图1 开放式创新采纳影响因素模型
段利民，王 磊
(西安电子科技大学 经济与管理学院，陕西 西安 710071)
摘 要：借鉴交易成本理论和资源基础理论，分析交易成本对企业开放式创新采纳的影响因素及机理，并检验了企业资源基础在开放式创新决策中的作用。采用问卷调查法对151家企业进行相关数据调查与收集，运用Logistic回归分析技术对数据进行处理分析，研究结果表明：高水平的资产专用性会降低企业作出开放式创新决策的概率，企业感知的环境不确定性对企业开放式创新决策产生正向影响。同时，作为企业资源基础重要组成部分的企业研发能力对企业开放式创新决策的负向影响得到了证实。
关键词：开放式创新；交易成本理论；资源基础理论；创新采纳
近年来，日趋激烈的市场竞争对企业新产品、新技术和新服务开发速度提出了更高要求。尤其在一些高科技行业中，前端专业知识和成果更新速度较快，单个公司或企业的资源基础无法满足快速创新需求。企业逐渐摒弃以往封闭式自主创新模式，转而积极寻求并利用外部知识资源、研究成果进行创新，或借助外部力量将企业自身的研究成果商业化，实施开放式创新，以此提高自身市场竞争水平(Chesbrough，2003)。根据开放式创新观念，“企业要想实现技术进步，可以并且应该使用外部和内部创意及市场化渠道”[1]。
在过去几年里，开放式创新几乎成为西方所有行业创新的主流模式。开放式创新的兴起，引起学术界对其展开大量研究。首先是理论研究，接下来是定量案例研究、大规模定量实证研究，研究范围涉及开放式创新概念界定、开放式创新采纳的识别与测度、开放式创新采纳影响因素等。其中，企业开放式创新采纳影响因素一直是该领域的核心议题。早期研究主要关注企业能力对开放式创新采纳的影响，这些企业能力主要包括企业规模、组织能力、发展战略及相关人力资源因素等。Scroll和Mild[4]发现，一般而言，开放式创新是对内部R&D的补充，但是频繁开展内向型开放式创新则会形成对内部R&D活动的替代。如Laursen和Salter[7]发现企业人力资源与开放度呈正向关系，其原因是大公司具有较高的技术地位和相对丰富的人力资源，这种正向关系同样被Faems等[8]证实。De Backer等[9]基于欧洲26国更为广泛的数据集合，发现相较于小企业，大企业的创新模式更为开放。随着研究不断深入，人们逐渐认识到环境因素影响着开放式创新的实践与扩散，开放式创新采纳影响因素并不局限于公司内部，开放式创新决策更大程度上是产业内部市场环境和技术环境变化的结果，不同产业特性(产业内部与产业之间的竞争与自身特性)引起的不确定性和资产专用性影响着开放式创新决策。Barge-Gil[3]采用OECD分类方法将研究对象划分为低科技、中科技和高科技3类，发现高科技企业更倾向于半开放创新。Schroll和Mild[4]对企业技术水平作出3类划分，发现高技术水平对各类开放式创新活动(内向型、外向型和总体开放式创新)均有显著的正向影响。Lichtenthaler[5]发现，技术动荡对外向型开放式创新具有积极影响。该结论被van de Vrande等[6]证实，他们通过对环境变动和技术采购交易的技术新颖程度展开研究，发现市场不确定性对开放式创新采纳具有积极影响。Lichtenthaler[5]提出用以反映公司所在行业技术交易典型水平的概念——交易率，指出交易率对企业开放式创新战略具有显著调节效应。
开放式创新的前期实证研究表明，开放式创新采纳在很大程度上与企业能力相关，研发能力作为影响开放式创新最重要的因素，是学者们关注的热点；另一方面，环境因素影响着开放式创新的实践与扩散，企业感知到的外部交易成本是企业环境的重要部分，对企业开放式创新采纳决策有着重大影响。因此，本文在交易成本理论和资源基础理论视角下开展实证分析，以企业感知到的交易成本等外部市场环境影响因素为切入点，探索交易成本对企业开放式创新决策的影响及作用机理。同时，以企业研发能力的内部影响因素为出发点，检验企业资源基础在企业开放式创新采纳决策中的作用。从企业内、外部视角展开研究，以期更加全面、准确地把握开放式创新采纳决策影响因素。
交易成本理论(Transaction Cost Theory)是在19世纪30年代由英国经济学家Coase[10]在其《企业的性质》中首次提出的，并经由众多学者发展与完善。Coase的研究是为了回答以下问题：如果自由价格机制被认为是协调和配置资源的最有效手段，企业存在的理由是什么？即市场安排具有较低交易成本，而企业目标是追求利润最大化，当企业通过内部管理开展某项活动的成本比通市场交易更低时，这项活动就会由企业承担。
交易成本理论一般被用于研究“制造”和“购买”决策问题。事实上，企业在进行开放式创新决策过程中，涉及到很多“制造”和“购买”问题。结成联盟、合作研发或市场购买均可被看作是开放式创新理论中独立于企业自主研发创新的组织存在类型，而企业在面对一项新的技术、产品或服务需求时，是选择联盟、合作研发等方式“购买”决策还是通过自主创新“制造”决策，需要对这两种形式的成本进行分析。因此，可利用交易成本理论分析企业开放式创新采纳决策，探讨决策背后的实际价值，以得到其价值规律，更好地指导企业未来决策。
资源基础理论(Resource-Based View)是由Wernerfelt[11]在《企业的资源基础论》中首次提出的，认为企业是各种资源的集合体，由于各种原因，使得企业拥有的资源各不相同，具有异质性，而这种异质性决定了企业竞争力的差异。
企业运营往往建立在一定的资源基础之上，并配置一定程度或水平的研发投入。一般大型企业拥有较多的可配置资源，拥有独立研发部门，利用企业自身资产能力进行研发、发挥自身优势，实现竞争战略优势，即具备自主创新研发优势。而中小型企业在进行开放式创新过程中，由于资源基础优势不明显，受市场波动影响较大，尤其容易受交易成本因素的影响因而不得不借助外部资源。任何企业在进行资源合理化配置过程中，市场购买、合作研发或自主研发投入等开放式创新形式都会考虑交易成本因素的影响。
一般企业开展自主创新的目的是为了降低技术交易可能存在的高昂成本，因为这些交易往往伴随着较高程度的资产专用性[12]。但自主研发创新同时也会阻碍企业获得其它企业的资产专用性，只能通过联盟、合作研发或市场购买等途径获得这些资产专用性。依靠关系专用性投资以实现交易成本最小化[13]的观点常被用以解释为何使用长期契约在事前规定双方重复交易的条款和条件。合作双方倾向于签订长期协议，在事前规定交易条款，以避免交易发生后的反复磋商。
根据交易成本理论可知，当交易涉及重大资产专用性投资时，双方的交易关系无法依靠反复讨价还价维持。一旦投入资本在绩效预期时“沉没”，就会产生“敲竹杠”或机会主义行为动机[13]。但是，如果企业对特定契约、特定合作伙伴的依赖性不强，那么就不太可能出现严重的机会主义。专用性资产和监控难度加大产生的交易成本使得纵向一体化模式更具吸引力，考虑到一个专门的治理机制还应包括大量的创建和维护成本，对于很少发生的交易，公司实行一体化所增加的管理成本可能远高于机会主义与非适应性带来的损失。只有当一项交易较为频繁进行时，一体化形式才更为可取，因为非一体化带来的潜在损失已远超一体化管理成本。在开放式创新中，如果交易双方涉及的资产专用性较高，那么企业是否采用开放式创新将变得尤为重要，如果企业自主研发能力较强，那么很有可能不会采用开放式创新，而是选择自主创新；另一方面，如果企业选择开放式创新，那么产生的结果是企业之间会频繁地发生交易行为，并且合作双方倾向于形成长期合作关系，以降低交易成本。因此，本文假设符合传统关于交易成本的结论，即高频率和高水平资产专用性产生的交易成本相互作用，影响着企业开放式创新选择。由此，提出以下假设：
H1a：高水平资产专用性降低了企业开放式创新的概率；
H1b：高水平交易频率降低了企业采用开放式创新的概率。
随着环境动态不确定性增加，企业面临的机会与威胁也会增加，因而环境动态不确定性会刺激企业采取技术领先战略，以期先于竞争对手进入新的细分市场[14]。由于创新项目的结果总是带有一定程度的不确定性，因而开放式创新往往需要一定无任何确定性结果保证的投资。尽管面临潜在的高额成本，但随着随环境动态不确定性增加，技术淘汰更新速度加快，企业更愿意承担风险，选择利用外部技术资源缩短技术开发周期，以期及时满足消费者多变的需求[15]，从而实现未来发展战略。然而，企业在稳定环境中，很少会使用外部技术资源。例如，Acha(2008)发现，在市场不确定压力下，市场不确定性对开放式创新采纳具有积极影响；Schweitzer等(2011)发现，动荡的产业环境会促使企业整合外部创新资源，有助于创新成功；Drechsler和Natter(2008)发现，企业短期取向对内向型创新活动宽度有显著正向影响，对外向型创新活动有显著负面影响。正如Christensen等(2005)所认为的那样，开放式创新是企业应对外部挑战的应激反应，而不是主动行为。由此，提出以下假设：
H2： 高水平的环境动态不确定性提高了企业选择开放式创新的概率。
开放式创新实证研究中，另一个经常讨论的议题是公司内部R&D活动与开放式创新应用的关系。对于开放式创新或自主创新中涉及的研发活动关系，主要观点可分为两类：一种观点认为，开放式创新是对企业内部R&D活动的替代，即企业可以通过市场购买相关资源进行应用扩展，而不是投入较多研发资金实现，开放式创新过程避免了高昂的内部研发成本；另一种观点认为，开放式创新与企业内部R&D活动互为补充。一般而言，具有较高研发水平的企业往往拥有更加丰富的基础资源，拥有专业研发团队的部门具有更加明锐的前端科技洞察力、更高的相关专业化知识水平，开放式创新推动了企业内部R&D活动的开展，而企业内部R&D活动有利于开放式创新效益最大化。
企业研发能力是指，企业在既有科学技术知识的基础上，把握市场需求、找到问题、确定选题，并组织人力、物力解决问题的能力，它是创新资源投入积累的结果[16]。一般而言，影响企业研发能力的主要因素有研发投入强度、研发经费规模、研发人员规模等。研发能力不仅有助于企业建立竞争优势，还通过促进企业创新能力的形成，间接影响企业竞争优势。研发能力强的企业一般对前沿知识和技术有着较强的理解能力，直接关系到其对这些知识和技术的实践应用。一方面，研发投资具有很强的创新效应，能增强企业研发能力，具体体现为提高企业原创能力、集成创新能力和引进消化吸收再创新能力；另一方面，企业研发能力提高产生的创新效应可以理解为企业自主创新能力增强。而开放式创新则更多地强调“外部创意转化为创新的程度”和“外部创意转化为持续创新能力的可能性”两个方面。由此，提出以下假设：
H3：高水平研发能力降低了企业选择开放式创新的概率。
根据研究假设涉及的交易成本理论和资源基础理论，得到交易成本层面和资源基础层面4个影响开放式创新采纳的主要因素，如图1所示。研究模型借鉴交易成本理论和企业资源基础理论中的变量，包括4个解释变量(IV)和1个被解释变量(DV)，用反映企业交易成本的资产专用性、交易频率、不确定性及反映企业资源能力的研发能力对开放式创新采纳决策进行解释。
2.2.1 被解释变量
“开放式创新采纳”是被解释变量。开放式创新是一个多维度建构，包含多种开放式创新活动。以最简单的形式为例，开放式创新可被视作一个二维建构，即企业可以在两个维度上采用开放式创新流程：内向型和外向型开放式创新。开放式创新的实证研究最早起源于单个企业的案例研究和项目研究，而大规模定量实证研究集中于验证开放式创新这一理论概念是否被企业采用方面，具体研究对象为开放式创新活动。本研究围绕内向型开放式创新活动，全面考虑企业对外部创意源的使用以及相关技术开发情况。
图1 开放式创新采纳影响因素模型
对于开放式创新采纳的测量，借鉴了Laursen和Salter(2006)使用的外部搜索宽度和深度概念，以企业是否存在外部技术获取和外部技术利用为标准，判断企业是否采用开放式创新。从企业专利和技术知识产权购买情况、技术提示或技术援助使用情况，以及创新投入使用建议情况、与其它企业联合研发或研发外包情况4个方面调查开放式创新活动。为了简化开放式创新采纳测度过程，使用二元测量度(0表示未采用，1表示采用)。因为本研究重点关注企业是否存在外部搜索活动，即是否存在开放式创新活动。因此，只要度量结果中存在1，便可认定该企业采用了开放式创新。同时，根据调查得到的企业外部搜索活动宽度，即企业所涉及的外部搜索活动种类，对开放式创新采纳水平进行分类。
2.2.2 解释变量
“依赖性”用以解释资产专用性。如果企业在开放式创新过程中涉及的交易特征是大量特性投资，交易关系具有持续性和复杂性，会使交易变得具有依赖性。在衡量企业之间开放式创新活动资产专用性时，借鉴Paul(1987)对煤炭市场中电力企业与煤炭供应商合作交易关系依赖性的研究，基于对其合作契约数量及变化情况的调查，为了确定企业在开放式创新中的合作交易关系和变化情况，主要采用企业可选择的合作对象数量、现有合作关系可替换性及近5年内合作对象变化情况等指标。一般认为，随着合作交易的专业化程度加深和技术水平提高，在资产专用性作用下，企业合作对象会呈现出数量明显减少、合作关系向一体化发展的趋势。
“频率”通常被解释为商品交换数量。考虑到开放式创新活动的特殊性，在本研究模型中将这一概念解释为开放式创新过程中产生的产品资源交易，或研发合作交易过程中伴随的知识从合作企业一方转移到另一方的频率。因此，可以通过如合作项目数量、具体实物(知识产权、专利等)交易量、技术援助、创新投入使用建议等反映交易频率。
“感知的环境不确定性”的测量基于Duncan(1972)提出的变异性和环境动态变化。重点调查行业环境变异性、内部环境动态变化和企业对环境变化的反应能力、企业所处行业发展水平变化的剧烈程度、企业自身发展研究方向的变化以及企业在行业中发展地位的变化情况。
企业研发能力测量已形成较多研究成果，但均从人力、财力维度对企业研发能力进行划分。本文根据研究目标，对与开放式创新活动相关的R&D活动投入的人力、财力进行衡量，即通过企业基本研究投入、研发人员配备等衡量，并重点突出开放式创新过程中专利产权等购买情况。
表1解释变量测量
(1)问卷设计。本研究关注交易成本视角下开放式创新采纳影响因素，所以应深入企业内部，站在企业角度进行研究。本文采用问卷调查法收集数据，具体调查问卷设计步骤为：首先，参考学者对本文相关变量的调查量表设计，综合考虑本文研究内容和研究变量，设置具体题项，形成初始调查问卷；其次，将设计的调查问卷初稿交由学者进行修改指正。同时，积极与企业相关管理人员对专业问题进行交流，根据其意见进一步调整问卷题项和变量，以使调查问卷既有理论依据，同时也符合企业真实情况；最后，借助统计软件对量表进行统计检验分析，以确保调查问卷的统计可行性，最终形成较为满意的调查问卷。
(2)问卷调查。采用网上发放问卷的形式，运用国内专业问卷调查网站——问卷星提供的免费服务功能展开匿名调查，调查对象包括相关企业的管理人员和MBA学生，得到56份问卷；同时，利用问卷星付费服务，调查传统制造业和高新技术产业的部分企业领导或技术负责人，收集到100份调查问卷。本次调查共得到问卷156份，剔除无效问卷后，共得到有效问卷151份，有效问卷回收率为96.8%。
在本文的调查问卷中，涉及企业基本信息的题项有3个，分别是企业的行业性质、企业成立时间(截止2015年)、企业规模(企业所拥有的职工的人数)，如表2所示。
表2显示：控制变量中的高新技术行业和传统制造业数量大致相等，说明两者的开放式创新采纳不存在数量上的不对等性，符合研究要求；从企业成立时间看，所选企业成立时间大都分布在5～10年和10年以上，分别占总样本的42.4%和49%；从企业规模上看，大部分企业都是100～500人的中型企业，占样本容量的45.7%。
调研数据显示，样本企业中有139家采用了开放式创新，占比达到92.1%，未采用开放式创新的企业只有12家，占总数的7.9%。
表2样本数据基本特征
表3开放式创新采用情况
信度系数用以观测测量题项之间的相关关系强弱，本文釆用Cronbach's α系数检验量表信度，根据系数建议标准：Cronbach's α值为0.8及以上表示检验结果非常理想；Cronbach's α值在0.7～0.8之间表示检验结果较为理想；Cronbach's α值在0.6～0.7之间表示通过信度检验，检验结果可以接受；Cronbach's α值为0.6以下表示未通过信度检验，问卷题项无效。关于效度检验，本文以因子载荷大于0.6且达到显著性水平作为量表具有较好收敛效度的判据。
3.2.1 资产专用性信度效度检验
表4显示，资产专用性的Kaiser-Meyer-Olkin值为0.622，表明资产专用性各变量之间有较强的相关性；资产专用性变量的巴特利球形检验显著水平未达到标准值0.05，表明资产专用性的相关性系数矩阵不是一个单位矩阵，即可以抽取共同因子对不同变量进行解释。
表4资产专用性变量的Kaiser-Meyer-Olkin与Bartlett检验
表5显示，Cronbach's α系数为0.609，通过了信度检验。测量题项提取一个因子后，对总方差的解释度达到54.295%。同时，因子分析结果表示测量题项的因子载荷均在0.6的基本水平以上。因此，测量题项具有较高一致性，可以有效反映变量特性。
表5资产专用性因子载荷矩阵
3.2.2 频率信度效度检验
表6显示，频率的Kaiser-Meyer-Olkin值为0.696，表明频率各变量之间有较强的相关性；频率变量的巴特利球形检验显著水平未达到标准值0.05，表明频率相关性系数矩阵不是一个单位矩阵，也即可以抽取共同因子对不同变量进行解释。
表7中显示，Cronbach's α系数为0.807，检验结果非常理想。测量题项提取一个因子后，对总方差的解释度为72.129%。同时，因子分析结果显示测量题项的因子载荷均在0.6的基本水平以上。因此，测量题项具有较高一致性，可以有效反映变量特性。
表6频率变量的Kaiser-Meyer-Olkin与Bartlett检验
表7频率因子载荷矩阵
3.2.3 感知环境不确定性信度效度检验
表8显示，不确定性的Kaiser-Meyer-Olkin值为0.624，表明不确定性各变量间具有较强的相关性；不确定性变量的巴特利球形检验显著水平未达到标准值0.05，表明不确定性的相关性系数矩阵不是一个单位矩阵，也即可以抽取共同因子对不同变量进行解释。
表9显示，Cronbach's α系数为0.623，通过了信度检验，检验结果可以接受。测量题项提取一个因子后，对总方差的解释度为57.165%。同时，因子分析结果显示测量题项的因子载荷均在0.6的基本水平以上。因此，测量题项具有较高一致性，可以有效反映变量特性。
表8不确定性变量的Kaiser-Meyer-Olkin与Bartlett检验
表9不确定性因子载荷矩阵
3.2.4 企业研发能力信度效度检验
表10显示，研发能力的Kaiser-Meyer-Olkin值为0.678，表明研发能力各变量之间具有较强的相关性；研发能力变量的巴特利球形检验的显著水平未达到标准值0.05，表明不确定性的相关性系数矩阵不是一个单位矩阵，也即可以抽取共同因子对不同的变量进行解释。
表11显示，Cronbach's α系数为0.714，检验结果较为理想。测量题项提取一个因子后，对总方差的解释度为63.731%。同时，因子分析结果显示测量题项的因子载荷均在0.6的基本水平以上。因此，测量题项具有较高一致性，可以有效反映变量特性。
表10研发能力变量的Kaiser-Meyer-Olkin与Bartlett检验
表11研发能力因子载荷矩阵
由于考察的开放式创新采纳与否是一个二项分类问题，结合交易成本的三维因素和研发能力变量，采用二项分类Logsitic回归模型进行分析，有：
本研究数据来自于企业个体，不能简单地令Pi=1(若企业采用了开放式创新)或0(若企业没有采用开放式创新)，这种情况下使用最大似然法的非线性估计对非群组数据的Logsitic模型进行估计。
表12模型变量
注：DP、TP、SIA、PEU 分别使用了3个测量变量,在模型中我们使用三个测量变量据平均值作为输入变量值
(1)相关分析和单因素分析。 在进行logistics回归模型分析前，分别对各变量作相关性分析和单因素分析，相关性系数如表13所示。从表中可以看出，DP、TP、PEU的相关系数在0.01水平上显著，可以推断出它们之间确实存在一定的相关性。由于这3个变量描述的是交易成本视角下的3个维度，它们之间存在明显相关性的结果在本文预期之内。考虑到IO变量作为二分类(0、1)变量，可认为开放式创新采纳决策(IO取值为0或1)是多个变量综合作用的结果，即多个因素共同决定了开放式创新采纳概率。当该概率取值大于0.5时IO取值为1，当该概率小于0.5时IO取值为0。因此，变量与开放式创新采纳决策之间并不存在简单的线性相关关系，在相关性分析中可能出现IO与其它变量间相关性不显著的情况。这一分析结果仅作为分析参考，不作为判断变量相关关系的依据。
单因素分析结果如表14所示，从表中可以看出变量DP和SIA的系数为负，表明资产专用性与研发能力对企业开放式创新采纳产生了负向影响；TP、PEU系数为正，说明交易频率和环境不确定性对企业开放式创新采纳产生了正向影响。尽管存在变量显著性不强，变量DP、SIA的显著性水平均未达到0.05的显著性水平，仅作为单因素分析过程的参考，对于后面分辨可能的混杂因子有意义，但不作为剔除变量的判断依据。
表13开放式创新采纳影响因素相关性分析结果
注：**在 0.01 水平(双侧)上显著相关，*在0.05水平(双侧)上显著相关
(2)多因素分析。 表15显示，χ2=59.950，P<0.00，达到0.05的显著性水平。Hosmer 和 Lemeshow检验值为0.428，P>0.05，未达到显著性水平，说明自变量和因变量之间具有很好的关联度。因此，资产专用性、交易频率、环境不确定性和研发能力对企业开放式创新采纳具有显著影响。
Logistics模型回归分析结果如表16所示，DP、TP、PEU、SIA的Wald值分别为-4.325、3.321、4.826、-2.478，均达到0.05的显著性水平。尽管在之前的单因素分析中，有个别变量的统计学意义并不显著，但在整体回归中4个变量均表现出良好的回归特性，表明其与企业开放式创新采纳存在显著关联，可以有效预测企业采用开放式创新和不采用开放式创新的组别。其中，DP和SIA的系数为负，TP、PEU的系数为正，这与前面单因素分析结论一致。因此，可以作为验证H1a、H2和H3的依据，即高水平资产专用性降低了企业选择开放式创新的概率，高环境动态不确定性提高了企业选择开放式创新的概率，高水平研发能力降低了企业选择开放式创新的概率。而H1b关于交易频率的假设并未得到验证。
表14开放式创新采纳影响因素单因素分析结果
表15多因素分析整体拟合优度检验
从而可得到以下预测模型：
为了验证模型的正确性和有效性，将样本数据带入预测模型进行检验，得到样本选择开放式创新的概率，以0.5作为分割点进行预测分类，即概率大于0.5则认为样本选择开放式创新，小于0.5则认为样本不选择开放式创新。如表17所示，原12个未采用开放式创新的企业样本(IO=0)，有7个样本预测正确(IO=0)，5个样本预测错误(IO=1)。原139个采用开放式创新的企业样本(IO=1)中，136个样本预测正确(IO=1)，3个样本预测错误(IO=0)。整体分类正确率为94.70%，高于一般认为的75%模型预测基本准确率。因此，该模型能够很好地解释企业开放式创新决策影响因素。
表16开放式创新采纳影响因素多因素分析结果
表17开放式创新采纳影响因素模型预测结果
本文基于交易成本理论和资源基础理论，对交易成本及企业资源基础在开放式创新采纳决策中的作用进行了探索和检验。提出了交易成本和企业资源基础对企业开放式创新影响的相关理论假设，以反映企业交易成本的资产专用性、交易频率、不确定性及反映企业资源能力的研发能力为解释变量，以开放式创新采纳决策为被解释变量，构建检验模型，运用Logistics回归分析方法对模型进行检验，得到如下结论：
(1)交易成本视角下企业交易的资产专用性、交易频率和环境动态不确定性共同影响企业开放式创新决策。高交易成本降低了企业选择开放式创新的概率，主要表现为高水平的资产专用性增加了交易成本，进而降低企业采用开放式创新的概率。
(2)在本研究样本中，采用开放式创新的企业占92.1%的比例，由关于交易频率对开放式创新影响的分析可知，如果企业采用开放式创新，具有高水平资产专用性的交易双方可能涉及较高的交易频率，交易双方形成纵向一体化的可能性更大，以此减少长期合作契约关系中存在的高交易成本。因此，高水平交易频率与开放式创新采用概率之间存在正相关性。
(3)基于交易成本理论对不确定性因素的分析，本文更关注企业外部环境动态不确定性对开放式创新选择的影响。企业外部环境动态性提高了知识交换与传播频率，对企业发展带来不确定性，企业为了适应不断变化的外部环境，必须不断寻求新的技术资源支持，以实施领先战略。因此，企业外部环境动态不确定性提高了企业开放式创新决策概率。
(4)企业研发能力对企业开放式创新决策具有负向影响。一方面，如果企业研发能力在行业中处于优势地位，其往往是开放式创新知识、技术资源的掌握者，会降低其对开放式资源或外部资源的吸收概率，知识转移涉及的内向型开放式创新选择概率也会相对降低；另一方面，由于知识产权、专利保护力度加大，随着企业研发能力水平提高，外向型开放式创新选择概率会降低。
上述研究结论对于企业开展创新活动具有如下启示：
(1)企业开放式创新选择涉及的交易的资产专用性，主要受交易类型、双方组织模式和技术相关性等一系列因素影响。资产专用性增加会提高交易成本，如何制定高效的合作模式和交易协议是降低开放式创新交易成本的关键。对于一些新兴产业的企业，可以选择在产业发展初期采用开放式创新，通过内外部资源交换或结成合作联盟等方式规避风险、获得发展，从而在市场中获得有利地位。
(2)在企业发展过程中，研发环节发挥着重要作用。内向型开放式创新使得企业获取资源更为方便可靠，从而缩短研发周期。但是，对于研发能力强的企业而言，大力开展外向型开放式创新，不仅能实现研发成果收益最大化，还能够不断加强自身发展能力。
本文研究也存在一些不足，由于条件所限，样本规模有限，无法做到大容量随机抽样，研究数据可能存在不均衡性，相关结论存在一定局限性。因此，未来研究一方面可对变量及量表进行优化与丰富，进一步完善研究模型；另一方面，可通过大样本调查数据验证并完善本文研究结论。
参考文献:
[1] CHESBROUGH H,A K CROWTHER. Beyond high tech: early adopters of open innovation in other industries[J].R&D Management ,2006,36(3):229-236.
[2] LICHTENTHALER U,H ERNST. Opening up the innovation process: the role of technology aggressiveness[J].R&D Management,2009,39(1):38-54.
[3] BARGE-GIL A,A MODREGO. The impact of research and technology organizations on firm competitiveness,measurement and determinants[J].Journal of Technology Transfer,2011,36(1):61-83.
[4] SCHROLL A,A MILD .A critical review of empirical research on open innovation adoption[J].Journal für Betriebswirtschaft,2012,62(2):85-118.
[5] LICHTENTHALER U,H ERNST.Opening up the innovation process: the role of technology aggressiveness[J]R&D Management,2009,39(1):38-54.
[6] VDV VARESKA. Balancing your technology-sourcing portfolio:how sourcing mode diversity enhances innovative performance[J].Strategic Management Journal,2013,34(5):610-621.
[7] LAURSEN K,A SALTER. Open for innovation: the role of openness in explaining innovation performance among U.K. manufacturing firms[J]. Strategic Management Journal,2006,27(2):131-150.
[8] NEYENS I，D FAEMS，L SELS,et al. The impact of continuous and discontinuous alliance strategies on startup innovation performance[J].International Journal of Technology Management,2010,52(6):888-894.
[9] DE BACKER K, L
PEZ-BASSOLS V, MARTINEZ C.Open innovation in a global perspective: what do existing data tell us[J].OECD Science, Technology and Industry Working Papers, 2008,9(1):47-51.
[10] R H COASE.The nature of the firm[Z].1937.
[11] WERNERFELT B. A resource-based view of the firm[J]. Strategic Management Journal,1984,5(2):171-180.
[12] OERLEMANS L A G,M T H MEEUS. R&D cooperation in a transaction cost perspective[J].Review of Industrial Organization ,2001,18(1):77-90.
[13] JOSKOW P L.Contract duration and relationship-specific investments:empirical evidence from coal markets[J].American Economic Review，1987，77(1):168.
[14] UTTERBACK J.Mastering the dynamics of innovation[M]Cambridge,MA: Harvard Business Press，1994．
[15] 唐国华,孟丁.环境不确定性对开放式技术创新战略的影响[J].科研管理,2015,36(5):21-28.
[16] 任小娟.我国中小企业技术创新能力问题研究[D].长沙：湖南大学,2004.
[17] 储节旺,李善圆.开放式创新的影响因素及路径选择研究[J].情报理论与实践,2015,38(4):18-22,33.
[18] 罗炜,唐元虎.合作创新的交易成本分析[J].科学学与科学技术管理,2001,22(6):5-6.
Duan Limin,Wang Lei
(School of Economics and Management, Xidian University, Xi'an 710071，China)
Abstract：Aims to explore the impact of transaction costs on the decision of open innovation adoption of firms, as well as to examine the role of the resource base in open innovation adoption decision-making. Guided by the Transaction Cost Theory and Resource-Based View, we proposed our research hypothesis. We also carried out a questionnaire survey on 151 companies and collected some research data, on which Logistic Regression analysis was used to test the hypothesis. The result showed that high level of asset specificity reduces the probability to adopt open innovation in decision-making, and that the perceived environmental uncertainty has a positive effect on the adoption of open innovation. Meanwhile, the negative impact of R&D capability on the adoption of open innovation is confirmed.
Key Words:Open Innovation；Transaction Cost；Resource-Based View；Innovation Adoption
收稿日期：2017-06-08
基金项目：国家自然科学基金面上项目(71472144)；中央高校基本科研业务费专项项目(JB180609)；陕西省社会科学基金项目(12Q098)
作者简介：段利民(1980-)，男，河南开封人，博士，西安电子科技大学经济与管理学院副教授、硕士生导师，研究方向为创新与创业管理；王磊(1991-)，男，陕西宝鸡人，西安电子科技大学经济与管理学院硕士研究生，研究方向为技术经济与技术创新管理。
DOI：10.6049/kjjbydc.2017040105
中图分类号：F273.1
文献标识码：A
文章编号：1001-7348(2018)07-0027-08
(责任编辑：林思睿)