近年来,伴随着国家对创新的日渐重视,越来越多的涉农企业提高了研发重视程度。2006-2016年,开展创新活动的涉农企业比例攀升至10.26%,年均内部研发支出632亿元,年均新产品数量及销售额分别为6 053亿元以及1 869亿元,研发活动极大地促进了涉农企业发展,也在一定程度上有助于实现现代农业转型。尽管如此,相较于其它行业企业,研发经费短缺、研发体量小以及创新开放程度不够依旧是涉农企业发展的主要制约因素[1],研发本身的长期性、风险性以及外部性决定了涉农企业单纯依靠独立研发难以实现进一步发展。与此同时,涉农企业面临的研发产出利用率不足、科技成果转化率低、科技经济“两张皮”的现状依然没有得到明显改善。研究表明,协同创新作为一种新范式,通过与其他创新主体耦合互动,实现技术、人才以及研发资源优势互补,从而形成兼具动态性、整体性的创新系统[2],是解决以上问题的有效措施[3]。涉农企业开展协同创新可以在发挥涉农企业市场导向以及资金优势的基础上,基于高校与科研院所的人才和技术优势,一方面实现优势资源互补,另一方面高市场导向有助于企业、高校及科研院所联合研发出经济效益更高的科技成果,从而实现转移转化及产业化应用。近年来,《国家中长期科学和技术发展规划纲要(2006—2020年)》、“十三五规划”以及《国家创新发展纲要》均强调了协同创新的重要性,并将其提高到国家战略层次。因此,中国涉农企业在开展R&D活动时应强化协同创新,多途径增加经费与人才投入。与此同时,根据Nonaka[4]的思想,研发人员是创新主体在协同创新过程中持续吸收、内化其他创新主体知识、技术的根本,研发经费则是使内化知识、技术得以应用于研发活动以及产业化的保障,即合理的研发禀赋结构是保证涉农企业研发活动(无论是内部研发或是协同创新)顺利开展的重要保证。因此,协同创新模式一定能提高涉农企业科技成果转化效率吗?若涉农企业研发禀赋结构不合理,协同创新模式对涉农企业科技成果转化效率的影响是否会呈现不同效力? 基于此,本文选择研发禀赋结构为门槛变量,实证检验协同创新模式与涉农企业科技成果转化效率之间的非线性关系。
协同创新最早被认为是多个相互连结、相互影响的子系统形成资源耦合互动以及价值创造的复杂系统过程[5,6],此后学者们基于协同创新合作方式、边界以及耦合方式不同,认为协同创新模式有开放式创新模式以及创新联盟模式等类型,并认为协同创新可以缩短研发周期[7]、降低研发成本[8]、增加企业创新产出。但同时,协同创新过程中易产生信息不对称问题,从而引发道德风险,并影响协同创新的稳定性[9-12]。因此,有必要为涉农企业探寻适合协同创新的内在运行模式[13]。
(1)开放式创新。开放式创新可以实现要素资源在不同创新主体之间自由流动,边界较为模糊[14],从而实现创新主体对要素资源的探寻与共享,属于一个寻租过程[15]。根据要素资源的不同流向,开放式创新分为内向开放式创新、外向开放式创新以及混合式创新3种模式[16]。现有研究认为,开放式创新的互补性、流动性以及开放性可以缩短研发周期、优化资源配置,进而提高企业绩效[17,18]。同时,知识内化能力、技术复杂性、组织模式、组织文化等制约因素也会影响开放式创新效力[19-21]。
(2)创新联盟。创新联盟是指各创新主体基于要素耦合互动、优势资源互补而形成的一种兼具动态性与整体性的网状动态关系[22],是各创新主体实现自身发展目标、知识学习、资源共享以及人才交流的有效形式。创新联盟可以破解企业技术获取难的问题,从而降低研发风险、减少研发成本,从而有助于企业效率提升[23]。然而,互补、文化、兼容以及相称的差异[24]、战略变动[25]、企业文化[26]以及道德风险[27]等因素导致创新联盟失败率近60%。Das&Teng[28]从资源依赖角度发现,在协同创新过程中,创新主体的知识、技术以及资源呈现动态变化特征,从而导致创新联盟内部协商出现不一致问题,容易产生冲突,进而造成创新联盟瓦解,影响创新主体绩效。
通过文献检索发现,现阶段关于协同创新模式的研究多集中于定性分析,认为企业应加强与其他创新主体协同,积极开展“政产学研”协同创新[29,30]。而且,定量研究较少,有关创新模式与科技成果转化效率的研究更为鲜见,关于协同创新模式的研究尚未达成一致结论,这与学者们选择的研究对象、方法以及时间跨度有较大关系。同时,有关涉农企业协同创新模式的实证研究较为缺乏。现有关于协同创新模式的研究,忽略了因“门槛效应”所导致的非线性问题,也未考虑到研发禀赋结构差异能否影响创新主体对协同创新模式的选择。基于此,本文以涉农企业为研究对象,选取2009—2015年平衡面板数据,以研发禀赋结构为门槛变量,实证检验不同类型协同创新模式对中国涉农企业科技成果转化效率的影响。
(1)开放式创新模式。开放式创新是指创新主体间边界不明显、外部资源自由流动、科技成果得以转化转让,从而实现获利的创新模式[13-15]。开放式创新模式包括3种类型:①内向开放式创新,即创新主体将外部资源内化到研发活动中;②外向开放式创新,即创新主体将科技成果转化转让、出售给其他创新主体;③混合开放式创新。现有数据无法判断涉农企业是采取内向开放式创新模式还是混合开放式创新模式,但涉农企业专利所有权转让与许可收入符合外向开放式创新的特点和概念。因此,涉农企业外向开放式创新模式以专利所有权转让与许可收入为表征。
(2)创新联盟模式。创新联盟是指各创新主体基于要素耦合互动、优势资源互补而形成的一种兼具动态性与整体性的网状动态关系[22],是各创新主体实现自身发展目标、知识学习、资源共享以及人才交流的有效形式。涉农企业外部R&D支出流向企业、高校以及其它科研院所,符合创新联盟的特点。因此,涉农企业创新联盟模式以外部R&D支出为表征。
(3)研发禀赋结构。本文将涉农企业研发资本存量与涉农企业研发人员全时当量的比值定义为涉农企业研发禀赋结构。涉农企业在开展外向开放式创新以及创新联盟过程中,各创新主体间的知识、资本以及人才会形成一种耦合互动机制,因此,协同创新对涉农企业科技成果转化效率的影响与其研发禀赋结构息息相关。本文将研发禀赋结构划分为“高研发经费-低研发人员”、“低研发经费-高研发人员”以及“合理区间”3个区间,进而探讨不同类型协同创新模式在不同研发禀赋结构下的门槛效应。本文对研发禀赋结构区间的划分主要借鉴了Nonaka[4]的思想,第一,“高研发经费-低研发人员”。对于涉农企业而言,其他创新主体的知识、技术并非简单的“拿来主义”,对于其中的显性知识需要研发人员进行翻译才能成为自身隐性知识,进而将其编码组合,使其适应自身研发活动。对于其中的隐性知识,更需要发挥研发人员的“心智模式”,将其内化为自身隐性知识,并最终编码组合为适应涉农企业研发活动的显性知识。因此,在缺少研发人员情况下,涉农企业很难实现对其他创新主体知识、技术的消化吸收。第二,“低研发经费-高研发人员”。这种禀赋结构下涉农企业可以实现对其他创新主体知识、技术的消化吸收,但由于缺乏研发经费,科研人员面临“巧妇难为无米之炊”的窘境,难以将内化的知识、技术运用到研发活动与生产实践中。
在概念界定的基础上,本部分旨在分析涉农企业合作创新、外向开放式创新以及创新联盟3种协同创新模式对科技成果转化效率在不同研发禀赋区间的影响。
(1)外向开放式创新与涉农企业科技成果转化效率。涉农企业通过专利转让获得经费收入的途径开展外向开放式创新。当涉农企业研发禀赋结构合理时,外向开放式创新这一协同创新模式对涉农企业科技成果转化效率的促进作用无疑是显著的。当涉农企业研发禀赋结构区间为“低研发经费-高研发人员”时,涉农企业由于获得专利所有权转让与许可收入,研发经费得以增加,不仅可以发挥研发人员知识学习以及内化资源的能力,而且有相对充裕的研发经费保证科技成果转化活动顺利实现,从而有利于科技成果转化效率提高。但在“高研发经费-低研发人员”研发禀赋区间,专利所有权转让与许可收入仍未解决研发人员少的问题,难以显著影响涉农企业科技成果转化效率。基于此,提出以下假设:
H1:在合理的研发禀赋区间,外向开放式创新模式可以实现涉农企业科技成果转化效率提高;具有“低研发经费-高研发人员”研发禀赋结构的涉农企业可以选择外向开放式创新模式,从而实现科技成果转化效率提高。
(2)创新联盟与涉农企业科技成果转化效率。涉农企业通过外部R&D支出,与企业、高校以及其它科研院所建立创新联盟,需要合理的研发禀赋结构,从而实现涉农企业协同创新过程中的知识消化吸收以及产业化应用推广。若研发禀赋结构不合理,比如过分依赖联盟其他主体的资金或人员,一旦创新联盟失败,会严重影响涉农企业研发产出。基于此,提出以下假设:
H2:研发禀赋结构不合理时,选择创新联盟模式难以实现涉农企业科技成果转化效率提高;研发禀赋结构适宜时,创新联盟模式才能有效提高涉农企业科技成果转化效率。
2.3.1 模型构建
本文构建网络DEA模型测算涉农企业科技成果转化效率,以解决标准DEA及SFA未考虑“中间科技成果再投入”以及“原始投入分配”的问题[31],同时为解决传统DEA模型未考虑非径向、松弛改进以及效率值截尾问题,最终选择SBM-Network DEA-Super Efficiency模型对涉农企业科技成果转化效率进行测度。在此基础上,实证检验协同创新对涉农企业科技成果转化效率的影响。
考虑到涉农企业科技成果转化活动结构,首先,涉农企业通过创新链前端的基础研究产生专利、新材料、新工艺、新设备以及新品种等成果。其次,涉农企业会自行转化或协同其他创新主体对相应科技成果进行试验开发,使其向现实生产力转化,这是涉农企业科技成果转化的全过程,如图1所示。
从图1可以看出,涉农企业科技成果转化活动包括创新链前端研发、产业化以及销售等,上述不同环节构成了涉农企业科技成果转化的“黑箱”。如果不考虑中间产出这一环节,仅使用创新链前端的“科技转化人员”与“科技转化经费”两个投入变量,以及创新链后端的“新产品销售收入”与“技术服务收入”两个产出变量,那么使用标准DEA模型就可以测度涉农企业科技成果转化效率。然而,在实际过程中,还有“中间科技成果再投入”以及“原始投入分配”两个关键问题存在,这样标准DEA模型测算效率的准确性便值得商榷,该模型亦无法动态反映涉农企业科技成果转化活动。因此,有必要使用网络DEA模型,将两个阶段关联起来。
图1 涉农企业科技成果转化活动流程
假设涉农企业科技成果转化第一阶段投入为Xj=(x1j,x2j....xmj)T,产出为Zj=(z1j,z2j,...zqj)T,第二阶段的投入为第一阶段的产出Zj=(z1j,z2j,...zqj)T,产出为Yj=(y1j,y2j,...ysj)T。基于此,构建关联DEA模型,具体形式如下:
(1)
测算两阶段科技成果转化效率的网络DEA模型构建如下:
(2)
其中,测算农业科研院所科技成果转化效率投入产出指标如图1所示。在涉农企业科技成果转化效率测度模型的基础上,构建基于研发禀赋结构的创新模式“双门槛效应”动态面板模型如下:
teit=β1lncoperativeitI(endowit≤θ1)+β2lncoperativeitI(θ1<endowit≤θ2)+β3lncoperati
veit(endowit≥θ2)+α1tei,t-1+α2lnendowit+α3kstrenghit+α4humit+ownershipit+scaleit+industryit+μi+εit
(3)
teit=β1lnallianceitI(endowit≤θ1)+β2lnallianceitI(θ1<endowit≤θ2)+β3lnallianceit(endowit≥θ2)+α1tei,t-1+α2lnendowit+α3kstrenghit+α4humit+ownershipit+scaleit+industryit+μi+εit
(4)
其中,coperativeit、allianceit分别表示外向开放式创新模式以及创新联盟模式,endow为门槛变量,θ1和θ2为待估门槛值,I(-)为指标函数,μi为不随时间变化的各省份截面的个体差异,εit为随机干扰项,服从独立正态分布(0,σ2)。在进行动态门槛回归时,有两个关键问题必须注意:一是回归结果中门槛值θ1和θ2的确定,本文使用stata15.0的xthreg命令进行回归得到,进而构建F统计量检验对原假设θ1=θ2进行检验。当原假设θ1=θ2成立时,表明门槛效应不存在,否则证明门槛效应存在;二是进行门槛估计值真实性检验,构造似然比统计量LR,由于LR是非标准的,根据Hansen[32] 的研究成果,当取样足够且时,可以拒绝原假设,其中,α代表显著性水平。
2.3.2 数据样本与变量说明
本文数据样本来自中华人民共和国科学技术部《农业科技成果转化资金项目》(2010—2017年),涉农企业均须具备以下条件:第一,在中国境内依法登记注册、具备独立法人资格的企业,为内资或内资控股,注册资金大于50万元,产权清晰,财务管理制度健全,经营业绩良好,注册成立1年以上且资产负债率不超过60%。第二,主要从事农业科研、开发、生产和技术服务工作,有较强的市场开拓能力和较高的经营管理水平,具有农业科技成果转化能力和农业科技开发业绩,并具有持续创新意识。第三,有较为成熟的农业科技成果,必须符合国家产业政策,并且拥有明晰的知识产权。因此,本文剔除样本中无R&D经费投入、经营业绩较差、科技成果不成熟的企业,最终得到样本608个,时间跨度为2009—2016年。涉农企业科技成果转化效率测度投入产出变量以及模型(3)、(4)中相关变量说明如下:
(1)涉农企业科技成果转化效率测度投入产出变量。涉农企业科技成果转化效率测度中的投入变量包括原始投入:科技成果转化投入l(以涉农企业科技成果转化人员投入数量表示)以及科技成果转化经费投入k(以涉农企业科技成果转化经费投入表示,单位为万元),其中,资本存量首先使用CPI指数平减,而后使用永续盘存法重新测算[33]。中间产出(mid-out)主要包括专利、新材料、新工艺、新设备以及新品种,最终产出(y)包括新产品销售收入以及技术服务收入,详见图1。
(2)因变量。因变量为涉农企业科技成果转化效率TE。TE为使用SBM-Network DEA-Super Efficiency模型计算的涉农企业科技成果转化效率值。
(3)主检验变量。本文主要检验不同协同创新模式对涉农企业科技成果转化效率的影响,因此coperative和alliance两种创新模式为本文主检验变量,其概念界定与说明此处不再赘述。
(4)门槛变量。研发禀赋结构(endow)。研发禀赋结构定义为:endow=K/L。
(5)控制变量。本文将涉农企业所有制结构ownership(国有企业,非国有企业)、行业属性(种植业、林业、畜牧业、渔业以及其它)、企业规模scale(以营业收入额表征,单位为万元)、人才质量hum(科技成果转化人员中本科以上人员占比)以及经费质量kstrengh(科技成果转化经费中研发经费占比)作为控制变量。
以上各变量描述性统计结果见表1。
表1 各变量描述性结果
变量样本量均值标准差最小值最大值k6086.332 1.037 4.248 11.462 l6084.861 1.124 1.609 10.412 mid-out6081.573 1.258 0.100 11.002 y6087.781 1.663 1.609 17.530 te6080.590 0.143 0.133 1.500 lnalliance6085.890 1.124 2.996 10.373 lncoperative6084.372 1.654 0.000 10.820 lnendow6081.471 1.431 -3.598 8.177 kstrengh6080.672 0.176 0.024 0.991 hum6080.330 0.228 0.010 1.000
本文使用stata15.0的xthreg命令分别对式(3)、(4)进行实证研究,首先进行门槛效应检验。从表2可以看出,以研发禀赋结构为门槛变量,式(3)、(4)在双门槛下分别通过了5%、1%显著性水平检验,对比单门槛与多门槛,在对式(3)、(4)进行实证研究时,选择双门槛更为合理。
表2 门槛估计真实性检验结果
单门槛检验双门槛检验多门槛检验式(3)F值31.769**27.534***21.002p值0.0210.0010.846式(4)F值33.447**30.532***22.497p值0.0300.0050.754
对模型合理性进行检验后,本文对stata15.0回归得到的门槛值估计结果进行分析,以研发禀赋结构(endow)为门槛值,3种协同创新模式的第一门槛值以及第二门槛值的估计结果分别是3.221、3.422、3.363和3.438,如表3所示。
表3 双门槛值确定
门槛值外向开放式创新创新联盟第一门槛值3.2213.363第二门槛值3.4223.438
当门槛值1和门槛值2的估计结果出来后,本文使用stata15.0的xthreg命令对式(2)进行双门槛效应实证检验,得到以研发禀赋结构为门槛变量下3种协同创新模式对涉农企业科技成果转化效率的双门槛回归结果,同时报告了人才结构以及经费结构对涉农企业科技成果转化效率的影响,如表4所示。
(1)两种模式下,tei,t-1的系数均为正,且通过了1%显著性水平检验,说明涉农企业前期科技成果转化效率对本期有显著正向影响,本文构建双门槛效应动态面板模型是合理的。两种模式下,人才质量hum以及经费质量kstrenth的系数均显著为正,说明经费质量与人才质量均能显著提高涉农企业科技成果转化效率。同时,涉农企业规模scale以及国有涉农企业系数为正,均通过了显著性水平检验,表明涉农企业规模以及国有属性可显著提高科技成果转化效率。
表4 研发禀赋结构下双门槛效应参数估计结果
te 外向开放式创新Coef.P>|t|创新联盟Coef.P>|t|_cons0.595***0.000 0.846***0.000 tei,t-10.223***0.005 0.117***0.006 kstrengh0.015*0.0900.008*0.069scale0.102*0.0770.078*0.081hum0.090***0.0010.044**0.042 ownership(国企)0.032*0.0680.043*0.087endow≤第一门槛值0.063* 0.056 -0.037***0.000 第一门槛值<en-dow≤第二门槛值0.101***0.000 0.124***0.000 endow>第二门槛值-0.037***0.009 -0.040* 0.069
(2)从外向开放式创新模式对涉农企业科技成果转化效率的门槛回归结果看,当endow≤3.221时,外向开放式创新对涉农企业科技成果转化效率影响的系数为0.063,通过了10%显著性水平检验;当3.221<endow≤3.422时,其系数为0.101,通过了1%显著性水平检验;当endow>3.422时,系数为-0.037,在1%水平下显著。实证结果验证了H1,即在合理的研发禀赋区间内,外向开放式创新模式可以实现涉农企业科技成果转化效率提高;具有“低研发经费-高研发人员”研发禀赋结构的涉农企业可以选择外向开放式创新模式,从而实现科技成果转化效率提高。
(3)从创新联盟模式对涉农企业科技成果转化效率的门槛回归结果看,创新联盟对涉农企业科技成果转化效率的影响受涉农企业研发禀赋结构的制约与影响。双门槛回归结果表明:当endow≤3.363时,创新联盟模式对涉农企业科技成果转化效率影响的系数为-0.037,且在1%显著性水平上显著;当endow>3.438时,其系数为-0.040,通过了10%显著性水平的检验;当3.363<endow≤3.438时,协同创新对涉农企业科技成果转化效率影响的系数为0.124,通过了1%显著性水平检验。实证结果验证了H2,即当研发禀赋结构不合理时,选择创新联盟模式难以实现涉农企业科技成果转化效率提高;当研发禀赋结构适宜时,创新联盟模式才能有效提高涉农企业科技成果转化效率。
综上分析,当研发禀赋结构合理时,两种类型的协同创新模式均有利于涉农企业科技成果转化效率提高,这主要是由于合理的研发禀赋结构有助于涉农企业在开展协同创新时,充分实现各创新主体的人才结合、技术互补以及优势资源共享,在一定程度上缓解独立创新所面临的研发风险大、研发回报周期长、研发知识僵化以及研发正外部性等问题,从而显著提高自身科技成果转化效率。当涉农企业具有“低研发经费-高研发人员”研发禀赋结构时,外向开放式创新均在一定程度上显著提高了涉农企业科技成果转化效率。这能否说明外向开放式创新模式比创新联盟模式更有效?本文认为答案是否定的,第一,从实证结果看,合理的研发禀赋结构下,合作创新模式与外向开放式创新模式对涉农企业科技成果转化效率有显著正向影响,但系数明显小于创新联盟模式对涉农企业科技成果转化效率的影响,且显著性水平也仅为10%。第二,从两种创新模式内涵看,外向开放式创新模式的持续性、动态性、整体性以及资源共享程度弱于创新联盟模式。因此,本文认为,当涉农企业研发禀赋结构合理时,创新联盟模式是其最优化协同创新模式选择;当涉农企业具有“低研发经费-高研发人员”研发禀赋结构时,可选择外向开放式创新模式以实现自身科技成果转化效率提高以及研发禀赋结构完善。
本文以中国涉农企业为研究对象,时间跨度为2009—2016年,数据类型为平衡面板数据,以涉农企业研发禀赋结构为门槛变量,构建双门槛回归模型,实证检验两种类型协同创新模式对涉农企业科技成果转化效率的影响。
(1)前期科技成果转化效率显著影响涉农企业本期科技成果转化效率,经费质量与人才质量均能显著提高涉农企业科技成果转化效率。此外,涉农企业规模及其国有属性也能够显著促进科技成果转化效率提高。
(2)当涉农企业处于合理的研发禀赋结构区间时,外向开放式创新模式以及创新联盟模式均对涉农企业科技成果转化效率提高有显著促进作用,两种协同创新模式合理的研发禀赋区间分别是(3.221,3.422]和(3.363,3.438]。
(3)当涉农企业研发禀赋结构不合理时,创新联盟模式与涉农企业科技成果转化效率之间无显著影响;当涉农企业处于“低研发经费-高研发人员”研发禀赋结构区间时,选择外向开放式创新模式有利于涉农企业科技成果转化效率提高。
与其它研究相比,本文创新点主要包括:第一,现有涉农企业创新模式以及科技成果转化效率的研究相对较少,实证研究更为鲜见。因此,本文以中国涉农企业作为研究对象,依据涉农企业内部运行机制,将其协同创新模式划分为外向开放式创新与创新联盟两类,并分别研究其对科技成果转化效率的影响。第二,借鉴知识创新管理思想,设定研发禀赋结构门槛变量,考虑因“门槛效应”导致的协同创新对涉农企业科技成果转化效率影响的非线性问题。
(1)涉农企业应逐步优化研发禀赋结构,以增强协同创新效力。无论是研发资金还是研发人员,均存在较为显著的边际效应。因此,涉农企业应对研发要素投入配比进行最优化分析,尽量避免边际效应,逐步优化研发禀赋结构,从而实现对协作方知识、技术的消化吸收,并将其编码为适合自身发展的显性知识,最终实现协同创新各主体人才结合、技术互补、资源配置以及效益双赢,缓解涉农企业独立创新存在的研发风险大、回报周期长、知识僵化以及研发正外部性等问题。
(2)政府引导、多方共建,加快完善涉农企业协同创新机制。不可忽视,当中国涉农企业研发禀赋结构合理时,两种协同创新模式对中国涉农企业创新产出提高均有显著促进作用。因此,应充分发挥政府在引导、协调、资助、服务以及法律规范等方面的积极作用,为中国涉农企业协同创新营造完善的制度环境。同时,涉农企业自身应提升对协同创新的重视程度,搭建合理的跨组织管理框架,与其他创新主体互动合作,为涉农企业探索出兼具整体性、动态性以及互补性、多方共建、协同创新利益和风险分割的协同创新制度。
(3)涉农企业应选择适合自身发展协同创新模式。不同研发体量、不同地区以及不同层级的涉农企业研发禀赋结构不同,不同的协同创新模式内涵、特点以及效力也有所差异。本文通过实证研究发现,外向开放式创新模式可以有效提高研发禀赋结构为“低研发经费-高研发人员” 的涉农企业科技成果转化效率,对于具有“高研发经费-低研发人员”研发禀赋结构的涉农企业能否采取“院企合作办学”等模式提升人才质量,从而实现自身科技成果转化效率提高,是一种有益的探索。
(4)提升人才、经费投入质量,保证科技成果转化的连续性。人才、经费质量均对涉农企业科技成果转化效率有显著促进作用,因此,应加大高质量人才引进、培养力度,并逐步优化涉农企业科技成果转化过程中的经费投入结构。同时,科技成果转化属于滞后效应较强的创新活动,应保证科技成果转化的连续性。
[1] 谢玲红, 毛世平.中国涉农企业科技创新现状、影响因素与对策[J].农业经济问题, 2016(5):87-96.
[2] 张艺,许治,朱桂龙.协同创新的内涵、层次与框架[J].科技进步与对策,2018,35(18):20-28.
[3] 袁旭梅, 蔡书文, 王伟,等.高新技术产业协同创新系统建模与仿真[J].科技进步与对策, 2018(4):63-71.
[4] NONAKA I.A Dynamic theory of organizational knowledge creation[J].Organization Science, 1994, 5(1):14-37.
[5] ANSOFF H I.Corporate strategy:an analytic approach to business policy for growth and expansion[M].New York:McGraw-Hill Book,1965:15-33.
[6] HAKEN H SYNERGETICS.An introduction non-equilibrium phase transitions and self-organization in physics, chemistry and biology[M].New York: Springer, 1983.
[7] HOFMAN E, FAEMS D, SCHLEIMER S C.Governing collaborative new product development: toward a configurational perspective on the role of contracts[J].Journal of Product Innovation Management, 2017, 34(3).
[8] SORENSEN E, TORFING J.Meta-governing collaborative innovation in governance networks[J].American Review of Public Administration, 2016, 47(7): 826-839.
[9] BURG E V, BERENDS H, RAAIJ E M V.Framing and inter-organizational knowledge transfer: a process study of collaborative innovation in the aircraft industry[J].Journal of Management Studies, 2014, 51(3):349-378.
[10] GUO W, ZHENG Q, AN W, et al.User roles and contributions during the new product development process in collaborative innovation communities[J].Applied Ergonomics, 2017(63):106-114.
[11] GERWIN D.Coordinating new product development in strategic alliances[J].Academy of Management Review, 2004, 29(2):241-257.
[12] 骆品亮,陆毅,王安宇.合作R&D的组织形式与虚拟研发组织[J].科研管理,2002(6):67-73.
[13] CHESBROUGH H W.The era of open innovation[J].Mit Sloan Management Review, 2003, 44(3):35-41.
[14] GASSMANN O, ENKEL E.Towards a theory of open innovation: three core process archetypes[C].R&D Management Conference Sessimbra, 2004:8-9.
[15] LAURSEN K, SALTER A.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.
[16] CHESBROUGH H, CROWTHER A K.Beyond high tech: early adopters of open innovation in other industries[J].R & D Management, 2006, 36(3):229-236.
[17] 阳银娟,陈劲.开放式创新中市场导向对创新绩效的影响研究[J].科研管理,2015,36(3):103-110.
[18] 邵福泽,周伟.开放式创新、战略柔性与创新绩效——一个交互效应模型[J].科技进步与对策,2016,33(9):1-7.
[19] LICHTENTHALER U.Outbound open innovation and its effect on firm performance: examining environmental influences[J].R & D Management, 2009, 39(4):317-330.
[20] TOM P, DRIES F, WIM V H.Toward a dynamic perspective on open innovation: a longitudinal assessment of the adoption of internal and external innovation strategies in the netherlands[J].International Journal of Innovation Management, 2009, 13(2):177-200.
[21] KEUPP M M, GASSMANN O.Determinants and archetype users of open innovation[J].R & D Management, 2009, 39(4):331-341.
[22] ZOLLO M, REUER J J, SINGH H.Interorganizational routines and performance in strategic alliances[M].NEW YORK:INFORMS, 2002.
[23] 解学梅,刘丝雨.协同创新模式对协同效应与创新绩效的影响机理[J].管理科学,2015,28(2):27-39.
[24] HAN N, JIN C, LI M.Fuzzy comprehensive evaluation model for risk assessment in collaborative innovation[J].Icic Express Letters, 2015, 9(1):289-295.
[25] INKPEN A C, BEAMISH P W.Knowledge, bargaining power, and the instability of international joint ventures[J].Academy of Management Review, 1997, 22(1):177-202.
[26] AHARONI Y, BROCK D M.International business research: Looking back and looking forward[J].Journal of International Management, 2010, 16(1):5-15.
[27] MAKINO S, CHAN C M, ISOBE T, et al.Intended and unintended termination of international joint ventures[J].Strategic Management Journal, 2007, 28(11):1113-1132.
[28] DAS T K, TENG B S.Instabilities of strategic alliances: an internal tensions perspective[J].Organization Science, 2000, 11(1):77-101.
[29] 李东平, 金勤勤, 余庆来,等.新形势下加强区域农业科技协同创新的实践与思考——以安徽省农业科学院为例[J].农业科技管理, 2016, 35(6):19-21.
[30] 司林波.装备制造业技术协同创新运行机制构建[J].科技进步与对策,2017,34(2):72-79.
[31] YOO S C, MENG J, LIM S.An analysis of the performance of global major airports using two-stage network DEA model[J].2017, 45(1):65-92.
[32] HANSEN B E.Threshold effects in non-dynamic panels: estimation, testing, and inference[J].Journal of Econometrics, 1999, 93(2):345-368.
[33] 孙凤娥,江永宏.我国地区R&D资本存量测算:1978—2015年[J].统计研究,2018,35(2):99-108.