构跨越的技术领域数量控制组织机构专利偏好变化。
因变量组织机构的创新绩效是计数型变量，并且只取非负值，可考虑采用泊松模型或负二项模型。鉴于因变量的均值小于方差，呈过度离散态，可考虑选择使用负二项回归模型。因此，采用Vuong检验以进一步确定选用标准的负二项回归模型还是零膨胀的负二项模型。由于检验结果(Vuong值|V| < 1.96)并未能表明上述两个模型中哪一个的适用性更好，因而在本研究中，首先给出标准负二项模型的估计结果，接着利用零膨胀的负二项模型检验标准负二项回归模型估计结果的稳健性。
表1给出了变量的描述性统计及其相关矩阵。通过共线性检验发现，每个变量的方差膨胀因子(VIF)都小于10，说明变量之间并不存在严重的多重共线性。从表1可知，449家焦点组织机构在2010年全年拥有的专利在被授权后5年内的平均被引用次数为12.619次，其中167家焦点组织机构的专利在被授权后5年內没有被引用。2010年全年焦点组织机构被授权的专利平均技术知识成熟度为12.751年。此外，可以看出：技术知识成熟度与技术创新绩效负相关(r=-0.083 7，p<0.10)；技术知识流动性与技术创新绩效正相关(r=0.480 0，p<0.01)；组织机构研发能力与创新绩效正相关(r=0.252 8，p<0.01)。
表1描述性统计与相关矩阵(N=449)
注： ***表示p<0.01，**表示p<0.05；*表示p<0.10；双尾检验，下同
表2给出了对组织机构创新绩效的标准负二项回归结果。其中，模型1是基本模型，该模型只包含控制变量。利用模型2对自变量技术会聚程度进行回归分析。模型3用以检验技术知识成熟度对技术会聚程度与技术创新绩效关系的调节作用。模型4用以检验技术知识流动性对技术会聚程度与技术创新绩效关系的调节作用。模型5为全要素模型，该模型包含所有变量。
表2显示，模型2和模型5都为H1提供了统计上的支持。首先，技术会聚程度的主效应在模型2(β=3.678 3，p<0.05)和模型5(β=10.138 5，p<0.01)中均正向显著。其次，技术会聚程度的二次项系数在模型2(β=-4.242 4，p<0.01)和模型5(β=-10.747 6，p<0.01)中均负向显著。因此，当组织机构的技术会聚程度较低时，技术会聚程度提升有利于创新绩效提高。当组织机构技术会聚程度提升到一个特定值后，报酬递减作用占据主导地位，此时组织机构的技术会聚程度提升会对创新绩效产生不利影响。
在模型3和模型5中，技术会聚程度与技术知识成熟度的交互项系数显著为负(β=-0.547 2，p<0.05；β=-0.535 3，p<0.05)；技术会聚程度平方项与技术知识成熟度的交互项系数显著为正(β=0.568 0，p<0.05；β=0.548 0，p<0.05)。因此，H2得到验证。
在模型4和模型5中，技术会聚程度与技术知识流动性的交互项系数显著为负(β=-0.034 4，p<0.01；β=-0.034 4，p<0.01)；技术会聚程度平方项与技术知识成熟度的交互项系数显著为正(β=0.038 7，p<0.05；β=0.040 1，p<0.05)。因此，H3得到验证。
关于控制变量，组织机构的研发能力对创新绩效具有显著的正向影响。根据回归结果可知，相对于企业，大学具有较少的技术创新偏好；未能确定科研院所和企业谁具有更强的技术创新偏好。最后，组织机构涉及的技术领域数量显著正向影响其创新绩效。
表2标准负二项模型回归结果
注：括号中是标准差，下同
本研究选择使用零膨胀的负二项回归模型对组织机构创新绩效进行回归分析，以检验其稳健性，估计结果如表3所示。该模型中的因变量和自变量与表2相同。表3显示，本研究关注的变量估计系数符号与表2的回归结果类似。因此，利用标准负二项回归模型得出的结论被零膨胀负二项模型证实。
通过实证研究，得出以下结论：①组织机构的技术会聚与创新绩效存在倒U型关系，适度的技术会聚能够促进组织机构创新，技术会聚过度会抑制组织机构创新；②组织机构技术会聚与创新绩效的倒U型关系具有情境依赖性，即二者的作用程度受组织机构技术知识成熟度和技术知识流动性影响。具体而言，组织机构的技术知识成熟度和技术知识流动性均对技术会聚程度与创新绩效间的倒U型关系具有削弱作用。
根据上述研究结论，可以得到如下政策与管理启示：政策制定者应致力于有效政策的开发，以此促进不同领域的技术知识会聚。例如，通过资助跨学科研究、建立创新平台及开发创新渠道，促进不同领域的技术知识交叉与融合；为了提升创新绩效，组织机构应保持适度的技术会聚水平，而不应无度地提升或维持在较低水平；政策制定者应通过相关举措鼓励组织机构合作、促进技术知识流动，如资助跨机构的研究项目；组织机构在技术研发过程中，应注重外部技术知识获取。同时，应根据自身技术会聚水平，及时有效地调整技术知识成熟度以及外部知识流动性水平，以便提升自身的创新效率、获得更多创新产出。
本研究还存在一定局限性：研究数据仅限于专利数据，虽然专利产出是技术创新产出的重要内容，但并不能完全反映出技术创新产出。这是因为，鉴于专利的公开性，一些组织机构会选择不申请技术发明专利。因此，未来研究可以考察技术创新产出的其它非专利形式；其次，在测度组织机构创新绩效时，本文使用的专利被引用次数具有一定局限性。本文使用专利被引用次数测度专利的创新绩效，主要测度其技术价值，未考虑其潜在的社会经济效益。
表3零膨胀负二项模型回归结果
参考文献:
[1] CHO Y, KIM E, KIM W. Strategy transformation under technological convergence: evidence from the printed electronics industry[J]. International Journal of Technology Management, 2015, 674(67):106-131.
[2] 刘娜, 毛荐其, 余光胜. 技术会聚研究探析与展望[J]. 科研管理, 2017, 38(12): 20-28.
[3] ATHREYE S, KEEBLE D. Technological convergence, globalisation and ownership in the UK computer industry[J]. Technovation, 2000, 20(5):227-245.
[4] JEONG S, LEE S. What drives technology convergence? exploring the influence of technological and resource allocation contexts[J]. Journal of Engineering and Technology Management, 2015, 36:78-96.
[5] KARVONEN M, KASSI T. Patent citations as a tool for analyzing the early stages of convergence[J]. Technological Forecasting & Social Change, 2013, 80(6):1094-1107.
[6] LEE W S, HAN E J, SOHN S Y. Predicting the pattern of technology convergence using big-data technology on large-scale triadic patents[J]. Technological Forecasting & Social Change, 2015, 100:317-329.
[7] LEE C, PARK G, KANG J. The impact of convergence between science and technology on innovation[J]. Journal of Technology Transfer, 2016:1-23.
[8] NORDMANN A, BRULAND K, BIBEL W, et al. Converging technologies-shaping the future of European societies[R]. England : Interim Report of the Scenarios Group, 2004.
[9] MAINE E, THOMAS V J, UTTERBACK J. Radical innovation from the confluence of technologies: innovation management strategies for the emerging nanobiotechnology industry[J]. Journal of Engineering & Technology Management, 2014, 32(2):1-25.
[10] BORES C, SAURINA C, TORRES R. Technological convergence: a strategic perspective[J]. Technovation, 2003, 23(1):1-13.
[11] GIACHETTI C, DAGNINO G B. The impact of technological convergence on firms' product portfolio strategy: an information-based imitation approach[J]. R & D Management, 2015, 47(1):17-35.
[12] CHOI J, JEONGS, KIM K. A study on diffusion pattern of technology convergence: patent analysis for Korea[J]. Sustainability, 2015, 7(9):11546-11569.
[13] JEONG S, KIM J C, CHOI J Y. Technology convergence: what developmental stage are we in[J]. Scientometrics, 2015, 104(3):1-31.
[14] CURRAN C S, LEKER J. Patent indicators for monitoring convergence-examples from NFF and ICT[J]. Technological Forecasting & Social Change, 2011, 78(2):256-273.
[15] BOHN R E. Measuring and managing technological knowledge[J]. Sloan Management Review, 1994, 36(1):61-73.
[16] SKILTON P F, DOOLEY K. Technological knowledge maturity, innovation and productivity[J]. International Journal of Operations & Production Management, 2002, 22(8):887-901.
[17] 刘娜. 纳米能源的复杂创新网络研究[M]. 北京: 经济科学出版社, 2017: 56-68.
[18] 陈子凤, 官建成. 国际专利合作和引用对创新绩效的影响研究[J]. 科研管理, 2014, 35(3): 35-42.
[19] GUAN J, CHEN Z. Patent collaboration and international knowledge flow[J]. Information Processing & Management, 2012, 48(1):170-181.
[20] LIU N, GUAN J C. Policy and innovation: nanoenergy technology in the USA and China[J]. Energy Policy, 2016, 91: 220-232.
[21] GUAN J C, LIU N. Exploitative and exploratory innovations in knowledge network and collaboration network: a patent analysis in the technological field of nano-energy[J]. Research Policy, 2016, 45 (1): 97-112.
Mao Jianqi,Li Xinxiu,Liu Na
(School of Management, Shandong Technology and Business University, Yantai 264005, China)
Abstract：Given the rapid development of social economy, technological convergence attracts increasing attention in recent few years. This study investigates the effect of technological convergence on innovation performance at the organizational level. In addition to the direct effect of technological convergence on innovation, we address the moderating roles of technological knowledge maturity and technological knowledge flow on the direct effect. The empirical analyses, which employ negative binomial regression models, use data of 2025 patents granted to Chinese organizations by the USPTO. The results show that an increase in technological convergence has an inverted U-shaped relationship on innovation performance. Also, we find that the technological knowledge maturity and technological knowledge flow of organizations negatively moderate the relationship between technological convergence and innovation performance, respectively. This article finally give the policy and management implications on how to enhance the innovation performance of organizations.
KeyWords:Technological Convergence; Technological Knowledge Maturity; Technological Knowledge Flow; Innovation Performance
文章编号：1001-7348(2018)20-0009-06
文献标识码：A
中图分类号：F124.3
DOI：10.6049/kjjbydc.2017110192
作者简介：毛荐其(1963-)，男，安徽桐城人，博士，山东工商学院工商管理学院教授，研究方向为技术与创新管理；李新秀(1990-)，女，山东日照人，山东工商学院工商管理学院硕士研究生，研究方向为技术创新；刘娜(1985-)，女，山东巨野人，博士，山东工商学院工商管理学院讲师，研究方向为技术创新计量。本文通讯作者：刘娜。
基金项目：国家自然科学基金项目(71672103,71702090)；教育部人文社会科学基金项目(17YJC630087)；山东省自然科学基金项目(ZR2016GM02)
收稿日期：2018-01-11
(责任编辑：林思睿)